［摘要］目前，国内主要基于应急管理过程对应急管理能力展开评价研究，国外主要基于弹复性对应急管理能力展开评价研究。大型工程及其应急管理能力具有复杂适应性特征，以复杂性为基础构建人工神经网络评价模型，可以得到更贴近工程实际的评价结果，有助于防范在工程应急情形下，由于行为能力不足、应对和处理不当而产生的工程损失，具有理论价值和现实指导意义。
［关键词］大型工程;应急管理能力;评价研究
对大型工程应急管理能力进行评价研究，最终定量测评出应急管理能力的水平与状况，有助于为进一步提升工程项目的应急管理能力提供依据和参考，有助于防范在工程应急情形下，由于行为能力不足、应对和处理不当而产生的工程损失。
一、研究现状
(一)国内研究现状
自2008年我国南方雪灾和四川汶川大地震之后，国内应急管理研究逐步升温，至2012年左右达到高潮。对应急管理能力的评价研究主要集中在3个领域，第一，高校突发事件应急管理能力研究。杨瑾构建突发事件处置能力、突发事件准备能力、突发事件预警能力、突发事件善后能力的指标体系，运用模糊评价法进行综合评价［1］;杨斌从应急管理全过程能力，包括预防与准备能力、处置能力和恢复能力3个方面，运用模糊层次综合评价法进行定性和定量评价［2］;陈伟珂等基于霍尔三维结构，构建学校应急管理能力评价指标体系，运用G1法进行评价［3］;刘庆华等依据SMAＲT准则，从预防与准备能力、处置能力、恢复能力3个方面进行应急管理能力评价研究［4］;姬浩等构建高校突发事件应急管理能力成熟度模型进行评价研究［5］。第二，政府应急管理能力研究。牛跃林等从应急准备能力、应对能力、恢复重建能力3方面，基于模糊数学进行城市生产安全事故应急管理能力综合评价研究［6］;董鹏等以终极目标为中心，从系统应急准备、过程支持、事后处理、辅助设施4个方面展开研究，多角度综合评价城市灾害应急管理能力［7］;凌学武从政府应急管理的绩效维度、层级特征及样本属性3个维度，进行应急管理能力评价研究［8］;张永领基于应急管理阶段，构建应急能力评价指标体系，进行综合评价研究［9］;徐选华等考察政府抗冰救灾指挥部应急能力、气象部门监测与预警能力、居民应急反应能力、电力部门应急能力、运输管理部门应急能力、其他部门应急能力，运用群决策方法和灰色综合评价法进行评价研究［10］。第三，企业应急管理能力研究。张国辉等从企业应急管理的计划能力和组织能力、企业应急管理的领导能力和控制能力、企业应急管理的沟通能力和决策能力6方面，基于灰色聚类分析进行企业应急管理能力评价研究［11］;许振宇从(应急阶段)减缓阶段、准备阶段、响应阶段、恢复阶段几方面，基于盲数和熵值构建应急管理能力评价模型［12］;佟淑娇等从预防、准备、响应和恢复角度出发，建立企业应急管理能力评价指标体系，基于层次分析法(AHP)进行应急管理能力评价研究［13］;李君治等构建应急预案、应急运行机制、资源保障系统、组织指挥系统、法律法规5方面指标体系，基于云模型进行煤矿企业应急管理能力评价研究［14］。目前，研究工程项目应急管理能力的较少，只查找到侯琨从日常应急管理能力、应急响应能力、应急恢复能力出发，基于粒子群和人工神经网络的安全应急管理能力评价模型［15］。
(二)国外研究现状苗鑫等检索、分析
2887篇国外文献揭示，目前国外应急管理能力研究领域的重点和热点是弹复性及其相关问题。大量的国外研究文献一致认为抵御风险和提高抗风险能力是现代应急管理的最终目标，通过风险管理实现上述目标是现代应急管理的核心，提升弹复性是实现这一目标的根本保证［16］。弹复性概念由于其内涵丰富且处于不断发展演进之中，国外的相关研究至今仍存在争议。我国应急管理能力及评价研究主要是基于应急管理过程展开的。笔者立足大型工程及其应急管理能力的复杂适应性角度，进行大型工程应急管理能力评价研究。
二、大型工程应急管理能力分析
从逻辑思维的规律来看，研究大型工程应急管理能力，其前提条件应该是科学认识、准确理解大型工程及其应急管理能力的特征。以这一思路为出发点，笔者借鉴复杂适应系统理论，深刻剖析大型工程及其应急管理能力发展、演化的特征，认为工程项目应急管理能力是一个复杂的系统。
(一)大型工程是一个复杂系统
当代大型工程规模大、要素繁多、结构和功能复杂多样，成为涉及面广的多目标、多参数与变量、多风险动态复杂系统。大型工程的复杂性主要表现在4个方面。第一，建设管理主体多元化，主要有建设方、施工方、监理方、政府相关部门、设计方、供货商以及其他利益相关方。工程参与方内部各部门之间因为各自的利益，形成复杂的关系和各种矛盾。第二，大型工程涉及各种新材料、新工艺、新设备、新结构、新技术，工程规模越来越大，结构形式复杂多样，技术难度越来越高。第三，大型工程的外部环境包括自然环境和社会环境。自然环境包括地质、气象和水文等，社会环境包括政治、经济和文化等方面。这些外部环境存在大量的不确定性，使得工程环境呈现出复杂性的特征。第四，大型工程的目标是由多目标组成的体系，各个目标之间相互影响、相互制约。总之，在工程目标实现的过程中，“人”与“物”相互作用形成复杂的工程系统，在工程建设的各个阶段、工程管理各环节之间形成错综复杂的关系，使得工程系统具有全局性和持续性的特征，若想解决其中某个矛盾，与之相关的各种要素和关系都会被影响，而且这种影响和作用可能会传导，从而影响其他矛盾和关系的结构和性质发生变化，关联性质表现出异构性和异质性，进而使工程的整个建设过程异常复杂。
(二)大型工程应急管理能力的复杂适应性
第一，应急管理能力系统的适应性。适应性包括两方面，一是品牌不断改变自己，形成一定的特性和性状，以适应改变的环境;二是充分利用稳定条件下的资源，巩固自身的能力。大型工程在应急条件下与环境是相互制约、相互影响的关系，对环境的适应有趋同适应和趋异适应。趋同适应是不同种类的工程在相似的应急环境中，受到某种主导要素的长期作用，产生相同或相似的适应方式;趋异适应是同类工程在不同的应急环境条件下，产生不同的适应方式。第二，应急管理能力的多样性。各种大型工程特色各异，不同种类的工程差距甚大，就是同类工程也因时间、地点等差异而各不相同。复杂适应理论认为在应急环境下，工程主体之间的相互作用和不断适应的过程，决定主体应急管理能力不同的发展变化，从而形成了工程应急管理能力的多样性。第三，应急管理能力系统的非线性。工程应急管理能力系统各主体相互间是主动的“适应”关系，而不是单向、被动、简单的因果关系，各种正反馈和负反馈作用相互影响、相互作用形成复杂的关系。在影响应急管理能力系统的状态变量中，有的变量对系统起负反馈的弱化作用，但在某种条件下则起正反馈的强化作用。因此，系统的生存演化发展机制是非线性的。正因为如此，系统行为才难以预测，系统过程呈现出复杂多样的状态和性质。第四，应急管理能力系统的层次性。应急管理能力系统是由大量的处于不同层次的相互作用的系统主体组成的。其层次性有两层含义，一是每一较低层次的应急管理能力系统都是更高层次系统的子系统;二是工程应急管理能力系统本身就是一个有多层次子系统的复杂系统。工程应急管理能力系统各层次之间存在作用与反作用的关系。第五，应急管理能力系统的开放性。应急管理能力系统是开放系统，系统的良好运转需要与外界不断进行物质、能量和信息的交换。上述交换通畅与否，周转速度迅速与否，都直接影响系统的良好运行。开放性是系统存在演化发展的必要条件，为了适应外界环境的变化，系统通过负反馈来调节控制自身状态，通过形成新功能、新结构来适应系统外部环境的改变与挑战。第六，应急管理能力系统的整体性。应急管理能力系统的整体性包括3层含义，一是指工程应急管理能力系统本身特有的整体性和整体结构;二是系统的整体性，应急管理能力系统各组成主体之间能量、物质和信息相互交换和相互作用，形成系统内部联系的组织性、统一性和有机性;三是指工程应急管理能力系统在系统与环境的交互作用中，通过整体功能实现其整体性。另外，应急管理能力系统在特定的环境下，其内部的微小改变有可能迅速呈几何级数增长，使系统整体性质状况发生改变产生“蝴蝶效应”。
三、大型工程应急管理能力评价指标体系的构建
(一)大型应急管理能力评价的目标
对应急管理能力评价的目的是通过挖掘评价结果，排序背后暗含的信息，找出问题和不足之处并认真分析，寻找形成结果的原因，为提升工程项目应急管理能力水平提供对策和依据。
(二)应急管理能力评价指标设计思路
目前，综观国内外的研究文献，有关应急管理能力评价指标的数量多、层次多，能较全面地表述应急管理能力13的情况。但指标众多存在两个问题，第一，可能会导致因信息众多而掩盖对能力水平的准确认识和测度;第二，收集原始数据工作量大，有些数据可能无法取得或获取成本很高。所以，构建大型工程应急管理能力评价指标体系，应筛选核心指标，获取反映事物本质特性的关键变量。
(三)大型工程项目应急管理能力指标体系
第一，工程项目应急适应能力。在不确定的环境下，适应能力是工程项目应对环境不确定性的潜在能力的综合体现，能够体现管理者应急管理能力的高低。第二，工程项目应急知识管理能力。知识管理成为工程项目组织的重要管理活动，知识管理能力主要指对工程实践过程中大量的工法、专利、数据、经验和专业知识等的挖掘、演绎、归纳、吸收、传播能力。第三，工程项目应急学习能力。工程项目动态学习能力主要是指进行隐性知识与显性知识的积累，对各种知识进行甄别、编码的认知能力。第四，工程项目应急创新能力。工程管理创新能力是在既定的技术和经济条件下，以提高工程应急处置能力为目标，创新各种资源配置和利用各种资源的能力。这种创新能力确保工程项目能顺利实施，提高运行效率。工程应急管理创新能力是管理能力的重要组成部分，是工程应急管理能力的核心，是一系列能力的集中体现。第五，工程项目应急管理行动能力。行动能力是工程项目在应急管理过程中必须具备的各种应急处置能力，包括决策能力、预警能力、迅速应对能力、联动协同配合能力、信息沟通交流能力等。任何工程突发事件都经历发生、发展和控制过程，基于此，工程项目需要在不同阶段采取不同的应急策略，进行预防、应对、恢复和善后处理，提升应急管理行动能力。
四、建立基于SOM神经网络的评价模型
人工神经网络通过模拟仿真人脑神经系统的运行机理，处理评价相关因素之间、相关因素与评价结果之间的非线性关系。在获取相似工程项目数据的情形下，笔者选取人工神经网络构建大型工程应急管理能力评价模型。
(一)SOM神经网络的设计
［17］SOM神经网络的设计包括输入层、输出层、传输函数、学习函数及网络参数的设置。输入层。影响因素决定输入层的节点数，研究工程应急管理评价问题，评价指标包括工程项目应急适应能力、工程项目应急知识管理能力、工程项目应急学习能力、工程项目应急创新能力、工程项目应急决策能力、预警能力、迅速应对能力、联动协同配合能力、信息沟通交流能力，共9个即输入层的节点数是9。输出层。网络的输出层为1层，节点为3个。设定工程项目应急管理能力评价结果为3种，即好、合格和不合格。针对这3种结果，笔者设定由［100］表示样本工程应急管理能力评价结果为好，［010］表示样本工程应急管理评价结果为合格，［001］表示样本工程应急管理能力评价结果为不合格。传输函数(激活函数)。设定输入层到输出层的激活函数为二值型{0，1}函数，利用MATLAB工具箱中的com-pet传输函数。学习函数。采用MATLAB工具箱中的learnsom学习函数，该算法函数收敛速度快，可减少学习时间。
(二)神经网络模型的建立
笔者采用MATLAB工具箱中的newsom创建SOM神经网络。SOM为单层网络，权值函数为negdist，网络输入函数为netsum，传输函数为compet。网络层有来自输入的权值向量，没有阈值向量，权值向量的初始化函数为rnid-point，网络的调整与训练函数为trains和trainr，以学习函数learnsom进行权值更新。第一，建模数据准备。SOM神经网络评价模型适用于已有类似工程的工程项目。SOM神经网络训练样本的质量直接影响评价结果。因此，样本应包含所有评价结果，分布科学合理，数量尽可能多，不含奇异样本。通常样本中各个评价指标量纲且取值范围相差太大。因此，会导致模型训练时间长，收敛速度慢，产生不收敛的情况。此时，可以采用MATLAB工具箱中的premnmx函数对数据进行样本归一化处理。训练样本，即专家样本。由“输入—输出”矩阵形式给出。工程项目应急管理能力评价本质上可看成模式识别，比较一组或若干组评价指标的实测值与基准值，分析与实测值最为相近的基准值，其评价结果即为神经网络模型识别结果。依据上述原理，笔者结合已有类似工程项目，由5位专家构造出各评价指标因子的训练样本，构造出3组训练样本，这些样本均具有很好的代表性。但仅用3组样本对SOM神经网络进行训练，训练结果鲁棒性弱、实用性差，评价结果会出现偏差。笔者以上述3组训练样本为依据，运用区间插值方法对训练样本集进行扩展充实，利用MATLAB7.1中的随机插值命令在以上3组训练样本的基础上再生成了10组训练样本。测试样本。对网络进行训练，使其达到稳定状态后，选取3组测试样本，将标准化后的3组指标数据作为测试输入数据，输入网络后得出实际结果，将其与期望结果进行比较。第二，模型训练与检验。在MATLAB神经网络工具箱内进行系统仿真训练和检验。1.网络建立:通过函数newsom实现;2.初始化:通过函数initlay实现，当newsom创建网络对象的同时，自动调动初始化函数initlay，根据缺省的参数，对网络进行连接权值和域值初始;3.网络训练:通过函数trains实现，根据样本的输入向量、目标向量和预先已设置好的训练函数的参数进行网络训练;4.网络仿真:通过函数sim实现，根据已训练好的网络，对测试数据进行仿真。五、结论从复杂适应系统理论视角出发，构建大型工程应急管理能力评价指标体系，与其他基于应急管理过程构建的评价指标体系相比，更贴近问题的本质。为了更准确表达复杂性的评价信息，以人工神经网络为基础构建评价模型，比其他评价模型具有独特优势。对大型工程应急管理能力的评价，可以为改进工程应急管理的薄弱环节提供依据和参考，从而减少工程项目过程中的生命财产损失，具有重要的理论价值和现实意义。但由于突发事件的偶发性强，大型工程及其应急管理能力的复杂程度高。因此，大型工程应急管理能力评价指标体系有待进一步深化和扩展，评价模型与评价方法仍需进一步实证检验，以提高适用性和有效性。
作者：李理 单位：河南财政金融学院
