关于市政工程造价估算方法研究.docVIP

关于市政工程造价估算方法研究 　　摘要：工程造价的管理涉及面广、综合性强，并贯穿于市政工程管理过程中。如何合理确定、有效控制和科学管理市政工程的造价，对利用有限的资金更好地完成市政工程建设具重要意义。其中，采用合理的估算方法尤为重要。 　　中图分类号： TU99 文献标识码： A 　　关键词： 　　序言 　　近几年，伴随着我国国民经济的飞速增长及城市化进程的不断加快，在工程建设迅速发展的同时，关于工程造价估算的问题也日益突显出来。市政工程是土木工程的一个分支，一般是指城市道路、桥梁、给排水、园林绿化、燃气、城市防洪及照明等基础设施的建设，是保障城市正常运转和经济发展的物质基础和基本条件。大规模的市政工程建设使得市政工程造价估算及控制成为大家所关注的焦点。 　　一、市政工程造价估的意义 　　在工程造价控制当中，工程造价估算不仅是工程项目可行性研究的基础，而且也是制定招投标标底的依据。做好关于工程造价估算工作，确保投资决策阶段工程造价估算的及时性和准确性，使工程造价管理的全过程能有效地得到控制，对投资效益和社会效益来说都有着重大的利益，同时也可减少我国固定资产领域的损失。 　　由于市政建设规模大，建设周期长，工程预、结算审核方面的控制应贯穿于建设项目的全过程，随着市政经济的变化多端，使工程投资的确定与控制变得更为复杂，这就需要对工程造价的管理始终贯穿于项目的全过程，来合理确定工程造价。加强市政工程造价控制，必须重视建设前期阶段的工程造价管理。所谓前期阶段是指工程项目从可行性研究到初步设计 　　完成止的工程建设阶段。大量的事实证明,市政项目前期投资估算的偏差是造成其投资效益低下、三超现象屡禁不止的根源。所以，设计单位要进行合理的工程估算，这是控制基本建设投资规模、提高投资效益的关键。 　　二、市政工程造价估算方法 　　目前，国内外已出现的投资估算方法很多，依据适用范围和效果的不同，本文重点分析神经网络估算法，简要介绍模糊数学估算法和数理统计估算法。 　　神经网络估算法 　　1.神经网络估算法的原理 　　神经网络的应用模式跟工程概预算相似，有输入和输出。不同的是输入层所包含的内容不同，神经网络的输入层是由各个典型工程的建筑特征构成。把用来描述工程特征的信息作为神经网络的输入向量，将所需的工程造价作为神经网络的输出向量，利用己完的大量典型工程的工程特征，单位造价作为训练样本对网络进行训练，使不同的输入向量得到不同的输出量值，从而实现输入空间到输出空间的映射，这就是基于神经网络的工程造价估算模型。 　　通过对神经网络的应用模式进行研究得知，神经网络是由处理元件、神经元、无电元件等大量处理单元组成，这种处理单元广泛互连，最终形成一个整体的网络，它是一个非线性动力学系统，并以并行协同处理、分布式存贮和自适应学习为特色，直接使用非线性动力学系统进行样本数据输出层与输入层之间的非线性映射，非常适用于收集学习样本，但难以建立精确数学模型的问题。因此不需要精确的计算规则或方程，而工程估算造价正是这样一个问题。 　　2.前馈型网络之BP算法 　　从神经网络的基本模式看，主要有以下几种类型：前馈型网络、反馈型网络、自组织型网络和随机型网络。最适合于市政工程造价需要的有 BP 网络与 RBF网络，即前馈型网络。而BP算法的多层前馈网是迄今为止应用最为广泛的神经网络，并且据统计有近90%的神经网络应用是基于BP 算法的。并且BP 神经网络具有网络结构简洁实用、收敛速度快、预测精度高、泛化能力强的特点。BP算法的核心，是它的学习过程由信号的正向传播与误差的反向传播两个过程组成。 　　2.1基于BP算法的工程造价模型的建立 　　工程造价估算法的BP 网络程序主要由以下的模块组成： 　　样本数据库模块。主要包括已完市政工程项目的影响造价的工程特征因素、道路延长米工程造价。训练样本数量越多，样本的类似结构越多，样本的时间跨越越小，建立模型进行测算其精确度就越高。数据预处理模块。在BP 神经网络中每个神经元的输出值由传递函数sigmoid函数来计算，其输出值的范围是(-1，1)。BP 神经网络生成和创建模块。采用newff 函数可以用来生成BP 网络。在BP神经网络生成和初始化以后，即可利用现有的“输入——目标”训练样本数据对网络进行训练，网络的训练通常采用train函数来完成。 　　网络仿真模块和数据处理模块。BP神经网络的仿真，也就是对训练好的网络进行测试。由于很难直观地看出工程造价的实际预测结果，故必须再根据归一化函数的反函数对神经网络的输出值进行处理，称数据的后处理，然后才能计算出预测的单位工程造价，以此与工程造价的实际值进行比较，验证预测结果的准确性。 　　2.2.基于BP算法的工程造价估算的完成 　　神经网络