李紅霞 黃已芯 田水承 李 琰

(1. 西安科技大學(xué)管理學(xué)院，陜西省西安市，710054；2. 西安科技大學(xué)能源學(xué)院，陜西省西安市，710054；3. 西安科技大學(xué)安全管理研究所，陜西省西安市，710054)

“一帶一路”沿線地區(qū)煤礦企業(yè)基建項目風(fēng)險發(fā)生概率預(yù)測研究

李紅霞1黃已芯2田水承3李 琰1

(1. 西安科技大學(xué)管理學(xué)院，陜西省西安市，710054；2. 西安科技大學(xué)能源學(xué)院，陜西省西安市，710054；3. 西安科技大學(xué)安全管理研究所，陜西省西安市，710054)

依據(jù)“一帶一路”沿線地區(qū)風(fēng)險發(fā)生不確定性的產(chǎn)生根源，將煤礦企業(yè)基建過程中的風(fēng)險進行分類與識別，提出“一帶一路”沿線地區(qū)煤礦企業(yè)基建活動的風(fēng)險包括自然風(fēng)險、文化宗教風(fēng)險、市場風(fēng)險、外協(xié)條件風(fēng)險等11類風(fēng)險及39個風(fēng)險影響因素，并構(gòu)建了風(fēng)險發(fā)生概率的預(yù)測指標(biāo)體系。利用CMAC神經(jīng)網(wǎng)絡(luò)理論，結(jié)合人工魚群算法構(gòu)建了風(fēng)險發(fā)生概率預(yù)測模型，選取孟加拉國巴拉普庫利亞煤礦基建過程中2013-2017年風(fēng)險發(fā)生概率樣本，對風(fēng)險發(fā)生概率模型進行驗證及風(fēng)險發(fā)生概率進行預(yù)測。這對后續(xù)在“一帶一路”沿線地區(qū)煤礦企業(yè)基建活動的風(fēng)險預(yù)測與風(fēng)險管控起到一定的參考作用。

“一帶一路”沿線地區(qū) 能源基建項目 風(fēng)險發(fā)生概率 風(fēng)險預(yù)測 CMAC神經(jīng)網(wǎng)絡(luò) 人工魚群算法

由于煤礦企業(yè)的基建項目具有不可回收、不可逆轉(zhuǎn)、建設(shè)周期長等特殊性，大多數(shù)煤礦基建項目在實施過程中，由于某一個風(fēng)險已經(jīng)發(fā)生，且發(fā)生頻率較高，導(dǎo)致煤礦企業(yè)在“一帶一路”沿線地區(qū)進行基礎(chǔ)設(shè)施建設(shè)具有較強的挑戰(zhàn)性。例如，2013年大海則煤礦由于安全風(fēng)險頻發(fā)導(dǎo)致煤礦被迫停產(chǎn)接受檢查，2015年巴基斯坦部分煤礦由于能源所屬爭議問題使得項目擱置等。諸多專家和學(xué)者也針對“一帶一路”沿線地區(qū)的工程項目風(fēng)險評價、工程風(fēng)險預(yù)測方面進行了許多有益的研究，為部分能源企業(yè)基建項目的風(fēng)險管控提供了理論支持。最具有代表性的是2014年楊晨曦等人依據(jù)博弈理論從政治角度分析了大國之間博弈對“一帶一路”沿線國家能源合作的影響，闡述了破壞能源合作政治環(huán)境的根源，為后續(xù)能源企業(yè)選擇合作國家提供了參考依據(jù)。而2015年馬昀等利用事件梳理法提出“一帶一路”戰(zhàn)略下沿線國的工程基建項目最高的風(fēng)險為政治風(fēng)險、經(jīng)濟風(fēng)險、安全風(fēng)險與經(jīng)營風(fēng)險，深入識別了“一帶一路”建設(shè)中突出風(fēng)險的類別，以風(fēng)險產(chǎn)生的根源為依據(jù)對風(fēng)險進行分類細化，為后續(xù)更進一步分析風(fēng)險發(fā)生的概率奠定了基礎(chǔ)。2016年，方旖旎等人針對中國企業(yè)對“一帶一路”沿線國家基建投資的特征與風(fēng)險進行了分析，首次將OROIC-IWEP評級系統(tǒng)應(yīng)用于基建類投資風(fēng)險評價中，通過定量的方法將基建投資項目的特征及損失程度進行分析，切實提出了企業(yè)保護機制的建議，為后續(xù)基建類投資項目提供了實證依據(jù)?？墒?，在“一帶一路”的特殊背景下，風(fēng)險變化頻率遠遠超過風(fēng)險評價的速度，導(dǎo)致風(fēng)險發(fā)生頻率的預(yù)測值仍然低于實際風(fēng)險發(fā)生頻率。迫切需要一個更簡單、收斂速度更快并具有泛化能力的風(fēng)險發(fā)生概率預(yù)測的算法，完善針對“一帶一路”沿線地區(qū)基建項目風(fēng)險管理領(lǐng)域的理論體系。

CMAC模型是一種自適應(yīng)、自學(xué)習(xí)的局部學(xué)習(xí)網(wǎng)絡(luò)，已公開的研究成果主要聚焦于機器人控制、模式識別和信號處理等領(lǐng)域。信號領(lǐng)域的FCMAC控制器最具典型代表性，李彬等基于PID并行算法控制基礎(chǔ)，巧妙地將神經(jīng)網(wǎng)絡(luò)理論CMAC算法與模糊控制結(jié)合，提高了控制精度并且具有良好的自適應(yīng)特性；而模式識別領(lǐng)域，火力安全發(fā)電關(guān)鍵設(shè)備故障診斷的CMAC算法被作為拓展應(yīng)用范圍的奠基石，侯媛彬等利用CMAC算法與設(shè)備故障診斷檢驗相互結(jié)合，清晰地描述了CMAC算法診斷出關(guān)鍵設(shè)備故障的原理。由于該模型結(jié)構(gòu)清晰，收斂速度更快，還具有一定的泛化能力，能解決風(fēng)險預(yù)測的發(fā)生概率與實際風(fēng)險發(fā)生頻率不匹配的問題。因此，本文基于“一帶一路”的大背景，試圖探討一種結(jié)合時代背景的能源企業(yè)風(fēng)險發(fā)生概率的預(yù)測模型，為后期“一帶一路”沿線地區(qū)的能源企業(yè)基建項目風(fēng)險預(yù)測與控制提供一種新的參考。

1 風(fēng)險識別及發(fā)生概率標(biāo)準(zhǔn)劃分

1.1 風(fēng)險識別

針對能源企業(yè)“走出去”面臨的風(fēng)險成因，結(jié)合已有的研究報道，運用模糊聚類方法，將風(fēng)險劃分為11類風(fēng)險和引發(fā)各類風(fēng)險的39個風(fēng)險影響因素，利用數(shù)據(jù)可視化手段對“一帶一路”戰(zhàn)略下能源企業(yè)基建項目進行風(fēng)險識別，如圖1所示。

圖1 “一帶一路”戰(zhàn)略下煤礦企業(yè)基建項目風(fēng)險識別

1.2 風(fēng)險發(fā)生概率標(biāo)準(zhǔn)劃分

通過對“一帶一路”沿線國能源企業(yè)基建風(fēng)險識別，依據(jù)《工程建設(shè)項目可行性研究指南》的風(fēng)險劃分標(biāo)準(zhǔn)，將風(fēng)險和風(fēng)險影響因素的發(fā)生頻率劃分為5個等級，為數(shù)據(jù)樣本的生成和風(fēng)險發(fā)生概率預(yù)測提供理論依據(jù)，具體如表1所示。

表1 風(fēng)險與風(fēng)險影響因素發(fā)生頻率等級標(biāo)準(zhǔn) %

1.3 歸一化處理

1.3.1 數(shù)據(jù)缺失的處理

(1)

j=1,2,…,nk

式中：P——風(fēng)險發(fā)生頻率；

j——某一個評價等級生成的評價樣本序列容量；

i——某一風(fēng)險；

k——評價等級數(shù)目。

1.3.2 歸一化處理

能源基建項目風(fēng)險發(fā)生概率預(yù)測指標(biāo)體系共計39個風(fēng)險影響因素及11類風(fēng)險指標(biāo)。由于每一個指標(biāo)的單位和量綱存在較大差別，因此，在計算過程中需要對所有風(fēng)險指標(biāo)進行歸一化處理，目的在于消除各指標(biāo)之間單位和量綱產(chǎn)生的影響和數(shù)量級差別。歸一化采用的公式如下：

(2)

式中：Xi*——歸一化后的風(fēng)險指標(biāo)值；

Xi——歸一化后的影響因素值；

Xmax——樣本最大的影響因素指標(biāo)值。

2 風(fēng)險發(fā)生概率預(yù)測模型的構(gòu)建

2.1 改進IAFSA算法定權(quán)

CMAC的權(quán)重值調(diào)整通常有兩種情況：一種是學(xué)習(xí)方式，采用的是線性代數(shù)方程的雅可比迭代方法；另一種是輪訓(xùn)方式，采用高斯—賽德爾迭代法。但是，這兩種方法所得權(quán)重均為一個值，而非一個值域?？紤]到風(fēng)險發(fā)生概率的特殊性，為求解并預(yù)測出風(fēng)險發(fā)生概率的區(qū)間范圍，避免風(fēng)險由于受到時間、傳導(dǎo)系數(shù)的波動影響而產(chǎn)生的波動性。利用人工魚群對“營養(yǎng)區(qū)”的聚群的特性，采用對人工魚個體優(yōu)化，從而達到全局優(yōu)化的特點，將IFASA算法用于調(diào)整權(quán)重大小，對每個風(fēng)險進行權(quán)重域的計算。

定義單個人工魚Is(t)在時期t的狀態(tài)。則有：

(3)

式中：AF_number——人工魚群的規(guī)模；

Is(t)——單條人工魚在t時期的狀態(tài)(維度為w)。

在CMAC中具有一個隱含層網(wǎng)絡(luò)，那么初始設(shè)定輸入層X集合中有x個輸入量，維度w為hn個，輸出層Y集合的個數(shù)為m個，則有：

w=h1(m+1)+h2(h1+1)+n(h2+1)

(4)

為保證人工魚群算法調(diào)試的權(quán)值與CMAC模型的泛化能力互相匹配，按照每個AF中的分CMAC模型權(quán)重分布規(guī)律，AF取值應(yīng)是由底層向高層的順序，先取風(fēng)險活躍度最強的前幾組數(shù)據(jù)，后取風(fēng)險活躍度最弱的后幾組數(shù)據(jù)。那么第s個AF的狀態(tài)經(jīng)過幾番輪訓(xùn)后可以得到一個數(shù)值或者是值域，如下式所示：

(5)

其中，Xs(t) 標(biāo)識第s個AF的狀態(tài)。不同的泛化能力將控制AF的大小，AF上下浮動影響wn，wn即為CMAC中的ωi。

2.2 CMAC網(wǎng)絡(luò)模型構(gòu)建

CMAC網(wǎng)絡(luò)模型是一種類似神經(jīng)生理學(xué)小腦皮層結(jié)構(gòu)提出的“關(guān)聯(lián)控制器”的網(wǎng)絡(luò)態(tài)模型。圖2為本文構(gòu)建的二維輸入/一維輸出的CMAC風(fēng)險發(fā)生概率預(yù)測模型網(wǎng)絡(luò)結(jié)構(gòu)。圖2中的X空間表示一組n維輸入的風(fēng)險影響因素的發(fā)生概率，即輸入變量的“虛擬”空間；而實際空間A表示具有m類風(fēng)險個數(shù)的“存儲單元”；X={x1,x2,…,xn}t則表示在X空間中所有n維的輸入分量，即風(fēng)險的特征分量，也被稱為引發(fā)風(fēng)險的影響因素；Y={y1,y2,…,yn}t則表示對應(yīng)輸出變量的特征向量。在實際過程中，“一帶一路”沿線國家能源企業(yè)基建項目的風(fēng)險不可能全部引發(fā)。那么則有，輸入空間的X的一個元素xi會同時激活A(yù)實際空間中的yn個風(fēng)險同時發(fā)生。使得yn個風(fēng)險權(quán)重的疊加值為1，而其他沒有發(fā)生的風(fēng)險則為0。其中的n為C，即為CMAC網(wǎng)絡(luò)中的泛化能力。

圖2 CMAC風(fēng)險發(fā)生概率預(yù)測模型網(wǎng)絡(luò)結(jié)構(gòu)

具體每一層網(wǎng)絡(luò)結(jié)構(gòu)解釋如下：第一層輸入層：將“虛擬”空間X的因素映射為實際空間A中的離散點，將X={x1,x2,…,xn}進行量化并進行數(shù)據(jù)預(yù)處理。設(shè)每一個風(fēng)險的風(fēng)險影響因素發(fā)生概率的分量可量化為一個值q，那么n個風(fēng)險影響因素的分量集合可以成為一個風(fēng)險的狀態(tài)空間qn，那么具體風(fēng)險發(fā)生概率的量化公式為：

Xp={x1,x2,…，xn}T,n=1,2,…,n

(6)

式中：Xp——風(fēng)險影響因素集合；

xn——特征向量中分量的個數(shù)。

貧困地區(qū)基層組織弱化，部分地方執(zhí)行人員由于自身素質(zhì)不高，以一副領(lǐng)導(dǎo)視察的態(tài)勢對待扶貧指導(dǎo)工作，執(zhí)行力不夠。部分審查與管理專項扶貧資金部門存在管理不嚴，自身內(nèi)部督管不力，制度不健全的不良行政現(xiàn)象。在利益、權(quán)勢驅(qū)動下少數(shù)地區(qū)政府為了追求短期政績，不惜大量浪費和透支扶貧資源，有的還攤指標(biāo)、造數(shù)字，使得扶貧開發(fā)的收效甚微。

第二層中間層：為滿足“虛擬”空間Xp在實際空間Yp上有唯一的映射，那么實際空間Yp“儲存單元”的個數(shù)則必須大于或等于“虛擬”空間Xp的狀態(tài)個數(shù)。那么具體公式則為：

m≥qn

(7)

式中：m——Yp儲存單元狀態(tài)個數(shù)；

qn——n個特征分量個數(shù)。

那么，則有第二層的輸入關(guān)系式：

輸入關(guān)系：

(8)

輸出關(guān)系：

(9)

式中：Yp——風(fēng)險影響因素集合；

yn——特征向量中分量的個數(shù)；

p——特征分量集合的狀態(tài)空間個數(shù)。

那么，通過哈希編碼(Hash-coding)可將具有qn個存儲單元的地址實際空間A映射到壓縮后的物理地址空間Yp中。

第三層輸出層(風(fēng)險發(fā)生概率預(yù)測層)：通過第一層特征分量所組合出的風(fēng)險和第二層“虛擬”空間Xp到實際空間Yp的唯一映射，將風(fēng)險存放的權(quán)重值通過學(xué)習(xí)并將其累加為1則為CMAC網(wǎng)絡(luò)的輸出，達到風(fēng)險發(fā)生概率(損失程度)的預(yù)測。那么則有某一個輸入風(fēng)險Xi的網(wǎng)絡(luò)輸出為：

(10)

式中：Y*——可能發(fā)生的風(fēng)險個數(shù)；

ωi——風(fēng)險對應(yīng)的權(quán)重。

3 實證研究

在風(fēng)險及風(fēng)險影響因素發(fā)生概率等級標(biāo)準(zhǔn)基礎(chǔ)上，選取《孟加拉國巴拉普庫利亞礦井基礎(chǔ)設(shè)施建設(shè)(第三期)基礎(chǔ)說明書》中2012-2017年不同風(fēng)險的風(fēng)險發(fā)生頻次。對巴拉普庫利亞煤礦進行風(fēng)險預(yù)測，為該煤礦后續(xù)的開拓和經(jīng)營提供新的依據(jù)。

3.1 工程概況

巴拉普庫利亞煤礦是孟加拉國第一個開發(fā)興建的產(chǎn)能為1.0 Mt/a的大型現(xiàn)代化礦井。礦井位于孟加拉國的西北部，行政區(qū)劃屬于迪納杰普爾省帕巴提布地區(qū)，地理位置為北緯25°31′～25°34′，東經(jīng)88°57′～88°59′。本區(qū)交通便利，寬軌鐵路自南向北在井田外緣西部穿過，是南北向?qū)捾夎F路與東西向米軌鐵路的交匯處。南部距井田5 km處有一條近東西向公路，向東與國家公路相連，向西北約5 km可達迪納杰普爾省府，南行75 km可抵西北重鎮(zhèn)博格拉市。距井田東部70 km的賈木納河自北向南延伸，水運可達國內(nèi)大小港口。井田北部30 km有賽伊德布爾飛機場，可直達首都達卡。本井田地面為恒河沖積平原的一部分，由恒河和賈木納河沖積而成。區(qū)內(nèi)地勢平坦，地面標(biāo)高+29～+32 m，北高南低，坡度甚微。

由于該礦的交通方便、煤層特厚、儲量豐富、煤質(zhì)良好、地質(zhì)構(gòu)造較簡單、沼氣含量低等優(yōu)勢，它成為了“一帶一路”沿線地區(qū)較為典型的能源基建項目之一。但是，由于水文地質(zhì)條件與人文環(huán)境復(fù)雜、地溫較高，給礦井的開采帶來較大的不利因素。由于該礦井具有豐富的儲量，開采價值與投資回報率較高，因此，用巴拉普庫利亞煤礦作為算例進行解釋，是非常必要的。

3.2 驗證

3.2.1 樣本預(yù)處理

數(shù)據(jù)樣本共780個，數(shù)據(jù)缺失率為1.4%，運用公式(1)填補5年內(nèi)未搜集到的11個風(fēng)險影響因素發(fā)生概率的樣本。運用公式(2)對風(fēng)險數(shù)據(jù)進行歸一化處理，解決不同量綱所帶來的無法進一步分析的問題。具體結(jié)果如表2所示。

表2 孟加拉國巴拉普庫利亞煤礦基建項目部分風(fēng)險與風(fēng)險影響因素原始數(shù)據(jù)歸一化結(jié)果 %

原始數(shù)據(jù)來源：《孟加拉國巴拉普庫利亞礦井投資可行性分析簡本》

3.2.2 編碼

基于上述歸一化結(jié)果，分別對11類風(fēng)險及39個風(fēng)險影響因素采用十進制法在[0,1]區(qū)間隨機選取一組初始權(quán)值和閾值，利用MATLAB2016a軟件依據(jù)公式(2)至公式(4)進行代碼編程，其中，閥值控制在α=±0.1，浮動系數(shù)β=0.01，分別選取風(fēng)險最高的2組和風(fēng)險最低的2組樣本作為權(quán)重調(diào)試。具體不同風(fēng)險的權(quán)重上下值域如表3所示。

表3 不同風(fēng)險的權(quán)重結(jié)果T

3.2.3 訓(xùn)練樣本

選取11類風(fēng)險與39個風(fēng)險影響因素作為模型的輸入，計算風(fēng)險影響因素發(fā)生的概率值為輸出。泛化參數(shù)C=11，風(fēng)險發(fā)生概率值為輸出，分別利用風(fēng)險最高的5組和風(fēng)險最低的5組樣本作為訓(xùn)練的樣本，其余樣本用作預(yù)測。具體與BP模型標(biāo)準(zhǔn)狀態(tài)下的訓(xùn)練誤差的對比如圖3所示。

圖3 訓(xùn)練誤差對比

3.2.4 驗證

將求解的總風(fēng)險發(fā)生概率的區(qū)間與2016年實際總風(fēng)險發(fā)生的概率相比較，計算出與實際風(fēng)險發(fā)生的概率出現(xiàn)的相對誤差，以方便后續(xù)預(yù)測時將風(fēng)險發(fā)生的波動差值作為預(yù)測浮動系數(shù)。具體驗證結(jié)果對比如表4所示。

表4 驗證結(jié)果對比

3.3 預(yù)測

在本文構(gòu)建的風(fēng)險發(fā)生概率預(yù)測模型的基礎(chǔ)上，利用剩余的10組風(fēng)險與風(fēng)險影響因素樣本數(shù)據(jù)，對巴拉普庫利亞煤礦2017-2023年期間礦井基建項目風(fēng)險發(fā)生概率進行預(yù)測，以便為決策者提供一定的參考依據(jù)。具體評價與預(yù)測結(jié)果如圖4所示。

由圖4可知，未來6年(2017-2023年)的風(fēng)險發(fā)生概率分別為：0.3543-0.4628、0.2937-0.3633、0.3714-0.4553、0.4111-0.5371、0.4273-0.5311、0.3682-0.5017；風(fēng)險等級分別為中(中低)風(fēng)險、中低風(fēng)險、中(中低)風(fēng)險、中風(fēng)險、中風(fēng)險、中(中低)風(fēng)險，說明煤礦企業(yè)在孟加拉國進行基建活動的風(fēng)險依舊偏高。自然災(zāi)害、社會穩(wěn)定程度、文化宗教差異、投資風(fēng)險、非傳統(tǒng)安全、外協(xié)條件等方面容易發(fā)生風(fēng)險，應(yīng)增強企業(yè)對企業(yè)所在國的法律及相關(guān)文化的培訓(xùn)與認知、加強抗雨水或干旱等自然災(zāi)害的能力、增強企業(yè)員工應(yīng)對突發(fā)事故的應(yīng)急管理能力等。投資與管理人員應(yīng)根據(jù)項目實際情況，合理安排人力、物力、財力，不能只看見機遇看不到風(fēng)險而出現(xiàn)盲目投資，投資前應(yīng)做好風(fēng)險防控預(yù)案與風(fēng)險應(yīng)對策略，以避免該能源基建項目在保證總體目標(biāo)和效率的情況下順利實施。

圖4 IAFSA-CMAC風(fēng)險發(fā)生概率預(yù)測結(jié)果

4 結(jié)論

本文針對當(dāng)前在“一帶一路”沿線地區(qū)進行基建活動出現(xiàn)的風(fēng)險發(fā)生頻率的預(yù)測值仍然低于實際風(fēng)險發(fā)生頻率的現(xiàn)狀，在對影響“一帶一路”沿線地區(qū)風(fēng)險發(fā)生概率的影響因素的成因進行深入分析的基礎(chǔ)上，結(jié)合煤礦企業(yè)基建項目建設(shè)周期，建立“一帶一路”沿線地區(qū)能源基建項目風(fēng)險發(fā)生概率預(yù)測指標(biāo)體系。在傳統(tǒng)CMAC神經(jīng)網(wǎng)路模型的基礎(chǔ)上，將改進的IAFSA引入CMAC模型，彌補了當(dāng)前“一帶一路”沿線地區(qū)煤礦基建項目風(fēng)險評價時受到時間、傳導(dǎo)系數(shù)的波動影響，導(dǎo)致評估風(fēng)險發(fā)生的概率與實際發(fā)生概率不匹配的問題。最后綜合應(yīng)用于孟加拉國巴拉普庫利亞煤礦的基建項目風(fēng)險發(fā)生概率的預(yù)測中，得出了2017-2023年巴拉普庫利亞煤礦風(fēng)險發(fā)生概率的區(qū)間預(yù)測值，通過區(qū)間的劃定，解決了當(dāng)前評估過程中評價與實際發(fā)生的滯后問題，同時解決了當(dāng)前定權(quán)過程中的盲目性與受主觀影響的缺陷。為后期項目投資和管理人員制定風(fēng)險防控預(yù)案和應(yīng)對策略提供了一定的參考依據(jù)，對當(dāng)前“一帶一路”沿線地區(qū)能源企業(yè)及相關(guān)企業(yè)基建活動的投資與風(fēng)險管控起到一定的指導(dǎo)作用。

[1] 裴長洪，于燕.“一帶一路”建設(shè)與我國擴大開放[J]. 國際經(jīng)貿(mào)探索，2015(10)

[2] 翟崑.“一帶一路”建設(shè)的戰(zhàn)略思考[J].國際觀察，2015(4)

[3] 楊晨曦.“一帶一路”區(qū)域能源合作中的大國因素及應(yīng)對策略[J].新視野，2014(4)

[4] 馬昀.“一帶一路”建設(shè)中的風(fēng)險管控問題[J].政治經(jīng)濟學(xué)評論，2015(4)

[5] 方旖旎.“一帶一路”戰(zhàn)略下中國企業(yè)對海外直接投資國的風(fēng)險評估[J].西安財經(jīng)學(xué)院學(xué)報，2016(1)

[6] 周姝春.CMAC學(xué)習(xí)性能及泛化性能研究綜述[J].計算機仿真，2005(6)

[7] 李彬，鄭賓，殷云華.基于MATLAB的新型CMAC控制器的設(shè)計與仿真[J].微計算機信息，2007(16)

[8] 侯媛彬，杜京義.改進小腦模型網(wǎng)絡(luò)的干式變壓器卷線機跑偏信號諧波分析[J].西安交通大學(xué)學(xué)報，2005(10)

[9] 張春軒.論工程項目風(fēng)險成因與基本對策[J].科技信息(科學(xué)教研)，2007(27)

[10] 周平.“一帶一路”面臨的地緣政治風(fēng)險及其管控[J].探索與爭鳴，2016(1)

[11] 周紹瓊.EPC工程總承包項目風(fēng)險管理研究[D].西南財經(jīng)大學(xué)，2013

[12] 《投資項目可行性研究指南》編寫組.《投資項目可行性研究指南》[M].中國電力出版社，2002

[13] 飛艷.一種改進人工魚群算法對BP神經(jīng)網(wǎng)絡(luò)的優(yōu)化研究[J].湖南科技大學(xué)學(xué)報(自然科學(xué)版)，2016(1)

[14] 魏立新，張峻林，劉青松.基于改進人工魚群算法的神經(jīng)網(wǎng)絡(luò)優(yōu)化[J].控制工程，2014(1)

Studyonforecastofriskprobabilityofmininginfrastructureprojectsbasedonregionsalong"theBeltandRoad"

Li Hongxia1, Huang Yixin2, Tian Shuicheng3, Li Yan1

(1. College of Management, Xi'an University of Science and Technology, Xi'an, Shaanxi 710054, China；2. College of Energy, Xi'an University of Science and Technology, Xi'an, Shaanxi 710054, China；3.Institute of Safety Management, Xi'an University of Science and Technology, Xi'an, Shaanxi 710054, China)

In this paper, according to the origin of the uncertainty of the risk along the regions along "the Belt and Road", the risk index of mining enterprise infrastructure construction was classified and identified as 11 kinds of risks and 39 risk influencing factors including natural risk, cultural and religious risk, market risk, and external cooperation risk. The risk prediction model was established by using CMAC neural network theory and the artificial fish swarm algorithm. The risk occurrence possibility sample from infrastructure construction of Barapukuria Mine in Bangladesh in 2013-2017 was chosen to be predicted and verified.This would offer mining enterprises a reference value following the mining infrastructure management with the risk forecast and risk control aspect.

regions along "the Belt and Road", energy infrastructure, risk probability, risk forecast, CMAC neutral network, artificial fish swarm algorithm

TD-9

A

國家自然科學(xué)基金項目(71273208、71271169)，陜西省教育廳項目(14JK1445、14JZ026、15JZ036)，陜西省社科基金項目(2015R043)，西安科技大學(xué)項目(2013SY01、2014SX07、2012SZ01、15BY46)

李紅霞，黃已芯，田水承等. “一帶一路”沿線地區(qū)煤礦企業(yè)基建項目風(fēng)險發(fā)生概率預(yù)測研究[J].中國煤炭，2017，43(11):30-36.

Li Hongxia, Huang Yixin, Tian Shuicheng, et al. Study on forecast of risk probability of mining infrastructure projects based on regions along "the Belt and Road" [J].China Coal，2017，43(11):30-36.

李紅霞(1965-)，女，教授，博士生導(dǎo)師，陜西省教學(xué)名師、陜西省高校人文社會科學(xué)青年英才支持計劃獲得者?，F(xiàn)任西安科技大學(xué)管理學(xué)院副院長，礦業(yè)經(jīng)濟與管理博士點學(xué)科帶頭人，兼任中國煤炭工業(yè)協(xié)會專家委員、中國管理工效學(xué)學(xué)會委員。主要研究方向：能源經(jīng)濟與管理、組織行為與管理等。

(責(zé)任編輯 宋瀟瀟)