BP神经网络的建筑施工企业信用评价模型研究

中图分类号:F426。92文献标识码:A文章编号:1674-098X(2014)09(b)-0022-02

随着经济的发展,建筑市场各主体的诚信缺失问题越来越引起人们关注。建筑施工企业是建筑产品的生产者,同时又是建筑材料。设备论文网的使用者,具有买方和卖方的双重角色,因此,建筑施工企业的诚信与否对建筑业的发展具有举足轻重的作用。

但是,在当前建筑施工企业信用建设和管理过程中,仍缺乏一套行之有效的信用评价体系和评价方法,该文根据建筑施工企业特点,建设了施工企业信用评价体系,并利用BP神经网络建立了建筑施工企业信用评价模型,力图使建筑施工企业信用评价更加客观可行。

1建筑施工企业信用评价指标体系

建筑施工企业信用评价指标体系是对建筑施工企业进行高效信用评价的依据。指标体系建立不规范。不科学,没有一整套完整科学的信用评价指标体系,施工企业信用评价工作就无所适从,更谈不上评价的公正性。科学性和准确性。因此,建立规范。科学。准确的建筑施工企业信用评价指标体系是进行建筑施工企业信用评价的基础。

该文借鉴天津市建筑施工企业信用评价指标体系和评分标准等国内部分研究成就,结合建筑施工企业自身的实际情况,以简洁。科学。准确为目标尝试性的构建了建筑施工企业信用评价指标,共包含4个一级指标和11个二级指标,如表1所示。

2建筑施工企业信用评价-BP神经网络

信用评价指标建立起来之后,如何对建筑施工企业各指标进行信用评分,是我们亟待解决的问题,虽然不少学者也采用综合评分法。层次分析法等评价方法对建筑施工企业进行信用评价,但这些方法依赖于专家经验决策,具有一定的主观性等弊端,本文采用BP神经网络模型对建筑施工企业进行信用评价,它具有自学习。自组织适应能力和容错能力等特点,克服了传统信用评价的一些缺陷。

2。1BP神经网络

BP神经网络是一种模仿人类大脑的结构和功能,进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度,通过调整内部大量节点之间相互连接的关系,从而达到处理信息的目的,具有很多与人类智能相似的特点。

误差反传前馈网络也就是BP神经网络是神经网络的典型模型之一,它是一种具有三层或三层以上的阶层神经网络,包括输入层节点。输出层节点,还有一层或多层隐含层节点。每一层的神经元之间实现无连接,而上下层之间各神经元实现全连接。其基本原理是,样本从输入层输入后,逐步经过各个隐层传向输出层,若输出层得到了期望的输出,则训练过程结束,如果输出层的实际输出值与期望值输出不符,则将它们之间的误差以某种形式通过隐含层向输入层逐层反传,并将误差分摊到各层神经元,从而获得各层神经元的误差信息,通过正向和反向传播的反复交替,不断调整各单元权重,直至进行到误差减少到可接受范围为止,此时权值不再改变。

2。2建筑施工企业信用评价的BP神经网络模型设计

该文采用典型的具有输入层。一个隐含层和输出层的单隐层BP神经网络模型,即由三层神经元组成的前馈神经网络,假设这三层分别各有m。p。n个神经元,如图1所示。

(1)输入节点数m的确定。

输入节点数m取决于所建立的建筑施工企业信用评价指标数。本文选取信用评价的11个二级指标作为输入变量输入神经网络,即m=11。

(2)输出层节点数n的选择。

输出层节点数与信用等级的评价结构相对应。本文参照工商管理学会提出的。国际上通用的信用评价等级标准,将建筑施工企业信用分为四个等级,A级。B级。C级。D级四个等级,则n取4。

(3)隐含层节点数p的选择。

隐含层节点数p的确定与训练样本。输入。输出节点数的多少有直接的关系,可以参考如下公式进行确定:①p=+a(p为隐含层节点数,m为输入层节点数,n为输出层节点数,a为1～10之间的常数)。

(4)BP神经网络模型构建。

BP神经网络模型构建需要两类样本(训练样本和检测样本)。本文收集了13个建筑施工企业作为评价样本,其中10个作为训练样本,3组作为检测样本。每组样本包括两类数据:输入值和期望值,输入值指建筑施工企业11个信用评价指标的得分,按表1中的计算方法可获得(如表2所示),期望值采用若干资深专家依据信用评价指标对企业总体信用进行的信用评价状况。

(5)样本训练及检测。

根据统计数据和专家经验对输入层的11个输入值进行量化和归一化处理后,根据建立的建筑施工企业信用评价神经网络,利用美国MathWorks公司出品的MATLAB软件,通过调用函数(输入与输出层之间的转换函数采用Sigmoid型对数函数),用获得的样本数据对前面建立的网络模型进行训练,确定各信用评价指标权重设置,然后用检测样本数据进行测试,测试其准确性及泛化能力。

3结论

该文根据建筑施工企业信用特点,构建了建筑施工企业信用评价体系,并在此基础上建立了信用评价模型对施工企业进行信用评价,使信用评价更加客观。真实。正确,有利于建筑施工企业信用信息查询。监督和约束。

BP神经网络的建筑施工企业信用评价模型研究