造价模型范文

造价模型范文（精选9篇）

造价模型 第1篇

随着时代进步与科技的发展,造价优化管理模式也随着迅速发展,逐渐走进各大工程项目建设中,并受到高度关注。造价是各领域项目中的建设工程预期成本开支,或实际成本消耗开支一次性固定费用的总投入,因此,造价管理优化控制在工程项目中占据重要地位。市场急需建立起一项更完善、更优化的造价管理模式,用于应对市场中工程造价管理上的诸多问题。

目前,对造价模型优化方法有模拟退火算法、神经网络算法和遗传算法的造价模型优化方法,但这些方法优化效果不显著,模拟式仿照基础编码工作过程过于复杂,对科学技术的掌握操作熟练性要求过高,不利于一般性工程项目工程的造价管理,有待进一步提高改善。

本文提出了一种多造价信息限制的工程造价估算模型,结合了模糊算法和BP神经网络算法,通过高效和准确的迭代运算,可以更加快捷地得到工程造价的最优解,为造价管理提供准确有效的理论依据,更好地指导开展建筑项目的工程造价管理工作。

二、多造价信息限制的工程造价估算模型

(一)设定工程造价估算限制属性变量

全面分析建筑项目的工期、费用和质量,估算出建筑项目的最佳分配结构。由多属性效用函数分解规律,工程造价估算限制属性可以把工期、费用和质量三个量描述为:

上述表达式中,T表示建筑项目的工期,F表示建筑项目的费用,Z表示建筑项目的质量,ω(T,F,Z)表示多属性效用函数。ω(T)表示建筑项目的工期单变量效用函数,ω(F)表示建筑项目的费用单变量效用函数,ω(Z)表示建筑项目的质量单变量效用函数,βY,βF和βZ分别表示工期、费用、质量的各单变量效用函数相应的权重系数。权重系数直接反映了建筑项目管理者对建筑项目的工期、成本、质量的重视程度,权值系数值是调研本行业的相关专家后得到的。

本文采用二次凹函数为筑效用函数,D表示建筑项目的工期,假设建筑项目工期效用值为1,则有:

通过计算合同总价与计划利润和税金后的(1-ζ)W之差可以得到建筑项目的实际费用,假设建筑项目费用效用值为1,则有:

在保证建筑项目质量满足要求的前提下,假设建筑项目质量效用值为1,则有:

(二)创建特征因素模糊限制集

分析建筑项目的各种要素,可以得到主要干扰建筑造价的关键因素有:建筑平均面积(m2)、平均层数、标准层高(m)、户型、结构特征、平均地基承载力、平均埋深(m)等。建筑项目特征因素的模糊集,可以表示为:

E=(ei),i=1,2,…,p

(三)构建造价模糊隶属度

各种不同建筑特征因素的相识度可以用隶属函数来表示,各种建筑特征因素可以利用定性定量分析推理方法进行量化计算,通过归一化处理后,可以计算出模糊限制因子集的隶属度,可以表示为:

其中,ωi表示为第i个建筑特征因素的隶属度。

(四)多次迭代计算最优解

运用多造价信息限制的工程造价估算模型,结合了BP神经网络算法,通过反复迭代搜索,运算出符合要求的造价估算目标函数的最优解。

首先设定学习因子,搜索出学习因子的最优位置,对第i个学习因子的位置进行设定:

学习因子的搜索速度可以表示为:

所得到的整体学习因子群的空间群体最优位置,可以通过下式及时修正学习因子群的位置,可以实现对学习因子速度的调整和体现学习因子的学习能力,可以避免学习因子寻优过程出现局部最小化问题。

本文提出的这种多造价信息限制的工程造价估算模型,运用了模糊理论算法,结合了BP神经网络算法,可以更加快捷地搜索到学习因子的最优位置,从而得到造价估算目标函数的最优解。

三、工程造价估算模型的实验验证

选取本公司近些年来的10组建筑项目类型数据,分类总结了这些数据,提取出单层建筑面积、层数、层高、平面形状、结构类型、基础类型、地基承载力、埋深等8个特征因素,来验证基于多造价信息限制的工程造价估算模型的准确性与高效性,10组工程总结数据表见表1所示。

为了验证本模型的准确性与高效性,比较本模型与传统的BP神经网络模型的工程造价估算,本文算法与传统BP神经网络算法估算结果见表2所示。本文估算的BP神经网络模型结构为10×22×2。

为了更好地客观衡量本文模型的优劣,比较本文算法与传统BP神经网络算法的优劣,采用均方误差(MSE)和平均绝对误差百分率(MAPE)两个参数来比较衡量优劣性。

其中,γi表示实际值,表示估算值,p表示估算样本数。把表2中的数据代入上面公式中,可以计算出本文方法的MSE是18.15,MAPE是0.47,而BP神经网络的MSE是66.21,MAPE是0.71。通过分析均方误差(MSE)和平均绝对误差百分率(MAPE)两个参数,可以非常明显地得到采用本文方法获取的建筑造价估算值的精度高于传统的BP神经网络,同时,本文方法估算的结果同实际结果的匹配度较高,实验证明,本文方法更加具有准确性和高效性。

四、总结

本文提出了一种多造价信息限制的工程造价估算模型,是结合了模糊算法和BP神经网络算法的优化模型,比较实验证明,该模型运输出的最优解,更加具有准确性和高效性,对现实建筑项目的工程造价管理具有理论指导意义,有利于提高建筑项目工程造价的管理水平,也将为公司在建筑项目中带来可观的经济效益和社会效益。但是,建筑项目的工程造价问题是一个复杂、综合的问题,建立完善的估算模型是非常困难的,由于人为因素在其中也会起到相当的作用,因此,也将给模型的建立和应用带来很大的困难,还有待进一步地提高完善。

参考文献

[1]李盼盼,朱伟兴.基于改进遗传算法的TS模糊模型的优化设计[J].传感器与微系统,2008(8)

[2]刘怀兰,牛辉,王佳.基于改进遗传算法的智能组卷模型优化[J].华中科技大学学报(自然科学版),2013(5)

[3]王南,张京军,高瑞贞.基于改进遗传算法多体模型的汽车悬架参数优化[J].辽宁工程技术大学学报(自然科学版),2007(26)

[4]李可,马孝义,符少华.基于改进遗传算法的水电站优化调度模型与算法[J].水力发电,2010(1)

[5]曹云,徐奋强.基于改进遗传算法的长短桩复合地基优化设计[J].水文地质工程地质,2011(6)

造价模型 第2篇

1BIM模型及其特点

BIM为BuildingInformationModeling的简称，汉语意思为建筑信息模型，包括整个建筑从无到有整个生命内所有建筑原件数量、性质、空间理念、几何学、地理信息等所有内容。作为建筑工程造价管理的新方法、新思维，BIM是建筑物的各种信息与建筑业的操作流程的有机统一，将数字信息发挥到了极致。与传统图纸的二维建筑效果图不同，BIM模型可以通过矢量更直观、清晰、形象地展现出建筑多角度的立体效果。特别是其对建筑物的真实模拟，可以为建筑建设提供更大的便利，进一步提高工程造价管理的效率，有效规避风险的产生。例如，传统平面的管线图纸只能标明管线的管径和数量等信息，由于缺乏系统结构和整合内容，很容易导致管线分布不合理、结构阻碍等一系列施工问题的出现，进而引发材料浪费、成本增加。此外，针对大厦管道渗漏，无论是在寻找渗漏点还是在后期渗漏修复过程中，都需要花费大量的人力物力。而BIM技术的出现，则可以通过立体的建筑空间对管线的布局进行合理规划，从而有效解决工程管理和建设过程中的一系列困难。具体来说，BIM模型具有以下五个方面的基本特点：

1.1可视性

针对用简单线条来绘制的建筑构建信息传统平面图纸，建筑人员在施工过程中可以发挥想象力来完成建筑的构思和重现。而近年来，随着建筑造型和形式的日益复杂，建筑人员仅靠想象力很容易出现思维偏差，更难以有效再现建筑的具体构件信息。而BIM技术则可以通过三维的立体实物图形，将建筑物具体、形象地展示出来，从而有效地避免因建筑重叠而引发的建设和管理问题。此外，BIM技术可以通过构建建筑构件之间的反馈性和互动性，进而实现整个建筑建设和管理过程中的可视性，提高工程内容的全面性和准确性，利于造价成本的可控性。

1.2协调性

工程施工过程中离不开施工单位、建筑设计方、业主之间的协调、合作和配合，一旦项目施工过程中出现问题就需要把相关人员组织起来一起协调沟通，才能真正找出问题原因并探索解决策略。然而问题产生后的协调补救却无法有效弥补因问题出现而带来的一系列损失，这就需要在问题发生前加强各单位之间的协调合作，将问题发生的概率及其带来的风险降到最低。而BIM技术就可以为项目建设提供有效的协调服务，作为科学的建筑信息模型，它在建筑设计和规划阶段，就可以对各种有可能会出现的问题，进行协调并生成相应的协调数据为问题解决提供有效保障。例如，在建筑施工过程中经常会出现通暖、防火分区、净空高度、电梯井布置等一系列问题之间的碰撞，而建筑信息模型的出现则可以有效地实现这些碰撞之间的预测、分析和化解，减少工程造价结算管理中的矛盾。

1.3模拟性

BIM技术并不是只能对建筑实物进行模拟，它还可以对在真实世界难以实现和操作的事物进行有效的模拟，进而得出具体的数据信息为设计和项目规划提供充足依据。特别是在设计阶段，BIM模型可以通过一系列的模拟试验为建筑设计提供科学有效的数据信息，如地震人员逃生模拟、消防人员疏散模拟等就可以为建筑的设计人员提供相关有用信息并有效规避建筑完成后相关问题的产生，有利于对造价信息的管理和分析。

1.4优化性

一般而言，整个建筑项目从设计到施工到运营的每一个阶段都在不断优化，虽然项目优化和BIM模型之间并不存在必然的实质联系。而BIM技术下建筑项目优化却存在很大的优势，由于项目优化一般要受到时间、项目类型、复杂程度及各种信息的制约，而BIM模型则可以基于其在物理信息、几何信息、规则信息等一方面的优势，更好地完成项目方案和规划的具体优化，增强造价管理模式的精细化。

1.5可出图性

与传统的平面二维图纸不同，BIM模型可以在矢量的基础上，通过完成协调、模拟、优化等一系列的流程，最终将建筑物立体、直观、形象地展示出来，并充分体现建筑结构节点图、管线配合图、预留空洞图、综合管线图、碰撞分析及解决方案等内容，提高造价管理的整体性控制。

2传统建筑工程造价管理中存在的问题

一般而言，传统的建筑工程造价管理中都采取不连续被动的管理方式。如概算一般在建筑项目初步设计后编制，预算在建筑项目施工图设计阶段编制，结算在建筑项目完成后编制，这种相互孤立阶段性造价管理，为建筑项目的工程成本的控制和管理带来了困难和隐患。在传统的工程造价管理过程中，由于各种造假信息是在每个阶段完成后获得并编制的，因此很容易引发造价数据缺乏真实性而导致工程造价伪造等问题的出现。总之，传统的建筑项目工程造价管理中存在着很多问题和隐患，不利于整个项目造价的控制和管理。而BIM模型在建筑项目工程造价管理中的应用，却可以为工程造价管理提供完整、准确、时效性高的造价信息，从而促进整个项目工程造价控制和管理质量、水平的提高。

3BIM技术在建筑项目工程造价管理中的具体应用

应用BIM模型加强建筑项目工程造价的管理，不但可以充分地提高建筑项目工程造价管理的水平和效率，而且还可以有效实现整个工程项目的整体效益。本文将基于BIM技术可视性、协调性、模拟性、优化性、可出图性等一系列的基本特征，探讨BIM技术在加强建筑项目工程造价管理中的具体应用。

3.1BIM技术在建筑项目工程造价管理中的可视化操作

BIM技术在工程造价管理中的最大优势就是实现了可视化操作。BIM技术可以将建筑的线条构建形成一个三维的立体图形，进而有利于整个项目的设计、投标、运用、建造等不同阶段的协调和沟通。BIM模型与建筑项目工程造价的有机结合，可以实现BIM建筑信息模型与工程造价数据信息的有效统一。立体的直观图形与抽象的数字符号的紧密融合，为整个建筑项目的各个空间部位及施工节点提供全面、系统、科学的造价信息。在BIM模型的支持下，可以通过限定条件对特定区域进行选择进而有效提高建筑信息查阅和搜索的效率及其准确程度。

3.2BIM模型在建筑项目投资决策阶段的具体应用

在建筑项目施工之前，可以充分地利用BIM技术可视性及模拟性等基本特征，通过客观、系统地反映建筑的实际情况，如计算建筑的工程量，并结合本单位的工程造价评估指标，进而得到整个建筑的投资概算，为工程项目的投资决策提供充足的技术支持和数据保障。

3.3BIM模型在项目设计阶段的具体应用

虽然项目设计阶段所花费的费用占整个项目建设成本的比例非常低，但其对整个项目工程造价的影响却超过70%，因此项目建设的设计阶段是整个建筑项目工程造价管理的关键环节。在BIM技术的支持下，设计者可以充分地将数据库造价信息与建筑项目设计的CAD图纸有效整合，进而通过时间维度实现对工程建设内容造价信息的选择性输出，最终得到全面、合理的工程造价概算信息。

3.4BIM技术在建筑项目施工阶段的具体应用

一般而言，一个建筑项目要经历较长的施工过程，而这期间的市场变化却会为建筑项目的工程造价管理带来一定的困难，充分利用BIM技术发挥其可视性、协调性、优化性、模拟性、可出图形等一系列的基本特征，大大提高项目建设效率及水平，有效降低项目成本，进而实现项目投资造价的严格控制和有效管理。

总而言之，BIM技术在建筑项目中的广泛应用，可以加强工程造价管理及控制的效率和水平，从而最大限度地实现整个项目的经济效益。与传统的建筑项目工程造价管理中存在的问题相比较而言，BIM技术在可视性、模拟性、优化性、可出图性、协调性等方面存在的优势，可以为整个建筑项目提供全过程的技术支持。实践证明，在建筑项目工程造价管理中科学、合理地应用BIM技术在提高工程造价控制和管理水平，实现工程整体效益等方面发挥着不可忽视的重要作用。

参考文献

[1]李函霖．论BIM技术对工程造价管理的作用[J]．企业技术与管理，2013，（11）．

[2]张海燕．浅谈基于BIM的建设工程造价管理城市[J]．建设理论研究，2012，（16）．

造价模型 第3篇

关键词：公路工程;造价管理;快速估算

1 公路工程造价管理中的快速估算分析

1.1 快速估算

快速估算一般是以模糊数学理论，灰色理论，神经网络等为理论基础，通过工程实际运算，许多模型已经建立，并取得了很好的效果，并且也在不断的成熟完善中。在欧洲快速估算得到了快速的发展，而在我国受到各种原因的阻碍发展的比较缓慢，现在正处于起步阶段。

1.2 公路工程造价管理重的快速估算

工程造价估算是建设项目前期可行性研究阶段以及投资决策阶段的一个重要的部分，它体现了建设项目的资金构成以及总的造价，是投资决策和后续几个阶段造价控制的重要依据。我国现阶段运用的各种投资估算方法，比如根据经验估算造价、因素估算法等，都是比较常用的方法，但是这些方法都只是考虑项目本身存在的一些特征因素，其实项目在建设过程中还有很多的不确定性因素，这些都没有考虑在内，造成了前期造价估算与最终的造价相差比较大，给建设方甚至施工方都会造成损失。

由于公路的建设周期都是比较长，施工的条件都是比较复杂，可变的不确定性的因素随时出现，同时公路的建设一直是我国经济发展的根本，但是在计划经济的推行过程中不断受到阻碍。例如对于政府投资的项目，只是对于建设比较重视，对于后期的项目回报问题很少考虑，也就是忽略了建设过程中的管理问题，最终造成超额投资，浪费现象普遍存在。由于前期的造价估算方法的不够系统化才造成了这些问题，估算的结果缺乏定性化和定量化结合。

2 公路工程造价快速估算模型的建立探讨

2.1 人工神经网络模型概述

近年来，神经网络应用于各个领取，取得了比较满意的效果。神经网络具有很好地记忆力，并且运算速度快、精确度高、泛化能力比较好等优点。因此，随着学者的不断研究，逐渐应用到建筑领域，在工程造价的快速估算方面应用的比较多，人工神经网络比较适合于应用到那些难以建立数学模型的领域中，而工程造价的估算就是适合的，因此也取得了很好的效果。在收集大量已竣工工程项目资料的基础上，对模型进行重复训练，当训练结果达到允许的误差范围时，就可以用来估算待建工程的造价，中间不需要进行繁琐的计算过程。

2.2 神经网络模型工程特性的选取

公路工程项目的成本不同程度的受到了其特征的影响，将工程特征转化为具体的数值输入模型，就能计算出项目的总投资，建立模型的意义也就在于此。如何选取有用的工程特征作为输入向量是建立该模型的重中之重，工程特征选取的好了，得出的结果比较接近于实际，就能说明这个模型的实用性和可推广性，反之则不然。

模型输入数据要尽量准确，所以要全面的搜索和考察公路的工程特征，对于工程的所有特征要逐个进行全面的分析统计。要想模型有比较贴近实际的计算结果就必须对项目的特征选取的适当，工程造价存在很多特征，例如相比于其他事物具有特殊性，与其他的财务费用也存在着很大的差异性，所以工程的各项特征要尽量考虑到，否则这些特征就无法具体展现，同时模型的预测能力会受到严重影响。对于影响程度比较大的要重点考虑，对于影响程度比较小的次之考虑，一些微乎其微的影响因素可以忽略考虑，对每一个因素设置相应的权重。

结合建设工程项目的投资组成，将各个部分计算出加和就能得到总的工程造价。通过概算以及预算的编制过程，其他各项费用的计算是以建筑安装工程费为计算基数采用不同的计算标准和方法计算得出的，从建筑安装工程费，就能得出工程项目的总投资。可见建筑安装工程费对于项目的总投资的计算起着至关重要的作用。公路工程建筑安装工程费用主要包括路基工程、桥涵工程、桥隧互通工程、路面工程、其他工程及沿线设施等，只要知道了几项的费用也就知道了整个公路建筑安装工程费用的95%以上。

路基工程主要包括：横断面类型、横断面高度、横断面宽度、地基处理类型等四个工程特性。在实际的建设过程中可以用路基土石方和路基宽度来概括这四个工程特征。

路面工程就是指路的表面构建形式，是采用沥青混凝土构筑路面还是采用水泥混凝土来构筑路面。

桥隧互通等结构物包括桥梁数量（其中包括特大型桥梁、大型桥梁、中型桥梁和小型桥梁）、隧道数量、通道数量和互通立交数量共四个工程特征。

2.3 神经网络模型原始数据的处理

因为神经网络模型的输入层和输出层之间有隐含层的连接，它们之间存在着复杂的关系，而该网络的训练过程就是从给定的样本数据中总结出这种关系，样本数据只有尽量的接近实际才能对造价进行准确的估算，要对其进行处理和核对，工程中有些数据是不真实的，还有一些是文字描述，无法直接输入模型，需要对这些语言文字进行数值的转化处理，所以使用的数据尽可能的是从工程的预决算文件中得来的。

根据确定了的工程项目的主要特征，然后将这些主要的工程特征作为人工神经网络模型的输入层数据。但是各个工程特征代表不同的元素，它们表达的含义对造价的影响以及取值范围有相当大的区别。工程特征的主要描述方法：一种是用语言文字来表述的，例如路面形式、地貌特征、时间因素等;另一种是以数值来表示的，像路基土石方、路基宽度、隧道数量、通道数量、公路长度等用实际的数据来表示。

2.4 神经网络模型的计算

（1）将选取的工程特征的数值归一化处理到[0，1]的范围，也就是隶属函数值的确定。

（2）利用模糊数学的基本原理，根据公式依次计算出待估算工程与其他工程的贴近度，将计算出的贴近度按照数值大小依次排列，选取其中的N个最大值作为训练样本。

（3）贴近度最大的也就是与待估算样本最接近的，将最接近的几个样本在训练样本中重复出现三次，也就是训练样本现在是N+2+2。这样能够提高训练的准确度。

（4）将这N+2+2组数据，一组一组的重复进行训练，重复100次，等网络训练结果达到一定的精度之后，也就是该估算系统可以投入测试，再将待估算的样本数据输入系统，这样就能得到待估算工程的造价。

（5）将输出的结果与实际值进行比较，看两者的误差是否在10-15%之间，如果是就满足要求，可以运用到实际中去;反之，就要对网络重新训练，增加重复训练的次数并且检查输入的样本数据是否合理，可以适当调整或者删除掉不合理的数据。

结语

如何控制和降低公路工程的造价是公路建设中一个突出的问题，快速准确的估算出工程造价是立项、评估及投资控制的依据。通过对影响公路造价因素的全面考虑，构造出进行造价的快速估算模型，通过不断地实践应用进行检验，分析得出具有客观性和准确性的方法，将会带来很强的理论和现实应用意义。

参考文献：

[1]彭丹，徐静竹，曾子莹，熊凡.浅谈人工神经网络在建设工程造价估算中的应用.金田.2011年10期

[2]孟庆款.改进的BP算法在建筑工程造价估算中的应用.工业控制计算机.2013年10期

基于改进遗传算法的造价模型优化 第4篇

从20世纪60年代开始, 电子计算机与有线网络大规模应用在工程造价的管理工作, 让工程造价优化管理成为当时最先进的管理模式。随着时代进步与发展, 造价优化管理模式也随着迅速发展, 逐渐走进各大工程项目建设中, 并受到高度关注[1]。造价是各领域项目中的建设工程预期成本开支, 或实际成本消耗开支一次性固定费用的总投入, 因此, 造价管理优化控制在工程项目中占据重要地位。造价为整项后续工程发展提供资金支持。如何以最科学、最精准、最节约的计算方式, 计算最佳的建设项目工程造价, 成为当今诸多经济领域共同面对的巨大考验[2]。随着经济发展、科技水平的日渐提升, 当今社会经济发展高效而迅速, 广大消费者的消费需求也日益增高, 对工程建设内部结构性能的要求越来越大。在工程建设中具有节能、低碳、环保要求为工程项目造价工作, 带来极大挑战与压力。传统工程造价管理工作已经无法跟上时代快速的发展步伐, 无法满足日益提高的造价设计要求。此时, 市场急需建立起一项更完善、更优化的造价管理模式, 用于应对市场中工程造价管理上的诸多问题。基于改进遗传算法的造价模型优化, 对解决造价上的问题, 具有十分显著的效果[3,4]。

目前, 对造价模型优化方法有模拟退火算法, 神经网络算法和遗传算法的造价模型优化方法, 传统的基于遗传算法的造价模型优化方法是常用的, 但此方法优化效果不显著, 基于改进遗传算法造价模型优化方法, 是在遗传算法的进一步改进之下, 对工程造价管理优化的升级。而遗传算法最早是用于模拟达尔文生物净化论的超自然选择, 以及对生物遗传学生物进化过程的一种计算模型, 是借由通过模拟自然生物进化全过程的摸索最优化计算方式[5]。而模拟式仿照基础编码工作过程过于复杂, 对科学技术的掌握操作熟练性要求过高, 不利于一般性工程项目工程的造价管理。

随着科技的推动, 对造价模型优化的改进式遗传算法应运而生, 简单化的二进制、三进制工程编码, 可以对大型工程项目造价工作进行管理与计算。加之市场实际计算管理经验, 基于改进遗传算法的造价模型优化, 逐渐生成了更加完善的工作处理系统。借助改进遗传算法, 使工程项目中的造价管理优化更加适用在当代环境下, 真正做到了造价工作的最优化管理[6,7]。进入21世纪, 基于改进遗传算法, 在国内的各大工程领域中, 迎来发展兴盛时期, 不管是对造价的控制管理还是计算控制, 在理论学术以及实际应用领域上都取得了一定管理成果。因此, 本文接下来将重点对基于改进遗传的造价模型优化, 进行深度分析与探讨, 并进一步分析基于改进的遗传算法对造价管理优化的具体内容, 同时也阐述了基于改进遗传算法的造价模型优化的局限性应对策略。

1 基于改进遗传算法的造价模型优化设计分析

遗传算法是类似模仿生物进化论, 即由适者生存、优胜劣汰的生物遗传特点, 演化形成具有随机式的搜索检测方案。遗传算法最早提出时间是1975年, 这种算法最大特性是可以直接对工程造价进行操作管理与计算, 其中没有物理函数连续性的要求和求导的限制。因此, 在建立造价模型中, 只需要找到造价函数信息, 通过遗传算法进行选择、交叉、变异计算, 实现造价管理信息搜索的最佳解决模型设计。

1.1选择策略

假设有群体由于遗传算法自身的优化能力有限, 为了寻找一个问题的最优解, 算法需要很多迭代运算。由此必须加快算法的收敛速率。

{X1, X2, ...Xn}ΔP (0) , 适应度函数为f (X) , 令作集合称为f关于P (0) 的水平集。

有了水平集, 每一代的种群划分为两部分:与, P (t) 为第t代种群。

由此可以选择更好的造价模拟数据, 为在下步造价优化函数模型的应用提供更有利的依据, 节省时间。

1.2造价优化函数模型应用

基于改进遗传算法一般采用二进制或三进制计算算法, 在造价函数模型设立中, 模型基本构建核心为:选取造价数据中的一组 (∂ 1, ℓ 1) , (∂ 2, ℓ 2) , …, (∂ N, ℓ N) , 以a. b. α 为数据参数, 并由造价函数公式∂ =a+b ℓia确定计算结果。造价计算的最终数据值a+b ℓ a若与实际造价数据∂ 1最贴近, 即a+b ℓia- ∂ 1计算结果的绝对数值总和要接近为零, 并要求函数模型公式与造价实际数值达到最相近, 即造价模拟数据成功。为进一步保障造价函数模型得到的数据精准, 要结合函数定理“二进制 σ ”统计概念进行数据分析, 具体表达公式为:

由上述公式得出 σ 数值越小, 表明造价函数模型数据精准程度越高, 多次数据计算后得出的最小数值, 可以作为造价模型的最优模拟参数。因此, 通过以上数据显示得出, 造价公式的二进制计算可以成为基于改进遗传算法的管理函数模式, 并经过大量数据反复计算后, 证明参数有效。另外, 借由遗传算法T系数计算概念, 对造价模型数据精准度进行深入研究, 并提供相关参考指标数据, T系数计算概念具体公式表达为:

系数计算数值T ∈ [0, 1, ]在此范围内中, T数值的大小作为反应模型造价公式计算数值与实际造价数值差, T数值越小, 说明模拟造价模型与造价数据吻合程度越高, 数据实验性结果越好。

通过对公式1 的深入分析得出:在造价模型数据中要得到数据最小值, 凭借一般性造价优化算法进行数据求导、数据编程以及各类函数公式导推, 其过程极其繁琐但最终效果却不佳。但基于改进遗传算法却能够过滤函数求导计算过程, 直接进入造价目标函数指定程序, 进行快速数据处理分析, 实现造价模型数据最优。

1.3参数确立与分析

造价模型公式中由上述数据参数a. b. α 代表, 在确定造价模型设计前, 无法预先确定这三个参数的取值范围, 但基于改进遗传算法的二进制计算原理, 可以在事先假设 α 参数值确定的前提下, 根据遗传算法二进制算法用 α 参数值, 用模拟公式推导出a和b的参数值。造价公式中的a和b参数值确定后, 参数的确立只剩下 α 值。因此, 首先导出a、b参数值, 利用模拟公式残差平方和E值为计算结果, 具体计算过程如下:

再分别导出a和b参数值为:

注, 时

(其中∑ 是的缩写)

上述公式中 α 为拟定数值, 导致推导后a和b参数值不够具有代表性, 得到的参数值也必定不会是最小值。因此, 需要拟定多组数据, 大量假定 α 参数值, 利用公式计算推导相应的a、b参数值, 确保参数值更精准、数值更小。

2基于改进遗传算法下造价模型优化的建立

2.1造价模型优化确保的可行性研究

建立造价模型优化, 改进遗传算法的最终目的就是让造价工作管理能力得到提升, 实现工程造价对项目建设的更好管理。工程项目造价优化管理全过程中, 每一阶段甚至每一项施工建设点, 都被当做是优化造价模型, 而整项工程项目单位将由无数细小的造价模型, 聚集构成为庞大的基于改进遗传算法的复杂性网络系统工程模型。其中, 可行性是实现造价模型优化管理的前提基础, 代表着基于改进遗传算法对造价模型优化功能的基本指标。从根本上来说, 可行性是为了保证造价管理的优化, 并在满足建设质量要求下的造价模型优化。

2.2造价模型优化确保的可靠性研究

基于改进遗传算法的造价模型优化管理, 在实际项目施工应用过程中, 由于造价优化管理工作涉及广泛的操作工序计算机系统, 二进制的计算编码会使遗传算法中的染色体变长, 同时降低造价优化管理的运行效率。但是改进后的遗传算法采用的是浮点式编码, 由于其具有串段、易于计算、直接、高效等优化特点, 受到广大市场的一致好评。

基于改进遗传算法的造价模型计算方式如图1 所示:

基于遗传算法造价模型的核心, 应该是根据广大消费者对工程建设质量的要求, 确定最符合工程项目发展的造价模型, 进行后续控制与优化管理工作。但是, 其中首要解决的任务, 是要明确可靠性和造价优化相关联的模型。因为学术理论上的成功造价模型, 一但进入实际应用优化管理过程中, 就很难控制工程质量与工程造价的完美统一。同时, 不同施工单位在实践中建立的造价模型, 受自然环境、地区、气候、专业技术装备以及施工管理水平等不同领域因素的制约, 在不同程度上存在一定干扰因素。因此, 在建立基于改进遗传算法的造价模型优化过程中, 要根据造价管理对象的实际情况, 建立不同规模的不同造价模型, 只要掌握核心原理, 便可以实现最佳的造价优化结果。

3改进遗传算法对造价管理的优化作用分析

工程造价优化对于一项工程项目的发展来说, 具有举足轻重的影响意义。造价管理的好坏, 直接影响整项工程最终的社会经济效益, 造价管理优化工作, 一直是国内各大工程企业致力于改善的问题。基于改进遗传算法的造价模型优化, 可以发挥最佳造价管理的职能, 具体的影响优化作用有如下几点:

3.1基于改进遗传算法的造价评价职能优化

工程造价作为工程企业中最为重要的评价依据, 对工程企业的成本总投入和阶段性投资, 以及确定投资经济回报率, 具有决定性的评价管理职能。基于改进遗传算法优化下的造价管理, 在对工程进行土地价格、建筑施工、设备安装以及施工设备价格评估的过程中具有重要作用。利用工程造价在项目建设中的管理监督地位, 在凭借改进后的遗传性算法, 可有效的实现建设项目贷款偿还能力评估预判、建设企业最终的经济收益情况的评估预判。由上不难看出, 工程造价的管理职能, 在工程企业中具有重要的决定性作用, 而基于改进遗传算法的造价模型优化, 是进一步推动造价职能发挥的有利途径。

3.2基于改进遗传算法的造价调控职能的优化

调控管理是工程造价管理最难控制的一项, 首先, 基于项目工程的客观建设规模, 导致工程造价在管理上的诸多困难;其次, 由于工程项目投资参与者的复杂、多样化, 导致不同领域的投资管理者, 对造价的管理内容也不尽相同;再加之日益复杂的金融市场, 工程企业内部、外部同时对造价管理提出了巨大挑战与压力。基于改进遗传算法, 在造价优化管理过程上, 实现造价管理职能中调控作用的最大限度发挥, 因为企业项目整体内部的建设规模与发展结构的宏观调控, 无论是在何种情况下, 都是无可避免又不可或缺的重要管理环节。在进行整体性调控、管理过程中, 工程造价是实现最佳管理效果的重要经济杠杆。基于改进遗传算法优化下的造价工作, 在造价内容上得以实现科学管理、精准控制, 不但对工程建设项目的实际建设材料消耗、实际建设规模程度、市场投资方向, 也予以了专业调控和造价管理。

3.3基于改进遗传算法的造价预判职能的优化

在工程项目尚未开发建设之前, 工程项目投资商或是工程建设施工单位, 双方会对待开发施工项目进行前期市场预先判断和测算管理, 这是工程开工之前尤为重要的一个环节, 工程造价预判职能在这一环中的发挥, 具有决定性作用。基于改进遗传算法的造价模型优化管理, 让工程企业的投资管理者预先做好造价测算工作。基于改进遗传算法, 不但使造价预判职能得到优化, 为项目提供决策依据时, 还可以做到更精准的预测;可以做到在项目建设前期更准确的资金成本筹集, 同时, 为全过程监督控制管理上提供依据。另一方面, 项目企业承包商通过改进遗传算法, 可以事先掌握造价的预算数值, 为后续项目提供投标竞标的决算依据, 也为投标报表以及成本控制管理提供最佳依据, 在根源上减少造成造价管理失控的风险因素, 非常有利于项目事业的发展。

3.4基于改进遗传算法的造价控制管理职能的优化

造价控制管理贯穿于项目施工发展过程中的始末, 作为极为重要的项目管理者, 造价控制管理工作为工程项目的顺利发展、实现最大程度的社会经济效益, 做出绝对的积极贡献。基于改进遗传算法的造价模型优化管理, 凭借遗传算法的全局性择优优势, 让造价控制管理可以全面掌控整项工程企业的建设发展情况。首先, 是针对投资管理者, 在工程项目发展不同阶段中, 基于遗传算法优化, 可对造价控制管理进行重复性评估与预算, 并为全过程的造价管理提供全方位、立体化控制;其次, 是针对施工承包商各环节的物品消耗需求, 以及人力资源成本消耗的具体控制, 最终得以实现用最低成本造价, 实现最高社会经济效益, 为建设工程企业赢得市场竞争力。

总结

随着科技运用程度的加大, 基于改进遗传算法的造价模型优化活动, 已经成为一项十分热门的研究课题, 也让遗传学算法的不同领域应用, 变得异常活跃。同时, 基于改进遗传算法, 进行造价模型的优化以及造价优化学习的能力, 都得到显著提升。虽然, 经过改进遗传算法, 实现造价管理能力优化, 并对实际工程造价管理, 产生巨大积极影响作用, 但同时也发现遗传算法在造价管理领域中的局限性。因此, 在未来模型研究探索过程中, 要根据实际情况, 有针对性的基于改进遗传算法进行造价管理优化, 才能在多变、复杂的社会环境中站稳发展的脚步, 并能够为国内各大型建设工程项目带来非常可观的经济效益和社会效益。

参考文献

[1]李盼盼, 朱伟兴.基于改进遗传算法的TS模糊模型的优化设计[J].传感器与微系统, 2008, 27 (8) :100-102.

[2]刘怀兰, 牛辉, 王佳.基于改进遗传算法的智能组卷模型优化[J].华中科技大学学报:自然科学版, 2013, 41 (5) :82-85.

[3]王南, 张京军, 高瑞贞.基于改进遗传算法多体模型的汽车悬架参数优化[J].遼寧工程技術大學學報:自然科學版, 2007, 26:435-437.

[4]李可, 马孝义, 符少华.基于改进遗传算法的水电站优化调度模型与算法[J].水力发电, 2010, 36 (1) :92-93.

[5]曹云, 徐奋强.基于改进遗传算法的长短桩复合地基优化设计[J].水文地质工程地质, 2011, (6) :79-83.

[6]王东霞, 张瑞玲.基于改进遗传算法的机械优化设计参数模型研究[J].煤矿机械, 2010, 31 (2) :9-11.

浅谈工程造价的估算模型 第5篇

工程造价是指进行工程项目建设所需要花费的全部费用。它包括建设工程费、设备器具购置费、工程建设其他费、预备费、建设期贷款利息、固定资产投资方向调节税等。工程造价估算的准确性和高效性, 直接影响着项目的投资决策和投标的竞争力。随着我国工程建设的快速发展及招标投标制的逐步推行, 工程造价估算模式在不断深化, 如何快速而且准确的进行工程造价估算成为当今热点研究课题之一。

本文讨论了工程造价的作用, 总结了定额法、实物法、回归分析法、模糊数学法、灰色预测法和人工神经网络法在工程造价估算中的应用现状及其特点, 期望为实际工程应用和理论研究提供可参考的综合分析资料。

2工程造价估算的作用

在整个工程项目建设过程中, 工程造价是贯穿始终的主要影响因素之一。工程项目建设具有很大的不确定性, 使建设价格时常发生改变, 因此合理的进行工程造价估算是工程项目可行性研究的基础, 其作用范围和影响程度十分巨大。

2.1 投资决策方面

工程造价估算对建设项目的投资具有指导作用。现阶段, 我国市场经济竞争十分激烈, 能否快速而且准确的进行工程造价估算成为投资方所要面对的首要问题。工程造价决定着项目的一次投资费用, 因此工程造价估算的结果将直接反应出工程项目建设所需的投资金额及经济收益, 给投资方在项目投资决策阶段提供重要依据。

2.2 工程成本控制方面

工程造价估算是工程项目建设过程中必不可少的关键环节, 其估算结果是工程项目建设成本控制的基点。工程造价估算对工程项目建设成本的控制主要体现在两个方面。对于投资方, 在不同的阶段进行工程成本估算并对其进行控制, 最后通过竣工决算确定工程项目的最终成本。对于施工企业, 可根据工程造价估算内容, 挖掘降低工程造价的潜力, 为成本控制计划提供依据。

2.3 筹集建设资金方面

工程造价估算[1]是投资方筹集建设资金的依据。高效的工程造价估算方法能够比较准确的计算出工程项目所需的建设资金, 为投资方提供一个准确的筹集资金额度。当向金融机构进行贷款时, 金融机构也需对工程项目的工程造价进行估算, 以便对工程项目的偿贷能力进行评估。

3工程造价的估算模型

3.1 定额法

定额法[1]是通过事先编制的分部分项工程的单位估价表和工程量乘积的总和来计算工程造价的方法。其估算步骤主要分为三步: (1) 对工程项目的规模、结构情况及工程特征等进行分析, 利用定额法对投资进行估算; (2) 根据其相应的估算指标, 算出直接成本, 间接成本, 利润和税收等; (3) 对各项成本进行汇总得出工程项目估算。现阶段, 我国基本采用定额法来确定工程造价。定额是根据各地行业平均生产率水平及国内自产设备生产率进行制定的, 基本反映了各地和各行业的技术经济水平与特点。

定额法的优点主要体现在两个方面: (1) 采用定额法估算的工程造价能够反映当时的技术经济水平及平均劳动生产率, 有利于对工程造价的水平进行宏观调控; (2) 定额法的思路简单明了, 对编制人员的知识结构要求不高。然而定额法也存在着不足之处: (1) 定额存在滞后性, 不能反映当前科学技术的最新成果; (2) 定额采用国家或地方政府制定的统一工程造价, 招投标时不利于竞争; (3) 定额法估算工程造价不能反映质量目标和进度目标。

3.2 实物法

实物法[1][2]又称实物量分析法, 是通过计算各种资源的消耗量及单价来确定工程造价的方法。其基本思路主要分为三步: (1) 分析各分部分项工程所需的材料、人工和机械的消耗量及其单价, 计算其直接成本; (2) 计算管理费、财务费等间接成本; (3) 对直接成本和间接成本进行汇总, 求得总工程造价。

相比于定额法, 实物法的价格根据市场的变化而定, 资源消耗量根据工程的实际建设条件而定。因此, 实物法能够真实的反应出市场的变化情况和技术管理水平, 是一种切合实际、合理、准确的估价方法。然而, 实物法并未得到普及, 其主要原因在于实物法估算工程造价过程复杂, 工作量大;对工作人员的知识水平要求较高;需要较多的工程资料, 不利于投资决策和可行性研究阶段的工程造价估算。

3.3 回归分析法

回归分析法是根据比较完备的历史统计数据, 运用统计学方法进行加工整理, 得到有关变量之间的关系, 用于预测未来变化情况的一种工程造价估算方法。在20世纪七十年代[3], 作为一种工程造价估算方法, 回归分析法便开始快速发展。随着越来越多的学者对该方法进行研究, 回归分析法被逐步完善。2003年, R.Martin Skitmore[4]等基于93个澳大利亚详细的工程资料提出了有关实际工程周期及造价的回归预测模型。其模型表达式为

y=α0jβ0+α1jβ1x1j+α2jβ2x2j+……+αnjβnxnj (β≥0) (1)

式中, (0j、 (1j…… (nj为回归系数;x1j、x2j……xnj为各工程变量值; (0、 (1…… (n为使残余平方和最小的拟合系数。

通过分析得出, 该模型具有很好的拟合效果, 对于工程周期, 其最小的残余平方和为1.77817, 对于工程造价, 其最小的残余平方和为0.56923。2009年, 陈小龙[5]等基于解释结构模型, 对18个上海地区小高层住宅项目工程造价进行多元线性回归估算。结果表明结合解释结构模型和多元线性回归方法能够快速而准确的估算工程造价, 估算误差控制在5%以内。

以上分析可知, 回归分析法简单易行, 能够较快的对工程造价进行估算, 但是需根据类似的工程样本进行分析, 其准确程度取决于样本的大小及工程项目的相似程度。

3.4 模糊数学法

模糊数学法是以一组与拟建工程类似的已建工程为基础, 运用模糊数学理论, 定量地确定工程项目间的相似程度, 建立相应的数学模型, 推算出拟建工程造价的估算值。史亮[6]指出在工程造价快速估算中, 模糊数学法主要分为四个步骤: (1) 建立工程造价快速估算数学模型; (2) 确立模糊关系系数; (3) 计算加权海明贴进度; (4) 工程造价估算。

计算加权海明贴进度是模糊数学法中最为重要的步骤, 只有选择的相似样本是合理的, 估算出来的造价才会比较精确。经研究表明, 样本相似程度和公式参数估计系数比较合理, 工程造价估算精度将控制在5%之内。

3.5 灰色预测法

部分信息已知, 部分信息未知的系统称灰色系统。灰色理论的微分方程模型简称GM模型, 基于灰色系统理论的GM模型的预测, 称灰色预测。采用灰色预测法估算工程造价就是从已建工程中找出与拟建工程最相似的若干工程, 进行工程间的灰色关联分析, 利用相似的已建工程造价资料估算拟建工程的造价。灰色预测法的计算步骤主要分为四步[7]: (1) 确定系统的主导因素和关联因素; (2) 对主导因素建立GM (1.1) 模型, 对关联因素建立GM (1, N) 模型; (3) 根据GM模型, 建立系统状态方程; (4) 求解状态方程, 并对其解果进行累计还原, 即求得各因素拟合值和预测值。

作为工程造价的一种新方法, 灰色预测法具有快速、简便的特点。然而, 值得注意的是影响工程造价的因素很多, 对不同的因素进行预测得到的结果也会不同。因此, 为了获得更为准确的预测效果, 合理优化预测因素显得至关重要。

3.6 人工神经网络法

人工神经网络模型是由大量、简单的神经元广泛地互相连接而形成的复杂非线性自适应动态网络系统。从20世纪九十年代[8]以来, 神经网络法就开始应用于工程造价估算之中。G H.Murat[9]等指出, 采用人工神经网络法对工程造价进行估算主要分为模型建立、训练以及测试三个模块。模型建立模块主要包括数据分析、造价影响因素的确定、网络结构体系和内部规则的选择。网络结构体系由输入层、隐含层和输出层组成, 如图1所示。造价的主要影响因素通过输入层进入神经网络结构体系, 而后隐含层提取和记忆信息中有用的特征及其次要特征, 最后通过输出层将所提取的信息进行汇总并输出工程造价。训练模块要求收集数据并确定网络学习准则。在训练模块中, 将收集的训练数据样本按照网络学习准则进行网络学习, 通过反复的训练, 提取其有用信息, 可得到一个训练好的造价预测样本, 通过必要整理加工后, 最终得到预测的工程造价。测试模块是将预测的工程造价与实际工程造价相比较, 评价预测模型的精度。

人工神经网络法具有良好的自组织自适应和很强的学习能力, 对造价估算的精度远高于回归分析法、模糊数学法和灰色预测法。但是人工神经网络法可能陷入局部极小点, 使误差变大。如何克服算法的这一缺陷是今后需要研究的一大课题。

4结语

无论是建设单位进行投资决策, 还是施工单位进行成本控制, 快速而且准确的进行工程造价估算具有十分巨大的作用。随着工程建设的兴旺发展, 工程造价估算的重要性日趋显著, 国内外学者对估算模型的研究也越来越深入, 包括定额法、实物法、回归分析法、模糊数学法、灰色预测法、人工神经网络法等。本文对这些方法进行了总结, 并指出主要思想及特点, 为实际工程应用和理论研究提供可参考的综合分析资料。

参考文献

[1]郭琦.工程造价管理的理论与方法[M].北京:中国电力出版社, 2003.

[2]朱光明, 钱善扬.实物量法-国际社会编制工程造价的惯例[J].中国建设信息, 2002.2 (3) :55～57

[3]McCaffer R.Some examples of the use of regression anal-ysis as an estimating tool[J].Quantity Surveyor, 1975, 32:81-86

[4]R.Martin Skitmore, S.Thomas Ng.Forecast models for actual construction time and cost[J].Building and Environment, 2003, 38 (8) :1075-1083.

[5]陈小龙, 王立光.基于建筑设计参数分析模型的工程造价估算[J].同济大学学报 (自然科学版) , 2009, 37 (8) :1115-1121

[6]史亮, 周钧, 杨亚辉.模糊数学在工程造价快速估算中的应用[J].山西建筑, 2005, 31 (2) :147-148

[7]孙涛.灰色系统预测理论在建筑工程造价中的应用[D].西北工业大学, 2006.

[8]Hoijat Adeli, Mingyang Wu.Regularization neural net-work for construction cost estimation[J].Journal of Construction Engineering and Management, 1998, 124 (1) :18–24.

关于工程造价指数编制模型的探讨 第6篇

工程造价指数作为一系列反映工程造价变动情况的统计数字, 在工程造价管理工作中具有非常重要的作用。在建筑市场供求和价格水平发生经常性波动的情况下, 工程造价及其各组成部分也处于不断变化之中。根据工程建设的特点, 编制工程造价指数是解决这些问题的最佳途径。工程造价管理部门可以通过分析、测算和发布工程造价指数, 掌握并向社会提供建设工程造价的总体发展趋势信息, 为工程建设市场服务, 为投资决策服务, 为政府部门宏观调控服务, 对提高工程造价管理水平有重要的意义。

工程造价指数反映了报告期与基期相比的价格变动趋势, 是建筑市场价格变化的指示灯, 它在实际工作中的重要作用如下:

(1) 工程造价指数是解决已建工程造价静态性的重要工具。

以有代表性的工程造价资料和工程造价指数相结合来计价, 可以解决已建工程造价的静态性问题。

(2) 工程造价指数是合理确定工程结算价款的依据。

除规模小、施工周期在一年以内的工程可采用固定合同价外, 对于不少施工周期在一年以上的工程, 为解决合同双方因市场物价波动而承担的风险, 双方可签订可调合同价合同。反映市场物价变化幅度的工程造价指数, 能为实现工程价款动态结算提供必要条件, 使可调合同价的签订更具有合理性和科学性。

(3) 工程造价指数便于分析价格变化的原因和估计工程造价变化对宏观经济的影响。

由于工程造价指数有单项价格指数和综合造价指数, 所以可以通过单项价格指数分析计算单项价格变化对工程造价的影响程度, 也可以通过单位、单项工程造价指数等来计算其对建设项目造价的影响, 进而可向有关部门提供可靠数据, 准确估计建筑产业价格变化原因和对宏观经济形势的影响, 为国家制订调控措施提供依据。

2 工程造价指标数据库的建立

工程造价指标数据库是工程造价指数的基础。准确的指数, 建立在正确的工程造价指标数据收集方法及科学合理的编制模型之上。

2.1 工程造价指标的数量

指标数据库数据量越大, 越有利于测算出准确的统计值。由于当前基本建设投资不断增加, 全社会处于建设高潮时期, 大量的建设工程产生了大量的工程造价资料, 因此负责测定和发布指数的工程造价管理部门要把如何从投资方、项目建设方、项目施工方及中介机构手上取得符合统计学样本数量要求的资料作为工作重点。

2.2 工程造价指标的质量

我们要考察的是工程造价的社会真实水平而非预算编制水平, 因此我们需要的是能够代表市场价格, 即已经成交的工程的实际造价, 也就是说, 首先应该收集的是各竣工工程的结算造价资料。另外, 建筑工程市场普遍实行招投标制度, 工程中标价实际上也是一种成交价, 这个成交价决定于实际工程成本水平及社会竞争水平, 因此也符合采集要求;而其他造价资料, 不管编制水平如何, 由于其并未同时为供需双方所接受, 不能肯定它是否已反应了市场水平, 所以不在考察的范围内。对收集到的资料, 还应根据预先设定的标准进行审核整理, 以保证其真实性和代表性。

3 工程造价指数编制模型

工程造价指数分单项价格指数和综合造价指数两种类型。单项价格指数反映不同时期建设工程施工中人工、材料、机械台班等价格报告期对基期的比值, 综合造价指数则是反映不同时期分部分项工程项目的综合造价报告期对基期的比值。结合广西目前实际情况, 根据笔者所参与的广西科技厅科技项目“工程造价指数指标分析专家系统”中设计的计算模型, 优化其中部分计算公式, 建立了一个简洁的工程造价指数编制模型, 主要内容如下:

3.1 材料价格指数的计算

材料价格指数是反映各种材料报告期价格对基期价格的变化程度的指标, 可用于研究某一类材料价格变化的情况及其发展变化的趋势。本模型取出具有市场代表性的下列十大类共26种材料作为计算对象, 并给出经过广西数家甲级工程造价咨询机构提供的近千个工程项目施工图预算 (标底) 、结算的具体数据测算得出的材料权数, 其计算公式如下:

材料价格指数=∑ (材料的报告期价格/材料的基期价格×100×材料权数) (见表1)

通过上述计算可得出报告期对基期的十大类材料价格指数。

3.2 材料价格综合指数的计算

材料价格综合指数是对于当地或者一般工程, 其全部材料 (以上述26种材料为代表) 的报告期价格对基期价格变化而影响工程造价程度的指标。其计算公式及本计算模型类型权重如下:

材料价格综合指数=∑ (单项材料价格指数×类型权数) (见表2)

通过上述计算可得出某个地区或某个工程的报告期对基期的材料价格综合指数。

3.3 工程造价指数的参考指数

工程造价指数是对于多个地区或某一类工程, 其报告期的工程造价与基期工程造价相比后的指数, 其计算公式如下:

工程造价指数=人工费指数×类型权数+∑ (材料价格综合指数×类型权数) +∑ (单项施工机械台班指数×类型权数) +其他直接费、间接费等综合指数×类型权数

根据广西各地市实际情况, 要全部采集完上述数据计算工程造价指数比较困难, 因此本编制模型抽取占工程造价60%~70%的材料费来进行计算参考指数, 计算公式及本计算模型类型权重如下:

工程造价参考指数=∑ (材料价格综合指数×类型权数) (见表3)

通过上述计算可得出广西区某个时期报告期对基期的工程造价参考指数。

目前, 广西仅有几个地市的工程造价管理部门发布工程造价指数, 而且计算方法各不相同, 没有形成编制模型。依据上述编制模型计算得出的工程造价指数能准确地反映出市场实际的要素价格波动, 而且计算过程简洁, 指数计算结果从2008年开始刊登在广西建设工程造价管理总站刊物《广西造价管理》上, 对工程造价的计价过程尤其是在工程量清单计价模式下的工程投标报价的编制过程有着重要的参考作用, 其理论价值和实践意义会在不断完善的基础上逐渐显现出来。

摘要：工程造价指数是不同时期单项价格和综合价格的相对变化趋势与变化幅度的指标, 是研究工程造价动态性的重要工具。本文旨在探讨如何建立良好的工程造价指标数据库, 并提出一种简洁可行且能反映实际情况的工程造价指数编制模型。

关键词：工程造价指数,编制模型,建筑市场

参考文献

[1]罗唏.工程造价指数指标分析专家系统[EB/OL].http://www.cacem.com.cn/News/ open.asp?ID=135693, 2005-7-15.

关于工程造价指数预测模型的探讨 第7篇

1 灰色GM (1, 1) 预测模型

灰色GM (1, 1) 模型的构建

第一步:

原始数列的起伏变化通过一次累加弱化了原始数列的起伏, 生成的数列呈现递增形式。

第二步:

其中a, u为常数, 称a为发展灰数, u为内生控制灰数, 是对系统的常定输入。

第三步:

最小二乘法估计常数a和u

2、模型的检验

(1) 残差检验

3 灰色GM (1, 1) 预测模型的实例分析

本文以天津市建筑工程造价月指数为例进行GM (1, 1) 预测模型的实例分析, 并预测2015年1月和2月的造价指数。

第一步:收集原始数列

将其累加一次得

第二步:对x (1) 作紧邻均值生成

第三步求累加生成矩阵B和向量y

第六步解x (1) 的模拟值

还原x (0) 的模拟值

预测模型的模拟数值与实际数值的对比及相对误差率见表1-1。

检验计算标准差C=0.000859, 小误差概率P=1, 对比精度等级评价表, 精度等级为好, 所以GM (1, 1) 可用于工程造价指数的预测中。

根据预测方程计算的2015年1月和2月的造价指数分别是100.447、100.497, 相对误差率分别为0.35%、0.9%, 预测的精度比较好。

3 结语

将预测理论运用到工程造价指数中, 通过对工程造价指数的预测对未来工程造价的变动趋势进行分析, 对促进我国工程造价控制理论的发展具有重要作用。通过对灰色预测模型在造价指数预测中的实例验证, 灰色预测模型以小样本建模, 适用于工程造价指数的短期预测, 预测精度比较好。

摘要：工程造价指数的预测研究对工程造价的动态管理具有重要作用, 本文以灰色预测模型作为工程造价指数的预测模型, 运用天津市历史造价指数对模型的预测精度进行检验, 通过实例验证该模型的预测精度较好。

关键词：工程造价,预测模型,灰色理论

参考文献

[1]徐国祥主编, 统计预测和决策, 上海财经大学出版社, 1998年06月第1版.

浅析工程造价管理成熟度模型 第8篇

关键词：工程造价管理,成熟度模型

引言

从这几年的建筑业的发展来看, 企业愈加重视工程造价管理成熟度模型, 成熟度模型能够通过业主方的造价管理成熟度的分析, 精确的计算出业主方的造价管理能力, 然后进一步分析出工作方面的缺陷, 然后制定相应的优化措施, 进而提高其造价管理能力。因此为了能够进一步优化完善工程造价管理成熟度模型, 我们需要对其基本结构, 内部流程进行详细的剖析。

一、工程造价管理成熟度模型的组成

1. 工程管理的成熟度等级

工程造价管理成熟度模型的等级效仿了项目管理的成熟度模型同样分为五个等级:

(1) 第1级。项目工程企业单位开始意识到造价管理的重要性, 并且已经决定接触有关造价管理的一些基础理念, 但是并没有建立一个完善的体系, 无论是体制、经验、投资计划上都有很大的随意性。

(2) 第2级。企业在有一定的造价管理的基础理念之上意识到需要对工程造价管理进行规范整改, 并在过程中积累经验, 开始广泛接受并采用。

(3) 第3级。在这个阶段企业开始对工程造价管理建立一个严格规范的组织体系, 从而使工程造价管理体系标准化、规范化, 即让造价管理系统的整体变得有制度有体系。

(4) 第4级。这个阶段的主要工作是细分工行层的管理体系, 即把每个工程分项目按照国家制定的计算方式以及数据在根据创新技术结合市场形势, 对工程成本以及;量进行计算。争取使得对分项目进行严格的规划。同时, 在这个阶段, 工程企业还要考虑两个方面的成本:一个是建设所需要的成本;另一个是实际运营和维护中需要的成本。只有将这两者结合考虑, 才可以更加合理的对建筑材料进行设计和选择。按照国家制定的建筑造价标准, 在保证建筑质量的基础上, 节约造价成本。

(5) 第5级。前面四个等级的基础之上, 继续将工程造价的每一个子项目、子环节进行内外全方位的改进, 争取使造价管理达到最优秀的状态, 建筑企业在以获得的优势基础上一步一步的完成对项目的每一个内容关键点进行优化与该撒喊你, 从而更好地推动企业的发展。

2. 工程造价管理的数据域

每一个工程造价管理都需要有一个数据域作为理论指导, 它会被分解成为意义具体的关键组件, 这些关键的组件用来对对成熟度和开展计划进行, 即数据域将收奶整理每一个成熟阶段的每一个造价成本。着需要数据域将国家制定的金额标准、企业单位的具体情况、设计方案的选择、施工阶段的各个环节进行整合。把所有的造价控制在合理的空间内。

3. 工程造价管理的过程域

过程域指的是业主为了使工程项目的造价管理可以符合各个等级的标准而安排的优化领域。过程域分为五个部分, 其关系为:对投资进行估算, 判断其是否符合启动的要求, 当项目启符合启动要求时, 要对设计的预算进行评估, 评估主要从两个方面作为依据, 一个是施工图概况, 一个是施工预算, 最后再对工程管理的收尾阶段进行评估。

4. 目标

目标指的是在过程域中运用数据域的相关知识, 判断每一个环节的目标实现程度。主要作用在于以工程的质量为前提, 将项目的整体造价控制在制定的目标周围。

5. 工程造价管理的实践

实践指的是实现过程域的各个部分, 实践具体来说分为五个阶段:决策阶段, 决策意味着工程将要启动, 将要开始一系列的工作, 这就要求企业单位在决策前认真勘察场地、评估方案、

确定项目的可实施性, 最后在合理可接受的情况下对项目进行决策;设计阶段, 设计质量的好坏决定着整个工程的成本、质量、收益, 因此在这一阶段要求设计人员需要在保证设计理念合理规范的情况下, 做到工程设计的经济化, 即不吝啬每一分钱, 但也不浪费每一分钱, 设计人员需要结合自身的设计经验, 依据市场情况设计一个合理科学的设计方案;施工的招标阶段要严格选择施工单位, 与施工单位签订相应的责任合同, 检查招标文件, 对每一个细节的价格都逐一审查;施工阶段, 严格把控材料的购价、施工的成本、施工人员的调度等;竣工阶段, 认真核对清单, 把控好验收的每一个环节, 争取使所花费的成本都能够查到去向。

6. 工程造价管理的保障

指的是确保工程项目的所有环节、活动都有相应的标准、规范、体制对其施工人员、投入的资金、素质水平、数据信息进行保障, 保障每一个细节得到支持与制约, 从而达到既定的目标。

7. 工程造价管理的主要步骤

主要步骤指的是所有的工程项目都会实施的步骤, 主要有以下几个环节:

(1) 投资规划:判断有意的项目是否值得投资, 并对值得投资的项目的成本进行一定的评估。

(2) 施工:在投资规划阶段对每一个施工阶段预计花费的范围下进行实际的施工, 尽量使施工花费的费用保持在可控的范围内;

(3) 资金把控:即根据实际的施工情况对资金进行相应的调整。

(4) 评价:即对结果进行分析, 从设计方案的实施性、施工的整体性、验收的质量、工程的结算这几个方面进行分析, 判断所获利润。

二、工程造价管理成熟度模型的总体流程

成熟度模型的具体流程如下:

(1) 以过程域为保障制定一个合理的目标;

(2) 将目标付诸于实践。

(3) 有了过程域、合理的目标将实践进行具体的实施

(4) 实施过程中需要采取一定的控制, 不能盲目的实施。

(5) 控制下的操作将会循序渐进, 有计划的进行。

三、结束语

本文具体介绍了工程造价管理成熟度模型的内部结构, 以及实施流程, 希望相关的工作人员能够对工程造价管理成熟度模型, 并且基于此不断完善与优化, 从而进一步推动工程项目的管理质量, 进而更好的推动市场经济。

参考文献

[1]李慧, 王建国.工程造价管理成熟度模型的分析[J].工程管理学报, 2014, (2) :102-106.

基于神经网络的工程造价模型的建立 第9篇

国内外对工程造价模型进行了大量的研究工作，各种模型都存在着各种各样的不足，如回归模型外推性差，类比系数法准确性差。类比法这样的模型原理简单，但是不灵活，但是要求新建工程与已建工程相似程度越大，则其准确性才能越高。到了80年代计算机技术已较发达，计算机模拟技术，即借助于计算机产生大量的随机数，依已有工程的先验概率去模拟各分项工程，最后将各分项工程的造价相加即为总的造价。但是这种技术必须要有大量的已竣工工程数据，满足各分项工程产生先验概率的样本数量要求，样本越多，则模拟结果越准确。事实上，由于我国近年来经济的迅猛发展，很难存在大量有效的可利用数据。进入90年代人工智能技术应用越来越广泛，专家系统也是人工智能的一种，即是建立专家知识库，专家经验越完善，则推测结果越准确。人工神经网络则是近年兴起的一种人工智能技术。

神经网络应用于工程估价中是对类比法的一种发展。人们普遍认为，工程建设的资源耗量与工程的一些基本特征值之间存在着必然的联系。但是，这种必然的联系一般并不都能以一个简单的表达式准确地表达出来，而神经网络可以通过其内部的推理机制，解决工程特征和工程建设资源耗量之间的复杂关系问题。神经网络也就是利用已建工程的基本资料，通过建立工程特征和资源耗量之间的联系来完成工程估价的任务。

二、神经网络模型的原理

神经网络模型是一种基于生理学的智能仿生模型，是由大量处理单元即神经元互联组成的非线性大规模自适应动力学系统。它具有自组织、自适应和自学习能力，以及具有非线性、非局域性、非定常性和非凸性等特色，它以很多神经元的微活动构成神经网络的宏效应，而能模拟人脑的某些智能行为。BP网络由三个神经元层组成，最下层称为输入层，中间层称为隐含层，最上层称为输出层。

BP网络的学习过程由正向传播与反向传播两部分组成，输入信息经隐含层单元逐层处理并传向输出层，产生需要的输出。若输出与给定的期望输出有较大误差而不能满足要求，则转入反向传播，将误差沿原来的连接线路返回，通过修改各神经元的联系权值使误差减少，再转入正向传播过程，反复迭代，使网络得到记忆训练。直到误差满足要求时，即得到相应稳定的权值。Hetc-Nidsen证明了对任何在闭区间内的一个连续函数都可以用一个单隐层的BP (前馈) 网络来逼近，因此，一个单层的前馈网络可以完成任意复杂函数关系的映射。

三、BP神经网络模型的建立

神经网络模型的建立包括网络层数和各层参数的确定。输入、输出层参数包括神经元的个数以及每个单元所代表的物理量，其中输入层单元的个数及其物理含义表示所需要解决问题的已知量的个数和内容，输出层单元的个数及其物理含义表示所需解决问题的答案。

1、工程特征因素分析、选定与量化

确定影响建筑规划设计方案造价、人工及材料消耗的因素，是构造神经网络结构模型的关键。不同的工程影响其造价的因素也不同，经研究表明，影响住宅楼的造价因素包括：基础类型 (R C有梁-3, RC柱基-5, 独立柱基-7) ，门类型(木门-3，推拉门-5，钢门-7，铝合金门-9)，窗类型(钢窗-3，铝合-7)，外墙装饰(一般粉刷-3，水刷石-5，马赛克-7)，内墙装饰(一般粉刷-3, 803涂料-5, 106涂料-7，砂浆喷白-9)，地面类型(水磨石-3，细石-7);输出层即为该工程的工程造价 (或单方造价) 。选取8个特征因素，建立工程输入特征向量：

2、实例验证

本文选取了某市一家建筑公司的建筑项目进行实例验证，所得结果如下表：采用BP算法进行工程造价的预测，有较好的收敛度和较高的精度。

四、结论

人工神经网络由众多的神经元经可调的连接权值连接而组成一个网络，可以逼近任意复杂的非线性系统，具有大规模并行处理、分布式信息存储、良好的自组织自适应性和很强的学习能力，其对造价估算的精度更加远远高于模糊估算模型。神经网络应用于造价管理系统，会给造价工作带来巨大的变化。

摘要：基于神经网络强大的非线性映射原理, 提出了BP神经网络模型的工程造价预测模型, 指出该预测模型可对线性和非线性关系的工程造价进行合理的预测, 经过实例证明, 该方法收敛速度快, 预测的可靠性令人满意。

关键词：工程造价,BP神经网络,预测

参考文献

[1]、张欣, 蔡伟光.利用人工神经网络实现预测建模[J].理论与方法研究, 1997 (4) :65一67.

[2]、李雄计算机技术在工程造价管理中的应用[J].山西建筑, 2005, 31 (15) :111一112.

[3]、陈明.神经网络模型.大连:大连理工大学出版社, 1995.

[4]、杨子敏.公路工程造价指南.北京:人民交通出版社, 2001.

[5]、苏振民.基于灰关联的建筑工程造价模糊估算.[J]南京建筑工程学院学报, 1993, (4) :40-43.