(估算模型.docxVIP

54.郎格系数法[10]这种方法是以设备费为基数,乘以适当系数来推算项目的建设费用,其计算公式为:( )DKKCiC= 1 +∑ （1-6）式中：D—总建设费用;C—为主要设备费用;iK 为管线、仪表、建筑物等直接费用的估算系数;cK 为包括工程费、合同费、应急费等间接费在内的总估算系数。总建设费用与设备费用的比值为郎格系数 K,即:( )icKKCDK = =1 +∑ （1-7）这种方法比较简单,但没有考虑设备规格、材质的差异,因此精确度不高。5.工程建设概算指标估算法概算指标用整个建筑物每百平方米建筑面积为单位,规定人工、材料、机械、设备消耗量及造价,可用于可行性研究对投资进行估算。估算的准确度较高,但应用比较麻烦,而且要求设计必须达到一定的深度才能使用。1.2.3 发展趋势目前对工程造价的估算作了大量的研究，但是工程建设项目具有结构复杂、规模庞大、工期长、一次性或单件性的特点，而且工程造价的动态性和不确定性受时间、价格、投资和设计方案等不确定性因素影响较大。这些多变的情况及复杂的构成因素使我们在文献中所选取的特征变量多、杂，也不能够随着整个社会劳动生产率的变化而变化，反映出的整个工程造价仍然具有较大的模糊。但是计算机科学与技术的发展以及计算机应用的日益普及，使我们可以利用计算机掌握了进行人工智能模拟技术以对后果和未来发展的估算。著名的美国斯坦福大学人工智能研究中心尼尔逊教授对人工智能下了这样一个定义：“人工智能是关于知识的学科——怎样表示知识以及怎样获得知识并使用知识的科学。”而另一个美国麻省理工学院的温斯顿教授认为：“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”这些说法反映了人工智能学科的基本思想和基本内容。即人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。人工智能中的机器学习过程就是智能系统不断积累和更新知识以改善系统性能，从而使系统能更有效地完成同样或类似的任务。进而利用神经生理学和认识科学的研究成果，探讨生物大脑的思维模式和智能行为的处理机理，将会很大程度地完善人们对智能与机器关系的认识，而人工神经网络给他提供了一种揭示智能和了解人脑工作方式的合理途径。同时，利用生物神经科学基础理论的研究成果，采用数理方法探索人工神经网络的基本模型，并且深入研究网络的学习算法和性能的提升，如神经计算、进化计算、稳定性、收敛性、计算复杂41.单位生产能力投资估算法单位生产能力投资估算法是建设项目的投资额除以生产能力求得的,可以根据类似企业的单位生产能力投资估算新建设项目的单位生产能力投资。这种估算方法的估算结果精度较差,因为它将生产能力和基建投资看作是简单的线性比例关系,而实际上这种线性比例关系是很少的,只有生产能力比较接近时才比较准确,在使用时需注意已建设项目和拟建设项目的可比性,还要注意对计算结果进行必要的调整,因为完全相似的建设项目是很少的。2.生产能力指数估算法有时,生产能力不同的两个同类企业,其投资与生产能力之比的指数幂成正比,其表达式为： （1-4）式中：1X —类似企业的生产能力(已知);2X —拟建项目的生产能力(已知);1I —类似企业的固定资产投资额(已知);2I —拟建项目的固定资产投资额(未知);n —生产能力指数,一般在 0.6 左右。这种方法比单位生产能力投资估算法精确,但必须根据大量的建设项目统计资料把n 求出来。n 的具体值根据建设项目的性质来确定,当依靠增大设备尺寸扩大生产规模时,n 值为 0.6~0.7;当依靠增加设备数量扩大生产规模时, n 值为 0.8~0.9;高温高压的工业性生产工厂n为 0.3~0.5。根据统计资料, n的平均值大约在 0.6 左右,故此法又称 0.6 指数法。3.比例估算法（又称工程系数法）这种方法要先根据统计资料求出同类型企业主要设备投资占全厂固定资产投资的比例,然后再估算出拟建项目的主要设备投资,即可按比例求出拟建项目的固定资产投资,计算公式为： ∑==niiiQPKI11（1-5）式中：I —拟建项目的固定资产投资；K —主要设备投资占拟建项目固定资产投资的百分数；n —拟建项目的设备种类；iQ —第 i 种设备的数量；iP —第 i 种设备的到厂单价。比例估算法是以大量的调查资料为基础进行估算的,因此,只有深入调查和研究同类项目资料,才能提高估算的准确度。特别是在工程的可行性研究初级阶段,由于设计深度不够,某些工程的结构特征很难确定,因此计算困难且复杂,没有考虑工程的质量、工期、施工企业管理水平等。22 11nXI IX = 36v —技术指数，主要反映由于使用了新技术、新工艺或新材料所带来的成本