建筑项目工程造价估测及有效控制分析探析.docVIP

建筑项目工程造价估测及有效控制分析探析摘 要：本文结合笔者多年建筑项目工程造价实践经验，分析探讨了如何对建筑项目工程造价进行科学估测；并重点对建筑项目设计阶段和施工阶段工程造价的重点控制和动态控制措施进行了详细阐述和总结。 关键词：建筑项目；工程造价；动态控制；科学估测 中图分类号：TU723.3 文献标识码：B 文章编号：1008-0422（2009）06-0173-03 1引 言 工程造价控制与管理是集技术、经济、管理于一体的综合性的工作,笔者认为，虽然工程造价最有效的控制阶段在设计阶段，在施工阶段节约投资的可能性很小，但额外增加投资的可能性最大。因此，须对整个项目工程造价进行科学的造价估测，以便在进行控制与管理的过程中做到科学决策、合理控制；在此基础上，对施工阶段投资控制给予足够的重视，以实现整体投资控制目标。 2运用科学估测方法对建筑工程项目工程造价进行科学估测 建筑工程投资决策阶段的各项技术决策，对整个建筑项目的工程造价有很大的影响，特别是建设标准的确定、工艺的筛选、设备的选用等，科学的决策来自建筑物定位基础上的科学的概算和项目工程造价科学的估测作为决策依据。 2.1选用合理的工程造价估测法进行工程总造价估测 1）单位面积法法：单位面积造价估测模型的优点是计算简单，一个项目不管多大，仅几个部分就算完结。缺点是灵活性差，其准确性取决于与单个已完工程的相似程度，相似程度越高，准确性越好。 2）回归分析法：回归分析法的优点是提高了估算的精度，缺点是对于所有预估工程灵活性比较差，对于任意工程估算精度很难满足要求。 3）非确定因素法：非确定因素法估算模型主要是采用计算机模拟技术和人工智能技术，是近年来造价估测模型发展的趋势。由于建筑工程造价受多种因素的影响，构成复杂、情况多变、具有较大的模糊性，因此，它是一项十分复杂的工作。神经网络在工程估算方面的应用，是近年来非确定性工程估测模型发展的重点。 因此，由于建筑工程较为复杂，牵涉的因素较多，因此用非确定因素法，采用神经网络估测比较准确、可靠。 2.2建筑工程造价神经网络估测法的分析应用 2.2.1BP神经网络的计算原理 BP神经网络的学习过程由正向传播与反向传播两部分组成，输入信息经隐含层单元逐层处理传向输出层，产生需要的输出。若输出与给定的期望输出有较大误差而不能满足要求，则转入反向传播，将误差沿原来的连接线路返回，通过修改各个神经元的连接权值使误差减小，反复迭代，使网络得到记忆训练，直到误差满足要求。 BP神经元的输入与输出为非线性映射，一般采用S（sig-moid）函数压缩F（x）=1+exp(-x)，F(x) [0,1]。设有P个输入样本，当加入第k个样本时，对某层单元j来说，设其上一层有m个结点，与它的连接权表示为wij，单元j的输入总和为Skj，输出为ykj，则Skj=wij ykj，ykj=F（Skj）ykj再作为一层的输入，如此反复直至输出层，当定义系统误差为：E（w）=(Tkj- ykj）2时，其中Tkj为输出结点j的期望输出；ykj为输出结点j的网络输出。如果系统误差不满足要求，则转入误差反向传播过程，主要是调节连接权的值。按梯度下降法，每当加一个训练本时，各层连接权调整最应为：△wij=ηδjmyjm-1 ，其中，η [0.01,1]为训练速率系数；δjm为第m层的第j个单元的误差，输出层节点δj=F′（Sj）[Tkj-yj]yj，隐含层结点δjm=F′（Sjm ）wijm+1 δijm+1，yjm-1为上层输出。 2.2.2BP神经网络估测工程造价的分析 BP神经网络学习模型复杂，估测简单的特点特别适用于建筑工程的造价估测。下面以现代不同功能的建筑为例说明BP神经网络估测模型的建立过程。 神经网络估测模型实际上就是一个系统，有输入层和输出层，工程造价的估算输入层是影响建筑造价的特征因素，输出层是工程造价的信息。 通过对各不同功能要求的建筑物造价组成及建筑结构参数变化对造价的影响进行分析，确定结构形式、基础类型、建筑面积、建筑层数、门窗类型、装饰工程、建筑功能、水暖空调工程、电气工程、物价指数这10个主要因素作为工程特征，输出层确定为该工程的单方造价。 根据BP神经网络的特点，进行网络训练时输入、输出数据均为0～1之间的数，需要用数字对结构特征进行描述。通过对影响造价的工程特征进行对比分析，结合专家打分，并遵循消耗工料和费用越高的结构，代表其相应0～1之间的数据就越大，反之由越小的原则进行处理,工程特征的0～1化处理见表1。 将选取的样本工程，按表1的建筑工程特征定量化处理依据并结合专家打分，对各工程特征定量化。用定量化