基于精準建設的大型工程項目工序工期的預測

摘要：由于傳統工期預測的模糊性和隨機性，不適合建造大型工程項目工序工期的預測。首先分析了大型工程項目工期預測的基礎理論和特點，其次剖析了大型工程項目工期預測的基本理論，再次提出了多元線性回歸模型和BP人工神經網絡系統分別預測線性建造和非線性建造工序的工期，最后得出這兩種方法在大型工程項目工序工期預測中具有一定的指導意義和價值。

關鍵詞：大型工程項目；精準建造；多元線性回歸；

人力的多重復雜性導致工期的各種可能性，因此工期成為一個模糊的隨機變量。BPX工神經網絡系統進度計劃是大型工程項目進度控制的指揮棒，而各工序的建造工期精確程度直接影響整個進度控制。論文考慮大型工程項目工期的隨機性和模糊性，綜合分析影響工期的諸要素，從精準建造角度提出了大型工程項目工期預測概念，并用神經網絡系統對大型工程項目工序工期進行預測，從而編制科學合理的進度計劃，使大型工程項目建造過程穩定均衡、工作流持續，建造周期縮短，建造成本降低，產品質量和客戶滿意度提高。

一、基于精準建造的大型工程項目工期預測概述

1、工期預測理論基礎——精準建造

精準建造(Lean Construction)是一種基于建筑產品管理，通過精準的建筑產品定義、合理有效的建造單元分解、精準產品策劃、精準設計，在材料的精準供應、全過程的產品控制、及時的信息流通和反饋、全體人員早期介入下實現建筑產品的精準施工，達到建筑產品的成功交付、資源浪費的最小化、價值創造的最大化的建造管理方法。

2、工期預測特點

基于精準建造的大型工程項目工期預測具有以下三方面的特點。

(1)綜合考慮大型工程項目工期的各種影響因素，影響大型工程項目的工期的因素有工程量、可調用的人員、可調用的材料可調用的設備、可利用的工作面、以及施工水文條件。而基于精準建造的大型工程項目工期預測，將各影響因素作為學習、訓練、預測的參數，可使工期的預測更加符合大型工程項目實際狀況。

(2)保證單項工序工期預測和整個進度計劃科學合理單項工序的工期預測，一般結合定額與工程師的實踐經驗而編制，主觀性很強，偏差較大。但是基于精準建造的大型工程項目工期預測，綜合考慮類似工程項目實際經驗和工程項目本身固有的特點，更加科學合理地預測工期。另外，在工序間邏輯關系優化的條件下，整個建造進度計劃更加科學合理。

(3)便于工程項目整個建造過程的控制綜合考慮建造工程本身的特點和各參與主體自身能力，使單項工序建造工期和整個進度計劃更加科學合理，有利于各參與主體在建造工期內對建設工程諸要素進行合理控制。

二、大型工程項目工期預測理論

1、大型工程項目建造類型的假設

可將大型工程項目工序分為線性建造和非線性建造兩類，響因素呈線性增長、遞減或者勻速狀態；非線性建造即建造強度與進度影響因素程非線性增長或者遞減狀態。其中線性建造又可分為線性均衡建造、線性遞增建造和線性遞減建造影響因素

2、工期預測方法的選定及流程

多元線性回歸模型是處理兩個及兩個以上變量間線性依存關系的統計方法，可以說明線性建造工序的關系。因此對線性建造工序，可采用多元線性回歸模型對其工期進行預測。人工神經網絡系統，是一種為模仿人腦神經系統的工作機制而建立的網絡模型，可將一組復雜關系的輸入數據和正確結果引進網絡中，經過神經元的反復學習訓練、預測，將解決方案輸出。因此，對于非線性建造工序，可采用人工神經網絡系統預測工期，本文選用了BP人工神經網絡系統。BPA工神經網絡系統是一種基于誤差反向傳播算法的多層前向的神經網絡系統，由一個輸入層、一個或多個隱含層和一個輸出層構成，不同層次的神經元之間互相連接，同層次之間無連接。對于線性建造工序，首先采用多元線性回歸模型對各因數進行學習和訓練，當回歸顯著時，采用該模型預測建造工期，反之，說明該工序是非線性建造類型，轉入神經網絡系統模型預測。對于非線性建造工序，直接采用神經網絡系統預測工期。

三、BP人工神經網絡系統預測

1、BP人工神經元網絡參數的確定與初始化對于“非線性建造”工序，或者“線性建造”假定不成立的工序，采用神經網絡系統預測工期。首先是確定神經元網絡的輸入參數并初始化。

2、BP人工神經網絡系統的學習與訓練

學習模型的建立將標準化后的6個輸入層神經元，設置6個中間層神經元數，作為輸出層神經元，構建“非線性建造”工序BPA工神經網絡模型，選擇某—工序的N組工程數據，并初始化。采用BPA工神經網絡系統預測。允許誤差e設置為0.0001，最大迭代次數為1000，經過標準變換以后，經過964次模擬，擬合殘差為0.0003，其預測結果如表4所示。

故5.150 2天是該工序在Q為100、P為50、M為200、E為2.12、C為3，S為200的條件下的施工工期，作為該工序的預測工期。

四、結論與展望

要全局優化大型工程的進度計劃，不僅僅在WBS分解和工序間邏輯關系上進行優化，而且應該根據工程本身的屬性，并結合影響工期的相關因素，提高工期預測的精度。采用傳統的工期預測方法編制的進度計劃并不符合大型工程實際施工狀況，導致進度計劃與進度實施脫節；對類似工程或者同一大型工程的類似工序的進度執行狀況進行學習，采用線性回歸模型以及神經網絡系統等方法預測即將實施的大型工程的工序工期，符合實際工期控制的要求。

筆者將進一步研究Q、P、M、E、C、S對工期的貢獻度以及各要素之間的關聯度，屆時可以更加清楚的顯示各影響因子對工期的貢獻度，從而更加準確的估計工期。另外，論文僅僅是對大型工程項目工期預測做了理論研究，至于如何采用計算機管理系統實現，也是筆者下一階段重要的研究任務。

參考文獻：

[1]陸歆弘，模糊假言推理確定施工工期，1999，20(5)：18 2ILU Xii~hong Fuzzy Reasoning and Constructlon Duratlon，Optimlzatlon construction，1999，20(5)：18-21基建優化， Idenfifying of Capital

[2]方子帆，鄭霞忠，朱喬生，工程項目建設工期模糊性研究，三峽大學學報(自然科學版)，2001，23[5)：442-445.

[3]祁神軍，陳峰，丁烈云，建筑施工企業精準物流管理，價值工程，2006，15(7)：114-116

[4]王悅，人工神經網絡系統在經濟效益綜合評價中的應用，北京廣播電視大學學報，2003，(3)：39-44.

[5]陳惠娥，陳長征，基于神經網絡系統評標方法的建立與應用，建筑經濟，2006，279(1)：56—59.

[6]李文華，王雙慶，基于人工神經元網絡的煤立井施工工期預測方法研究，煤炭科學技術，1999，(6)：44—47，

[7]OSJ，Solomon A.G.Site ImplementaUon andAssessment 0fLeanConstructionTechniques， LeanConstruction J0ufrlal，：2005，3(2)：1-21.