| 标题 | 数据挖掘技术在装配式建筑风险决策中的应用研究 |
| 范文 | 张文斌 马利华 高思 刘红云 摘要： 为了推动建造方式创新，全面提升建筑质量水平和管理水平，装配式建筑由于自身的优点，成为建筑领域力推的新型建筑模式。目前，关于装配式建筑的研究还不够深入，主要集中于施工过程中的风险评估和成本及工期等方面。本文从项目的前期投资过程出发，运用专家组量化风险因素，建立知识库，利用数据挖掘技术，构建风险决策体系，形成风险决策规则，从而达到有效的区分和控制风险。 Abstract： In order to promote the innovation of the construction methods and improve the quality and management levels of the building， the fabricated construction，because of its unique advantages， has become a new type of construction mode in the field of building. At present， the study of analytic method of prefabricated construction is not enough in-depth. It mainly focuses on the risk assessment and the cost and duration of the construction process. In this paper， authors use the expert group to quantify risk factors from the initial investment process of the project， building knowledge base， using data mining technology， constructing risk decision model and forming risk decision rules， so as to distinguish and control the risk effectively. 关键词： 装配式建筑；风险决策；数据挖掘；应用研究 Key words： prefabricated construction；risk decision；data mining；research and application 中图分类号：TU741 文献标识码：A 文章编号：1006-4311（2018）19-0082-03 0 引言 装配式建筑作为一种新型的房屋建筑模式，较传统施工方式而言，有施工速度快，所用劳动力少，环境影响小的优点[1]。按照《国务院办公厅关于大力发展装配式建筑的指导意见》（国办发〔2016〕71 号）的适用、经济、安全、绿色、美观的要求，北京市将计划在2018 年新建建筑面积中装配式建筑占20%以上，到2020 年达30%[2]。推动建造方式创新，大力发展装配式建筑，全面提升建筑质量水平和管理水平，成为建筑领域力推的新型建筑模式。早在上世纪80年代，一些欧洲国家由于住房紧缺，装配式建筑已经成为主要的生产住宅方式[3]。而我国装配式建筑则由于技术等各方面条件的制约发展道路异常缓慢[4-6]。直到2014年以后，随着国家大力提倡发展绿色建筑，装配式建筑由于自身的优点，结合BIM和“大数据”背景下的研究结果已经颇多如：蔡军和马丁斯科特，基于层次法研究预制装配式建筑目标成本计算及评价[7]；陈伟等，运用灰色聚类模型测评装配式建筑工程施工安全因素[8]；以及其他学者通过结合互联网实现预制建筑网络和装配式建筑管理[9-10]，但大都集中体现在对装配式建筑施工过程中的风险评估和成本及工期研究[11-14]。但是由于在项目前期投资过程中风险因素的不确定，怎样通过定量分析、有效区分和控制风险，并进行正确的决策，来减少或者确定决策中不确定因素的主要因素的研究还相对较少且不够深入。因此有必要运用数学建模来定量分析这些特点。 本文在已有研究的基础上，通过结合建筑领域自身的特点，选择常用的数据挖掘技术方法。首先，通过相关文献确定影响装配式建筑项目投资的风险因素集，然后运用粗糙集原理组建专家组评估量化风险因素集，建立知识库，构建风险决策体系，利用数据挖掘技术约去风险因素中的冗余属性及属性值，最后形成最简单的风险决策规则，从而达到有效的区分和控制项目前期投资过程中存在的风险。 1 数据挖掘的技术方法 数据挖掘是指从大量的数据中经过科学方法发现其中隐藏的、内在和有用信息的过程。主要的挖掘方法有如：概率分析、聚类分析、判别分析和粗集理论等[15]；但由于各种方法的自身功能和特点都有其应用领域（见表1 数据挖掘的主要技术方法对比[16]）。 1.1 粗糙集理论 本文结合风險因素的不确定性，而运用粗糙集方法进行数据挖掘。粗糙集是由20世纪80年代初波兰数学家Z.Plawlak提出的，这种方法在数据挖掘中具有重要的作用，常用于处理不确定、不完整、不完备甚至不一致的数据的一种数学方法[16-17]。 粗集理论认为知识是与分类紧密联系在一起的，知识是基于对象分类的能力，在数据分类过程中将相差不大的对象分为一类，这种不可分辨关系也称等价关系。知识库可表示为K=（U，R）。其中U为非空有限集称为论域，R是U上的一族等价关系。U/R为R的所有等价类族。[X]R表示包含元素x∈U的R的等价类。若P？哿R且P≠？椎，则P中全部等价关系的交集也是一种等价关系，称为P上的不可分辨关系，记为ind（P），[x]ind{R}=■[x]R，P？哿R。 同时定义上近似和下近似两个精确集来表示不精确概念。通过运用知识表达系统也称为信息系统，将条件属性和决策属性用关系表的形式表达出来。决策表是一类特殊而重要的知识表达系统。设S=（U，A，V，f）为知识表达系统。其中S=（x1，x2，…，xn）是对象的有限集合；A={a1，a2，…，an}为属性的有限集合；V为属性A所构成的域；f：U×A→V为一个信息函数，U中任一元素取属性a在V中有唯一确定值；A=C∪D，C为条件属性的集合；D为决策属性的集合。 1.2 数据挖掘过程 数据挖掘过程就是决策表的简化过程，就是将化简决策表中的条件属性进行化简，化简后的决策表具有与化简前相同的功能，但是化简后的决策表具有更少的条件属性。因此，决策表的简化在实际应用中相当重要，同样的决策可以基于更少量的条件，是我们通过一些简单的手段就能获得同样要求的结果。决策表的简化步骤如下：进行条件属性的简化，即从决策表中消去某些列；消去重复的行；消去属性的冗余值。 1.2.1 属性的相对约简 2 实证分析 2.1 定义条件因素集和决策属性集 装配式建筑较一般建筑而言，其风险特点还有其不一样之处，本文根据已有的定性分析的基础上，在风险决策时，从新构建来自建筑自身和外在因素。本文选取主要可以反映装配式建筑风险的几个因素集，即条件属性集包括技术水平（a）、投资规模（b）、市场环境（c）、管理水平（d）等4个风险因素。而决策属性集则包括企业规模（e）、风险应对措施（f）。本文选取13个工程项目进行调研。在决策支持系统中通过条件-决策表，表中列表示属性，行表示论域中的对象，以此构造的基于粗集理论的风险决策表。 2.2 数据离散化及建立专家知识库 对条件属性和决策属性分别离散化以建立专家知识库。首先利用上述建立的条件属性集，将条件属性按取得的调查结果进行离散化处理，如技术水平分为3个级别，记为{1，2，3}，代表{低，中，高}；投资规模分为4各级别，记为{1，2，3，4}，代表{小，较小，较大，大}；市场环境分为2个等级，记为{1，2}，代表{不平稳，良好}；管理水平分为{1，2，3}，代表{低，中，高}。其次对决策属性按取得的调查结果也进行离散化处理，如企业规模分为2个等级，记为{1，2}，代表{小，大}；风险应对措施分为3个等级{1，2，3}，代表{风险自留，共担，回避}。如表2所示。 2.3 属性约简 对决策表进行属性约简。由表2中数据可求出那些是冗余属性，那些是核属性。约简结果如表3所示。 2.4 属性值约简 对表3中进行属性值约简。约简结果如表4所示。 2.5 结果分析 由表4可得如下决策算法： 或a2d2→（2，3）或a2d1→（2，3）；a1→（1，3）；d3→（2，2）或c1→（2，2），c2→（2，1） 综合起来：a2d2∨a2d1→（2，3）；a1→（1，3）；d3∨c1→（2，2）；c2→（2， 1）。 由上述四条复合决策规则组成的算法可用如下语言解释： ①当技术水平为“中”，管理水平为“中”或“低”时，规模较大公司的策略是选择风险回避，应该放弃使用装配式建筑施工改为传统施工方法，或者放弃该项目； ②当管理水平为“高”或市场环境“不平稳”时，规模较大公司的策略是选择风险共担；可以选择使用装配式建筑，但是还是有一定的风险； ③当市场环境“良好”时，规模较大公司的策略是选择风险自留；这时装配式建筑就显示出它的优点，可以为企业带来更大的利润，同时对环境的影响小，应该大力提倡。 3 结论 本文在已有定性研究基础上，利用现有统计数据和粗集约简算法相结合，通过数据挖掘技术从大量的数据中发现其后隐含的规律性，将其模型化，构建风险决策体系。确定了影响装配式建筑风险的因素集，由技术水平、投资规模、市场环境、管理水平4个条件风险因素和企业规模、风险应对措施2个决策属性集，通过专家评估将风险因素量化，约去条件因素中的冗余属性及属性值，最后形成最简单的决策规则。完成辅助决策的作用。实践证明，通过挖掘分类规则可以提高规则的精度和解释能力，大大提高分类规则的应用价值。这种基于粗集理论的数据挖掘技术，为装配式建筑风险决策奠定了可定量研究的实践基础。 参考文献： [1]郭章林，梁婷婷.浅谈装配式建筑的发展[J].价值工程，2017，36（2）：233-235. [2]佚名.北京市将加快发展装配式建筑：2018年占新建建筑面积20%以上，2020年达30%[J].建筑结构，2017，0（6）：18. [3]蒋勤俭.国内外装配式混凝土建筑发展综述建筑技术[J].建筑技术，2010，41（12）：1074-1077. [4]申琪玉，李惠强.绿色建筑与绿色施工科学技术与工程[J].科学技术与工程，2005，5（21）：1634-1638. [5]尹穗.在广东地区使用装配式建筑初步分析报告[J].广东土木与建筑，2011，0（12）：29-32. [6]樊军，杨嗣信.关于实现装配式建筑的思考及建议[J].建筑技术，2017，48（2）：118-122. [7]蔡军，马丁·斯科特.基于层次法的预制装配式建筑目标成本计算及其AHP评价[J].财会月刊，2016，0（12）：88-90. [8]陈伟，付杰，熊付刚，等.装配式建筑工程施工安全灰色聚类测评模型[J].中国安全科学学报，2016，26（11）：70-75. [9]Ahmed A， Kayis B， Amornsawadwatana S.A review of techniques for risk management in projects[J].Benchmarking An International Journal， 2007， 14（1）：22-36. [10]Zhong R Y， Peng Y， Xue F， et al.Prefabricated construction enabled by the Internet-of-Things[J].Automation in Construction， 2017， 76（0）：59-70. [11]劉季昂.装配式建筑综合效益分析方法研究[J].工程技术：文摘版，2016，0（6）：00303. [12]李丽红，肖祖海，付欣，等.装配整体式建筑土建工程成本分析[J].建筑经济，2014，35（11）：63-67. [13]唐海燕，刘荣桂，韩豫，等.基于BIM-5D的工程施工成本预测系统构[J].工程管理学报，2015（4）：107-112. [14]王惠珍.基于改进灰色系统GM（1，1）模型的成本预测[J].统计与决策，2015（15）：83-86. [15]Chen L D， Sakaguchi T， Frolick M N. Data Mining Methods， Applications， and Tools[J].Information Systems Management， 2000， 17（1）：65-70. [16]Z Pawlak..Rough Sets-Theoretical Aspects of Reasoning about Data[M]. Klystron Academic Publisher， 1994. [17]吴冰，李为相，赵林度.基于粗集理论的最小化决策模型[J].信息技术，2002（4）：4-5. |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。