章 俊，胡龍偉，孫 雨，黃寶倫，夏思雨

(青島理工大學 管理工程學院，青島 266525)

裝配式建筑是由一個個的預制構件運輸至現場，通過現場組裝而成的建筑，具有縮小工期、質量高、精度高、節(jié)能節(jié)電節(jié)材環(huán)保等諸多優(yōu)點。隨著國家大力提倡裝配式建造，對建筑項目需要滿足一定的裝配率，裝配式建筑正成為一種趨勢在全國開展開來。裝配式不同于傳統現澆方式，是由工廠直接運輸成品，現場負責組裝，故裝配式構件的質量是確保裝配式質量的關鍵。因此，從發(fā)包商的角度探索高效比選裝配式建筑供應商的方法及決策模型，既是提升裝配式建筑整體質量的迫切要求，也是順應國家政策和裝配式建筑發(fā)展趨勢的迫切要求。

在裝配式建筑供應商的選擇研究問題上，范露華[1]提出了基于熵權 TOPSIS 模型對供應商進行優(yōu)選排序。仇國芳等[2]采用粗糙集與改進的灰色局勢相結合的方法，通過抽取關鍵影響指標和灰色決策思想，構建了構件承運商選擇的綜合評價模型，對供應商進行選擇。以上研究對裝配式建筑供應商的模型進行了研究，未對裝配式建筑供應商選擇因素進行系統闡述分析。潘雨紅等[3]將DEMATEL和BP神經網絡兩種評價模型相結合，對評價指標進行指標的關聯度分析，重新劃分指標實際權重，更加準確地選擇評價裝配式建筑供應商。錢存華等[4]運用貝葉斯網絡與TOPSIS 的模型相結合的方法，從企業(yè)的偏好出發(fā)，選擇理想的裝配式建筑供應商，卻對指標的選取上并未太過完善。竇志武等[5]結合熵權法與 BP 神經網絡法對口岸物流綜合能力進行評價。以上研究有一些局限性。本文結合裝配式建筑供應商的特點，為了防止使用單一主觀賦權法所得權重與實際情況不符，運用AHP層次分析法進行賦權，得到評價權值，運用BP神經網絡的實際輸出與目標矢量來修改權值，建立評價模型及方法，兼顧了主觀與客觀賦權，使決策更加科學合理。

1 基于AHP和BP神經網絡的裝配式建筑供應商模型構建

1.1 裝配式建筑供應商評價指標體系

為了能全面對裝配式建筑供應商進行準確的評價，首先按照科學性、系統性、信息化的原則，借鑒陳為公等[6]裝配式建筑部品供應商選擇的研究成果，并與裝配式建筑供應商方面專家進行交流，專家之間進行頭腦風暴討論，綜合各方意見和實際情況，選取質量指標、價格指標、供貨指標、協同服務指標作為裝配式建筑供應商評價指標準則層，以產品合格率、質量管理率等14個指標作為方案層，建立裝配式建筑供應商評價體系，邀請了10名專家參與指標權重的確定，綜合分析后得出綜合評價指標體系，如圖1所示。

圖1 裝配式建筑供應商綜合評價體系

1) 質量指標。質量指標主要包括產品合格率，質量管理率，原材料及配件質量，生產工藝水平，其中產品合格率=抽查產品合格數量/總產品數量，質量管理率指的是質量管理的效率情況，存在事故隱患時處理的能力，原材料及其配件的質量直接決定了裝配式建筑質量情況。

2) 價格指標。產品價格影響著項目的經濟性指標，產品的成本從某一方面反映了社會必要勞動時間，而物流成本和價格波動率影響著最終入庫的價格。

3) 供貨指標。送貨準確程度對項目工期存在著舉足輕重的意義。運輸安全率、市場占有率也是裝配式建筑綜合評價的重要組成部分。

圖2 AHP-BP模型建立過程

表1 A-B判斷矩陣

4) 協同服務指標。對于能否協同高效地配合施工單位進行施工，是衡量裝配式建筑供應商的必要因素，主要包括售后服務能力、協同人員技術水平、協同人員綜合能力。

1.2 評價模型的構建

本文在構建裝配式建筑供應商評價指標體系的基礎上，采用AHP和專家評價法所確定的指標權重評價值為BP神經網絡訓練的先驗樣本，進行BP網絡的訓練，并建立了BP神經網絡的評價結構模型，修正AHP得出的權重，建立AHP-BP評價體系，得出評價值，根據所得的評價體系進行裝配式建筑供應商的選擇[7]。該方法整合了各種方法的優(yōu)點，兼顧了主觀和客觀的賦值，克服裝配式建筑供應商選擇評估過程中的人為因素，使評價結果更具說服力。AHP-BP模型建立過程如圖2所示。

1.3 構造判斷矩陣

建立層次分析模型后，為了使判斷思維數學化、定量化，在裝配式建筑供應商指標體系的基礎上，裝配式建筑工程領域專家采用1—9 標度方法，構造出準則層對于目標層的判斷矩陣A-B，見表1。

對于此矩陣，計算可得λmax=2.839，CI=-0.05382，RI=0.90，CR=-0.0598<0.10，通過對裝配式建筑供應商指標的分析，得各評價指標的權重系數，其重要性排序為：質量指標B1(0.5509)，價格指標B2(0.2125)，供貨指標B3(0.1279)，協同服務指標B4(0.1087)。相應的，根據專家評判，構建的判斷矩陣見表2—5，其一致性檢驗附后。

表2 B1-C判斷矩陣

表3 B2-C判斷矩陣

表4 B3-C判斷矩陣

表5 B4-C判斷矩陣

指標層各指標對總目標的重要性權重見表6。

表6 各指標權重

2 BP神經網絡模型建立

2.1 神經網絡訓練樣本的確定

本文模擬了25個供應商，在構建BP神經網絡過程中，專家對25個供應商按照滿分為10分進行打分，將專家打分的數據作為輸入變量，將用AHP法確定的指標權重向量作為輸出值，得出供應商的評價總分。將數據分為兩份，其中20份作為學習樣本，5份作為測試集，設 14 個三級指標所對應的權重為w=(w1,w2,…,w14)，其對應的得分為X=(X1,X2,…,X14) ，則 25 個裝配式建筑供應商得分為Y=wX，即表7 中的期望得分一列數據。

圖3 BP神經網絡結構

2.2 網絡訓練

由于專家評分分值為10分，運用S型激活函數(0～1)進行歸一化算法，原理為Y=(X-min)/(max-min)，使數據歸一化，范圍為0～1，通過Matlab2018進行模擬測試，隨機產生測試集，訓練集后，進行數據歸一化，通過net=newff(p_train,t_train,9)創(chuàng)建訓練網絡，設置參數為：輸入層有14個節(jié)點，根據隱含層節(jié)點數公式L=(M×N)/2和反復試驗，最終確定隱含層共有9個節(jié)點，輸出層節(jié)點為1，訓練要求精度為10-3，設置最大訓練次數為63 000次，網絡結構如圖3所示，訓練過程如圖4所示[8]。

2.3 BP網絡訓練結果

BP神經網絡數據擬合結果如圖5所示，根據圖中可知R2=0.915，其值大于0.9，誤差較小，接近1，訓練驗證測試值都大于95%，說明本文所構造的模型預測精度很高，可以利用該網絡進行仿真模擬。

圖5 BP神經網絡數據擬合結果

表8 結果分析

由測試結果分析可知，測試集與輸出集的相對誤差在合理范圍內，可以接受，證明用BP網絡構建的模型具有較強科學性，因此，只需要根據輸出值最大原則，選取輸出值大的，作為裝配式建筑供應商的最佳選擇，根據現場需要，可選擇一個或二個裝配式建筑供應商作為其候選目標，極大縮小了選擇范圍。結果分析見表8。

3 結束語

針對裝配式建筑供應商的綜合評價問題，運用AHP法建立裝配式建筑供應商定量化綜合評價指標，運用BP神經網絡設計了裝配式建筑供應商選擇綜合評價方法，運用專家模擬打分法選取典型指標數據，對該評價網絡進行訓練、測試、驗證。結果表明，該模型的有效性、實用性，可以為裝配式建筑供應商的選擇提供思路。本文的局限性在于評價指標從開發(fā)商的角度入手，未來的研究可以嘗試從更多不同的視角(如產品的統一化)對裝配式建筑供應商選擇開展評價研究。