工程预测

工程预测（精选12篇）

工程预测 篇1

0 引言

我国的进入工程量清单计价模式的标志是2003年建设部颁布的《建设工程工程量清单计价规范》 (GB50500-2003) , 在工程量清单招标模式下, “综合评标法”和“最低价中标法”是我国相关法律明确规定评标方法, 随着我国建筑制度完善和市场化的招投标市场, 最低价中标法的运用越来越普遍。最低价中标法可以降低工程造价为招标人节约投资金额, 使得投资效益最佳, 也是国际招投标市场的通用评标方法, 能够体现招标投标公平、公开、公正的宗旨。虽然最低价中标法的优点很多, 但是它也有一个很大的缺点, 即判断投标报价是否低于成本的是非常困难的, 尤其在我国实行最低价中标法历史不长的国家显得尤为突出。因此, 解决好“投标报价是否低于成本的判断”这一问题, 对于规范建筑业市场秩序, 有效控制工程造价, 促进我国建筑业稳定、持续发展具有重要的意义。

国外对这一问题的相关研究几乎没有, 这是因为国外对承包商能够保证工程质量的条件下, 允许低于成本的报价参与竞标;其次国外的最低价中标法发展历史较长、制度较完善, 尤其是投标保函制度大大的降低了低于成本的报价中标的可能。国内关于投标报价低于成本的研究, 大多采用定性的分析方法进行探讨。少有的定量评标方法主要有:专家评估法、财务指标法、预算定额法、虚拟成本价法、未确知C———均值聚类模型和概率统计诊断模型等。这些分析方法都有一定的优点, 但是它们的缺点也很明显。专家评估法主观性太强、客观性不足;财务指标法存在人为操纵问题;预算定额把施工定额等同于企业定额显然不合理;虚拟成本法不具备操作性;均值聚类模型和概率统计模型理论上虽然可行, 但是实际操作较为复杂[1]。

基于以上分析, 本文提出了判断投标报价低于工程成本的定性研究方法:收集中标单位的工程量清单的价格数据, 以类似工程已中标的工程量清单的综合单价为数据基础, 构造与工程量清单项目编码相对应的分部分项价格指标, 利用灰色预测模型预测拟建工程的分部分项工程成本, 通过投标报价与预测的工程成本进行比较, 判断投标报价是否低于成本, 防止低于成本的报价中标。

1 模型建立

工程量清单是招投标活动和工程承包合同重要的组成文件, 它反应了承包商需要完成的工程项目和相应的工程数量。同时, 工程量清单也是招标人编制标底、投标人投标报价、工程变更以及工程结算的重要依据。因此, 工程量清单的质量直接决定着招投标的成败, 对工程成本管理和竣工决算有着重大的影响。

2003年, 建设部颁布的《建设工程工程量清单计价规范》 (GB50500—2003) 标志着我国的建设工程计价正式实行工程量清单计价模式。近些年来, 随着我国建筑业不断的发展, 工程造价数据资料的收集整理已经成为了工程造价管理的重要工作任务。工程造价数据资料的收集必须结合现有的工程计价模式, 这样才能够体现出数据的针对性和实用性。国内学者对造价数据资料的研究取得了大量的成果, 但是工程造价数据资料在建设工程招投标的研究成果相对较少。所以, 本文参考了现行的工程量清单计价模式并结合我国实际情况, 拟建立与工程量清单相匹配的预测模型价格预测模型。从而为判断投标报价是否低于工程成本提供依据。

1.1 价格指标的确定

我国建设工程招标投标是建立在工程量清单计价模式的基础之上, 加之本文研究的对象是工程量清单中分部分项工程的成本。因此, 为了提高造价数据的实用性和针对性, 新建立的价格指标必须与工程量清单的特点紧密结合。

由于建设工程的复杂程度差别很大, 工程量清单中分部分项工程的项目内容和数量也有很大的差别也。通过分析工程量清单计价规范和原则, 分部分项工程的项目编码以五级设置, 十二位阿拉伯数字表示。其中前四级分别代表了分类码、顺序码、节顺序码、清单项目名称码, 第五级代表了清单项目顺序码。在不同的工程项目招标中, 相同的施工项目, 其前四级的编码是不受项目自身的特点限制;第五级清单项目编码是依据拟建项目的自身特点确定, 由具体的工程项目决定。也就是说, 对于不同的同类建设项目, 分部分项工程的项目编码的前九位是固定的, 十至十二位是不同的。因此, 为了方便工程数据有效的收集和统一分类, 把同一工程量清单前九位项目编码相同的项目进行合并和统一, 这样不同的项目的造价数据可以统一的进行收集。如表1, 合并得到的结果为:矩形柱010502001。此文将合并后的项目综合单价定义为分部分项价格指标[2]。

分部分项工程项目数据的分类原则已经确定, 如何进行分部分项价格指标的确定呢?首先, 要确定分部分项价格指标的计量单位, 联系工程量清单的特征, 以工程量清单项目中规定的单位为计量标准。比如:混凝土工程以立方米为计量单位、门窗工程以平方米为计量单位、屋面排水管以米为计量单位。

怎样计算工程分部分项价格指标?考虑到工程量清单中, 前九位相同的清单项目的综合单价和工程量是存在差异的, 如果把它们将它们的综合单价进行简单的算术平均, 合并后的分部分项价格指标不仅没有可参照性而且不能体现工程价格意义。因此, 为了减少工程量和价格差异对分部分项价格指标造成的影响, 使构造的分部分项价格指标合理、科学。本文采用加权平均的计算方法。首先, 将前九位项目编码相同项目的工程量进行汇总, 计算出每一个项目工程量占汇总后工程量的比例, 最后, 把每一个项目的综合单价与其工程量的比例相乘并进行相加, 即得到合并后九位项目编码的分部分项价格指标, 其具体的计算方法如下:Ai=∑Pj×Cj%

其中:Ai:代表第i项分部分项价格指标;

Pj:代表合并项目中各分部分项工程的造价, 即各分项工程工程量乘以相应的综合单价;

Cj%:代表合并项目中各分部分项工程量占合并项目总工程量的比例。

以表1为例, 首先计算三种矩形柱的总工程量为673.51m3, 然后计算出各分部分项工程量占总工程量的权重分别为24.78%、38.66%、36.56%, 于是计算前九位统一的矩形柱造价指标为:385.79×24.78%+436.54×38.66%+446.69×36.56%=427.67元/m3。

1.2 工程造价数据的收集

(1) 数据收集的目标。收集数据建立数据库的根本目的是为本文的预测模型建立数据基础, 为招投标提供数据依据, 实现剔除低于成本的投标报价, 从而实现低价中标法的初衷。除此之外, 工程造价数据库的建立可以为专业人士的其它决策提供依据, 为造价咨询单位和相关造价专业人士提供方便, 规范我国的工程造价管理体系。

(2) 数据的收集范围。本文收集的价格数据必须反映的是先进的社会水平而不是预算定额反映的社会平均水平。由于先进优秀的企业往往能够通过其较高的生产技术管理水平在报价上获得优势而获取中标, 因此, 已中标的工程量清单的报价水平反映的就是先进的社会水平, 所以, 招标工程中标单位的已标价工程量清单的综合单价数据就是本文的数据基础。

(3) 数据的划分原则和标准。根据工程量清单和建设工程单件性的特点可知, 数据的收集是一个庞大的工程。因此, 为了避免收集的数据杂乱无章以及方便评标时使用, 提高数据的实用性和针对性, 必须建立数据分类的原则和标准。

工程的规模和类别存在差异, 会引起工程造价数据存在差异。比如, 对于工程量清单中的带形基础项目, 在高层建筑和低层建筑的单位价格是有区别的。因此在进行数据收集时, 应该选择工程规模和类别相近的价格数据作为参考, 充分考虑工程类别、建筑高度、结构形式和建筑面积等对工程造价影响较大的因素。否则通过预测得到的分部分项工程成本不具备参考价值。

本文参照了我国建筑类别分类的标准进行划分, 把建筑工程分为了工业建筑和民用建筑。其中, 工业建筑包括:单层厂房、多层厂房和混合厂房;民用建筑按照《民用建筑设计通则》GB503502—2005的分类标准, 把居住建筑、公共建筑、宿舍建筑、体育建筑、医疗建筑、交通建筑等10类, 如图1。本文以居住建筑中的住宅建筑为例说明数据收集的方法。住宅建筑数据的收集首先考虑建筑高度的影响, 建筑高度按照建筑的层数划分, 分为低层、中高层、高层、超高层;然后进入下一层, 建筑的结构类别判断。结构类别包括:剪力墙结构、框架结构、框架-剪力墙结构、框支剪力墙结构、无梁楼盖结构、核心筒结构;最后依据建筑面积的标准进行数据的分类收集, 如图2。这样的分类标准和原则使收集真理数据更加方便快捷。同时, 这种方法有利于使用时调取和查询[3]。

1.3 灰色预测模型

灰色系统理论是1982年邓聚龙教授创立的。它的研究对象是信息不完全、不确定的系统, 通过对已知无规律数据的分析研究, 找出原始数据内部存在的规律, 通过生成数据模型, 对下一期数据进行预测。灰色系统理论中最典型的内容就是灰色GM (1, 1) 模型, 其主要的特点是:数据量少、计算方便简单、预测准确性较高。这些特点不仅弥补了其他预测方法数据少、预测精度低的缺点, 同时其数据量要求少的特点与我国工程造价数据处于初步阶段的发展阶段相适应[4]。

设非负原始序列为:

称X (1) 为X (0) 一次累加生成序列;

若:Z (1) = (Z (1) (1) , Z (1) (2) , Z (1) (3) …Z (1) (k) ) ,

称Z (1) 为X (1) 的紧邻均值序列;

那么X (0) (k) +aZ (k) (1) =b为GM (1, 1) 模型的基本形式。

若为参数列且

那么GM (1, 1) 模型X (0) (k) +aZ (1) (k) =b的最小二乘估计参数列满足

则GM (1, 1) 模型X (0) (k) +aZ (1) (k) =b的时间响应序列为

其中表示预测值的一次累加值。

还原值即预测计算公式为:

由灰色预测模型可以看出, 当我们掌握了前几期的分部分项价格指标时, 通过数据处理, 就可以预测到本期的分部分项价格指标即分部分项工程成本。

1.4 工程造价数据的选取要求

分部分项价格指标数据的收集以及灰色预测得方法已经确定, 但是在选取已经收集的分部分项价格指标时也要考虑其它一些因素, 这样才能体现数据的价值性, 反应真实的价格水平, 真正的为招投标中报价低于成本判断提供有力的依据。由于我国地域广阔, 市场信息不对称, 地区之间的价格水平存在差异, 因此不同地区的材料价格、人工价格和机械台班价格是不同的, 而这些价格之间的差异会直接反映到工程量清单的综合单价上, 直接会影响分部分项价格指标。基于此, 本文以每个地级市为界限选取分部分项价格指标, 从而减少地区差异带来的价格差别。

本文在选取分部分项价格指标时必须的参考数据收集时的分类进行选取, 如某项目为框架结构, 总共32层, 建筑面积2.8万平方米的住宅商品房, 在已收集的数据中按照“住宅建筑———超高层 (30层以上) ———框架结构———建筑面积2-8万平方米”的标准去查找。考虑到我国对于工程造价数据的收集处于起步阶段收集的数据相对较少, 并且灰色预测模型具有“少数据、贫信息”的特点, 因此, 在使用灰色预测模型是通常选取该项目之前的10项类似工程中标的分部分项价格指标为基础。这里的之前10项类似工程指的是招标项目按时间顺序中标的类似工程, 体现的是数据的实效性。

本文的数据收集、选取以及分部分项价格指标的构建都是以类似工程中标单位的已标价工程量清单中的综合单价为基础。由综合单价的组成可知, 分部分项价格指标的构造不仅包括了人工、材料价格因素对工程成本的影响, 同时还包括了企业管理水平的变化, 施工技术水平的提高以及整个行业技术水平的变化对工程成本的影响, 这充分体现了分部分项价格指标的真实性和时效性。

2 案例实证

自贡市自流井区2014年3月份的某住宅高层建筑为对象, 选取分部分项工程中矩形柱的价格指标为例。该项目是一个框架结构, 建筑面积2.5万平方米, 28层的住宅商品房。

根据该项目的建筑高度、结构形式以及建筑面积从已经收集的自贡市分部分项工程中选取该项目之前的十个类似工程中标的已标价工程量清单数据, 然后按照分部分项价格指标的构建方法计算出矩形柱 (010502001) 价格指标并且按招标的时间顺序排列, 如表2。

从表2中可以看出第7项数据明显与其他数据的偏差较大, 这可能是由于是不平衡报价引起或者是其他客观因素造成, 因此为了保证预测的准确性和可靠性, 将第7项数据剔除。然后, 对初始数据序列进行一次累加, 得到一次累加序列:X (1) = (385.79, 822.33, …, 3673.22) 。

根据一次累加序列, 可以得到矩阵B和向量Y分别为:

由式 (1) 求参数列:

所以a=-0.004407606;b=404.625589

令k=9, 得到预测值为:423.79元/m3, 即为本次招标矩形柱的工程成本。实践证明, 本次中标的矩形柱综合单价为425.60元/m3, 略高于预测的工程成本, 说明了矩形柱的中标价是不低于工程成本的。

综上所述, 该模型是具有实际意义的。但是该模型成败的关键在于数据的准确性和可靠性, 由于招标站的职能之一是对中标合同进行备案, 因此招标站拥有可靠、准确的数据资料。所以招标站应当做好数据的分类整理工作, 为建筑施工招投标提供服务, 这样大大提高了模型的实用性。

3 结束语

目前, 在我国的评标过程中, 首先要解决的问题是投标报价的界定, 它是实行最低价中标法的前提条件, 其根本目的就是防止投标人以低于成本的投标报价中标。投标人为获取中标会不惜压低投标报价, 如果低于成本的报价中标, 在施工过程中, 可能造成资金问题引起的不能按时完工或者完工后存在质量问题, 使得建筑单位和施工单位双方造成损失。运用灰色预测模型可以很好的为判断投标报价是否低于成本提供重要的依据。与以往的判断方法相比, 该模型是从历史数据资料出发, 研究数据发展的内在规律, 体现了模型的科学性。

与此同时, 该模型的实际操作性较强, 利用历史中标数据的发展规律, 预测现有的工程成本, 排除了人为等客观因素对成本判断造成的影响, 提高了评标的公正性。但是利用已标价的工程量清单中的综合单价预测工程成本虽然在逻辑上可行, 但是缺乏有力的理论证明, 因此, 还须在这方面做更多的研究。

参考文献

[1]吴怀俊.基于工程成本不确定性的低价评标方法研究[J].煤炭工程, 2010, 6:121-124.

[2]何婧.基于合理低价中标模式下价格指数模型分析[D].四川:西南交通大学, 2012.

[3]黄伟.工程造价信息平台的构建研究[D].重庆:重庆大学, 2009.

[4]程亚鹏, 张虎, 张庆宏.GM (1.1) 模型在房地产价格指数预测中的应用[J].河北农业大学学报, 1999, 07:90-93.

工程预测 篇2

 2011年农网升级改造工程情况预测分析 国务院办公厅日前转发发展改革委有关通知，要求各地和国务院有关部委在“十二

五”期间实施新一轮农村电网改造升级工程，加强农村电力基础设施建设，满足农民生活和农业生产用电需要，进而加快改善农村民生，缩小城乡公共事业发展差距。根据通知，中央将加大资金支持力度，中西部地区农村电网改造升级工程项目资本金主要由中央安排，继续执行每千瓦时电量加收2分钱的农网还贷资金政策，专项用于农村电网建设与改造升级工程贷款的还本付息。在改造范围上，工程将“全面开花”。通知还提出了农村电网改造升级的主要目标：“十二五”期间，全国农村电网普遍得到改造，农村居民生活用电得到较好保障，农业生产用电问题基本解决，县级供电企业“代管体制”全面取消，城乡用电同网同价目标全面实现。

通知提出，“十二五”期间，我国将基本建成安全可靠、节能环保、技术先进、管理规范的新型农村电网。在具体举措上，通知提出，首先要加大资金支持力度。中西部地区农村电网改造升级工程项目资本金主要由中央安排，东部地区农村电网改造升级工程项目资本金由项目法人自筹解决。鼓励项目法人加大资金筹措力度，加快农村电网改造升级步伐。

同时，完善农网还贷资金管理。继续执行每千瓦时电量加收2分钱的农网还贷资金政策，专项用于农村电网建设与改造升级工程贷款的还本付息。有关部门要加强监管，指导督促电网企业严格按照国家有关规定征收、使用农网还贷资金，同时，要积极研究农网还贷资金统筹使用机制，加强对中西部地区的扶持，建立对农村电网建设改造、运营维护持续投入的长效机制。

此外，还将深化农村电力体制改革。全面取消县级电网企业“代管体制”，按照建立现代企业制度要求和公平自愿原则，通过无偿划转、股份制改造等多种形式，建立有利于促进农村电力健康发展的体制机制。地方管理的电网企业也要深化改革，鼓励与大电网企业通过各种形式的合作或融合，提高供电能力和服务水平。

据了解，农网升级改造工程将“全面开花”。首先，针对未改造地区的农村电网(包括农场、林场及其他独立管理地区的电网)，按照新的建设标准和要求进行全面改造，彻底解决遗留的农村电网未改造问题。

而对于已进行改造，但因电力需求快速增长出现供电能力不足、供电可靠性较低问题的农村电网，按照新的建设标准和要求实施升级改造，提高电网供电能力和电能质量。

此外，根据各地区农业生产特点和农村实际情况，因地制宜，对粮食主产区农田灌溉、农村经济作物和农副产品加工、畜禽水产养殖等供电设施进行改造，满足农业生产用电需要。业内专家介绍，农村电网是农村重要的基础设施，关系到农民生活、农业生产和农村繁荣。自1998年实施农村电网改造、农村电力管理体制改革、城乡用电同网同价以来，我国农村电网结构明显增强，供电可靠性显著提高。但是，受历史、地理、体制等因素制约，目前我国农村电网建设仍存在许多矛盾和问题。特别是中西部偏远地区农村电网改造面低，农业生产供电设施以及独立管理的农场、林场、小水电自供区等电网大部分没有改造，部分地

科学家预测的未来生物工程 篇3

500万年后：冰河期再现，白色精灵的地盘

500万年后，又是一个冰河期，极地的冰又会大量增加，覆盖的区域就像上次冰河期一样大。到那时，现在的法国北方会非常寒冷，北极圈到时会扩展到巴黎，冰厚达两公里。而地中海已经干涸，变成一片巨大的盐层。

500万年后，亚马逊热带雨林也不复存在，整个亚马逊成为一个大草原，就像是今天的南美大草原一样。美国堪萨斯州变成寒冷的不毛之地，整个北美地区都会变成沙漠。这样的环境已经不适合人类居住，而那时主宰地球的将是一些奇特生物。

在北欧地区是一片冰原，那里生活着雪地跟踪兽、鲱鸟鲸和粗毛鼠，而北美则成了一片沙漠，生活着死亡收集者鸟、斯宾克鸟和格格背兽，亚马逊雨林已经变成了大草原，巴布卡里狒狒和卡拉基拉鸟是那里的主宰。

1亿年后：温室地球时代，海洋幽灵四处漫游

1亿年后，由于南极洲和格陵兰冰盖融化，那时的海平面比现在的海平面要高100米。孟加拉湾变成巨大的沼泽地，澳洲和亚洲合成一个大高地，像是新的喜马拉雅山。而莫斯科已经是一个巨大浅海。曾经荒无人烟、似乎毫无生命迹象的南极洲大陆，在板块构造运动的推动下，一直向北漂移，漂到了温暖的水域。

1亿年后，那时已经没有工厂向大气中释放二氧化碳等温室气体，但那时的地球却炎热得像座大火山，向大气中释放出一氧化碳和一氧化硫等气体，大气中富含二氧化碳和氧气，那时候，在浅海区生活着海洋幽灵水母和暗礁滑行鱼，而在孟加拉湾则有潜伏鱼、塔拉顿龟和沼泽章鱼，大高原的动物有大蓝风信使鸟、银蜘蛛和波格兽。

2亿年后：泛吉陆第二期，沙漠动物杀出重围

到了2亿年后，所有高级脊椎动物种类都会消亡，最大的食草动物是可怕的鱿鱼。2亿年后的地球只有一个大陆，被一个大洋包围着，就像蛋黄被蛋清包围着一样。月球的引力让地球速度变慢，那时一天有25个小时，所有的大陆都漂移碰撞在一起，成为一个完整的大陆，中央是干旱荒芜的沙漠，但在大陆周围靠近海洋的地方则有雨林，现在的大洋自然合并成“全球洋”，那时候的大洋比现在更狂暴，气候条件极端，飓风经常发生，大洋的中心离最近的大陆也有1万英里远。

在全球大洋中生活着沙克帕斯鲨鱼、银壳鱼、弗利什鱼、彩虹鱿鱼，大黄蜂生活在沙漠，沙漠中的动物还有土节虫、花园虫和滑丝带虫等，在北方森林中，大鱿鱼、斯奎本鱿鱼和滑管菌在那里漫游。

大蓝风信使鸟

生活在大高原，由于有着明亮的蓝宝石一样的羽毛而得名。这种鸟有四只翅膀，两只长在背部，用于高空飞翔，另外两只长在腿上，便于在树林里运动。它们借助上升的热空气和风力飞翔。

鲱鸟鲸

生活在北欧地区，对付食肉动物的秘密武器是喷射出有毒的呕吐物，这种呕吐物是半消化的鱼类食物。在海豚和鲸灭绝后，这种动物成为北欧地区的主要海洋动物，长得介乎海狮和海鸥之间。

沙克帕斯鲨鱼

生活在全世界的海洋中，这种能够发出冷光的鲨鱼是海洋中最凶猛的捕食者，它的速度、力量和感觉能力令人无法想象其每平方英寸的咬合力达到4方磅！

塔拉顿龟

生活在孟加拉沼泽地，站立时身高约7米，重达120吨，每天吃1300磅草木。它们拥有一套特殊的消化系统，强健的胃用以碾碎食物，充满活性菌的肠子用以消化草本食物。它们是地球有生物以来最大的动物，比恐龙还大。

巴布卡里狒狒

巴布卡里狒狒将是地球上唯一幸存的哺乳动物，它们生活在亚马逊大草原上，每一天在草地的水池中捕鱼时都面临着被卡拉基拉鸟吃掉的危险。它们非常聪明，用草叶编织陷阱，然后放进水里的洞里。一旦有鱼将其当成窝钻进去后，它们就迅速拿出草网来。

弗利什鱼

生活在全球海洋，它们的鳍变成了翅，而且经过进化拥有了弹射颌，从海洋中捕捉食物。

卡拉基拉鸟

生活在亚马逊草原，有一对长着爪子的翅膀，每小时可跑40英里，使之成为最强大的捕食动物。这种鸟从现代的中南美洲长腿兀鹰进化成为肉食猛禽，可长到8英尺高，长着大大的钩状嘴和强壮有力的爪子。头上是鲜红色的鸟冠，就像是孔雀开屏一样美丽。

彩虹鱿鱼

建筑工程项目造价预测研究 篇4

关键词：工程造价,预测方法,风险

由于建设项目工程造价全过程管理在我国的运用还处于较新阶段, 许多工程造价仍然延用过去传统的管理方法, 使得许多工程的造价管理出现较多的问题, 虽在改革开放的二十多年里, 工程造价取得了长足的进步, 但新的世纪里, 我们仍面临着严峻的挑战。由于建设工程项目需要消耗大量的社会 (工、料、机) 资源, 它投资大、建设周期长、综合性强, 关系到建设各方的经济利益, 对国民经济的影响重大。建设项目工程造价管理在项目管理中占据着非同寻常的作用, 它不是简单的施工阶段工程造价的预测与管理, 而是涉及到项目的构思、可行性研究、设计、招标、施工、交付使用, 甚至融资、运营等多方位、全过程的综合管理。

1 全过程造价预测

1.1 设计阶段的预测

工程质量标准是从工程的性能、寿命、可靠性、安全性和经济性五个方面综合考虑制定的。在工程建设中, 只有质量合乎要求的才能交付使用, 才能发挥投资效果。预测工程造价必须贯彻技术与经济相结合的原则。为此可从下列几个方面着手:运用价值工程原理, 深入分析工程的功能, 合理确定质量标准;大力推行工程设计的招投标制;推行限额设计;降低质量成本。

1.2 在建设工程招标阶段的预测

(中华人民共和国建筑法) 第十八条指出:“建筑工程造价应当按照国家的有关规定, 由发包单位与承包单位在合同中约定。公开招标发包的, 其造价的约定须遵守招标法律、法规的有关规定。”由此, 我们得出以下几点结论:

(1) 招投标时的竞标价格应该是工程成本价格与含有一定利润的工程价格区间内的一个价格。

(2) 按计价依据确定的工程价格是一个反映社会相关工程的平均价格 (含利润) 。

(3) 中标价格是工程施工前的一个预期价格, 而完整的工程价格包含合同价款 (中标价格) 、追加合同价款和其它款项。

1.3 招标阶段的造价预测方法

招标阶段的造价预测就是要确定工程标底。工程项目招标阶段工程造价的预测应准确把握设计图纸, 编制招标文件, 确定招标工程标底, 通过评标定标, 选择中标单位, 并确定承包合同价。

在实际运用中, 往往因为设计图纸的不全, 以及材料的交更, 或因市场价的不断变化, 难于有准确的工程标底。通过模糊模式识别、模糊聚类分析、计算机模拟技术三种数学方法, 可以较为准确的确定工程项目的造价。

1.3.1 模糊模式识别

模糊模式识别是一种通过采集相似的模糊样本的基础上进行识别分类的一种模糊数学方法。在实际应用中, 往往通过采集众多的历史统计资料, 然后对其与待预测事物的相似性进行识别, 从而达到估算的目的。

1.3.2 模糊聚类分析

模糊聚类分析也是一种通过采集相似的模糊样本的基础上进行分析的一种模糊数学方法。在实际应用中, 往往通过采集众多的历史统计资料, 然后待预测事物与采集的样本进行合理分类, 从而达到估算待预测事物的目的。

1.3.3 蒙特卡罗计算机模拟技术

把计算机模拟技术引进到工程造价预测中来, 在招标阶段可将获得的各种不可预见因素加以模拟, 在这一阶段进行消除, 得到比较准确的造价预测。在造价分析中应用蒙特卡罗模拟技术, 利用这些参数的概率分布来得出对造价预测的一系列模拟。

1.4 实施阶段的造价预测方法

项目实施阶段的工程造价预测是建设项目全过程综合造价管理的重要组成部分。工程项目实施阶段在预测工程造价方面可从如下几点着手:

(1) 正确理解设计意图, 严格预测设计变更, 对设计不妥的地方及时更改;

(2) 熟练运用定额, 合理进行现场签证;

(3) 审查施工组织设计, 选择合理的施工方案, 有效预测造价。

在工程实施的过程中, 应用价值工程对实施阶段材料及施工方案的选择进行分析, 以及综合应用概预算定额的方法来达到工程项目实施阶段预测工程造价。

2 工程造价预测方法的应用

2.1 工程概况

某房地产公司通过竞拍, 投资1.2亿元得到临河的500亩建设用地。该建筑地处某大学, 周围有已经刚刚完工的两所住宅小区。其中一个已经销售95%, 另一个也已经销售了80%。另外用地周围还有大量的农舍, 一块已经被别的公司竞标的土地约400亩。

2.2 策划阶段造价预测方法应用

公司策划部门根据公司实力、开发经验及市场形势进行了多种方案的收益及概率分析, 并通过应用效用理论进行分析, 最终确定了投资方向为建筑8栋高层住宅及1栋商用楼。

2.3 设计阶段造价预测方法的应用

地产公司对设计的商品住宅小区的设计质量进行评估, 通过模糊综合评判的数学模型方法, 得出人们在经济性、适用性、小区环境 (人文、自然、建筑外观) 及配套设施四项指标中, 对经济性、小区环境 (人文、自然、建筑外观) 的重视程度比较高, 因此房地产开发公司在对该项目进行开发时, 加强了这两项指标的权重。

地产公司对1号楼框架结构面积12 560 m2的造价进行预测, 通过近几年类似工程的分析和灰色预测数学模型, 得出造价预测值为:12 560×1 198=15 046 880 (元) 。

对住宅楼的设计质量进行选优, 设计人员根据建设单位的要求及现场情况提供了A、B、C、D四个设计方案。通过调查研究, 统计了人们关心的设计质量指标。价值工程小组根据调查情况设置了平面布局, 采光通风, 层高与层数, 牢固耐久, 建筑造型, 室外装饰, 室内装饰和设备, 环境设计, 技术参数, 施工进度快和造价等十一项指标进行评价。住宅楼造价限定在1504万元之内, 通过价值工程得出B设计质量最优, 但投资超过最大限值, C的技术参数高于D, 但D的经济指数远高于C, 因此, 从技术性指标和经济性指标两个同等重要的方面衡量, D为四个方案的最优方案。

2.4 招标阶段造价预测方法的应用

地产公司采集了与这栋新建商品住宅楼具有大致相似的特征的四栋商品住宅楼的资料。利用模糊模式识别方法将住宅楼的预测单方造价确定为1 183元/m2。

根据当地当时的市场, 将标底预测在1 160元/m2至1200元/m2的范围之间。

2.5 实施阶段造价预测方法的应用

在住宅楼工程的实施阶段, 技术人员利用价值工程对室内管道的改造, 节约费用2万元。同时综合利用定额, 根据当地丰富的劳动力资源和当地居民对市场价格的咨询, 节约费用5万元。

3 结束语

工程造价的预测必须从立项就开始全过程的预测, 从工程建设的前期准备工作的开始抓起, 项目设计、施工, 直到工程竣工验收为止。在建设工程造价管理中, 不仅造价预测要合理, 另外, 实际造价也不能随便超概算。在造价预测时, 工程造价要努力实现科学合理;在预测实际造价时, 开展科学的工程造价预测, 使之不超概算。把建设项目工程造价的预测看作是一个全过程的管理, 在每一个管理阶段都要把好关, 才能最终预测整个建设项目的成本。

参考文献

[1]刘伊生.工程造价管理基础理论与相关法规[M].中国计划出版社, 2006.

[2]尹贻林, 龚维丽, 严玲, 等.工程造价计价与预测[M].中国计划出版社, 2003.

[3]全国造价工程师考试培训教材编写委员会.工程造价计价与预测[M].中国计划出版社, 2006.

工程预测 篇5

甘肃美术 最高分220.14，最低分216.24

河北美术 最高分550.838，最低分539.9

陕西美术 文：最高分235，最低分230 理：最高分207，最低分207

国家专项 最高分548，最低分505

地方专项 最高分572，最低分505

广西美术 文：最高分578.99，最低分562.98 理：最高分607.999，最低分574.99

黑龙江美术 文：最高分505.30，最低分491.70 理：最高分477.60，最低分477.60

安徽表演 最高分680.06，最低分665.93

安徽美术 最高分761.22，最低分738.13

福建美术 历史类：最高分523.2，最低分510.8 物理类：最高分519.8，最低分506.1

江苏普通类(物理类) 最高分516，最低分488

江西美术 最高分541.74，最低分537.96

山东美术 最高分559.55，最低分541.05

江西理工 最高分557.97，最低分545.97

湖南普通类(物理类) 最高分530，最低分504

浙江普通类 最高分587，最低分552

安徽文理平行志愿 文：最高分586，最低分569 理：最高分547，最低分503

电气工程及其自动化(中外合作)：最高分510，最低分491

辽宁普通类(物理类) 最高分：545，最低分517

河南美术 文：最高分265，最低分238 理：最高分255，最低分218

河北普通类(物理类) 最高分537，最低分511

上海普通类(物理类) 最高分443，最低分431

山东普通类(物理类) 最高分537，最低分499

广东普通类(物理类) 最高分540，最低分504

安徽文理征集志愿 文：最高分579，最低分570 理：最高分552，最低分498

湖北表演 最高分249.78，最低分235.8

湖北普通类 物理类：最高分551，最低分510 历史类：最高分538，最低分538

湖南表演 物理类：最高分301.9，最低分294.8 历史类：最高分295.2，最低分290.6

山西美术 最高分242.8，最低分231.2

山西理工 最高分501.09，最低分497.09

福建普通类 物理类：最高分528，最低分498 历史类：最高分530，最低分530

电气工程及其自动化(中外合作)：最高分502，最低分499

河南理工 最高分536.11，最低分507.11

黑龙江理工 最高分437.08，最低分414.09

四川理工 最高分522.13，最低分512.11

陕西理工 最高分445.11，最低分432.10

安徽工程大学是985还是211大学?

根据全国985和211大学名单可知：安徽工程大学不是985大学，也不是211大学。

安徽工程大学简介

安徽工程大学(Anhui Polytechnic University)，以工为主的省属多科性高等院校和安徽省重点建设院校，坐落在国家级开放城市芜湖。

工程预测 篇6

摘要：中梁山位于观音峡背斜南部，地质条件复杂，岩溶发育。文章结合某隧道工程，根据水文地质调查、钻孔试验等，查明隧址区岩溶发育现状，分析岩溶发育的规律及其控制性因素。分别采用水均衡法和地下水动力学法对隧道可溶岩段涌水量进行预测预测结果表明正常涌水量为79816m3/d，最大涌水量为123101m3/d。

关键词：岩溶发育；隧道涌水量；水均衡法；地下水动力学法

1. 区域地质概况

1.1 地质背景

隧道横穿中梁山，区内地形受地质构造及地层岩性控制。中梁山位于川东褶皱带重庆弧形构造的观音峡背斜南延部[1]，该区的地质构造主要以隔档式构造为主，即由一系列平行的背斜和向斜相间组成。地层主要为一套海相与浅海相碳酸岩盐、碎屑岩和内陆相碎屑岩沉积，出露的地层除白垩系、第三系缺失外，自二叠系至第四系均有不同程度的发育。区内地形由窄条状山脉和丘陵谷地组成，沿NNE方向展布，背斜成山，向斜成谷，山高谷深，岭谷相间，地形受岩性控制，背斜轴部的石灰岩、白云岩形成岩溶槽谷，坚硬的须家河砂岩组成单面山，侏罗系红层组成丘陵，形成本区多样化的地貌景观。隧道横剖面见图1。

1.2 水文地质条件

隧道所在的中梁山脉横向上受地形切割，纵向上被长江、嘉陵江及其支流切割，受观音峡背斜的影响，在白市驿镇、狮子岩、重庆东站一带地下水向南北两端径流。根据含水介质岩性、地下水动力特征等的差异性，隧址区可划分为碳酸盐岩类含水层和碎屑岩类含水层及泥岩隔水层。

1.2.1 碳酸盐岩类含水层

主要由嘉陵江组（T1j）、雷口坡组（T2l）、飞仙关组（T1f）、长兴组（P2c）灰岩、白云质灰岩、白云岩夹角砾状灰岩等组成，分布于观音峡背斜轴部，属中等富水性弱透水性岩溶裂隙含水层。

1.2.2 碎屑岩类含水层

由须家河组（T3xj）中～厚层砂岩组成，呈条带状展布于陡崖及陡倾的斜坡地带。其含水性和裂隙发育成正比，随着深度的增加，裂隙发育减弱含水性减弱。主要分布在陡峻的斜坡地带，地表排泄良好，入渗较差，但出露面积广泛，岩层的张裂隙发育，也有助大气降雨的入渗，总体含水性中等。

1.2.3 隔水层

隧址区隔水层包括侏罗系紫红色泥岩、须家河组页泥岩及飞仙关组泥岩，详细概述如下：

（1）侏罗系各组地层：以紫红色泥岩为主，夹薄层砂岩，渗透性小，富水性贫乏，为相对隔水层。

（2）须家河组隔水层：为该组一、三段，以页岩、炭质页岩、泥岩为主夹薄层、粉砂岩，隔水性能良好。

（3）飞仙关组隔水层：为该组二、四段，以泥岩为主，夹泥质灰岩、钙质页岩，隔水性能良好。

2. 岩溶发育规律

2.1 岩溶发育现状

隧道穿越可溶岩有三叠系雷口坡组（T2l）、嘉陵江组（T1j）、飞仙关组（T1f）、二叠系长兴组（P2c）地层，岩溶发育形态有岩溶洼地、岩溶漏斗、落水洞、溶洞、溶蚀裂隙等。遂址区岩溶发育极不均匀，最大的有数十米高的溶洞，小至数毫米的溶隙和溶孔。岩溶槽谷地面深度200m以上岩溶较发育，以下岩溶有随深度增加而减弱的规律。岩溶发育受地

质构造控制，以顺层发育为主，并且集中在可溶岩与相对不溶岩接触带附近，岩溶水主要顺岩溶管道顺纵向流动，排泄于横向沟谷，局部顺穿层裂隙发育，岩溶水顺裂隙面排泄于纵向沟谷中。根据野外调查和钻孔揭露，在不同的可溶岩地层中，岩溶的发育程度不尽相同。

2.2 岩溶发育规律及控制性因素

2.2.1 岩溶发育规律

根据水文地质调查和钻孔资料，隧址区岩溶发育规律如下：

（1）分水岭距隧道线路约4.5km，从分水岭到西翼槽谷线路、东翼槽谷线路以南1.4Km区域内岩溶水顺裂隙面排泄于横向沟谷中；

（2）在顺裂隙面排泄的岩溶水集中处往往出现落水洞（或岩溶洼地），岩溶水一部分下渗，一部分排泄于横向沟谷中；

（3）穿层的岩溶水顺裂隙面排泄于横向沟谷的现象越发育，则其下渗或沿岩层走向作纵向流动的现象就越弱；

（4）落水洞主要集中分布于飞仙关三段、嘉陵江组地层。

2.2.2 岩溶发育控制性因素

隧道区内可见的岩溶形态有漏斗、落水洞、溶洞洼地、溶孔、溶隙等。区内岩溶发育主要受控于如下因素：

（1）可溶岩和隔水层的分布决定了岩溶发育的边界，在可溶岩与非可溶岩的界面上多发育溶蚀现象。

（2）岩溶发育受可溶岩纯度控制，嘉陵江组的中上部、飞仙关组地三段岩性较纯，洼地、落水洞、暗河、溶洞等分布最多。

（3）岩溶发育受构造控制，线路区东西各发育有高位岩溶槽谷，主要由嘉陵江组及飞仙关第三段组成，褶皱顶部主要发育纵张裂隙及陡倾的岩层面，有利于地下水及地表水的集中循环，利于岩溶发育。

（4）岩溶发育受地形地貌控制，地形的切割和沟谷的发育影响水循环的路径及岩溶的发育强度。调查显示，槽谷区的大气降雨经落水洞向坡脚的水平溶洞排泄；线路区的深部地下水做纵向运动向长江排泄，在东翼冲沟地带也有岩溶大泉越流补给，经须家河组砂岩排泄。

2.3 岩溶发育强度垂直分带

地下水运动是岩溶发育的重要条件，从地表向地下，地下水的运动逐渐减弱，岩溶发育强度也逐渐减弱[2]。根据岩溶发育强弱，将岩溶发育强度相似的划分为同一个岩溶发育带，将岩溶发育强度差异较大的部分划分为不同岩溶发育带。根据隧道所在区域岩溶水的水动力的特征，将区内岩溶分为4个带，见表1。

3. 隧道涌水量预测

3.1 隧道涌水量计算方法

隧道涌水量常用非均质紊流方法进行计算，并根据不同的边界条件进行选择，目前常用涌水量计算方法为比拟法、水均衡法和地下水动力学法[3]。

（1）比拟法

比拟法是通过类比相似水文地质条件的隧道工程，以既有隧道工程涌水量计算拟建隧道工程的涌水量，计算结果的准确性取决于两隧道工程的相似性，相似性越高则结果越准确。

（2）水均衡法

水均衡法是在查明隧道施工期各收入、支出部分之间的关系，根据水平衡原理计算施工阶段涌水量，水均衡法包括地下水径流模数法和降雨入渗法。

①地下水径流模数法：Q=M·F式中：Q——地下水迳流量（m3/d）：F——含水层出露面积（km2）；M——地下水迳流模数（L/s·km2）

②降雨入渗法：Q=2.73·λ·h·F式中：Q——地下水迳流量（m3/d）；h——多年平均降雨量，本区为1213.5mm；F——含水层出露面积，km2；λ——渗入系数。

（3）地下水动力学法

工程预测 篇7

工程建造价格的预测也就是对工程进行估价。所谓工程估价就是对一个计划中准备建设的上程在实施之前对其预期价格进行预测。工程的建造价格是建设单位关心的主要问题, 对于拟建工程项目来说, 如何在没有具体的施工图纸和方案时, 对项目做出预测估价, 从而决定工程最优方案和控制投入是一个项目成败的关键所在。与此同时施工单位对工程造价更加重视。如何降低工程成本, 增加企业利润是他们的责任, 这就要求施工单位根据工程的特点和要求, 预测工程造价。也就是我们常说的事前控制。目的是掌握各种形式的工程综合价格, 在工程招投标时控制预算, 最终以合理价中标。因此对一个工程进行既快又准确地预测, 对业主、受业主委托的咨询机构以及投标者来说, 都是一件至关重要的工作。在工程建设的每个阶段, 业主都要预测拟建工程的全部预期价格, 据此确定标底、评标与定标。对于投标者来说, 工程造价预测则是决定投标成败以及在工程实施过程中能否盈利的关键。

2 工程建造价格预测在工程建设中的重要作用

一方面投资计划是按照建设工期、工程进度和建设工程价格等逐年分月加以制定的, 正确的投资计划有助于合理和有效地使用资金。工程造价预测过程就是对造价的控制过程。而每一次预测对下一次估算又都是严格的控制。因此工程造价预测可以有效控制资金投入。一方面投资体制的改革和市场经济的建立, 要求项目的投资者必须有很强的筹资能力, 以保证工程建设有充足的资金供应。工程造价预测基本确定了建设资金的需要量, 从而为筹集资金提供了比较准确的依据。另一方面在市场经济中, 工程造价也受供求状况的影响, 并在围绕价值的波动中实现对建设规模、产业结构和利益分配的调节。在政府正确的宏观调控和价格政策指导向下, 工程造价预测今后在这方面的作用会更加充分地发挥出来。基于以上三个方面, 工程造价预测能够为评价投资效果提供多种评价指标, 并能够形成新的价格信息, 以此来提升我国建筑工程施工企业整体的自主竞争能力和水平, 使我国建筑工程造价管理尽快缩短与国际的差距, 实现与国际接轨。

3 回归分析方法应用

3.1 回归分析方法介绍

所谓回归分析法, 是在掌握大量观察数据的基础上, 利用数理统计方法建立因变量与自变量之间的回归关系函数表达式 (称回归方程式) 。回归分析中, 当研究的因果关系只涉及因变量和一个自变量时, 叫做一元回归分析;当研究的因果关系涉及因变量和两个或两个以上自变量时, 叫做多元回归分析。此外, 回归分析中, 又依据描述自变量与因变量之间因果关系的函数表达式是线性的还是非线性的, 分为线性回归分析和非线性回归分析。通常线性回归分析法是最基本的分析方法, 遇到非线性回归问题可以借助数学手段化为线性回归问题处理。

客观世界中许多事物, 现象、因素彼此关联而构成关系、过程、系统。比如, 金属棒的长度“热胀冷缩”, 这说明棒的长度与温度这两个量之间存在某种关系。

若这种关系不便于用解析式表示时, 则可用统计学的方法寻找这两个量的Á统计关系。此外, 如鸟类的飞行路线与空间天侯情况, 粮食产量与气温、湿度, 儿童身高与营养之间的关系等。若这些统计关系符合最小二乘法则, 便可得到回归分析模型。本文将回归分析方法应用于工程造价的预测估算中。

3.2 方法应用

某学校教学楼工程, 4层、砖混结构, 建筑面积3500m2、工期10个月, 进行公开招标。某市建筑公司投标, 应用线性回归分析法预测估算出该工程的造价, 完成投标。

本资料只包括工程土建方面的报价, 地基处理、水暖管道、电器线路等没有包括在内。

3.2.1 搜集近期同类工程造价信息如表1

3.2.2 模型设定

本案例宜将模型设定为一元线形回归模型, 中以“area”代表建筑面积, “Price”代表投标报价模型设定为:y=a+bx, 其中:y为因变量, 本案中为Price, x为子变量, 本案中为area, a为随机误差项, b为自变量系数。

3.2.3 采用SPSS13.0软件分析结果

基本数据信息统计情况如下表:

表2数据信息基本统计量

变量相关分析如下:

从输出结果可以得出, 可决系数R2, 调整, 方程显著性检验值F, 变量的显著性检验t等均能通过检验, 获得回归方程:y=2.449+0.028x

3.2.4 预测估算

当建筑面积X=3500时, 则工程投标价格预测值为:

Price=2.449+0.028×3500=100.449 (万元)

4 结语。

需要说明的是, 在这个预测中, 考虑结构类型, 同种结构才能用上述方法预测;如果数据比较详细, 还可以加上结构类型, 投标日期, 主要建材价格等变量, 采用多元回归模型进行分析, 结果会更加可观, 科学。构成造价的诸要素, 它们之间的相互影响和相对改变, 都需要操作者自行调整, 但是对它们的轻微修改, 可使预测值发生较大变化, 是预测可信度降低;在采用回归分析法这种定量分析方法时, 要结合定性分析法, , 这样才能降低系数调整风险, 达到准确预测目的。

参考文献

[1]孙涛.灰色系统预测理论在建筑工程造价中的应用.西北工业大学 (硕士学位论文) , 2006, 2.

[2]张有为主编.预测的数学方法.国防工业出版社.1991, 10.

[3]孙明玺主编.实用预测方法与案例分析.科学技术文献出版社, 1993, 6.

[4]李华、胡奇英主编.预测与决策.西安电子科技大学出版社, 2005, 3.

[5]李业主编, 预测学.华南理工大学出版社, 1986, 6.

[6]陈忠、李莉主编.定量方法在管理中的应用.上海交通大学出版社, 2004, 9.

[7]李子奈、叶阿忠.高等计量经济学.北京:青华大学出版社, 2000.

[8]何晓群.回归分析与经济数据建模.北京:中国人民大学出版社, 1997.

高速公路养护工程量预测研究 篇8

1 高速公路小修保养工程量典型预测模型及其评价指标

1.1 高速公路养护工程量典型预测模型简介

在目前的预测模型中, 主要有多元线形回归分析预测模型、灰色系统理论、BP神经网络等模型。多元线性回归预测模型具有直观、稳定、可靠、方便和适应性强等优点, 其采用最小二乘法进行逼近, 寻找出最适合的回归预测线[2];灰色系统理论在研究“小样本 (少于30组) 不确定”问题时有着独到的优势, 采用灰生成及特有的模型[3], 具有多学科的综合性、交叉性和抽象性的优点, 适合贫数据情况下建模[4];BP神经网络是一种根据误差逆传播算法训练的多次前馈网络, 不需对变量的映射关系进行描述, 具有非线性映射能力、自学习和自适应能力、泛化能力以及容错能力等优点, 对非线性系统具有很强的模拟能力[1]。在上述各模型中, BP神经网所需数据量较大, 虽然目前养护工程数据量较之前有了大幅提升, 但还是会使BP神经网络预测增加不确定性;灰色系统理论是对数据进行了适当的前期处理, 然后对处理后的数据采用最小二乘法进行逼近, 得出预测数据进行还原得到最终预测值, 在实际应用中, 往往能够对前期处理的数据进行很好的逼近, 但由于系统误差和舍入误差的原因, 造成还原后的最终预测值却比还原前的模型预测值误差大。多元性回归预测模型应用最小二乘法直接进行逼近, 减少了前期和后期的计算, 在最大程度上应用了原始数据。在实际工程应用中, 模型只有在适应道路损坏的趋势下才能够更好地对实际进行模拟, 对未来进行预测。故本文选取上述各预测模型分别对高速公路养护工程量进行预测, 对比分析预测结果, 选择最优预测模型, 为沥青路面养护工程量的预测提供参考。

1.2 预测模型评价指标

对预测模型结果的评价即是对一系列预测值的整体评价, 故选取的评价指标必须代表预测模型的整体水平。本文应用残差及相对平均误差及精确度对预测模型进行对比评价, 选择残差和相对平均误差最小的预测模型[5]。

残差值的大小反映了预测值和实际值接近的程度, 平均残差根据整体的残差值对各预测模型进行整体评价。平均残差的计算公式为

平均值的计算公式为

精确度由相对平均误差计算得来, 用来评判预测结果的准确程度, 相对于平均误差能够更准确地对模型进行判断。相对平均误差 (相对于实际值) 的计算公式为

将式 (1) 、 (2) 代入式 (3) 中, 可得:

精确度的计算公式为

2 高速公路养护工程量预测模型对比分析研究

本文选取参考文献[6]中的养护工程量建模数据, 以沥青路面破损维修工程量中的坑槽和裂缝为典型工程, 对多元线性回归预测模型、BP神经网络、灰色系统理论GM (0, N) 、GM (1, N) 模型进行对比研究。

2.1 坑槽维修量预测模型研究

坑槽作为道路的主要病害之一, 对养护工程的资源分配起着重要作用, 因此选取坑槽作为典型工程进行研究。选取13条路段不同使用年限的62组沥青路面坑槽维修量历史统计数据进行建模。通过各模型建模理论进行建模, 得到坑槽维修预测模型, 见表1。在表1中, x1为年日均交通量 (单位:辆) , x2为年降雨量 (单位:mm) , x3为计算使用年限 (单位:年) , x4为工程质量系数, y为坑槽维修量 (m2/km) , xi (1) 为灰色建模理论中的一次累加量, t为灰色建模理论中的时间序列。

注:由于BP神经网络没有确切的模型表达式, 故表中没有神经网络模型表达式

将建模数据代入模型表达式中, 计算各模型预测值。坑槽维修量的平均值x珋=34.65m2/km, 相对于实际值的预测模型相对平均误差计算得到坑槽维修预测结果, 见表2。

在各种外部及内部影响因素的影响下, 坑槽破损量随着使用年限的增长、路用材料性能的降低呈逐年上升趋势。由表2可知, 多元线性回归预测模型相对平均误差最小, 精度最高, 在坑槽维修量预测中具有更好的预测效果, 表明其对坑槽维修量的生成及发展过程能进行更好的模拟。

为验证各预测模型在坑槽维修量预测中的稳定性和适应性, 重新选取的9条路段不同使用年限的36组坑槽维修量与年均日交通量、年降雨量、使用年限、公路工程质量历史数据对预测模型进行验证。

将数据代入表1坑槽维修率预测模型中, 计算得各模型预测值相对于实际值的预测模型相对平均误差。验证结果, 见表3。

在表3中, 多元线性回归预测模型的平均残差及相对平均误差小于其它预测模型, 模型精度97.56%, 说明了多元线性回归预测模型在坑槽维修量预测中的稳定性和适应性优于其他预测模型。

2.2 裂缝维修预测模型研究

裂缝维修在养护工程资金分配中所占比例较大, 是道路使用安全及舒适的主要影响因素, 故将其作为典型工程来进一步分析研究各预测模型在养护工程量预测中的适应性。选取14条路段不同使用年限的61组沥青路面裂缝维修量历史统计数据进行建模, 计算得到裂缝维修预测模型, 见表4。

在表4中, x1为年日均交通量 (单位:辆) , x2年降雨量 (单位:mm) , x3为计算使用年限 (单位:年) , x4为工程质量系数, y为裂缝维修率 (单位:m/km) , xi (1) 为灰色系统理论建模一次累加量。

将数据分别代入模型中, 得到预测值, 计算得各模型预测值相对于实际值的预测模型相对平均误差, 预测值结果, 见表5。

裂缝维修预测模型的残差较小, 预测值均能够较好地贴近实际值。比较相对平均误差, 多元线性回归预测与BP神经网络预测为最小的两个, 模型精度相近。选取3条路段不同使用年限的15组沥青路面裂缝维修量数据对各预测模型进行验证, 并计算得相对平均误差, 见表6。

表6的计算结果进一步验证在裂缝维修量的预测中多元线性回归预测模型更加地准确和稳定, 同时也验证了多元线性回归预测模型在养护工程量预测中优于其他预测模型。

3 结论

通过以上研究分析, 建立了沥青路面坑槽、裂缝养护维修工程量的预测模型, 经过对模型进行验证, 确定了预测模型的可靠性, 同时经过对比研究分析, 得出以下结论:

(1) 相比于其他预测模型, 多元线性回归预测模型建模过程简单, 数据要求较低, 预测稳定, 更加适合于对高速公路沥青路面坑槽、裂缝日常维修量进行准确预测。

(2) 由于高速公路养护工程预测涉及因素较多, 多元线性回归模型是否对所有工程都能表现良好, 还需进一步通过工程实际应用对其进行验证。

参考文献

[1]滕伟玲, 姚玉玲.高速公路小修保养工程量的预测模型[J].长安大学学报, 2012, 32 (6) :23-27.

[2]朱梦苏.线性回归方程在公路小修保养预算指标编制中的应用[D].昆明:昆明理工大学, 2012.

[3]邓聚龙.灰理论基础[M].武汉:华中理工大学出版社, 2002.

[4]李晓蕾.基于灰色系统理论的变形分析与预报模型应用研究[D].西安:长安大学, 2008.

[5]费革胜.论模型的精度分析[J].系统工程理论与实践, 1993 (4) :1-8.

工程预测 篇9

建筑工程质量成本伴随着建筑施工的整个过程,对提高与改进建筑工程质量,保障人民生命及财产安全具有重要意义[1,2,3]。目前,国内外对建筑工程质量成本的研究取得了一定的成果: 1国外方面[4,5],从建筑质量管理角度,将建筑质量成本分为预测成本、鉴定成本、内部故障成本、外部故障成本四个阶段,分别对各阶段质量进行控制以达到全局控制,使决策者能动态地追踪整个过程的成本趋势,从而控制成本。2国内方面,一般在对影响建筑工程质量成本的特征指标进行预测后建立数学模型,利用数值模拟软件或智能优化算法来达到对建筑工程质量成本状况进行预测的目的。

我国学者张涛等[6]运用移动平均法预测质量成本中的返修损失成本,实现了成本预测。该方法操作简便,是一种有效的预测方法。贾小尼等[7]利用云理论研究不同尺度的成本管理方案的实施情况,得到相对合理且成本较低的方案,为控制质量成本研究提供了新的方法。遇华仁、周言波[8]等提出了将马尔可夫与灰色理论相结合的预测方法,为建筑工程质量成本波动性较大的预测问题提供了理论依据。王青娥、徐伟等[9]以统计资料与问卷调查为基础,研究建筑工程质量的成本管理,得出施工总承包对其影响最大,施工各阶段的质量成本间差异不明显。綦春明、廖基定、张素贞[10]等综合考虑质量成本特点,构建灰色马尔柯夫模型,得到了较好的预测效果,且能快速简捷地确定质量成本。史乔波[11]通过深入分析建筑工程质量成本的特征,建立了指标体系,并提出一种将未知测度理论与支持向量机相结合的方法,对提高建筑工程质量成本的预测效果具有重要意义。

上述学者都在自己的研究领域做出了有益的探索,但仍存在一些局限性。我们认为,应建立一种能够综合考虑众多指标,充分反映各指标与建筑工程质量成本间的关系,且能够更好地逼近建筑工程质量成本观测值的预测模型是十分必要的。一般而论,当输入变量与输出变量可能存在某种程度的线性关系时,若采用非线性逼近思想其误差应该相对更小。RBFNN模型具有良好的并行处理能力、非线性逼进性能、自适应学习能力、收敛速度快以及更强的鲁棒性等,已在众多领域得到了广泛应用[12,13,14]。但RBFNN的输入指标间在理论上应与线性无关,若其相关程度较高,将不利于直接利用RBFNN进行预测。数值分析思想可以通过建立多组不同的方程,观测输入与输出变量之间的关系,并可以分析数据拟合情况,为指标筛选提供了科学依据。

本文通过分析影响建筑工程质量成本的指标,首先利用数值模拟的相关知识分析各指标与质量成本间的关系,并提取与质量成本关联较强的指标,降低了指标体系的维度及计算的复杂度; 最后利用RBFNN较强大的非线性处理能力,建立建筑工程质量成本预测模型,以期为该领域研究提供新的思路。

2 理论与方法

2. 1 RBF 神经网络

RBFNN[12,13,14,15]是一种三层前馈网络,即输入层、隐含层和输出层。其中,从输入层到隐含层的变换是非线性的,从隐含层到输出层的变换是线性的,具有较强的逼近任意非线性函数的性能。

设输入向量为X = ( x1,x2,…,xi) ,第k个隐含层神经元与输出层神经元连接权值为ωk,第k个隐含层神经元的输出为:

式中,cj表示基函数中心,bj表示方差。其输出可表示为:

我们利用式( 2) 便可以对建筑工程质量的成本进行预测。

2. 2 k - 均值聚类算法训练 RBF 神经网络

其步骤为: 1任选m个训练样本作为聚类中心cj。2对输入的训练样本按照xi与cj之间的欧式距离将xi分配到各聚类集合。3求各聚类集合中vm训练样本的平均值,得到新的聚类中心cj。4求解方差式中,cmax表示所选中心之间的最大距离。5计算权重。6若聚类中心不变,所得到的cj即为最终基函数中心,bj为最终方差,否则返回2。

3 建筑工程质量成本的 RBFNN 模型及应用

3. 1 指标分析及选取

经过与建筑工程中具有一定工作经验或理论知识的现场人员进行沟通以及参考相关文献资料[11],本文确定选取以下11个指标: 预防成本比( X1) 、鉴定成本比( X2) 、内部成本比( X3) 、建筑面积 ( m2,X4) 、PPI( X5) 、建筑用途( X6) 、工期( X7) 、现场条件( X8) 、管理水平( X9) 、施工地点( X10) 、利润率( % ,X11) ,共25组作为样本数据。

为了避免因原始样本量纲不同而影响数据分析,我们对原始数据进行了归一化处理。同时,由于用于试验的25组数据来源不同,为了避免样本集差异带来的影响,随机选取了20组作为训练样本( 表1) 用于训练PRBFNN模型,余下5组数据作为测试样本( 表2) 用于模型检验。利用表1样本数据,运行SPSS15. 0软件对11个指标进行数值模拟见图1,相应的统计量见表3。

为了获取相对较多的信息,我们将置信度设置为80% 。由图1可知: 从直观上可见各模型对数据的拟合情况,图1( a) 、( d) 、( g) 、( j) 中存在一种或几种模型对指标拟合较好,其他图都相对较差。由表3可知,当指标为X1、X4、X7、X10时,所建立的若干模型中存在某一模型F统计量的p值小于0. 2,认为接受建立的模型; 其余指标对所建立的若干模型的F统计量的p值明显大于0. 2,认为拒绝建立的预测模型[16]。由此可见,在此情况下,指标X1、X4、X7、X10与因变量质量成本存在某种程度的线性关系,而其他指标与质量成本联系不密切,不存在线性关系。

3. 2 RBFNN 预测模型建立

建筑工程质量成本的预测问题受多种指标影响,各指标与质量成本间的联系必定不同,因此在进行成本预测之前我们对所收集样本的指标进行分析是十分必要。

根据表1的数据,我们将分析所得的指标X1、X4、X7、X10作为RBFNN的输入指标,建筑工程质量成本( 103元) 作为输出指标,建立建筑工程质量RBFNN预测模型; 然后在Weka3. 7. 0平台上,编写相应程序,设定最大迭代次数为500次,最小标准误差为0. 1,岭界值为1. 0e - 8,经过多次试验将聚类中心个数设定为2,最终的运算结果见图2,此时的平均相对误差为0. 01224。

3. 3 RBF 神经网络模型的检验及实例分析

根据建立好的建筑工程质量成本RBF神经网络预测模型对另外5组检验样本进行预测,预测结果见表2。从预测结果可知,预测的相对误差为0. 016862,可见采用该方法预测建筑工程质量成本具有较高的准确性和较好的可靠性。

4 结论

本文应用数值模拟思想研究建筑工程质量成本的影响指标,分析各指标与质量成本间的联系,在保留原问题绝大部分信息的同时降低了问题的维度。同时,当实际情况无法获取全部指标时,可为建筑工程质量成本预测问题提供一定的参考; 然后利用X1、X4、X7、X10共4个指标建立RBFNN模型,预测建筑工程的质量成本,预测精度较高、性能良好、可靠,工程应用价值较高,该方法为该领域的预测理论研究提供了一种新的思路。

工程预测 篇10

(一) 成本预测的意义

成本预测主要是指运用科学合理的方法, 对发展的成本投入和变化趋势进行分析和预测, 同时在分析的基础上, 对未来可能达到的成本进行估计和预算, 使得经营者和决策者能够选择最好的方法和方案进行正确的决策和规划。

成本预测是制定成本决策和编制成本计划的根据。

1、成本预测是明确产品成本的重要手段。

2、成本预测是加强各单位竞争力和提高单位经济效益的主要措施。

(二) 成本预测的作用

成本预测一般采用科学合理的预算方法, 通过一系列的计算程序, 总结和把握成本变化的规律和趋势, 主要有一些作用:

1、单位通过成本预测, 可以有效

掌握工程项目未来的成本变动趋势, 同时可以分析和预算出, 未来一段时期内成本的变动规律, 还可以对不确定的成本因素进行合理科学的定位。努力把未知因素转化成已知因素, 对决策者和管理者的工作起到促进的作用。因为只要有合理的成本决策, 才能制定科学的成本计划, 而这些都是建立在成本预测的基础之上。

2、随着经济的不断发展和进步,

成本预测已经成为建设单位管理决策的重要方面和环节, 因为事后的计算和分析已经不能满足目前建设单位发展的需求, 所以事前的控制和预测是非常重要的。在今后的管理和决策工作中, 要把成本预测放在首要位置。

3、成本预测不仅为建设单位经营

决策做出贡献, 同时建设单位在做好市场调查和利润分析方面也发挥着重要的作用。对于建设单位来说, 较高的经济利润是建设单位追求的最大目标, 所以成本预测的优劣直接关系到建设单位效益的好坏, 同时也决定了建设单位成本的多少。

(三) 成本预测的方法

1、定量预测法:

主要是根据建设单位以往的历史资料和数据以及事前发生成本和事后预测成本的数量关系, 通过建立一定的数学模型来预算和推断未来成本的方法。

2、趋势预测法:主要是根据不同时期内发生的不同的成本历史数据为基础, 运用现有的数学方法进行合理预测。

3、因果预测法:主要是根据经营成本和其他相关因素之间的关系, 按照数学公式进行计算并预测的方法。

4、定性预测法:

主要是根据专业的理论知识和丰富的实践经验, 聘请专业的预测人员按照企业实际的经营决策情况进行合理的推断和预测的方法。

二、工程项目建设的成本控制

对于工程项目建设来说, 成本控制主要包括工程开工和项目形成的全部过程, 一般包括工程建设前的成本控制和建设中的成本控制。建设前的成本控制是项目自身的成本控制, 首先要对市场进行可行性分析和研究;其次在分析和研究的基础上对项目的价格和利润进行分析和计划;最后再根据现有的实际情况和预测的利润进行价格的确定。而建设中的成本控制是对项目形成过程中的控制, 在这个过程中要对目标成本和实际成本进行合理的对比和分析, 同时在对比和分析的基础上, 制定未来的成本决策和计划。

(一) 成本控制的意义

1、成本控制是工程项目建设管理成本的重要方式:

成本的控制和管理主要是指对成本的预测和核算进行决策和计划的过程, 预测和核算结果为成本的控制和决策提供了一定的根据, 成本控制除了要保证预测目标的顺利实现, 也要对成本的决策提供参考标准。所以成本控制是贯穿在成本决策和计划的全部范围之内的。

2、成本控制提高建设单位决策管理能力的重要手段:

工程项目建设水平和成果直接决定了建设单位的管理和决策能力, 成本控制的实施, 不仅要求工程项目要有相应严格的控制的标准和评价标准, 同时还需要单位各部门要加强管理保证成本控制的顺利实现。

(二) 工程项目建设成本控制的主要步骤

1、首先必须制定合理的成本控制标准:

在工程项目开始之前, 就要对影响该项目成本的因素进行全面的分析和研究, 同时制定出适合该项目的成本控制和管理方法。对各种指标有一个统一的评价标准, 有各个部门进行统一的管理和监督。用制定的标准可以准确的衡量成本控制的优劣。

2、其次必须建立良好的分级责任制:

在进行项目成本控制的时候, 各个部门必须全面配合, 明确各自的责任和义务, 从工程项目的开发到竣工, 都必须运用合理的方法和决策理念进行控制和管理。努力减少其他方面的支出和消耗, 同时要提高工作效率, 在各个部门的协调配合下, 实现成本的管理和控制。

3、最后必须建立可实施的目标成本:

通过以上两个步骤, 应经能够全面的反映项目的成本预测过程, 所以在这一步骤中要在明确责任和义务的基础上, 制定出可行的目标成本, 同时对未来的成本进行合理的预测和实施。

(三) 工程项目建设成本控制的作用

工程项目建设单位进行成本预测和控制的主要职责是帮助建设单位改善经营管理和提高单位的经济效益。因此, 成本控制和预测的对象和范围是非常广泛的, 可以包括建设单位的一切行为和所有事项。不能仅限于内部按行政职能和职责划分的部门或单位。适当合理的组织目标及其评价标准是企业成本控制和预测工作走向规范的标志。没有合理的预测和控制标准, 就等于没有实质意义上的管理标准。缺乏有效的会计控制, 建设单位内部的预测和控制工作也就无法正常展开。由此可见, 预算和控制在建设单位会计控制中发挥着举足轻重的作用。以建设单位组织目标为起点和核心, 有效的发挥内部预测的建设性作用, 努力完成由监督到控制再到风险决策的组织目标。

三、结束语

在工程项目建设中进行合理的成本控制, 不仅仅能在项目建设费用发生之前进行合理的控制, 同时也可以保证在科学预测的范围之内, 降低建设成本和费用。成本控制可以让项目达到合理的目标成本, 制定科学的成本预测方案, 在方案的实施之后, 可以不断提高工程项目的质量和经济效益。

摘要：成本预测与控制在单位的生产经营管理中发挥着极其重要的作用, 在工程项目建设中, 同样起到积极的作用。本文就工程项目的成本预测和成本控制等内容作一简要论述。

关键词：工程项目,成本预测,控制

参考文献

[1]张孝兰:《水利工程建设的成本预测风险与防范对策》, 《乐山师范学院学报》, 2007 (18) 。

[2]林霞:《浅析水利工程建设的成本预测与控制》, 《沈阳大学学报》, 2004 (01) 。

[3]索耶:《现代成本控制实务》, 中国时代经济出版社, 2007 (8) 。

工程预测 篇11

关键词：通信工程 预测技术

1 通信工程预测技术

对通信工程项目实施中进行预测主要有两种预测技术，第一种是计划评核术，它是进度安排与作业控制的工具，可利用计算机来执行细部计算。计划评核术以最乐观估计、最悲观估计和最可能估计的三时估计法去算每一个作业，并估算符合进度安排时点的机率，可避免被其它预测技术所忽略的不确定性。但计划评核术侧重于对工程工期的预测，而通信工程项目往往工期要求极短，缩短太多的工期较难做到，为了进度往往要牺牲成本，计划评核术很难实现对成本的预测。而要综合考量工期和成本，实现进度和成本的综合预测就要使用是本文要研究第二种预测技术即完工成本预测技术。

完工成本预测技术（Estimate At Completion；EAC）是基于项目绩效与定量盈亏分析而对项目最有可能的全部成本所做的预测。是指项目执行后，在某一特定期间，依据已发生的实际成本，加上当时预测尚未完成作业所需的成本，其所预测估计所得的金额。主要涉及以下几个概念。

①计划值（Budgeted Cost for Work Scheduled；BCWS）。计划值就是计划要完成的工作量，即计划完成产值。②赢得值（Budgeted Cost for Work Performed；BCWP）。赢得值是指已经完成工作的预算费用，即完成投资额。③实际花费成本（Actual Cost of Work Performed；ACWP）。实际花费成本，系指到某特定日期为止，执行该计划或作业，所应归属的实际支出金额，也就是实际支出成本。④核定预算（Budget At Completion；BAC）。核定预算，系指计划经负责人核可未来可动支的最高金额。⑤进度绩效指数（Schedule Performance Index；SPI）。主要是显示实际上已完成工作的时间相对于预定基准时间。⑥成本绩效指数（Cost Performance Index；CPI）。其主要是显示实际上已完成了和进行中的工作项目所得到的价值，相较与做这样的工作所实际花费的成本的关联。

2 完工预测技术的具体技术方法

很显然这需要大量的工作，只是在项目偏移巨大，项目基本上无法完成的情况下使用。

很显然这种办法对于管理者来说，在当过去的绩效已显示最初所评估的假设有根本上的瑕疵，仍然相信以后的工作绩效仍旧将遵循原来的计划成本，只要管理者在以后的项目管理控制中做好，就能在最佳的情行下完成项目，所以一般企业管理者愿意接受和使用这一方法。

这个方法原则上是我们相信未来的工作绩效将遵循过去的成本绩效指标与进度绩效指标，就是将已经支出部分再加上尚未支出的计划成本除以成本绩效指标与进度指数。这个方法将可计算预测出最坏的完工成本，得到的数据也是太过于悲观数据，但是管理者想保证按预定工期完工，那这一方法就更能反应实施情况了。

在以上四种方法中，第一种方法基本上就是重新做预算，这里我们没考虑的必要。管理者可根据项目的实际特性，选择后三种方法具体应用。

3 完工预测技术在通信工程项目实施中的实例研究

沧州宽带提速通信工程是联通沧州分公司的重点工程项目之一，施工单位是河北海星通信建设有限公司，公司指定的施工总预算为195万元。我对其中的黄骅的宽带提速通信工程项目进行了全面的跟踪研究，每月月底都采集了第一手的数据资料，并按三种方法对这一工程项目进行了完工成本预测，并按预测结果指导管理者进行纠偏，最终保证了工程项目按时保质的在计划成本内完工。

可以看出，在通信工程项目开始不久，就可以对项目进行完工成本预测，在前两个月，是工程投入初期成本投入较快较高，三种预测方式的结果存在较大差别，到了工程后期，工程管控较好，三种预测方式的结果也很接近。

在本项目中，每个月底，都对项目做了完工成本预测，可以有效的帮助管理者了解项目的执行效果，及时的采取纠偏措施，保证项目有效的实施。

在完工成本预测技术的实际应用中，项目管理者可根据项目的实际情况，根据三种预测方式的适用范围，来选择一种预测方式，对通信工程项目的进行预测。

4 结论

工程预测 篇12

目前,在建筑业领域,决算超预算、预算超概算、概算超估算的“三超”现象比比皆是,给国家、行业和企业的管理带来很大不便,不利于建筑行业的健康发展。目前,我国建筑行业的投资量非常大,以福建为例:2011年福建省367个在建重点项目完成投资2 589亿元,同比增长33.7%,高于全社会固定资产投资预期增速6.7%;完成比例占年计划的112.5%。在建筑业发展迅速的大背景下,福建的9个设区市和平潭综合实验区普遍存在“三超”现象。因此,工程造价的预测和管理就变得越发重要。“三超”现象是我国市场经济运行机制不完善、法律制度不健全的产物,在建筑市场的表现尤为突出。因此,控制工程投资、搞好项目的工程造价管理就成为一个亟需研究和解决的课题。

现行的工程造价基于工程定额的计价模式,由政府部门统一定额和费用,适合于变化不大的计划体制。随着社会主义市场经济体制的建立,建筑市场发生了很大的变化:一方面,投资主体出现了多元化,要求建筑产品真正商品化,根据投资风险,按市场运行规律确定建筑产品的市场价格;另一方面,在建筑行业里,工程造价的管理仍基于政府部门编制的各种定额、费用进行计算,原来的体制没有从根本上突破,这是“三超”现象产生的重要原因。

本文的目的是打破基于定额的价格预测套路,将定额描述信息拆分为一个个关键词,并找出其中对于造价影响较大的关键词,通过关键词概括项目描述,形成项目特征,并根据项目特征的相似性找出相似项目,以预测新项目的造价。 这种方法的优点在于,由于关键字具有一定的建筑含义。例如,山坡切土、泵送、混凝土等。定额变化时,定额描述信息的关键词仍有部分兼容,这样当定额发生变化后,原有的工程信息仍可以作为预测的依据,避免因定额的滞后性和不完备性带来的价格预测不准确。

笔者通过与厦门海迈科技股份有限公司及厦门建设工程造价管理站合作,得到历年近百个工程的造价信息。通过构建较为完整的工程造价数据库,并采用相应算法对工程造价数据进行去噪、填补缺失数据,概念分层、关键词确认等数据预处理工作,形成合格的挖掘数据源,并基于造价信息的挖掘,构建一款基于工程特征自适应抽取的造价预测软件。

2定额描述信息预处理

为提高数据挖掘的性能,需要将造价数据数字化,而工程造价信息多是文本形式,结构化程度不高,不能直接用于数据挖掘。为解决建筑工艺发展与定额项目滞后这对矛盾, 需要抽取出各个定额项目的实际工艺,根据实际工艺比较相似度,据此计算出相似工程,从而根据相似工程的历史造价预测新工程的造价。

此外,定额项目过于繁琐。常见的预测算法都以定额编号为基础,工程是编号的集合。由于定额标准过于繁琐,常出现2个工艺类似且单价相近的却由于编号不同而被认为相互独立的定额项目。例如,表1中编号为010201003028和010201003029的项目。从项目描述分析,它们的相似性很高, 存在较高的关联。然而,由于编号不同,一般会认为二者完全无关,导致维度过多,带来维灾问题。

为此,需要对工程描述信息进行预处理,预处理的过程是对项目描述的离散化,即通过某些关键词表示项目。由于关键词的数量少得多,将工程表示为关键词的集合将降低工程的维度,更为准确地预测工程造价。

在本文中,笔者通过引入中科院计算所开发的中文分词软件ICTCLAS,对项目描述进行分词,再根据关联规则,从中抽取出频繁出现的关联词,作为项目的关键描述词。

3造价预测

造价预测的一大难题在于,物价随着时间的不同而不断变化,如果两个工程的施工时间差别很大,即便两个工程所使用的工艺,以及具体的工作量完全一样,它们的造价也可能有极大差别。因此,难以将相似历史工程的造价直接套用到待建工程上。一个解决方案是将相似历史工程的造价乘以价格指数,但由于不同工作、材料的价格涨幅不同,要给每项工作或材料确定单独的价格指数因过于复杂而不可行, 如果所有的工作或材料都使用相同的价格指数又显得不够精确。而如果想去掉价格指数的影响,就需要排除那些施工时间相对过早的工程。由于建设工程项目的数量相对较少,一个城市每年最多也就上百项,如果剔除这些相对较早的工程, 则相似工程的数量将大为减少,预测造价的准确度也将随之大幅降低。因此,本算法需要顾及价格和数量两方面的影响。

考虑到工程分为单项工程、单位工程和分部分项工程3个级别,在这3个级别中,分部分项工程粒度最小,用它进行预测最为准确,因此在造价预测算法中,我们关注于预测每个分部分项工程的造价,将一个工程各分部分项工程的造价加总则是该工程的总造价。

定义1:(定额项目的离散化描述)令K=(k1,k2,…,ki) 表示各分部分项工程中在各定额项目描述信息中出现的所有关键词,且ki<>kj。定额项目的定量离散化描述为Q= (q1,q2,…,qi),它表示是K中各关键词的定量系数,其中qi= quan/space,quan为定额项目的工程量,而space为工程建筑面积(单位为平米),即qi为定额项目在每平米上的量。定额项目的定价离散化描述为P=(p1,p2,…,pi),它表示是K中各关键词的定价系数,其中pi= price/space, price为该定额项目的总造价,而space为工程建筑面积(单位为平米),即pi为定额项目在每平米上的造价

定义2:( 分部分项工程的离散化描述) 令B= (b1,b2,…,bm) 是该分部分项工程的各定额项目,IK= (ik1,ik2,…iki) 是在B的描述信息中出现的关键词, 工程的定量离散化描述为IQ=(iq1,iq2,…,iqi), 其中而工程的定价离散化描述为IP=(ip1,ip2,…,ipi),其中

定义3:(数据规范化)令数据库中共有n个分部分项工程(E1, E2, …, Ek),分部分项工程Ex的规范向量为NQ=(nq1,nq2,…,nqi),其中nqi=iqi/max(iqi),iqi是当前分项工程中第i个关键词的系数,而max(iqi)是各分项工程中在第i关键词上的最大系数。通过此次规范化,分项工程规范化向量的每个值将被限制在0~1之间,以便比较分项工程间的相似度。

定义4:(分部分项工程相似度)分部分项工程I和J的相似度

其中m是(IKi∪ IKj)的元素个数,IKi、IKj分别是分部分项工程I和J的描述关键词,参见定义2。

本算法同时考虑定价和定量,先跟据定量的相似性找出新项目的分部分项工程n与历史项目分部分项工程的相似度,并从中挑选出相似度超过阀值的分部分项工程集合res (r1,r2,...,ri)进行进一步的价格预测。在集合res中,根据分项工程的定价离散化描述计算各相似关键词的定价系数和(sum_sim)与该分项工程每平米造价的比值,并根据其相似度求这些比值的加权平均(权重是ri与n的相似度), 作为集合res对新项目分部分项工程的预测比ratio。第三步在集合res中找出施工时间最近的项目工程rk,根据rk与n的相似关键词的定价系数和(sum_sim)占rk总关键词定价系数和(sum_all)的比重及rk的每平米造价,求出相关材料和工作的物价水平index(通过相似关键词体现材料和工作的相关性),并将ratio*index就可得出n的预测定价。

4平台实现

本文在前期的频繁关联描述词抽取的基础上,集成数据预处理算法及可视化技术,形成一个通用的可视化数据挖掘软件。 软件由工程信息输入、造价预测及关键词推荐3部分构成。

4.1工程信息输入

本模块用于用户输入待预测分部分项工程的基本信息。 例如,该工程的建筑面积、建筑类别、结构制式和楼层数, 并选定该分部分项工程的类型。以图1为例,待预测分部分项工程的类型是“桩与地基基础工程”,而这一类型的分部分项工程又属于“土建单位工程”,因此用户要通过单位工程类型和分布分项工程类型的两步过滤,筛选出符合条件的分部分项工程类型,然后系统将在“可选关键词”一栏中出现此类型的分部分项工程对应的关键词,用户从中挑选出对待预测工程造价影响较大的关键词作为预测特征。图1中, 用户挑选出“人工挖孔灌注混凝土桩”“人工挖孔桩空孔”“岩层成孔增加费”作为待预测分部分项工程的特征。

4.2造价预测

本模块根据造价预测算法得到预测造价,并显示于界面中。本模块用户界面如图2所示,用户可以查看相似工程的相似度,通过该相似工程得到的预测价格。此外,用户还可以查看该相似工程的具体造价信息。例如,构成相似工程的定额项目,包括项目编号、项目名称、项目特征、计量单位、 该项目的工程量和总造价。

4.3关键词推荐模块

由于建筑工程的工艺、使用材料和具体工作变化比较快, 这些信息主要体现在关键词上,如果无法及时更新关键词, 那么用户将难以发现相似工程的信息。为了保证关键词的及时更新,需要让最终用户也参与到这项工作中。同时,为了减少用户的工作量,系统将该工作隐藏在用户的日常行为中, 让用户通过关键词筛选更新关键词。

为此本模块采用中文分词算法,将清单描述信息分解成一个个词汇,根据词的前后关联概率,判断两词组合成新关键词的概率,并将概率超过阀值的候选关键词作为推荐关键词放入到“可选关键词”列表,并根据该推荐关键词被选中次数判断该关键词是否应成为确定关键词。为了检查分词的准确性,本系统提供了一个管理员界面以显示对某分部分项工程的清单信息进行分词的结果。最常见的词列于最上方, 所谓常见是指涉及该词的清单总金额最大。管理员还可以点击每一行,查看与该词前后关联程度大于阈值的词组及关联频率,对候选关键词的推荐进行手工判断,看看是否需要将该词与前后词组成新的候选关键词推荐给用户,并根据用户的选择率判断候选词推荐的准确程度。

5总结

由于工程造价预测由定额决定,而工程定额标准又由政府统一发布,难以适应技术和价格不断变化的形势。因此, 本文提出根据工程项目的描述词,抽取频繁出现的关键词, 基此自适应构建施工项目特征。并在此基础上,实现一款工程造价预测的软件。