本文關(guān)鍵詞：基于人工神經(jīng)網(wǎng)絡(luò)的石油化工工程建設(shè)項目管理績效評價，由筆耕文化傳播整理發(fā)布。

石油學(xué)報（石油加工） ２０１０年６月
ＡＣＴＡ ＰＥＴＲ０１．ＥＩ ＳＩＮＩＣＡ（ＰＥＴＲＯｌ，ＥＵＭ ＰＲＯＣＥＳＳＩＮＧ ＳＥＣＴＩＯＮ）

第２６卷第３期

文章編號：１００１—８７１９（２０１０）０３一０３１７一０７

基于人工神經(jīng)網(wǎng)絡(luò)的石油化工工程建設(shè) 項目管理績效評價
韓志國１，王基銘１’

２，陳智高１
（１．華東理工大學(xué)，上海２００２３７；２．中國石油化工集團公司，北京１００７２８）

摘要：針對非線性多輸入多輸出的石油化工工程建設(shè)項目管理績效評價問題，應(yīng)用人工神經(jīng)網(wǎng)絡(luò)（ＡＮＮ）構(gòu)建評價
模型。使用５０個項目的２８７個學(xué)習(xí)案例數(shù)據(jù)，以１０個影響因素為輸入，６個指標(biāo)為輸出，對ＢＰ神經(jīng)網(wǎng)絡(luò)、基于

遺傳算法的ＢＰ神經(jīng)網(wǎng)絡(luò)、徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)與廣義回歸神經(jīng)網(wǎng)絡(luò)４類網(wǎng)絡(luò)模型進行訓(xùn)練和測試。通過均方誤差 的比較，發(fā)現(xiàn)基于遺傳算法的ＢＰ神經(jīng)網(wǎng)絡(luò)優(yōu)于一般的ＢＰ神經(jīng)網(wǎng)絡(luò)，廣義回歸神經(jīng)網(wǎng)絡(luò)的測試結(jié)果優(yōu)于ＢＰ神經(jīng) 網(wǎng)絡(luò)，徑向基甬?dāng)?shù)神經(jīng)網(wǎng)絡(luò)具有最好的誤差精度。Ｚ個應(yīng)用示例表明，人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于石油化工工程建設(shè)項目
管理績效的評價是可行和有效的。

關(guān)鍵詞：石油化工工程建設(shè)項目；項目管理；績效評價；人工神經(jīng)網(wǎng)絡(luò)（ＡＮＮ）
中圖分類號：Ｆ２２４ 文獻標(biāo)識碼：Ａ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１－８７１９．２０１０．０３．００１

ＭＡＮＡＧＥＭＥＮＴ ＰＥＲＦＯＲＭＡＮＣＥ ＥＶＡＬＵＡＴＩＯＮ

ＩＮ

ＰＥＴＲＯＣＨＥＭＩＣＡＬ ＥＮＧＩＮＥＥＲＩＮＧ

ＣＯＮＳＴＲＵＣＴＩｏＮ ＰＲＯＪＥＣＴ ＢＹ ＵＳｌＮＧ ＡＲＴＩＦＩＣＩＡＬ ＮＥＵＲＡＬ
ＨＡＮ

ＮＥＴＷＯＲＫ

Ｚｈｉｇｕ０１，ＷＡＮＧ Ｊｉｍｉｎ９１”，ＣＨＥＮ

Ｚｈｉｇａ０１

（１．ＥａｓｔＣｈｉｎａ Ｕｎｉｖｅｒｓｉｔｙ ｏｆＳｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ，Ｓｈａｎｇｈａｉ

２００２３７，Ｃｈｉｎａ；２．ＣｈｉｎａＰｅｔｒｏｃｈｅｍｉｃａｌＣｏｒｐｏｒａｔｉｏｎ，Ｂｅｉｊｉｎ９１００７２８。Ｃｈｉｎａ）
ｆｏｒ ｔｈｅ ｍａｎａｇｅｍｅｎｔ

Ａｂｓｔｒａｃｔ：Ａｎ

ａｒｔｉｆｉｃｉａｌ

ｎｅｕｒａｌ

ｎｅｔｗｏｒｋ

ｍｏｄｅｌ（ＡＮＮ）ｗａｓ ｄｅｖｅｌｏｐｅｄ

ｐｅｒｆｏｒｍａｎｃｅ ｅｖａｌｕａｔｉｏｎ ｏｆ ｐｅｔｒｏｃｈｅｍｉｃａｌ

ｅｎｇｉｎｅｅｒｉｎｇ ｃｏｎｓｔｒｕｃｔｉｏｎ ｐｒｏｊｅｃｔ．Ｂｙ ｕｓｉｎｇ ｔｈｅ ｄａｔａ ｆｒｏｍ
ａｓ

２８７ ｓａｍｐｌｅｓ ｏｆ ５０ ｐｒｏｊｅｃｔｓ，ｉｎ ｗｈｉｃｈ １０ ｆａｃｔｏｒｓ ｗｅｒｅ ａｎｄ
ｔｅｓｔ

ｉｎｐｕｔｓ ａｎｄ ６ ｉｎｄｉｃａｔｏｒｓ

ａｓ

ｏｕｔｐｕｔｓ，ｔｒａｉｎｉｎｇ

ｗｅｒｅ ｇｉｖｅｎ

ｔｏ

ｆｏｕｒ ｋｉｎｄｓ ｏｆ ＡＮＮ ｍｏｄｅｌｓ，ＢＰ—ＮＮ，ＧＡ—ｂａｓｅｄ ＢＰ—ＮＮ，ｒａｄｉａｌ ｂａｓｉｓ ｆｕｎｃｔｉｏｎ

ｎｅｕｒａｌ ｎｅｔｗｏｒｋ（ＲＢＦ—ＮＮ）ａｎｄ ｇｅｎｅｒａｌｉｚｅｄ ｒｅｇｒｅｓｓｉｏｎ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ（Ｇ１０ＮＮ）．Ｂｙ ｃｏｍｐａｒｉｎｇ ｔｈｅ ｍｅａｎ ｓｑｕａｒｅ ｅｒｒｏｒｓ，ｉｔ ｉＳ ｆｏｕｎｄ ｔｈａｔ ＧＡ－ｂａｓｅｄ ＢＰ—ＮＮ ｉＳ ｐｒｉｏｒ
ｔｏ

ＢＰ—ＮＮ，ＧＲ—ＮＮ
ｃａｓｅｓ

ｉＳ

ｐｒｉｏｒ

ｔｏ

ｆｏｒｍｅｒ。ａｎｄ ＲＢＦ－ＮＮ ｈａｓ ｂｅｓｔ ａｃｃｕｒａｃｙ．Ｉｔ ｉＳ ｖｅｒｉｆｉｅｄ ｂｙ ｔｈｅ ｉｌｌｕｓｔｒａｔｉｏｎｓ ｏｆ ｔｗｏ ｍｏｄｅｌ ｉｓ ｆｅａｓｉｂｌｅ ａｎｄ ｖａｌｉｄ ｃｏｎｓｔｒｕｃｔｉｏｎ ｐｒｏｊ
ｅｃｔ． ｔｏ

ｔｈａｔ ＡＮＮ

ｔｈｅ ｍａｎａｇｅｍｅｎｔ ｐｅｒｆｏｒｍａｎｃｅ ｅｖａｌｕａｔｉｏｎ ｏｆ ｐｅｔｒｏｃｈｅｍｉｃａｌ ｅｎｇｉｎｅｅｒｉｎｇ

Ｋｅｙ ｗｏｒｄｓ：ｐｅｔｒｏｃｈｅｍｉｃａｌ

ｅｎｇｉｎｅｅｒｉｎｇ

ｃｏｎｓｔｒｕｃｔｉｏｎ

ｐｒｏｊｅｃｔ；ｐｒｏｊｅｃｔ

ｍａｎａｇｅｍｅｎｔ；ｐｅｒｆｏｒｍａｎｃｅ

ｅｖａｌｕａｔｉｏｎ；ａｒｔｉｆｉｃｉａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ（ＡＮＮ）

石油化工工程建設(shè)項目是高投入、高風(fēng)險的項 目，具有資金和技術(shù)高度密集、技術(shù)復(fù)雜、涉及專 業(yè)多、關(guān)聯(lián)范疇廣、集成程度高、質(zhì)量要求高、工 程投資大、建造周期長的特點。工程建設(shè)項目管理 水平的高低將直接決定項目的投資效益，決定建設(shè)

項目的成敗，決定石油化工企業(yè)的持續(xù)有效發(fā)展。 少投入、多產(chǎn)出、快建設(shè)、高質(zhì)量、保投產(chǎn)始終是 工程項目建設(shè)中必須要解決好的重大命題Ⅲ。因此， 石油化工工程建設(shè)項目的管理及其績效評價有其特 殊意義。目前，針對石油化工工程管理績效評價展

收稿日期：２０１０—０２—０５ 通訊聯(lián)系人：韓志國，Ｔｅｌ：０１０—５９９６２３０９；Ｅ－ｍａｉｌ：ｈａｎｚｇ＠ｓｉｎｏｐｅｃ．ｃｏｒｎ．ｃｎ

萬方數(shù)據(jù)

３１８

石油學(xué)報（石油加－１２）

第２６卷

開的研究還不多，對于工程建設(shè)項目管理績效評價 的研究主要涉及兩方面的內(nèi)容，即評價指標(biāo)體系和 評價方法。對于不同類型的項目和不同的評價者， 由于對象和角度的差異，項目管理績效評價的指標(biāo) 和方法有所不同。 石油化工工程建設(shè)項目管理績效的評價是一類 典型的非線性多輸人多輸出問題。筆者基于人工智
能領(lǐng)域神經(jīng)網(wǎng)絡(luò)方法的優(yōu)勢，研究石油化工工程建

定量，不得不依靠經(jīng)驗法給出管理績效的評價意見。 盡管現(xiàn)在已經(jīng)產(chǎn)生了許多客觀的方法，項目管理績 效的某些指標(biāo)，例如技術(shù)水平、質(zhì)量等，以及評價 方法中指標(biāo)權(quán)重的設(shè)定等，依然離不開經(jīng)驗判斷法。 定量的分析決策方法又可分為技術(shù)經(jīng)濟評價法 和多因素評價法。例如凈現(xiàn)值法［６３和掙值法¨３便是 常用的技術(shù)經(jīng)濟評價法。因為許多評價指標(biāo)已經(jīng)超 出經(jīng)濟因素的范圍，單純的技術(shù)經(jīng)濟評價法已不能 完整地評價工程建設(shè)項目管理的績效。多因素評價 法中以統(tǒng)計分析方法居多，其中最常用的是權(quán)重取 決于專家經(jīng)驗的多層次指標(biāo)值加權(quán)綜合法∞］，其次
是回歸分析方法一叫虬和結(jié)構(gòu)方程建模法。１１】。多層次

設(shè)項目管理績效的評價模型，為此類項目管理績效 的科學(xué)評價提供可選擇的新途徑。
１

已有的相關(guān)石油化工工程建設(shè)項目管理績

效評價的研究
１．１

分析法凹壩０常用于設(shè)定多指標(biāo)加總的權(quán)重。除統(tǒng)計 分析方法之外，多因素評價方法中還有基于最佳實 踐比較的標(biāo)桿法口２““、綜合多層次多因素平衡發(fā)展 思想的平衡計分卡［１“、模糊決策方法ｏ］、數(shù)據(jù)包絡(luò)
分析法ｕ ５】、系統(tǒng)動力學(xué)－６－１７１和人工神經(jīng)網(wǎng)絡(luò) （ＡＮＮ）Ｅ１８—１９ｊ等。 ２

工程建設(shè)項目管理績效的評價指標(biāo)

工程建設(shè)項目管理績效評價指標(biāo)分為綜合性評 價指標(biāo)和局部性評價指標(biāo)兩類。綜合性評價指標(biāo)一 般包括局部性評價指標(biāo)，局部性評價指標(biāo)中又以經(jīng) 濟指標(biāo)為主。綜合性的項目管理績效研究中， ＢｒｙｄｅＬ２１參考ＥＦＱＭ（Ｅｕｒｏｐｅａｎ
ｑｕａｌｉｔｙ ｆｏｕｎｄａｔｉｏｎ ｆｏｒ

ｍａｎａｇｅｍｅｎｔ）業(yè)務(wù)卓越模型提出的項目管理
ｍａｎａｇｅｍｅｎｔ ｐｅｒｆｏｒｍａｎｃｅ

人工神經(jīng)網(wǎng)絡(luò)及其在工程建設(shè)項目管理中

績效評價ＰＭＰＡ（Ｐｒｏｊｅｃｔ

的應(yīng)用
人工神經(jīng)網(wǎng)絡(luò)是一種通過物理器件或計算機來 模擬生物體中神經(jīng)網(wǎng)絡(luò)的某些結(jié)構(gòu)與功能的技術(shù)， 在結(jié)構(gòu)上由許多人工神經(jīng)元相互連接而成。實際中 使用最廣泛的是ＢＰ神經(jīng)網(wǎng)絡(luò)（ＢＰ—ＮＮ，Ｂａｃｋ
ｐｒｏｐａｇａｔｉｏｎ ｎｅｕｒａｌ

ａｓｓｅｓｓｍｅｎｔ）模型最具代表性。ＰＭＰＡ模型面向各種 類型的項目，設(shè)有項目管理的領(lǐng)導(dǎo)、人員、策略、 合作關(guān)系和資源、生命周期管理過程（時間、成本、 工作范圍的計劃、風(fēng)險管理、質(zhì)量管理等１６項活 動）、關(guān)鍵績效指標(biāo)（ＫＰＩ）６個評價準(zhǔn)則，其最主要 的特點是將項目管理及其結(jié)果作了區(qū)分，即從因和 果的兩個方面來區(qū)別績效指標(biāo)。 成本、時間和質(zhì)量構(gòu)成的鐵三角∞］是最基本的 項目管理績效評價指標(biāo)。隨著時代的進步和項目管 理領(lǐng)域的發(fā)展，不同類別的項目分別按需要增加一 些新的指標(biāo)或管理成功與否的判斷準(zhǔn)則。例如，面 向特定用戶的開發(fā)項目增設(shè)客戶滿意度或客戶利益 的指標(biāo)一］，因安全與環(huán)境保護意識的增強而加入了 “健康?安全?環(huán)�！保ǎ龋樱牛┲笜�(biāo)＿］，因長期發(fā)展戰(zhàn) 略的需要而增加了可持續(xù)性指標(biāo)，等等。 １．２工程建設(shè)項目管理績效的評價方法 目前，關(guān)于工程建設(shè)項目管理績效的評價方法 的研究主要在于普適性方法的應(yīng)用研究和其他領(lǐng)域 評價方法的借鑒應(yīng)用研究。常見的項目績效評價方 法大致上可分為定性的經(jīng)驗判斷法和定量的分析決
策法。

ｎｅｔｗｏｒｋ），即誤差反向傳播神經(jīng)

網(wǎng)絡(luò)模型，主要用來進行非線性系統(tǒng)的多輸入多輸
出映射關(guān)系建模。

神經(jīng)網(wǎng)絡(luò)在工程建設(shè)項目管理中的早期應(yīng)用可 見于２０世紀(jì)９０年代后期。當(dāng)時的應(yīng)用主要有建筑 需求的預(yù)測：２０］、預(yù)算績效‘２１］、現(xiàn)金流預(yù)測：２ ２｜、建 筑計劃和管理ｏ¨等。近幾年來，神經(jīng)網(wǎng)絡(luò)在工程建 設(shè)項目管理中的應(yīng)用不斷拓展和深化。Ｄｉｋｍｅｎ 等口８｜、Ｃｈｅｕｎｇ等，２４一開發(fā)了支持建筑工程項目招投 標(biāo)決策的神經(jīng)網(wǎng)絡(luò)模型，Ｅｌｈａｇ等＿５：構(gòu)建了用于橋 梁維護項目風(fēng)險評估的神經(jīng)網(wǎng)絡(luò)模型和結(jié)合回歸分 析的混合模型，Ｃｈｅｎｇ等。６：提出了一個綜合遺傳算 法以及模糊邏輯和神經(jīng)網(wǎng)絡(luò)優(yōu)勢的進化模糊神經(jīng)參 考模型，用以支持工程建設(shè)項目的前期管理。 已有的神經(jīng)網(wǎng)絡(luò)在工程建設(shè)項目管理中的應(yīng)用 主要集中在單項的項目管理，在綜合性的項目管理 績效評價中的應(yīng)用非常少見。Ｌｉｎｇ等盈７３構(gòu)建的由 ６５個影響因素為輸入，分別以成本、工期、質(zhì)量、

由于工程建設(shè)項目的管理績效涉及面廣且難以

萬方數(shù)據(jù)

第３期

基于人工神經(jīng)網(wǎng)絡(luò)的石油化工工程建設(shè)項目管理績效評價

３１９

業(yè)主４類１１個績效指標(biāo)為輸出的神經(jīng)網(wǎng)絡(luò)模型，是 一個不多見的綜合性項目管理績效評價模型。該模 型用于預(yù)測新加坡ＤＢ管理模式下的項目績效，能 夠相當(dāng)精確地預(yù)估項目的績效指標(biāo)。閏文周等ｕ釘綜 合考慮項目的工期、質(zhì)量、費用和安全四大控制指 標(biāo)所建立的神經(jīng)網(wǎng)絡(luò)模型，也是一個不多見的綜合 性工程項目管理績效評價模型。

含有單個隱層的ＢＰ神經(jīng)網(wǎng)絡(luò)可以任意逼近含 有多個隱層的ＢＰ神經(jīng)網(wǎng)絡(luò)，因此筆者選用由輸入 層、隱層和輸出層構(gòu)成的３層ＢＰ神經(jīng)網(wǎng)絡(luò)。輸入 和輸出層的神經(jīng)元數(shù)目及其角色與具體的研究對象 有關(guān)�；陧椖拷ㄔO(shè)過程的實踐，筆者所在的石油 化工工程建設(shè)項目管理研究課題組提出了項目組織、 項目策劃、溝通協(xié)調(diào)、進度管理、費用管理、質(zhì)量 管理、ＨＳＥ管理、技術(shù)管理、合同管理和風(fēng)險管理 １０個影響項目管理績效的參數(shù)，從全面評價的角度 提出了質(zhì)量水平、造價、建設(shè)工期、ＨＳＥ、技術(shù)水 平和效益水平６個項目管理績效評價指標(biāo)。這些參 數(shù)和指標(biāo)構(gòu)成“因一果”關(guān)系，并已采集到有效的樣本 數(shù)據(jù)。因此，這１０個參數(shù)和６個指標(biāo)可分別設(shè)為神 經(jīng)網(wǎng)絡(luò)的輸入變量和輸出變量。 根據(jù)以上思路，構(gòu)建了面向石油化工工程建設(shè) 項目管理績效評價的ＢＰ神經(jīng)網(wǎng)絡(luò)模型，如圖１所 示。該模型設(shè)１０個輸入變量和６個輸出變量，分別 用ｚｉ和Ｙ，表示（ｉ＝１，２，…１０；．ｊ＝１，２，…６）。

３石油化工工程建設(shè)項目管理績效的神經(jīng)網(wǎng) 絡(luò)建模與數(shù)據(jù)采集
３．１神經(jīng)網(wǎng)絡(luò)建模

神經(jīng)網(wǎng)絡(luò)建模包括網(wǎng)絡(luò)類型的選擇、網(wǎng)絡(luò)結(jié)構(gòu) 的設(shè)計、網(wǎng)絡(luò)各層神經(jīng)元數(shù)目及其角色的設(shè)計。不 同類型的神經(jīng)網(wǎng)絡(luò)具有不同的特點和適用性，筆者 以目前應(yīng)用較為普遍的３層ＢＰ神經(jīng)網(wǎng)絡(luò)作為基準(zhǔn)網(wǎng) 絡(luò)，以基于遺傳算法的ＢＰ神經(jīng)網(wǎng)絡(luò)、徑向基函數(shù)神 經(jīng)網(wǎng)絡(luò)和廣義回歸神經(jīng)網(wǎng)絡(luò)作為參選網(wǎng)絡(luò)，通過這 ４類網(wǎng)絡(luò)測試誤差的比較確定最佳的神經(jīng)網(wǎng)絡(luò)類型。
Ｑｕａｌｉｔｙ
兒 ＣＯＳｔ 咒 Ｔｉｍｅ 乃

ＨＳＥ
ｙ４

Ｔｅｃｈｎｏｌｏｇｙ
ｙｓ

Ｐｒｏｆｉｔ ｙ６

呲岍

眥岍
呲岍
ｘ２ ｘ３ ｘ‘ｘ，ｘ６ ｘ１ ｘｓ ｘｑ ＸｌＯ

ｓｃｈｅｍｅ

ｃｏｍｍ四‘－ ｃａｔ］ｏｎ＆
ＣＯＯｒｄｉｎａｔｉｏｎ

ｓｃｈｅｄｕｌｅ
ｍａｎａｇｅ

ｃｏｓｔ
ｍａｎａ２ｅ

Ｑｕａｌｉｔｙ
ｍａｎａｇｅ

ＨＳＥ ｍａｎａｇｅ

Ｔｅｃｈｎｏｌｏｇｙ ｍａｎａｇｅ

ｃｏｎｔｒａｃｔ ｍａｎａｇｅ

Ｒｉｓｋ ｍａｎａｇｅ

圖ｌ面向石油化工工程建設(shè)項目管理績效評價的ＢＰ神經(jīng)網(wǎng)絡(luò)模型
Ｆｉｇ．１ ＢＰ－ＮＮ ｍｏｄｅｌ ｏｆ

ｐｒｏｊｅｃｔ ｍａｎａｇｅｍｅｎｔ ｐｅｒｆｏｒｍａｎｃｅ ｅｖａｌｕａｔｉｏｎ ｆｏｒ ｐｅｔｒｏｃｈｅｍｉｃａｌ ｅｎｇｉｎｅｅｒｉｎｇ ｃｏｎｓｔｒｕｃｔｉｏｎ

面向石油化工工程建設(shè)項目管理績效評價的 ＢＰ神經(jīng)網(wǎng)絡(luò)模型中，隱層的神經(jīng)元個數(shù)是決定神 經(jīng)網(wǎng)絡(luò)模型精度的影響因素之一，筆者將討論隱層 神經(jīng)元個數(shù)的設(shè)定。 ３．２數(shù)據(jù)采集與檢驗 筆者采用問卷調(diào)查數(shù)據(jù)作為數(shù)據(jù)源，考察項目管 理要素與項目績效的“因一果”關(guān)系，用判斷抽樣和配 額抽樣相結(jié)合的方法抽取樣本，于２００９年５月下旬 至７月中旬在中國石油化工集團公司內(nèi)部選�。常布� 單位５２個重大或大型石油化工工程建設(shè)項目所參與

的業(yè)主、管理商、承包商、監(jiān)理等專家回答問卷。實 際共回收樣本３２４份。在剔除異常樣本后，實際獲得 有效樣本２８７份，涉及５０個項目占總問卷數(shù)的８８．６％。 將樣本數(shù)據(jù)中的１０個管理要素作為輸入、６個 績效指標(biāo)作為輸出，用于神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練和測 試。１０個輸入變量的樣本數(shù)據(jù)各由３個測量變量數(shù) 據(jù)構(gòu)成，因此還需要對這些變量的樣本數(shù)據(jù)按其負(fù) 荷系數(shù)作加權(quán)歸總處理。３０個測量變量和６個輸出 變量都�。薄分g的定距尺度，值越大表示水平或 績效越好，反之亦然。

萬方數(shù)據(jù)

３２０

石油學(xué)報（石油加工）

第２６卷

樣本數(shù)據(jù)的檢驗由信度和效度２個指標(biāo)考察。 信度即可靠性，是指采用同一方法對同一對象進行 調(diào)查時，調(diào)查結(jié)果的穩(wěn)定性和內(nèi)部一致性。筆者以 常用的Ｃｒｏｎｂａｃｈ’Ｓ口法來檢驗由測量變量構(gòu)成的輸
Ｔａｂｌｅ １ Ｔｈｅ ｒｅｌｉａｂｉｌｉｔｙ
ｔｅｓｔ

入，結(jié)果列于表１�？谟脕砗饬浚苯M測量變量的線性 組合在多大程度上能夠表示被測變量，它的值在 Ｏ～１之間，通常ａ＞Ｏ．７即可信。由表１可知，各輸 入變量的口均大于０．７，因此可信。

表１用于ＢＰ神經(jīng)網(wǎng)絡(luò)模型的輸入變量和輸出變量的Ｃｒｏｎｂａｃｈ’ｓ口法信度檢驗
ｏｆ ｉｎｐｕｔ ａｎｄ ｏｕｔｐｕｔ ｖａｒｉａｂｌｅｓ ｆｏｒ ＢＰ－ＮＮ ｍｏｄｅｌ ｂｙ Ｃｒｏｎｂａｅｈ。ｓ口

效度（Ｖａｌｉｄｉｔｙ）是指測量工具或手段能夠準(zhǔn)確測 出客觀事物的程度。效度又分為內(nèi)部效度和外部效 度，內(nèi)部效度可以理解為研究者的判斷可以取得共 識并成為知識的程度，外部效度描述研究者已證實 的假設(shè)可供推廣的程度。內(nèi)部效度可以用驗證性因 子分析來檢驗，當(dāng)所有測量變量對于被測變量的負(fù) 荷系數(shù)Ａ＞ｏ．５時，內(nèi)部效度理想。本研究的３０個 測量變量的Ａ都大于０．７６，因此可以認(rèn)為外部效度 有效。

７２個測試樣本。 隱層神經(jīng)元個數(shù)的設(shè)置沒有專門的方法，一般 通過對比不同神經(jīng)元個數(shù)情況下的訓(xùn)練及測試效果 后得出。為進行確定隱層神經(jīng)元個數(shù)，訓(xùn)練與測試 的參數(shù)取ＭＡＴＬＡＢ ７．６．０的默認(rèn)值。 在１５～４０個神經(jīng)元個數(shù)區(qū)間內(nèi)，以５個神經(jīng)元 為間隔，通過試差法對比隱層不同神經(jīng)元個數(shù)下的 訓(xùn)練及測試效果，得到如表２所示的結(jié)果。表２中 均方誤差（Ｍｅａｎ 絕對誤差（Ｍｅａｎ
ｓｑｕａｒｅ

ｅｒｒｏｒ）為各測試樣本實際輸 ｅｒｒｏｒ）為各測試樣本實際

４石油化工工程建設(shè)項目管理績效的神經(jīng)網(wǎng) 絡(luò)模型的函數(shù)選擇與隱層神經(jīng)元個數(shù)設(shè)定
神經(jīng)元的傳遞函數(shù)、神經(jīng)網(wǎng)絡(luò)的訓(xùn)練函數(shù)、權(quán) 值和閾值等參數(shù)是神經(jīng)網(wǎng)絡(luò)模型的重要構(gòu)成。筆者 使用ＭＡＴＬＡＢ ７．６．０的神經(jīng)網(wǎng)絡(luò)工具箱進行網(wǎng)絡(luò) 的設(shè)計，選擇傳遞函數(shù)時以常用者為準(zhǔn)則。選擇 Ｓｉｇｍｏｉｄ型函數(shù)Ｔｒａｎｓｉｇ（）為隱層神經(jīng)元的傳遞函 數(shù)、線性函數(shù)Ｐｕｒｅｌｉｎ（）為輸出層神經(jīng)元的傳遞函 數(shù)。選擇基于數(shù)值優(yōu)化理論的Ｔｒａｉｎｌｍ（）函數(shù)訓(xùn)練 ＢＰ神經(jīng)網(wǎng)絡(luò)。Ｔｒａｉｎｌｍ（）函數(shù)與傳統(tǒng)的梯度下降法 相比，具有收斂速率快和精度高等特點。權(quán)值和閾 值的初始化采用Ｎｅｗｆｆ（）函數(shù)自動完成。 Ｓｉｇｍｏｉｄ型函數(shù)輸出Ｏ～１之間的連續(xù)值，對較 大值的輸入收斂速率慢，易陷入局部極值。因此樣 本數(shù)據(jù)需要歸一化處理。由式（１）所示的線性函數(shù)對 １０個輸入與６個輸出的樣本數(shù)據(jù)進行歸一化處理。 實際應(yīng)用時的輸出再由式（２）進行逆變換，得到原來 閾值的數(shù)值。
（１） （２）

出與期望輸出偏差平方和的平均值取平方根，平均
ａｂｓｏｌｕｔｅ

輸出與期望輸出偏差絕對值的平均值。平均絕對誤 差更直觀地反映了測試樣本實際輸出和期望輸出之 間的偏差程度。
表２采用試差法對比隱層不同神經(jīng)元個數(shù)下的
訓(xùn)練及測試結(jié)果
Ｔａｂｌｅ ２ Ｔｈｅ ｒｅｓｕｌｔｓ ｏｆ ｎｏｄｅ ｎｕｍｂｅｒ ｉｎ ｈｉｄｄｅｎ ｌａｙｅｒ ｂｙ ｔｈｅ ｃｏｍｐａｒｉｓｏｎ ｏｆ ｔｈｅ ｔｒａｉｎｅｄ ａｎｄ ｔｅｓｔｅｄ ｄａｔａ
Ｎｏｄｅ ｎｕｍｂｅｒ ｉｎ Ｔｒａｉｎｉｎｇ Ｎｏ．

Ｍｅａｎ

ｓｑｕａｒｅ

Ｍｅａｎ ａｂｓｏｌｕｔｅ
ｅｒｒｏｒ

ｈｉｄｄｅｎ
１５ ２０ ２５ ３０ ３５ ４０

Ｉａｙｅｒ

ｅｒｒｏｒ

０．０５３３ ０．０４８１ Ｏ．０５１０ ０．０５０７ ０．０５８０ ０．０７１５

０．１６６０ ０．１５６０ ０．１６２４ Ｏ．１７４４ ０．１８４０ ０．１９７４

表２表明，隱層神經(jīng)元個數(shù)為２０時，測試樣本 實際輸出和期望輸出之間可以達到最好的均方誤差 ０．０４８和誤差精度０．１５６。因此，圖１模型的隱層神 經(jīng)元的個數(shù)設(shè)置為２０。

ｙ＝（ｚ—ｚ。。）／（上一一ｚ。。）
ｙ—Ｘｏｕ。。。�！粒ǎ�。。一ｚ一）＋ｚ。ｉｌｌ

５用于石油化工工程建設(shè)項目管理績效評價 的神經(jīng)網(wǎng)絡(luò)的訓(xùn)練與測試
５．１

式（１）和式（２）中的ｚ。。＝７、ｚ。ｉ。＝１，ＸｏＩｌ。州為 神經(jīng)網(wǎng)絡(luò)模型的輸出值。 按交叉驗證（Ｃｒｏｓｓ ｖａｌｉｄａｔｉｏｎ）的思想，將 ２８７個樣本以３；１的比例劃分為２１５個訓(xùn)練樣本和

ＢＰ神經(jīng)網(wǎng)絡(luò)的訓(xùn)練與測試 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練首先要設(shè)定最大訓(xùn)練次數(shù)、目

標(biāo)精度（均方誤差）、學(xué)習(xí)率等參數(shù)。圖１模型在不

萬方數(shù)據(jù)

第３期

基于人工神經(jīng)網(wǎng)絡(luò)的石油化工工程建沒項目管理績效評價

３２ｌ

設(shè)置訓(xùn)練次數(shù)的情況下，最優(yōu)訓(xùn)練精度在訓(xùn)練 ５００次左右即穩(wěn)定于０．００７６。但此時的測試樣本平 均絕對誤差達到了０．９７１１，出現(xiàn)了訓(xùn)練樣本過度學(xué) 習(xí)的過擬合現(xiàn)象。為防止過擬合現(xiàn)象的出現(xiàn)，目標(biāo) 精度應(yīng)低于最優(yōu)值的水平，對訓(xùn)練次數(shù)不作限定。 基于樣本數(shù)據(jù)的測量誤差水平，并經(jīng)過試差法實驗 將訓(xùn)練目標(biāo)精度設(shè)為０．０２。學(xué)習(xí)率是神經(jīng)網(wǎng)絡(luò)案例 學(xué)習(xí)的速率。如果學(xué)習(xí)率過大，就會造成學(xué)習(xí)過程 不穩(wěn)定。同樣，通過試差法將學(xué)習(xí)率設(shè)定為０．０１。 在以上訓(xùn)練參數(shù)下，采用Ｔｒａｉｎｌｍ（）函數(shù)訓(xùn)練 用于石油化工工程建設(shè)項目管理績效評價的ＢＰ神 經(jīng)網(wǎng)絡(luò)。經(jīng)過２１５個訓(xùn)練樣本的訓(xùn)練，７２個測試樣 本的測試，得到各測試樣本實際輸出與期望輸出之 間的均方誤差為０．０２５８，平均絕對誤差為０．１２２３。 均方誤差曲線如圖２所示。

５００代時，種群的適應(yīng)度趨于穩(wěn)定。適應(yīng)度函數(shù)是 度量群體中個體在優(yōu)化計算過程中可能達到或接近 最優(yōu)解的優(yōu)良程度。用此時的神經(jīng)網(wǎng)絡(luò)權(quán)值進行樣 本的訓(xùn)練與測試接近最優(yōu)狀態(tài)。 基于遺傳算法的ＢＰ神經(jīng)網(wǎng)絡(luò)（簡稱基于ＧＡ的 ＢＰ神經(jīng)網(wǎng)絡(luò)）訓(xùn)練參數(shù)的設(shè)置仍采納５．１節(jié)中所述 的數(shù)值，將訓(xùn)練樣本目標(biāo)精度設(shè)為０．０５，并同樣對 ２１５個訓(xùn)練樣本進行訓(xùn)練，將訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)用 于７２個測試樣本的測試。得到測試樣本的均方誤差 為０．０２１３，平均絕對誤差為０．１１３２，表明基于遺傳 算法的ＢＰ神經(jīng)網(wǎng)絡(luò)較單純的ＢＰ神經(jīng)網(wǎng)絡(luò)在測試 樣本誤差精度上有所提高。 ５．３徑向基函數(shù)與廣義回歸神經(jīng)網(wǎng)絡(luò)的訓(xùn)練測試 ＢＰ神經(jīng)網(wǎng)絡(luò)和基于遺傳算法的ＢＰ神經(jīng)網(wǎng)絡(luò)所 能達到的測試樣本平均絕對誤差仍顯稍大。因此考 慮利用函數(shù)逼近能力、學(xué)習(xí)速率和泛化能力等均優(yōu) 于ＢＰ神經(jīng)網(wǎng)絡(luò)的徑向基函數(shù)（Ｒａｄｉａｌ 神經(jīng)網(wǎng)絡(luò)（Ｇｅｎｅｒａｌｉｚｅｄ
ｂａｓｉｓ

ｆｕｎｃｔｉｏｎ）神經(jīng)網(wǎng)絡(luò)（ＲＢＦ—ＮＮ），及其變種廣義回歸
ｒｅｇｒｅｓｓｉｏｎ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ，

ＧＲ—ＮＮ）對石油化工工程建設(shè)項目管理績效評價的 ．】ｏｅ警Ｔ１口∞ｃ礙Ｑｌ，、Ｉ 輸入輸出映射關(guān)系進行建模。 ＲＢＦ神經(jīng)網(wǎng)絡(luò)采用徑向基函數(shù)神經(jīng)元，其傳遞 函數(shù)為高斯函數(shù)（Ｒａｄｂａｓ），神經(jīng)元Ｒａｄｂａｓ的輸人 為輸入向量和權(quán)值向量的距離乘以閾值。經(jīng)過多次
７Ｅｐｏｃｈｓ

試差法比較，將訓(xùn)練目標(biāo)精度設(shè)置為０．０２，散布常 數(shù)設(shè)置為０．２５的情況下，得到測試樣本的均方誤差 為０．０１８２，平均絕對誤差為０．０９９７。 廣義回歸神經(jīng)網(wǎng)絡(luò)具有１個徑向基隱層和１個特 殊的線性層，同時，不需要進行參數(shù)的設(shè)置，得到測 試樣本的均方誤差為０．０１９９，平均絕對誤差為０．１１２８。
５．４

圖２用于石油化工工程建設(shè)項目管理績效評價的
ＢＰ神經(jīng)網(wǎng)絡(luò)測試誤差曲線
Ｆｉｇ，２ Ｔｈｅ
ｔｅｓｔ

ａ刪ｃｍ＾ｌｅ ｏｆ

ｐｅｒｒｏｒｍｎｃｅ

ｅｖａｌｕａｔｉｏｎ ｏｆ

ｐｅｔｒｏｃｈｅｍｉｃａｌ蜘岫ｒｉＩｌｇ

ＢＰ－ＮＮ ｆｏｒ

ｐｒｏｊｅｃｔ ｍａｎａｇｅｍｅｎｔ
ｃｏｎｓｔｒｕｃｔｉｏｎ

（１）Ｔｒａｉｎｌ（２）Ｇｏａｌ

４類神經(jīng)網(wǎng)絡(luò)訓(xùn)練與測試結(jié)果的比較 表３為上述４類神經(jīng)網(wǎng)絡(luò)模型經(jīng)過訓(xùn)練后的測

５．２基于遺傳算法的ＢＰ神經(jīng)網(wǎng)絡(luò)初始權(quán)值設(shè)置 神經(jīng)網(wǎng)絡(luò)的初始權(quán)值在很大程度上決定了訓(xùn)練 結(jié)果，不同的初始權(quán)值設(shè)置會對神經(jīng)網(wǎng)絡(luò)的訓(xùn)練時 間、收斂性和泛化能力產(chǎn)生影響�，F(xiàn)階段，對如何 有效地確定網(wǎng)絡(luò)的初始權(quán)值尚無成熟的理論指導(dǎo)， 往往只能通過隨機選取或者大量實驗來確定，這就 可能導(dǎo)致網(wǎng)絡(luò)的訓(xùn)練時間過長，容易陷入局部極值。 遺傳算法具有全局搜索能力強、收斂速率快的優(yōu)點， 利用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的初始權(quán)值，可以得到 較好的均衡效果。 隨機生成網(wǎng)絡(luò)的權(quán)值后，程序調(diào)用遺傳算法對 神經(jīng)網(wǎng)絡(luò)的權(quán)值進行優(yōu)化計算。當(dāng)遺傳算法迭代
表３

試誤差。
４類神經(jīng)網(wǎng)絡(luò)訓(xùn)練與測試的均方誤差和平均絕對誤差 Ｍｅａｎ ｓｑｕａｒｅ
ｅｒｒｏｒ

Ｔａｂｌｅ ３

ａｎｄ ｍｅａｎ ａｂｓｏｌｕｔｅ

ｅｒｒｏｒ ｏｆ

ｆｏｕｒ ｋｉｎｄｓ ｏｆ ＡＮＮ

由表３可知，就筆者所取學(xué)習(xí)案例的情況下， 石油化工工程建設(shè)項目管理績效評價的４類神經(jīng)網(wǎng) 絡(luò)模型中，基于遺傳算法的ＢＰ神經(jīng)網(wǎng)絡(luò)優(yōu)于一般

萬方數(shù)據(jù)

３２２

石油學(xué)報（石油加工）

第２６卷

的神經(jīng)網(wǎng)絡(luò)，這２類神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性差，表現(xiàn)為 多次訓(xùn)練測試得到的測試樣本誤差值波動較大；廣 義回歸神經(jīng)網(wǎng)絡(luò)的測試結(jié)果優(yōu)于ＢＰ神經(jīng)網(wǎng)絡(luò)，徑 向基函數(shù)神經(jīng)網(wǎng)絡(luò)的測試結(jié)果是最優(yōu)的。

６．３５３２，６．３３９０，６．００００，６．６７０６，５．６７５８，６．３３１４］； ｉｎｐｕｔ＿ｇｙ＝［ｏ．８８５８，１．００００，０．８９０６，０．７８０４，０．８９２２， ０．８８９８，０．８３３３，０．９４５１，０．７７９３，０．８８８６３ 示例２：ｉｎｐｕｔ＝［６．３８０５，４。６８１７，５．００００，４．００００， ５．ｏＯｏｏ，４．６６５９，５．ｏ０００，６．３３４０，４．３２３８，５．ｏｏｏｏ］； ｉｎｐｕｔ＿＿ｇｙ＝［ｏ．８９６８，０．６１３６，０．６６６７，０．５０００，０．６６６７， ０．６１１０，０．６６６７，０．８８９０，０．５５４０，０．６６６７］ （２）神經(jīng)網(wǎng)絡(luò)模型計算 通過ｏｕｔｐｕｔ＝ｓｉｍ（ｎｅｔ，ｉｎｐｕｔ—ｇＹ）函數(shù)的計 算，得到２個示例的管理績效輸出。 示例１：ｏｕｔｐｕｔ一［１．００２７，０．７５５７，０．７４８４， ０．８２４３，０．９９４１，０．８４６０］ 示例２：ｏｕｔｐｕｔ一［０．７５７１，０．６８０５，０．７７０９， ０．６３１６，０．７９５７，０．８６９１３ （３）輸出數(shù)據(jù)的逆變換 采用式（２）對神經(jīng)網(wǎng)絡(luò)模型給出的計算結(jié)果進行 逆變換，得到２個示例１～７值區(qū)間的質(zhì)量水平、造 價、建設(shè)工期、ＨＳＥ、技術(shù)水平和效益水平６個管 理績效指標(biāo)數(shù)據(jù)，結(jié)果列于表４。由表４的期望輸 出和模型輸出的比較可知，人工神經(jīng)網(wǎng)絡(luò)用于石油 化工工程建設(shè)項目管理績效的評價是可行和有效的。
ｐｅｔｒｏｃｈｅｍｉｃａｌ ｅｎｇｉｎｅｅｒｉｎｇ ｃｏｎｓｔｒｕｃｔｉｏｎ ｐｒｏｊｅｃｔ ｂｙ ＲＢＦｏＮＮ

６用于石油化工工程建設(shè)項目管理績效評價 的神經(jīng)網(wǎng)絡(luò)模型應(yīng)用示例
以中國石油化工集團公司的２個石油化工工程 建設(shè)項目的管理績效評價結(jié)果為例，說明筆者所建 人工神經(jīng)網(wǎng)絡(luò)模型的應(yīng)用有效性。應(yīng)用已訓(xùn)練和測 試好的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型，按以下步驟進行 數(shù)據(jù)處理計算。 （１）管理績效影響參數(shù)的處理與輸入 將待評價項目的管理績效影響參數(shù)，用式（１）所 示線性函數(shù)進行歸一化處理。各由３個測量變量組 合構(gòu)成影響參數(shù)，按負(fù)荷系數(shù)加權(quán)歸總，得到項目 組織、項目策劃、溝通協(xié)調(diào)、進度管理、費用管理、 質(zhì)量管理、ＨＳＥ管理、技術(shù)管理、合同管理和風(fēng)險 管理１０個的參數(shù)值，進行歸一化處理，并通過 Ｉｎｐｕｔ（）函數(shù)輸入模型。 示例１：ｉｎｐｕｔ＝［６．３１４８，７．００００，６．３４３４，５．６８２２，
Ｔａｂｌｅ ４ Ｔｈｅ ｍａｎａｇｅｍｅｎｔ ｐｅｒｆｏｒｍａｎｃｅ ｅｖａｌｕａｔｉｏｎ ｒｅｓｕｌｔｓ ｏｆ
ｔｗｏ

表４應(yīng)用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型（ＲＢＦ－ＮＮ）評價２個石油化工工程建設(shè)項目管理績效的結(jié)果

７

結(jié)

論

ｅｎｇｉｎｅｅｒｉｎｇ Ｓｉｎｏｐｅｃ

ｐｒｏｊｅｃｔ ｆｏｒ Ｓｉｎｏ—ｐｅｔｒｏｃｈｅｍｉｃａｌ ｉｎｄｕｓｔｒｙ［Ｊ，］．

Ｍｏｎｔｈｌｙ，２００７，（７）：４５—４９．）
Ｄ Ｊ．Ｍｏｄｅｌｉｎｇ

在既定學(xué)習(xí)案例的前提下，通過ＢＰ神經(jīng)網(wǎng)絡(luò)、 基于遺傳算法的ＢＰ神經(jīng)網(wǎng)絡(luò)、徑向基函數(shù)神經(jīng)網(wǎng) 絡(luò)和廣義回歸神經(jīng)網(wǎng)絡(luò)４類網(wǎng)絡(luò)的測試誤差比較， 確定選用精度最優(yōu)的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型求解 石油化工工程建設(shè)項目管理績效評價問題。應(yīng)用示 例表明，應(yīng)用神經(jīng)網(wǎng)絡(luò)構(gòu)建石油化工工程建設(shè)項目 管理績效評價模型是可行和有效的。相比于專家經(jīng) 驗、層次分析法等權(quán)重設(shè)定方法、解釋多個自變量 與多個因變量之間的關(guān)系的結(jié)構(gòu)方程建模方法，基 于案例學(xué)習(xí)的人工神經(jīng)網(wǎng)絡(luò)具有顯著的優(yōu)勢。
參考 文獻

［２］ＢＲＹＤＥ

ｐｒｏｊｅｃｔ ｍａｎａｇｅｍｅｎｔ ｐｅｒｆｏｒｍａｎｃｅ
ｏｆ

［Ｊ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ

Ｑｕａｌｉｔｙ＆Ｒｅｌｉａｂｉｌｉｔｙ

Ｍａｎａｇｅｍｅｎｔ，２００３，２０（２）：２２９—２５４．

［３］ＡＴＫＩＮＳＯＮ Ｒ．Ｐｒｏｊｅｃｔ
ｑｕａｌｉｔｙ，ｔＷＯ ｂｅｓｔ
ａｃｃｅｐｔ ｇｕｅｓｓｅｓ

ｍａｎａｇｅｍｅｎｔ：Ｃｏｓｔ，ｔｉｍｅ ａｎｄ
ａ

ａｎｄ
ｔｏ

ｐｈｅｎｏｍｅｎｏｎ，ｉｔｓ ｔｉｍｅ

ｏｔｈｅｒ

Ｓｕｃｃｅｓｓ

ｃｒｉｔｅｒｉａ［Ｊ，］．Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ

ｏｆ

Ｐｒｏｊｅｃｔ Ｍａｎａｇｅｍｅｎｔ，１９９９，１７（２）：３３７—３４２．

［４］ＳＨＥＮＨＡＲ

Ａ

Ｊ，ＤＶＩＲ Ｄ，ＬＥＶＩ Ｏ，ｅｔ ａ１．Ｐｒｏｊｅｃｔ

ｓｕｃｃｅｓｓ：Ａ ｍｕｌｔｉｄｉｍｅｎｓｉｏｎａｌ ｓｔｒａｔｅｇｉｃ Ｒａｎｇｅ Ｐｌａｎｎｉｎｇ，２００１，３４：６９９—７２５．

ｃｏｎｃｅｐｔ［Ｊ］．Ｌｏｎｇ－

［５］ＣＨＡＮ

Ａ Ｐ ｆｏｒ

Ｃ，ＣＨＡＮ ｍｅａｓｕｒｉｎｇ

Ａ

Ｐ

Ｌ．Ｋｅｙ

ｐｅｒｆｏｒｍａｎｃｅ

ｉｎｄｉｃａｔｏｒｓ

ｃｏｎｓｔｒｕｃｔｉｏｎ

ｓｕｃｃｅｓｓ［Ｊ］．

［１］王基銘．中國石化石油化工重大工程項目管理模式的創(chuàng) 新［Ｊ］．中國石化，２００７，（７）：４５—４９．（ＷＡＮＧ Ｊｉｍｉｎｇ．
Ｍａｎａｇｅｍｅｎｔ ｍｏｄｅ
ｉｎｎｏｖａｔｉｏｎ ｉｎ

Ｂｅｎｅｈｍａｒｋｉｎｇ：Ａｎ Ｉｎｔｅｒｎａｔｉｏｎａｌ ２０３—２２１．

Ｊｏｕｒｎａｌ，２００４，１ １（２）：

ｍａｊｏｒ

ｐｅｔｒｏｃｈｅｍｉｃａｌ

［６］Ｙｕ

Ａ Ｇ，ＦＬＥＴＴ

Ｐ

Ｄ，ＢＯＷＥＲＳ Ｊ

Ａ．Ｄｅｖｅｌｏｐｉｎｇ

ａ

萬方數(shù)據(jù)

第３期

基于人工神經(jīng)網(wǎng)絡(luò)的石油化工工程建設(shè)項目管理績效評價
ｐｒｏｊｅｃｔ ｓｕｃｃｅｓｓ［Ｊ］．

３２３

ｖａｌｕｅ－ｃｅｎｔｅｒｅｄ ｐｒｏｐｏｓａｌ ｆｏｒ ａｓｓｅｓｓｉｎｇ Ｉｎｔｅｒｎａｔｉｏｎａｌ ４２８—４３６．

［１７］ＣＨＯＩ

Ｋ Ｓ，ＢＡＥ ｂｙ

Ｄ

Ｈ．Ｄｙｎａｍｉｃ

ｐｒｏｊｅｃｔ ｐｅｒｆｏｒｍａｎｃｅ
ｍｏｄｅｌｓ ｗｉｔｈ

Ｊｏｕｒｎａｌ ｏｆ Ｐｒｏｉｅｃｔ Ｍａｎａｇｅｍｅｎｔ，２００５，２３：

ｅｓｔｉｍａｔｉｏｎ ｓｙｓｔｅｍ

ｃｏｍｂｉｎｉｎｇ

ｓｔａｔｉｃ ｅｓｔｉｍａｔｉｏｎ Ｉｎｆｏｒｍａｔｉｏｎ

ｄｙｎａｍｉｃｓ［Ｊ］．

ａｎｄ

Ｓｏｆｔｗａｒｅ

［７］ＬＩＰＫＥ Ｗ，ＺＷＩＫＡＥＬ
Ｐｒｅｄｉｃｔｉｏｎ ｓｔａｔｉｓｔｉｃａｌ ｅａｒｎｅｄ ｏｆ

Ｏ，ＨＥＮＤＥＲＳＯＮ ｏｕｔｃｏｍｅ：Ｔｈｅ ｅａｒｎｅｄ ｖａｌｕｅ

Ｋ，ｅｔ ａ１． ｏｆ ａｎｄ

Ｔｅｃｈｎｏｌｏｇｙ，２００９，５１（１）：１６２—１ ７２．

ｐｒｏｊｅｃｔ
ｔｏ

ａｐｐｌｉｃａｔｉｏｎ

［１８］ＤＩＫＭＥＮ Ｉ，ＢＩＲＧＯＮＵＬ Ｍ Ｔ．Ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｍｏｄｅｌ
ｔｏ ｓｕｐｐｏｒｔ

ｍｅｔｈｏｄｓ

ｍａｎａｇｅｍｅｎｔ

ｉｎｔｅｒｎａｔｉｏｎａｌ

ｍａｒｋｅｔ

ｅｎｔｒｙ

ｄｅｃｉｓｉｏｎｓ［Ｊ］．
Ｍａｎａｇｅｍｅｎｔ，

ｓｃｈｅｄｕｌｅ

ｐｅｒｆｏｒｍａｎｃｅ

ｉｎｄｅｘｅｓ［Ｊ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ

Ｊｏｕｒｎａｌ ｏｆ

Ｃｏｎｓｔｒｕｃｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ

Ｊｏｕｒｎａｌ ｏｆ Ｐｒｏｊｅｃｔ Ｍａｎａｇｅｍｅｎｔ，２００９，，２７（４）：４００—４０７．

ＡＳＣＥ，２００４，１３０（１）：５９－６６．

［８］ＤＷＥＩＲＩ
ｍａｋｉｎｇ ｉｎｔｅｒｎａｌ

Ｆ Ｔ，ＫＡＢＬＡＮ ｔｈｅ ｅｖａｌｕａｔｉｏｎ

Ｍ Ｍ．Ｕｓｉｎｇ ｆｕｚｚｙ ｄｅｃｉｓｉｏｎ
ｏｆ ｔｈｅ

［１９］閆文周，徐靜，吁元銘．神經(jīng)網(wǎng)絡(luò)在工程項目管理績效 評價中的應(yīng)用研究ＥＪ］．西安建筑科技大學(xué)學(xué)報，２００５，
３７（４）：５５７—５６０．（ＹＡＮ

ｆｏｒ

ｐｒｏｊｅｃｔ ｍａｎａｇｅｍｅｎｔ

ｅｆｆｉｃｉｅｎｃｙ［Ｊ］．Ｄｅｃｉｓｉｏｎ

Ｓｕｐｐｏｒｔ Ｓｙｓｔｅｍｓ，２００６，

Ｗｅｎｚｈｏｕ，ＸＵ

Ｊｉｎｇ，ＹＵ
ｔｈｅ ｕｔｉｌｉｔｙ ｏｆ Ｘｉ’ａｎ

４２：７１２－７２６．

Ｙｕａｎｍｉｎｇ．Ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｉｎ

［９１３

ＣＨＡＮ Ａ Ｐ Ｃ．ＨＯ Ｄ Ｃ ｂｕｉｌｄ

Ｋ，ＴＡＭ Ｃ Ｍ．Ｄｅｓｉｇｎ ａｎｄ

ａｓｓｅｓｓｍｅｎｔ ｆｏｒ ｅｎｇｉｎｅｅｒｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ ５５７－５６０．）

ｐｒｏｊｅｃｔ［Ｊ］．Ｊｏｕｒｎａｌ

ｐｒｏｊｅｃｔ

Ｓｕｃｃｅｓｓ

ｆａｃｔｏｒｓ：Ｍｕｌｔｉｖａｒｉａｔｅ ａｎａｌｙｓｉｓ［Ｊ］．

Ａｒｃｈｉｔｅｃｔｕｒｅ＆Ｔｅｃｈｎｏｌｏｇｙ，２００５，３７（４）：

Ｊｏｕｒｎａｌ ｏｆ Ｃｏｎｓｔｒｕｃｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ Ｍａｎａｇｅｍｅｎｔ，
ＡＳＣＥ，２００１，１２７（２）：９３－１００．

［２０３ ｐｅｒｆｏｒｍａｎｃｅ［Ｊ］．

ＨＵＡ Ｂ Ｇ．Ｒｅｓｉｄｅｎｔｉａｌ ｃｏｎｓｔｒｕｃｔｉｏｎ ｕｓｉｎｇ ｅｃｏｎｏｍｉｃ ｉｎｄｉｃａｔｏｒｓ：Ａ ｎｅｔｗｏｒｋｓ

ｄｅｍａｎｄ ｆｏｒｅｃａｓｔｉｎｇ ｓｔｕｄｙ ｏｆ

［１０３

ＫＵＰＲＥＮＡＳ ａｃｔｉｏｎｓ
ｔｏ

Ｊ Ａ．Ｍｅｍｂｅｒ ＡＳＣＥ ｐｒｏｊｅｃｔ ｍａｎａｇｅｍｅｎｔ
ｐｈａｓｅ
ｃｏｓｔ

ｃｏｍｐａｒａｔｉｖｅ

ｉｍｐｒｏｖｅ ｄｅｓｉｇｎ

ａｒｔｉｆｉｃｉａｌ ｎｅｕｒａｌ Ｃｏｎｓｔｒｕｃｔｉｏｎ １４（１）：２５－３４．

ａｎｄ ｍｕｌｔｉｐｌｅ ａｎｄ

ｒｅｇｒｅｓｓｉｏｎ［Ｊ］．
１９９６，

Ｊｏｕｒｎａｌ ｏｆ Ｍａｎａｇｅｍｅｎｔ ｉｎ Ｅｎｇｉｎｅｅｒｉｎｇ，２００３，１９（１）：
２５－３２．

Ｍａｎａｇｅｍｅｎｔ

Ｅｃｏｎｏｍｉｃｓ，

［１１３ ＫＩＭ

Ｄ Ｙ，ＨＡＮ

Ｓ

Ｈ，ＫＩＭ Ｈ，ｅｔ ａ１．Ｓｔｒｕｃｔｕｒｉｎｇ ｔｈｅ ｐｒｏｊｅｅｔ ｐｅｒｆｏｒｍａｎｃｅ ｆｏｒ ｉｎｔｅｒｎａｔｉｏｎａｌ

［２１］ＣＨＵＡ

Ｄ Ｋ Ｈ，ＬＯＨ

Ｐ Ｋ，ＫＯＧ

Ｙ Ｃ，ｅｔ ａ１．Ｎｅｕｒａｌ

ｐｒｅｄｉｃｔｉｏｎ ｍｏｄｅｌ ｏｆ ｃｏｎｓｔｒｕｃｔｉｏｎ

ｎｅｔｗｏｒｋｓ Ｓｙｓｔｅｍｓ

ｆｏｒ ｃｏｎｓｔｒｕｃｔｉｏｎ

ｐｒｏｊｅｃｔ ｓｕｃｃｅｓｓ［Ｊ］．Ｅｘｐｅｒｔ

ｐｒｏｊｅｃｔｓ：Ａ ｃｏｍｐａｒａｔｉｖｅ ａｎａｌｙｓｉｓ［Ｊ］．Ｅｘｐｅｒｔ Ｗ Ｍ Ｄｅｖｅｌｏｐｉｎｇ
ｔｉｍｅ

Ｗｉｔｈ Ａｐｐｌｉｃａｔｉｏｎｓ，１９９７，１３（４）：３１７－３２８．

Ｓｙｓｔｅｍｓ Ｗｉｔｈ Ａｐｐｌｉｃａｔｉｏｎｓ，２００９，３６：１ ９６ １—１ ９７１．

［２２］ＢＯＵＳＳＡＢＡＩＮＥ Ａ Ｈ，ＫＡＫＡ Ａ Ｐ．Ａ ｎｅｕｒａｌ ｎｅｔｗｏｒｋｓ
ａｐｐｒｏａｃｈ ｆｏｒ
ＣＯＳｔ

［１２］ＣＨＡＮ
ｍｏｄｅｌ

Ａ Ｐ Ｃ，ＣＨＡＮ Ｄ ｆｏｒ

ａ

ｂｅｎｃｈｍａｒｋ Ｈｏｎｇ

ｆｌｏｗ

ｆｏｒｅｃａｓｔｉｎｇ［Ｊ］．Ｃｏｎｓｔｒｕｃｔｉｏｎ

ｐｍｊｅｃｔ

ｃｏｎｓｔｒｕｃｔｉｏｎ

ｐｅｒｆｏｒｍａｎｃｅ ｉｎ

Ｍａｎａｇｅｍｅｎｔ

ａｎｄ Ｅｃｏｎｏｍｉｃｓ，１９９８，１６（４）：４７１—４７９．

ＫｏｎｇＤ］．Ｂｕｉｌｄｉｎｇ ［１３］ＬＵＵ
Ｖ

ａｎｄ Ｅｎｖｉｒｏｎｍｅｎｔ，２００４，３９：３３９－３４９．

［２３］ＫＡＲＩＭ

Ａ，ＡＤＥＬＩ

Ｈ．ＣＯＮＳＣＯＭ：Ａｎ ００ ｃｏｎｓｔｒｕｃｔｉｏｎ

Ｔ，ＫＩＭ Ｓ Ｙ，ＨＵＹＮＨ Ｔ Ａ．Ｉｍｐｒｏｖｉｎｇ ｐｒｏｊｅｃｔ
ｐｅｒｆｏｒｍａｎｃｅ ｏｆ ｌａｒｇｅ
ｃｏｎｔｒａｃｔｏｒｓ

ｓｃｈｅｄｕｌｉｎｇ ａｎｄ ｃｈａｎｇｅ ｍａｎａｇｅｍｅｎｔ Ｃｏｎｓｔｒｕｃｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ ３６８－３７６．

ｓｙｓｔｅｍ［Ｊ］．Ｊｏｕｒｎａｌ

ｏｆ

ｍａｎａｇｅｍｅｎｔ ｂｅｎｃｈｍａｒｋｉｎｇ

ｕｓｉｎｇ ｏｆ

Ｍａｎａｇｅｍｅｎｔ，１９９９，１２５（５）：

ａｐｐｒｏａｃｈ［Ｊ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ

Ｐｒｏｊｅｃｔ Ｍａｎａｇｅｍｅｎｔ，２００７，２６（７）：７５８—７６９．

［２４３
ｂａｌａｎｃｅｄ ａｎｄ

ＣＨＥＵＮＧ Ｐｒｅｄｉｃｔｉｎｇ

Ｓ

Ｏ。ＷＯＮＧ Ｐ Ｓ Ｐ，ＦＵＮＧ Ａ Ｓ Ｙ，ｅｔ ａ１．

［１４］ＭＩＬＩＳ Ｋ，ＭＥＲＣＫＥＮ
ｓｃｏｒｅｃａｒｄ ｆｏｒ ｔｈｅ

Ｒ．Ｔｈｅ

ｕｓｅ

ｏｆ

ｔｈｅ

ｐｒｏｊｅｃｔ ｐｅｒｆｏｒｍａｎｃｅ ｔｈｒｏｕｇｈ ｎｅｕｒａｌ ｎｅｔｗｏｒｋｓ
ｏｆ

ｅｖａｌｕａｔｉｏｎ

ｏｆ

ｉｎｆｏｒｍａｔｉｏｎ

［Ｊ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ
２００６，２４：２０７—２１５．

Ｐｒｏｊｅｃｔ

Ｍａｎａｇｅｍｅｎｔ，

ｃｏｍｍｕｎｉｃａｔｉｏｎ

ｔｅｅｈｎｏｌｏｇｙ

ｐｒｏｊｅｃｔｓ［Ｊ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ ［２５３

Ｊｏｕｒｎａｌ ｏｆ Ｐｒｏｊｅｃｔ Ｍａｎａｇｅｍｅｎｔ，２００４，２２：８７－９７，

ＥＬＨＡＧ Ｔ ｂｒｉｄｇｅ

Ｍ Ｓ，ＷＡＮＧ Ｙ Ｍ．Ｒｉｓｋ ａｓｓｅｓｓｍｅｎｔ ｐｒｏｊｅｃｔｓ：Ｎｅｕｒａｌ
ｎｅｔｗｏｒｋｓ

ｆｏｒ

［１５３李蕾，陳瑜．基于ＤＥＡ方法的建設(shè)項目集成化管理績 效評價［Ｊ］．武漢理工大學(xué)學(xué)報，２００５，２７（５）：８０—８２．
（ＬＩ Ｌｅｉ，ＣＨＥＮ Ｙｕ．Ａｐｐｌｉｃａｔｉｏｎ ｏｆ ＤＥＡ ｉｎ ｃｏｎｓｔｒｕｃｔｉｏｎ

ｍａｉｎｔｅｎａｎｃｅ

ｖｅｒｓｕｓ

ｒｅｇｒｅｓｓｉｏｎ

ｔｅｃｈｎｉｑｕｅｓ［Ｊ］．Ｊｏｕｒｎａｌ

ｏｆ Ｃｏｍｐｕｔｉｎｇ ｉｎ Ｃｉｖｉｌ

Ｅｎｇｉｎｅｅｒｉｎｇ，２００７，２１（６）：４０２—４０９．

ｐｒｏｊｅｃｔ ｉｎｔｅｇｒａｔｅｄ ｍａｎａｇｅｍｅｎｔ

ｐｅｒｆｏｒｍａｎｃｅ

ｅｖａｌｕａｔｉｏｎ

［２６３

ｃＨＥＮＧ

Ｍ Ｙ，ＴＳＡＩ Ｈ Ｃ，ＨＳＩＥＨ Ｗ Ｓ．Ｗｅｂ－ｂａｓｅｄ
ｃｏｓｔ

［Ｊ］．Ｊｏｕｒｎａｌ ［１６３

ｏｆ

Ｗｕｈａｎ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ，２００５，

ｃｏｎｃｅｐｔｕａｌ

ｅｓｔｉｍａｔｅｓ ｆｏｒ ｃｏｎｓｔｒｕｃｔｉｏｎ ｎｅｕｒａｌ ｉｎｆｅｒｅｎｃｅ

ｐｒｏｊｅｃｔｓ ｕｓｉｎｇ

２７（５）：８０－８２．） ＲＯＤＲＩＧＵＥＳ Ａ ｉｎ

ｅｖｏｌｕｔｉｏｎａｒｙ

ｆｕｚｚｙ

ｍｏｄｅｌ［Ｊ］．

Ｇ，ＷＩＬＬＩＡＭＳ Ｔ Ｍ．Ｓｙｓｔｅｍ ｄｙｎａｍｉｃｓ

Ａｕｔｏｍａｔｉｏｎ ｉｎ Ｃｏｎｓｔｒｕｃｔｉｏｎ，２００９，１８（２）：１６４—１７２．

ｐｒｏｊｅｃｔ ｍａｎａｇｅｍｅｎｔ：Ａｓｓｅｓｓｉｎｇ ｔｈｅ ｉｍｐａｃｔｓ ｏｆ ｃｌｉｅｎｔ
ｏｎ

［２７３

ＬＩＮＧ Ｆ Ｙ Ｙ，ＬＩＵ ｐｅｒｆｏｒｍａｎｃｅ ｏｆ

Ｍ．Ｕｓｉｎｇ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｐｒｏｊｅｃｔｓ
ｉｎ

ｔｏ

ｐｒｅｄｉｃｔ

ｂｅｈａｖｉｏｒ

ｐｒｏｊｅｃｔ ｐｅｒｆｏｒｍａｎｃｅ［Ｊ］．Ｔｈｅ Ｊｏｕｒｎａｌ ｏｆ ｔｈｅ

ｄｅｓｉｇｎ－ｂｕｉｌｄ

Ｓｉｎｇａｐｏｒｅ［Ｊ］．

Ｏｐｅｒａｔｉｏｎａｌ Ｒｅｓｅａｒｃｈ Ｓｏｃｉｅｔｙ，１９９８，４９（１）：２—１５．

Ｂｕｉｌｄｉｎｇ ａｎｄ Ｅｎｖｉｒｏｎｍｅｎｔ，２００４，３９：１２６３—１２７４．

作者簡介：

韓志國，男，高級工程師，博士研究生，從事石油化工工程管理；
王基銘，男，中國工程院院士，從事煉油、石油化工及工程管理；

陳智高，男，教授，從事信息系統(tǒng)、知識管理、知識系統(tǒng)工程、科技管理。

萬方數(shù)據(jù)

基于人工神經(jīng)網(wǎng)絡(luò)的石油化工工程建設(shè)項目管理績效評價
作者： 作者單位： 刊名： 英文刊名： 年，卷(期)： 被引用次數(shù)： 韓志國， 王基銘， 陳智高， HAN Zhiguo， WANG Jiming， CHEN Zhigao 韓志國,陳智高,HAN Zhiguo,CHEN Zhigao(華東理工大學(xué),上海,200237)， 王基銘,WANG Jiming(華東理工大學(xué),上海,200237;中國石油化工集團公司,北京,100728) 石油學(xué)報（石油加工） ACTA PETROLEI SINICA(PETROLEUM PROCESSING SECTION) 2010，26(3) 0次

參考文獻(27條) 1.王基銘 中國石化石油化工重大工程項目管理模式的創(chuàng)新 2007(7) 2.BRYDE D J Modeling project management performance 2003(2) 3.ATKINSON R Project management:Cost,time and quality,two best guesses and a phenomenon,its time to accept other success criteria 1999(2) 4.SHENHAR A J.DVIR D.LEVI O Project success:A multidimensional strategic concept 2001 5.CHAN A P C.CHAN A P L Key performance indicators for measuring construction success 2004(2) 6.YU A G.FLETT P D.BOWERS J A Developing a value-centered proposal for assessing project success 2005 7.LIPKE W.ZWIKAEL O.HENDERSON K Prediction of project outcome;The application of statistical methods to earned value management and earned schedule performance indexes 2009(4) 8.DWEIRI F T.KABLAN M M Using fuzzy decision making for the evaluation of the project management internal efficiency 2006 9.CHAN A P C.HO D C K.TAM C M Design and build project success factors:Multivariate analysis 2001(2) 10.KUPRENAS J A Member ASCE project management actions to improve design phase cost performance 2003(1) 11.KIM D Y.HAN S H.KIM H Structuring the prediction model of project performance for international construction projects:A comparative analysis 2009 12.CHAN A P C.CHAN D W M Developing a benchmark model for project construction time performance in Hong Kong 2004 13.LUU V T.KIM S Y.HUYNH T A Improving project management performance of large contractors using benchmarking approach 2007(7) 14.MILIS K.MERCKEN R The use of the balanced scorecard for the evaluation of information and communication technology projects 2004 15.李蕾.陳瑜 基于DEA方法的建設(shè)項目集成化管理績效評價 2005(5) 16.RODRIGUES A G.WILLIAMS T M System dynamics in project management:Assessing the impacts of client behavior on project performance 1998(1) 17.CHOI K S.BAE D H Dynamic project performance estimation by combining static estimation models with system dynamics 2009(1) 18.DIKMEN I.BIRGONUL M T Neural network model to support international market entry decisions 2004(1)

19.閆文周.徐靜.吁元銘 神經(jīng)網(wǎng)絡(luò)在工程項日管理績效評價中的應(yīng)用研究 2005(4) 20.HUA B G Residential construction demand forecasting using economic indicators:A comparative study of artificial neural networks and multiple regression 1996(1) 21.CHUA D K H.LOH P K.KOG Y C Neural networks for construction project success 1997(4) 22.BOUSSABAINE A H.KAKA A P A neural networks approach for cost flow forecasting 1998(4) 23.KARIM A.ADELI H CONSCOM:An CO construction scheduling and change management system 1999(5) 24.CHEUNG S O.WONG P S P.FUNG A S Y Predicting project performance through neural networks 2006 25.ELHAG T M S.WANG Y M Risk assessment for bridge maintenance projects:Neural networks versus regression techniques 2007(6) 26.CHENG M Y.TSAI H C.HSIEH W S Web-based conceptual cost estimates for construction projects using evolutionary fuzzy neural inference model 2009(2) 27.LING F Y Y.LIU M Using neural network to predict performance of design-build projects in Singapore 2004

相似文獻(3條) 1.期刊論文 肖谷芬.Xiao Gufen 淺談如何在搶工期的同時保證施工質(zhì)量 -科學(xué)之友2010,""(18)
在"時間就是生命,效率就是金錢"的觀念深入人心的今天,在加快經(jīng)濟建設(shè)的大環(huán)境下,越來越多的石油化工工程建設(shè)項目成了"邊設(shè)計、邊采購、邊 施工"的"三邊工程","搶工期"成了不可避免的現(xiàn)實問題.但是,工程質(zhì)量也始終是項目管理的重中之重.文章就如何正確的處理工期和質(zhì)量的關(guān)系,在搶工 期的同時保證施工質(zhì)量,結(jié)合筆者近幾年的項目管理經(jīng)驗,淺談一點粗淺的看法.

2.學(xué)位論文 那喜山 石油化工工程建設(shè)項目風(fēng)險管理 2009
石油化工行業(yè)是我國的重要支柱產(chǎn)業(yè)，對我國社會和經(jīng)濟的發(fā)展具有十分重要的意義，石油化工生產(chǎn)裝置大多具有易燃易爆、高溫高壓、強腐蝕劇 毒等特點。石油化工建設(shè)項目投資規(guī)模大、建設(shè)周期長、工藝復(fù)雜、涉及專業(yè)及風(fēng)險因素多等特點，因此，建設(shè)階段必須加強風(fēng)險管理。 工程項目風(fēng)險管理是工程項目管理與風(fēng)險管理相結(jié)合的一門學(xué)科，是工程項目建設(shè)的重要組成部分，項目建設(shè)實施階段的風(fēng)險管理是保證項目順利 建成并發(fā)揮社會效益和經(jīng)濟效益的重要保證。 石油化工工程建設(shè)項目風(fēng)險控制，屬于工程項目管理范疇。本文從工程建設(shè)項目投資者的角度，首先，在風(fēng)險管理理論及工程項目建設(shè)風(fēng)險管理研 究的基礎(chǔ)上，結(jié)合石油化工建設(shè)項目特點，依據(jù)工作分解結(jié)構(gòu)，對項目建設(shè)實施階段的全過程進行分解；然后，利用專家調(diào)查法對影響項目建設(shè)的進度 、質(zhì)量、投資、HSE四個方面的主要風(fēng)險因素進行識別、分析，分階段制定風(fēng)險對策表；最后，結(jié)合吉林石化公司丙烯腈裝置擴建項目工藝管道安裝工程 質(zhì)量控制，進行全過程的風(fēng)險識別、分析，制定處應(yīng)對措施，形成了管道安裝工程質(zhì)量控制風(fēng)險對策表。 本文的分析過程和制定的風(fēng)險對策表，對石油化工建設(shè)項目的風(fēng)險識別、分析和應(yīng)對工作，具有一定的參考意義。

3.學(xué)位論文 沙裕 石油化工工程總承包項目工廠設(shè)計系統(tǒng)(PDS)應(yīng)用研究 2001
中石化上海金山工程公司是具有國家一級工程總承包資質(zhì)的項目管理公司,正在積極推廣應(yīng)用工廠設(shè)計系統(tǒng)(PDS)于總承包項目.該文就中國石油化工 工程建設(shè)項目管理模式的發(fā)展歷史、國外工程公司在項目管理中的PDS應(yīng)用、信息技術(shù)為項目管理帶來的競爭優(yōu)勢作了系統(tǒng)介紹,對上海金山工程公司的 項目管理和PDS應(yīng)用存在的技術(shù)和管理問題作了歸納和分析.該文結(jié)合公司自身的特點,提出了企業(yè)在制度、技術(shù)、人力資源管理和項目管理實務(wù)等方面管 理創(chuàng)新的探索和思考.

本文鏈接： 授權(quán)使用：西安交通大學(xué)(xajtdx)，授權(quán)號：84a1b14f-d851-46e2-9395-9e4a00da7609 下載時間：2010年12月12日



  本文關(guān)鍵詞：基于人工神經(jīng)網(wǎng)絡(luò)的石油化工工程建設(shè)項目管理績效評價，由筆耕文化傳播整理發(fā)布。