基于人工智能技術的建設工程爭議管理研究.pdf

1、隨著建筑業(yè)的改革開放和工程建設規(guī)模的不斷擴大，建筑業(yè)已成為我國國民經(jīng)濟的支柱產(chǎn)業(yè)之一。然而，缺乏對信息技術的重視和利用成為建筑業(yè)勞動生產(chǎn)率一直低于制造業(yè)的原因之一。同時，由于建設工程頻繁的變更導致了工程爭議的不斷發(fā)生，降低了正常工作的效率，浪費了工程資源，對項目產(chǎn)生負面影響。因此，本文研究了信息技術的分支之一人工智能技術在工程爭議中的運用，目的在于提高工程管理的效率。
　　本研究設計了工程爭議案例庫，將爭議判決書中的有用信息從文本

2、形式轉(zhuǎn)換為計算機可處理的數(shù)據(jù)形式。利用關系數(shù)據(jù)模型對工程缺陷以及法律論證過程的信息建模，從而得到缺陷實體集、證據(jù)實體集、工程缺陷爭議論證過程實體集等，據(jù)此構(gòu)建了工程爭議數(shù)據(jù)庫。
　　對爭議案例庫中的信息進行初步統(tǒng)計分析，得到工程缺陷分布情況、爭議論證過程中證據(jù)使用的分布情況和項目屬性的分布情況。利用相關性檢驗得到結(jié)論:業(yè)主是否從事房地產(chǎn)相關業(yè)務影響了項目缺陷上的費用;業(yè)主是否從事房地產(chǎn)相關業(yè)務與工程變更爭議判決結(jié)果無關;合同類型與

3、工程變更爭議判決結(jié)果無關。
　　利用關聯(lián)規(guī)則挖掘算法進一步分析了工程爭議中數(shù)據(jù)之間的關聯(lián)性。構(gòu)建分層信息模型，解決工程爭議的數(shù)據(jù)稀疏性問題。得到缺陷項之間的關聯(lián)性，缺陷因果關系的頻繁項集，質(zhì)量缺陷爭議論證過程的頻繁項集。
　　利用人工智能技術之一的決策樹算法預測工程變更爭議的判決結(jié)果。針對工程變更爭議輸入樣本的模糊性，設計基于迭代的模糊決策樹構(gòu)造過程。得到結(jié)論:模糊C4.5分類器的性能要優(yōu)于Cart分類器;工期補償爭議的判決

4、模糊度要高于工程價款補償爭議，決策樹算法在前者的預測正確率也小于后者。
　　利用人工智能技術之一的神經(jīng)網(wǎng)絡算法預測工程變更爭議的判決結(jié)果。對比分析了BP神經(jīng)網(wǎng)絡和概率神經(jīng)網(wǎng)絡的性能。針對工程變更爭議的模糊性，設計了BP神經(jīng)網(wǎng)絡的輸入輸出參數(shù)，并對輸入樣本進行預處理。得到結(jié)論:通過數(shù)據(jù)預處理，可以提高BP神經(jīng)網(wǎng)絡的預測正確率;概率神經(jīng)網(wǎng)絡的預測正確率要優(yōu)于BP神經(jīng)網(wǎng)絡。
　　最后利用人工智能技術之一的貝葉斯分類器預測工程變更爭

5、議的判決結(jié)果。對比分析樸素貝葉斯分類器、TAN分類器和貝葉斯網(wǎng)絡分類器。對于貝葉斯網(wǎng)絡分類器還比較了兩類結(jié)構(gòu)學習算法的性能。通過實證分析得到以下結(jié)論:TAN分類器的總體正確率要高于樸素貝葉斯分類器，而貝葉斯網(wǎng)絡分類器的正確率與TAN分類器相近，結(jié)構(gòu)比TAN分類器簡單;在貝葉斯網(wǎng)絡分類器的結(jié)構(gòu)學習上，Cheng J.的算法引入領域知識，性能要優(yōu)于K2算法。
　　本研究的意義包括:通過挖掘到的缺陷之間的規(guī)律，可以在施工之前起到預警作用

6、，防止缺陷發(fā)生，同時預防缺陷爭議的產(chǎn)生，在缺陷已經(jīng)發(fā)生時，幫助施工方和監(jiān)理方找到缺陷的原因以及主動提示可能聯(lián)動發(fā)生的其他缺陷;通過提取的論證策略之間的關聯(lián)性，可以指導承發(fā)包人如何收集證據(jù)和組織論證;可以預測對方的辯論策略，有針對性地收集證據(jù)和論證觀點;預測工程變更爭議結(jié)果幫助爭議雙方了解輸贏的可能性，據(jù)此做出協(xié)商還是堅持己方主張的決策，一定程度的減小雙方在爭議上的支出;從實際判決中可以看到各法律因素的不同取值下判決結(jié)果的不同，進而對比得