关键词：国省道公路；模糊神经网络；建设质量管理；评价
1 引言
我国的经济水平正处于高速发展的阶段，在经济发展的同时交通运输行业也有了较大的进步，同时诸多省道路网相继出现，国省道公路对于地级市县的公共交通有着非常关键的支撑作用。因此，应该关注国省道公路建设的质量管理，国家和省公路在建设方面的标准也逐步提高，从而可以逐步促进国省道公路的质量，同时可以促进国省道公路的经济效益。同时，也可以有利于车辆的安全通行。国家和地方交通管理部门应该逐步地重视建设质量管理，应该将质量管理作为工作的重中之重。国省道公路建设质量存在着非常多的影响因素，各因素之间的关系也非常复杂，同时具有许多不确定性的因素，因此，应该对国省道公路建设质量管理水平进行有效的评价，根据评价结果找出施工建设质量管理的缺陷，并且采取有效措施及时补救，避免以后的施工过程中存在类似的问题。可以借助数学手段构建国省道公路质量管理的评价模型，进行定量的评价判断国省道公路质量管理的水平。国省道公路管理部门应该进行有计划、有目的和有组织的质量管理，监督公路施工企业确保国省道公路建设质量，逐步地提升我国国省道公路的运输水平。因此，应该对国省道公路工程建设质量管理的水平进行有效的评价，传统评价方法仅仅依据个人的经验进行评价，主观性较大，无法获得准确的评价结果，因此，应该寻求一种有效的评价方法进行国省道公路建设质量的综合评价。模糊神经网络是将模糊理论和神经网络结合起来构成的一种评价模型，能够有效地处理不确定性问题，能够有效地处理国省道公路工程质量管理评价中。
2 国省道公路工程建设质量管理的影响因素和评价指标体系的构建
我国国省道公路施工质量管理的好坏和建设项目保质保量地完成时密不可分的。近年来，我国公路管理部门非常关注国省道公路工程质量管理问题，并且采取了有效的管理措施，但是在公路施工阶段还是无法避免产生各种质量问题。公路工程建设质量管理的影响因素主要包括以下几个方面：
（1）公路施工企业的质量意识：国省道公路施工企业缺少必要的质量意识，在施工阶段无完善的管理体系可循。在国省道公路施工建设阶段，不能将质量管理责任落实到具体的管理者。一些施工所涉及的技术规范不能落实到位，质量管理也缺乏设施和资金的保证。
（2）国省道公路施工材料：由于国省道公路建设速度的加快，引发了一些负面问题，例如，施工过程偷工减料、施工企业非法分包、施工过程缺少防护设施、施工材料采购不合理等。此外，施工进度慢、施工材料浪费以及施工人员数量不够等问题也是制约国省道公路建设质量管理水平的因素。国省道公路建设阶段，缺乏有效的监管，施工管理仍然处于现场跟踪检查的状体，施工管理人员疏忽大意而出现的质量问题时有发生，一些豆腐渣工程时有出现，私自分包现象依然存在，一些没有资质的施工队伍承担施工任务。施工人员素质不高，缺乏专业知识，也导致国省道公路建设过程中出现了施工不当的情况，进而导致施工质量降低。
（3）材料采购人员的素质：在施工材料采购过程中有时出现不合格的材料进入施工现场的状况，主要原因正在于采购人员缺乏专业素养，施工材料的损坏现象也经常发生，主要原因是缺乏对其准确的保管，这些问题不利于质量管理。施工材料未经过严格的检测进入了施工现场也为以后出现施工质量问题打下了质量隐患。
（4）施工工艺：国省道公路工程施工现场不规范，一些施工场地没有按要求布置，施工材料任意堆放，施工过程存在粗制滥造的现象。在施工阶段也出现了施工工艺不合理的情况，缺乏对施工过程的紧急情况的处预案。
根据以上分析可见，国省道公路建设质量管理的影响因素比较多，主要包括：参与施工的管理者和施工人员的业务能力和质量意识、监管部门是否尽职尽责和监管力度、施工材料采购阶段的合理性以及采购人员的业务能力和道德修养，施工工艺设计的准确性等，这些因素可以是定性的指标，也可以是定量的指标，对于定性指标可以通过专家访谈和问卷的形式确定其权重，对于定量的指标直接利用其特征值确定其权重。进而能够构建完善的的公路建设质量管理水平评价指标体系，在构建评价指标体系的过程中必须依据如下的原则：
(1）合理性原则：所构建的评价指标体系应该准确地反应国省道公路工程建设质量的基本特征，指标的权重应该合理，分值划分应该恰当。
(2） 优化原则：由于国省道公路工程建设质量的影响因素较多，在构建评价指标体系时应该以较少的指标更全面地体现公路工程建设质量，因此，应该采用优化技术筛选评价指标。
(3）可比性原则：应该选择通用性的指标进行公路工程建设质量评价，能够对不同的路段、不同的施工时间段进行具有可比性的评价。通过对指标权值的调整能够使所构建的评价指标体系更加接近实际。
在深入剖析国省道公路工程质量管理影响因素的基础上，遵循可比性、合理性以及系统性原则构建了相应的评价指标体系。
3 模糊神经网络的基本理论
模糊神经网络的基本结构如图1所示，包括五层，分别是输入层、隶属函数层、推理层、归一化层和输出层。
输入层可以将国省道公路质量管理的数据输入至神经网络，隶属函数层能够利用模糊隶属度表述不同的输入变量，在国省道公路质量管理评价过程中，能够有效地获得公路建设质量管理的实际状况，进而可以获得其质量管理水平。可以应用典型的的模糊隶属函数，能够确定质量管理评价指标偏离量的大小，最终获取最佳的隶属度。模糊神经网络推理层的功能是确定其与模糊规则的关系，确定出不同模糊规则的适用度；模糊神经网络的归一化层能够实现数据的归一化，其节点数和推理层的节点数相同；模糊神经网络的输出层将最终的评价值输出。图1中各个单元之间的箭头表征信息的传输方向，模糊神经网络的输入和输出关系模型可以表示为：
（1） 当输入向量的模糊划分数已知时，需要对节点参数 和 和 模糊隶属参数之间的连接权进行优化。为了能够提高模糊神经网络的评价效率，利用粒子群算法进行训练。遗传算法模拟生物的遗传进化，可以实现自然选择和生存的最优算法，获得隶属函数和连接权值的最优参数，相应的训练步骤如下所示：
（1）为了使运算简单，可以选择直接实数编码方法。在编码过程中，首先对不同的隶属函数中心和相应的宽度进行排序，然后对节点间的权值进行排序。基于这种方法，在交互过程中，每个个体上的中心和相应的宽度同时发生变化的概率很大，当中心发生变化时，宽度也会发生相应的变化。
（2）利用如下的函数计算适应度的值：
(2)式中， 表示输出实际值， 表示网络的输出值。
（3）在交互操作之前，当前世代中的最优个体继续到下一代，然后可以确保找到全局最优解，其他个体可以根据交互操作和突变操作生成新的个体，最终可以生成新的个体。
4 实例研究
为了能够验证该方法的有效性，以12条国省道公路工程项目的建设为例，进行该项目建设质量管理水平的评价，以前8条公路工程项目为训练样本，后4条公路工程项目为测试样本，仿真程序利用MATLAB软件编制。通过仿真分析对模糊神经网络的推理层和归一化层的最优节点数进行确定。
从表1的计算结果可知，当推理层（归一化层)的节点数为48时，训练次数和评价误差都达到最小，因此，评价效率最高，可以作为最优的节点数。
输入层的的节点数为15个，输入变量分别为评价指标体系中的二级指标，指标值通过专家评价法和问卷调查法的方式确定。国省道公路质量管理水平划分为5个等级，见表2.
利用训练后的模糊神经网络对测试样本进行评价，评价结果见表3。
从表3的评价结果可以看出，利用模糊神经网络能够准确地评价出国省道公路工程项目的质
