第37卷第4期西安建筑科技大学学报(自然科学版)Vol.37No.42005年12月J1Xi’anUniv.ofArch.&Tech.(NaturalScienceEdition)Dec.2005神经网络在工程项目管理绩效评价中的应用研究闫文周,徐静,吁元铭(西安建筑科技大学管理学院,陕西西安710055)摘要:传统的工程项目管理绩效评价主要运用单项线性分析的方法,这种方法简便易行,但不能反映评价指标间复杂的非线相互关系。为此,运用人工神经网络ANN中的BP网络对工程项目管理绩效评价问题进行研究,建立了一个综合考虑项目工期、质量、费用、安全四大控制指标的工程项目管理绩效评价模型。实例分析表明,其评价结果更加全面、更加符合实际情况,从而有助于促进工程项目管理水平的提高。关键词:神经网络;绩效评价;控制指标X中图分类号:F283;TP183文献标识码:A文章编号:100627930(2005)0420557204ApplicationofneuralnetworktheintheutilityassessmentforEngineeringProjectYANWen2zhou,XUjing,YUYuan2ming(SchoolofManagement,Xi'anUniv.ofArch.&Tech.,Xi'an710055,China)Abstract:Individuallinearanalysisisappliedmainlytotraditionaleffectsappraisalofprojectmanagement.Thoughitiseasytouse,itcan;treflectcomplicatedrelationsbetweenevaluationindexeswithoutlinearconnections.Thentheeffectsappraisalofprojectmanagementisexaminedbymeansofback2propagation(BP)networkfromArtificialNeuralNetwork,andtheeffectsappraisalmodelforprojectmanagement,consideringcomprehensivelythefourcontrolindexesaboutprojecttimelimit,quality,cost,andsafety.Theevaluationresultisprovedtobecomprehensiveandcomplieswithpracticalconditionsbyexample,sotheBPnetworkwellcontributestheimprovconentoftheprojectmanagementlevel.Keywords:neuralnetwork;utilityassessment;controlindex1BP神经网络BP神经网络是误差反向传播的多层前向网络[1],网络结构由节点和箭线组成,节点模拟人脑的神经元,箭线模拟神经元之间的连接关系。按神经元的位置不同,可将网络分成三层,即输入层、隐含层和输出层,同层节点间无关联,异层节点前向连接。输入层的节点负责数据输入,本身无计算功能;隐含层和输出层的节点具有加和与激活的计算功能。BP神经网络的信息处理机制正是由节点的加和与激活功X收稿日期:2004212201作者简介:闫文周(19622),男,陕西武功人,副教授,主要从事工程项目管理研究.©1994-2010ChinaAcademicJournalElectronicPublishingHouse.Allrightsreserved.http://www.cnki.net558西安建筑科技大学学报(自然科学版)第37卷能决定的。所谓加和,是指对某一节点的所有输入与相应连接线的权重的乘积进行加和。例如,对图1隐含层的第一个节点,其加和值等于:x1=∑EiVi1i式中,X1为隐含层第一个节点的输入值;Ei为输入层第i个节点的输入数据;Vi1为输入层第i个节点向隐含层第一个节点分配的权重。所谓激活,是指将加和得到的值经过一定的数学变换形成该节点的输出。例如,对图1隐含层第一个节点的输出值为:y1=g(x1)g(x)称为激活函数,常用的激活函数有Sigmoid函数、比例函数、饱和函数、双曲函数等[2]。BP神经网络算法的核心是通过一边向后传播误差,一边修正误差的方法来不断调节网络参数,以逼近所希望的输入、输出映射关系。训练结束后,该模型便可以求解相同的问题[3]。2项目