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)已成為我國國民經濟的支柱產業(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、形式轉換為計算機可處理的數據形式。利用關系數據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、證據實體集、工程缺陷爭議論證過程實體集等，據此構建了工程爭議數據庫。
　　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論:業(yè)主是否從事房地產相關業(yè)務影響了項目缺陷上的費用;業(yè)主是否從事房地產相關業(yè)務與工程變更爭議判決結果無關;合同類型與

3、工程變更爭議判決結果無關。
　　利用關聯(lián)規(guī)則挖掘算法進一步分析了工程爭議中數據之間的關聯(lián)性。構建分層信息模型，解決工程爭議的數據稀疏性問題。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造過程。得到結論: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網絡算法預測工程變更爭議的判決結果。對比分析了BP神經網絡和概率神經網絡的性能。針對工程變更爭議的模糊性，設計了BP神經網絡的輸入輸出參數，并對輸入樣本進行預處理。得到結論:通過數據預處理，可以提高BP神經網絡的預測正確率;概率神經網絡的預測正確率要優(yōu)于BP神經網絡。
　　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、議的判決結果。對比分析樸素貝葉斯分類器、TAN分類器和貝葉斯網絡分類器。對于貝葉斯網絡分類器還比較了兩類結構學習算法的性能。通過實證分析得到以下結論:TAN分類器的總體正確率要高于樸素貝葉斯分類器，而貝葉斯網絡分類器的正確率與TAN分類器相近，結構比TAN分類器簡單;在貝葉斯網絡分類器的結構學習上，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生，在缺陷已經發(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和論證觀點;預測工程變更爭議結果幫助爭議雙方了解輸贏的可能性，據此做出協(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果的不同，進而對比得