建筑工程造价估算模型研究综述俞键.docVIP

建筑工程造价估算模型研究综述俞键 目录 TOC \o 1-9 \h \z \u 目录 1 正文 1 文1：建筑工程造价估算模型研究综述俞键 1 2国内外研究现状 2 2.1国内研究现状 2 （1）类比工程法 2 （2）模糊数学法 3 1983年，王祯显教授提出建筑工程的造价本质上就是不 3 （3）比例估算法 3 （4）人工神经网络法 3 2.2国外研究现状 4 （1）BCIS估算模型 4 （3）神经网络估算模型研究 5 文2：新形势下建筑工程造价管理的研究综述 5 1现阶段建筑工程造价管理与控制存在的具体问题 5 （1）建筑工程造价管理制度落后 5 （2）参与建筑工程总价的技术人员个体差异大 6 （3）有关建筑工程造价管控的具体实施制度不合理 7 2建筑工程造价管理的实施方案 7 3结论 8 原创性声明（模板） 9 正文 建筑工程造价估算模型研究综述俞键 文1：建筑工程造价估算模型研究综述俞键 1引言 建筑工程造价的投资估算直接决定着一个项目的盈利能力。有研究表明，对工程总造价影响程度最大的阶段是项目建设前期的投资决策阶段，可高达75%~95%，其次是设计阶段，对工程造价的影响程度为35%~75%，而实际的施工阶段进行项目造价控制对工程总造价的影响只有5%~25%。因此，准确快速评估工程价值对于工程项目的投资规模有初步的了解，这对于业主投资方都有很实际的意义。工程造价估算中占有重要地位的则是建筑安装工程的造价。所以，建筑工程造价估算具有重要意义。建筑工程造价估算是建筑相关领域的重要内容，它可以为项目可行性研究提供重要依据，其准确与否直接影响项目投资决策。 2国内外研究现状 2.1国内研究现状 通过查阅文献发现，国内建筑工程造价的估算方式有很多种。比较成熟的方法包括类比工程法、模糊数学法、比例估算法、人工神经网络法等。 （1）类比工程法 类比工程法的程序就是通过采集不同年份的历史工程数据，建立案例库，根据拟建工程的项目特征，在案例库中查找类似的典型案例，比较拟建工程与典型工程，调整结构、装修、水暖电等差异的影响，利用典型工程的相似度与相关造价数据来确定拟建工程的造价。与其他估算方法相比，类比工程法的优势在于覆盖度高、信息可用性高、估价速度快等，但由于类比工程法的贴近度计算不够精确，导致最终的估算结果精度较差。 （2）模糊数学法 1983年，王祯显教授提出建筑工程的造价本质上就是不 王祯显教授提出建筑工程的造价本质上就是不确定的数字，具有模糊性的性质，基于此提出将模糊数学的方法运用到工程造价的估算中，由此得到了运用模糊数学法预测工程造价的新途径。将其用在工程造价预测中，可以量化工程中定性描述的部分，解决模糊、不清楚的问题。其在工程造价估算中的基本思想是对于某个欲估价工程，从大量已建成的典型建设项目中，查找得出若干个相似工程，根据这些相似工程的相关信息和数据，运用有效的预测方法，并引入模糊数学的相关理论，对拟建工程的工程造价或者工料机消耗量进行计算。 （3）比例估算法 比例估算法是把拟建工程项目总投资额或者其设备全部费用当做基本数据，而是用前面的数据乘以已完成建筑工程项目所占的分数比值，来计算拟建工程的造价估算额。 （4）人工神经网络法 神经网络的应用涉及到各个方面，尤其是自动控制、信息处理、模式识别等方面。而BP神经网络由于其非线性等独特的性质，可以很好的完成函数逼近、模式识别、分类应用和数据压缩等任务。建筑工程造价从一定程度上来说也是非线性的，无法用线性函数准确的表达出来，因此对建筑工程造价的预测可以看成是BP神经网络在函数逼近领域的应用。 基于神经网络的工程造价预测模型研究在目前来说处于起步发展阶段，比较典型的有：邵良杉以煤矿井筒工程的实际资料为例，应用BP神经网络估算模型对煤矿的井筒工程造价进行了估算。在建模过程中由于考虑了主要材料的价格变化，因此比较适用于动态的工程造价管理；聂规划建立了BP神经网络模型，对输入向量归一化、训练神经网络并让神经网络进行学习，然后对模型进行优化，并以实例来检验模型的精确度。樊振宇详细介绍了BP神经网络的典型算法，并运用神经网络算法来实现函数逼近，利用MATAB软件进行仿真模拟。刘婧对厦门市的55个案例分别采用BP神经网络、RBF神经网络进行建模和预测，根据测试结果对比BP神经网络与RBF神经网络的测试性能、误差和运行时间等。 2.2国外研究现状 （1）BCIS估算模型 BCIS最初由英国的工程造价信息服务部提出，20世纪50~60年代期间应用比较广泛。这种方法的主要原理是利用已建工程的单方造价进行估算，首先需要寻找一个和拟建工程相似的已建成工程的数据信息，根据这个工程的六