关于工程造价成本估算方法研究.docVIP

关于工程造价成本估算方法研究 　　摘 要：工程估价作业为项目生命周期中相当基本且重要的一环，然而随着计算机技术的逐步成熟与不同理论方法的引进，如：统计理论、多元线性回归、案例式推理、蒙地卡罗仿真与人工智能领域，工程估价的相关研究，已由传统详细估价阶段的成本分析及计算机技术发展，而回溯至构想规划及初步设计时间的粗略、概略估价的成本估算准确性研究[1]。一般而言，在相关理论的导入下，新建立的估算方法确实能够达到精确度提高的估价成果。因此，该文将就工程成本概算相关研究进行探讨、分析，作为本研究模式发展的基础。 　　关键词：工程 造价 成本 估算 研究 　　中图分类号：TU72 文献标识码：A 文章编号：1674-098X（2015）08（a）-0071-02 　　1 工程估价 　　工程估价，顾名思义即为根据工程项目的实际条件、主观需求及客观限制估算出符合工程项目的合理成本。但随着角色的转换、工程进度的推进，估价的类型亦随之变化。基于估价的目标在于提供可行度高的估算成本的原则下作业，因此对于估价类型需作清楚的定义，以设定合理的假设与研究范围。以下针对工程估价的类型、估算方法及工程成本的分类方式进行介绍。 　　1.1 粗略估价（Order of Magnitude Estim 　　ate） 　　工程初步构想规划阶段，在短期内为提供投资者作为项目工程可行性评估分析的初值。属于经验数值，可藉由过去实际成本数据作为推估工程造价依据，基本上系以两变量之间关系来推算建筑造价。 　　1.2 概略估价（conceptual estimate） 　　概估系应用于草图计划及设计发展阶段，时间较为充裕，但碍于细部设计尚未完成，仍需依赖初期系统设计图或配置图与经验数据从事估价 。 　　1.3 详细估价（detail estimate） 　　工程完成细部设计后，须从事详细估价。细估与粗估主要差??在于工程作业项目与工程资源项目分项的精细。在细部设计完成阶段，必须先订定施工计划，根据工作内容、施工方法及有关技术、质量规范及建材设备等精确计算各工程项目数量与市场调查单价，进行单价分析以获得较精确的工程造价成本。 　　2 工程成本粗估模式架构 　　工程成本粗估所使用的模式，为整体估价作业的核心。模式使用的适当与否将影响后续估算成本的准确性。目前相关研究所提出的估价模式有：多元线性回归、案例式推理及人工智能领域的类神经网络[2]。配合所述的方法，以下藉由相关研究文献，对各估价模式文献进行探讨。 　　2.1 多元线性回归 　　针对建筑工程的集合住宅类案例，以简单回归的方式，建立工程造价推估模式。经回归方程式的造价趋向中价位区段，高价位区段需乘以1.15系数，低价位区段需除以1.25系数；以计算实际案例造价水准。 　　2.2 类神经网络 　　几年来，人工智能领域对于工程估价方面的研究多有相当不错的成果。以类神经网 　　路（Back-PropagationNeuralNetwork） 　　取代过去常用的统计估算法、专家估算法、蒙地卡罗模拟及多元线性回归。可以9个实际案例作为模式训练、测试组合的配对基础，经反复训练、测试后，以8个训练案例及1个测试案例[3]，在类神经网络估算系统上表现的比其他各种估算方法，更为准确。其选取应用于类神经网络估算模式的输入变量包括下列4项： 　　（1）地质状况。 　　（2）建筑项目总坪数。 　　（3）地上楼层数。 　　（4）地下楼层数。 　　输出变数：工程每平米造价。 　　3 案例式推导 　　以案例式推理（Case-BasedReasoni 　　ng，CBR）作为估算核心，由历史案例来表示过去的知识与经验。该研究以过去102个实际工程案例为基础，建立一个适用于建筑工程在规划、初步设计时间的成本概算系统。应用案例式推理最重要的关键在于案例的比对与撷取后案例的修正。对此，该研究对于属性对应值型式为字符串者，采完整比对（exactmatch），对应值型式为数值（Value）采绝对模糊范围比对（absolutefuzzyrangematch），而推论出工程成本以最相似案例的相似值进行修正。在经过案例测试后，其中两个案例工程费用平均误差在10%～15%，3个案例工程费用平均误差在15%～20%。相较于传统概估法，虽未见明显提升，但估算准确率尚在接受范围[4]。因此，可说该系统的估算结果具一定的准确性。如前所述，案例式推理应用的关键点，在于案例比对属性与其权重的定订，此二者将决定所搜寻案例的适用与否。一般而言，权重的决定多透过专家访谈或问卷发放的方式而定出，虽然藉此能够订立出较合理、符合实际的属性权重，但人为主观判断仍难以避免。此外，搜寻所得的相似案例，一般皆以人为修正方式调整其成本。就项目内容