浅谈选煤厂建设投资估算的影响因素及改进措施.docVIP

浅谈选煤厂建设投资估算的影响因素及改进措施 　　摘要： 本文对选煤厂建设工程投资估算中影响准确性的因素进行了分析，并结合BP神经网络理论基于Matlab软件对选煤厂带式输送机及栈桥单位工程进行了数值模拟，通过对比数值模拟结果与概算指标估算结果，详细阐述了可以提高选煤厂建设工程投资估算准确性的几点建议。 　　Abstract： The affecting accuracy of investment estimate factors has been analyzesed in a Washery construction project. Numerical simulation has also been performed on trestle conveyor project of Washery combined with BP neural network theory. The paper also provides several suggestions on the improvement of estimating accuracy in Washery construction projects， through the comparing between the results of numerical simulation and budget targets. 　　关键词： 选煤厂；投资估算；准确性；BP神经网络 　　Key words： washery；investment estimate；accuracy；BP neural network 　　中图分类号：TU723.3 文献标识码：A 文章编号：1006-4311（2014）12-0019-03 　　1 问题的提出 　　我国富煤、少气、缺油的能源现状决定了煤炭是我国主要能源。随之煤炭产品质量要求更高，推动了洗选业的发展。选煤厂建设工程中出现的问题就越来越凸显，其中影响最大的问题出现在项目前期的投资估算中。主要问题如下[1][2]： 　　1.1 投资估算重要性被忽视 投资估算作为整个造价控制的源头，对整个建设项目的推进具有指导性作用。但是实际项目建设中，投资者和建设者都过多的关注施工阶段的造价控制，而将影响较大的前期的投资估算抛之脑后，从而导致对项目建设评估缺乏科学性、整体性。 　　1.2 投资估算参考资料不全面、可靠 项目在进行投资估算时，投资者需要明确各种条件，如拟建选址地点、建设规模、工程地质条件、实现功能及总体拟建结构等。但实际情况总是不尽如人意，而且时间要求紧迫，这些估算往往建立在投资者的各种假设情况下。对于选煤厂具有专业性强、牵涉的专业多、设备多自动化程度高的工程来说，较少的参考信息对其项目的投资估算的准确性影响就不仅仅是微弱或局部的了。 　　1.3 投资估算方法不合理 选煤厂建设工程是综合性建设项目，包括了多种复杂的系统，因此其投资额大、周期长、组织关系复杂，都决定了编制较高准确性的投资估算难度之大。用于编制投资估算的方法较多，但针对性不强，对复杂程度较大的选煤厂项目进行投资估算具有一定的局限性。同时，估算方法依据历史数据具有相对的滞后性，不能体现当下价格水平。 　　由于以上问题的出现，直接影响了估算的准确性，对项目的投资决策、方案设计带来一定阻力，甚至直接影响到工程建设能不能顺利进行。从实际工程建设过程中会发现，投资估算的结果误差率远远超出所应保证的范围。其中，传统投资估算方法不合理是影响投资估算准确性的主要因素。 　　因此，采用更为有效的投资估算方法十分必要，本文结合工程实例，就BP神经网络在投资估算方面的应用进行研究。 　　2 基于BP神经网络数学模型的投资估算 　　2.1 工程特征的选取 以某选煤厂项目的带式输送机及栈桥单位工程为估算对象。带式输送机及栈桥作为选煤厂中的“纽带”，用于水平运输或倾斜运输。选煤厂中栈桥是为运输原煤而修建的桥梁设施，采用的材料为钢栈桥。栈桥由桥墩、桥台、钢梁、跳板梁和升降机械设备等组成。栈桥下部结构为混凝土或钢筋混凝土的桥墩和桥台；上部结构为钢板梁或钢桁梁。桥墩和桥台是支承桥梁上部结构和荷载的构筑物。 　　通过所搜集大量已完选煤厂项目资料和相关数据的分析，可以将带式输送机及栈桥工程造价的影响因素归纳为以下7项：结构类型、长度、宽度、高度、檐平均高度、独基埋深和外墙板类型。 　　汇总已完工程的竣工资料，影响因素数值型变量的数据离散型比较强，变量之间数据差值较大，会影响模拟结果，因此需要对数据进行量化，量化依据见表1。其中结构类型和外墙板类型无法用数据简单描述，属于文字型变量，也需要进行量化，从搜集的数据中能够总结出以上两个文字型变量的可取值，并赋予相应相应的取值，