工程造价估算模型探究及应用.docVIP

工程造价估算模型探究及应用摘要：本文结合人工费、材料费、机械费和工程总造价等数据分析整理了近年来工程造价的相关历史数据，介绍了目前工程造价估算中主要的模型方法和各自特点。对于加强工程造价管理，确保工程造价的准确性，合理控制确定工程造价，提高自主创新能力，推动我国建筑工程造价管理的市场化、规范化、科学化的进程有一定的指导意义。 关键词：工程造价、估算模型、研究应用 建筑工程造价，一般指某工程建设所需全部费用，即该工程建设项目按照工程计划，进行固定资产再生产，形成相应的无形资产和铺底流动资金的所有费用的总和。工程造价不仅与工程自身的内容有关，同时关系到建设者的技术水平、建设地区的经济发展情况、当地政府的政策扶持等各方面因素。 工程项目是周期长、资金大的生产消费过程，在项目实施过程中，其各个阶段都存在着多重的不确定性因素，不可能在工程项目伊始就确定出一成不变、科学合理的造价。伴随着项目的不断深入开展，工程造价逐渐趋于合理。工程项目的计价特性决定整体的过程控制中，不同阶段的重点和方法并不完全相同。工程造价的合理性可直接影响建设单位与施工单位的共同经济效益。当今社会，日益激烈的市场竞争要求企业能运用科学的方法, 快速而精确地估算工程造价。 由于工程造价始终贯穿工程项目建设的全过程，为适应市场经济体制和工程项目中管理的需要，合理反映工程的实际造价，采取切实可行的对策确定和控制建设工程造价，都成为有效地控制工程建设管理的重要组成部分。 一、工程造价估算模型种类 目前国内外已出现很多投资估算方法，每种方法均有一定的优缺点和适用范围。其中，最小二乘回归模型法，虽然能克服单位面积法的缺点，具有较高的准确性，但其外推性较差；模糊类的模型建立起之后，计算较为简单，准确性较好，但是模糊关系系数、隶属系数、权重系数等数据均由经验确定并且在不断调整之中，增加了建立模型的难度。 随着模糊数学理论运用于工程造价测算中的发展，具有独特的优势。对待建工程、已建工程中的相似程序，进行研究和对比，可以快速利用已建工程的造价资料，估算待建工程的造价。这种方法可迅速而较准确地估算出工程造价，在建立广泛的信息来源以及备的信息数据库、信息管理系统之后，能保证估算工程数据的合理性、准确性。 二、神经网络的工程造价估算模型的基本原理 神经网络，即 Artificial Neural Network技术，是根据生物的神经系统作用原理发展的信息处理系统。它可以正确地处理复杂的非线性问题。与传统的数学方法不同，它具有自学习、自组织以及容错性等特点。基于对于数据的建立模型，能够有效计算出函数的最佳参数，使得设计出的系统能够更好地模拟输入输出关系。 1、神经网络的基本模型。 各典型工程建筑的特征构成了神经网络的输入层，将描述工程特征的基本信息，作为神经网络的输入向量，将所需工程造价，作为神经网络的输出向量。不同的输入向量要想得到不同的输出量值，可以利用已完成的典型工程的特征和造价作为训练样本，对于神经网络进行训练以实现输入到输出的映射。 2、神经网络的基本模式。 随机型网络、反馈型网络、前馈型网络和自组织型网络是神经网络的基本类型。这四种不同类型的神经网络各自具备不同的网络模型。Adaiine,BP网络及RBF网络是前馈网络的主要网络模式，Hopfield网络主要存在于反馈网络中，ARI网络是自组织网络的主要网络模式，Boltzman网络是随机网络的主要网络模式。 这些神经网络中，前馈型网络中BP网络与RBF网络较为适合于市政工程造价需要。其中，由于BP神经网络的收敛速度快、网络结构简洁实用、泛化能力强、预测精度高等特点，BP算法的多层前馈网已成为迄今为止应用最广泛的神经网络。BP算法的核心是学习过程由信号正向传播与误差反向传播这两个过程组成。据统计，有将近90％的神经网络应用基于BP算法。 3、神经网络的运行方式。 通常情况下神经网络具有两种不同的运行方式：前馈式和演化式。前馈式利用神经元非线性输入输出的关系，来实现从输入到输出的非线性映射；演化式模型相对复杂，在网络中，输入相当于初始态，输出是终态。这种网络类似耗散的动力学系统，在演化中，状态空间不断进行收缩，最终收缩成较小的存在吸引域的吸引子集。 三、神经网络估算法的具体应用 对项目工程造价估算，神经网络需要一定数量的样本作为训练，然后对其它工程项目进行估算。对建设工程造价的估算问题，可看成工程造价估算体系的输入到项目的单位造价的输出的非线性映射。输入指标体系的指标值，在神经网络进行估算，可以输出该项目的单位造价。 由于不同建设项目的功能和使用要求都存在不同，影响工程造价的因素也存在较大的差异。因此，根据建设项目类别，分类建立出估算对象的指标体系。 本文主