基于建筑工程實際造價預測的研究

鄭永武

摘要：本文對建筑工程實際造價預測模型的建立進行了闡述，然后分析了建筑工程實際造價動態(tài)預測模型的結構。最后通過實例，闡述了建筑工程實際造價動態(tài)預測的應用，以供相關工程造價工作人員參考。

關鍵詞：建筑工程 造價 模型

引言：

在建筑工程施工建設的全過程中，需要控制的內容很多，工程造價就是其中最為主要的一個方面。造價預測是造價控制的主要內容之一，可分為靜態(tài)預測與動態(tài)預測。動態(tài)預測是在靜態(tài)預測的基礎上，根據國家的政策內容以及市場經濟的具體情況，對與建筑工程相關的價格進行合理的調整以及預測。通過對實際造價的動態(tài)預測，可以向社會各層定期或是不定期發(fā)布建筑工程的經濟指標以及造價指數。

1、建筑工程實際造價預知模型建立

若想對建筑工程造價進行實際預知，動態(tài)預知是關鍵。動態(tài)預知必須在相關的平臺上收集具體建筑工程項目的進度信息以及工程的造價信息，采用科學的評估法，對施工環(huán)境和施工材料的市場價格變化情況進行研究，分析出兩者對實際造價預知的影響。另一方面，必須注意建筑工程施工設備、技術的投入情況以及施工人員對工程造價的影響。然后結合建筑工程施工企業(yè)歷史造價的相關信息，建立以 BP 神經網絡為基礎的預知模型，并保證其科學性、合理性和可行性。在預知未來工程造價時，需要在預知結果的基礎上，對可能遇到的、潛在的造價控制問題進行分析預知，找到問題及時進行預防和處理，避免因小細節(jié)給工程帶來質量問題，影響企業(yè)的健康發(fā)展。建筑工程施工過程中，相關管理部門需要在合同的起草、商議以及簽訂、實行上對工程造價進行有效的預知。通過統(tǒng)籌論證分析工程造價控制，保證建筑工程的實際造價始終處于可控狀態(tài)。同時，根據上交的工程造價控制表和報告表，科學合理的分析工程造價控制的結果以及決策。以建筑工程施工企業(yè)歷史的造價數據信息為基礎，運用BP 神經網絡模型對實際造價的資金發(fā)展以及變化情況進行分析預知。然后比較造價預知的數據與造價計劃，確定建筑工程施工的計劃值，并對施工中可能會出現的問題進行分析，有針對性的采取改進措施，確保建筑工程實際造價預知結果更加真實、可靠以及準確。

2. 建筑工程實際造價動態(tài)預測模型結構

對于建立在BP神經網絡基礎之上的建筑工程結構設計而言，其實質在于：根據建筑工程項目的實際情況，確定神經網絡的結構層數，同時準確判定各個結構層神經元的具體數量。一般情況下，神經網絡只存在一個輸入層，且輸入層與輸出層之間保持一對一的對應關系、在本文中，所分析的神經網絡結構輸入層中神經元個數的多少主要受到建筑工程實際造價這一因素的影響，以某高層建筑工程為例，神經網絡輸入層當中可以劃分為四個獨立的神經元元素，其一為土壤等級，其二為管理水平，其三為氣候條件，其四為單位造價。而總體費用則是輸出層中唯一的神經元元素。從這一角度上來說，以該神經網絡結構為立足點，工作人員需要通過對Matlab網絡工具的應用，形成與該建筑工程實際造價動態(tài)預測目標相契合的神經網絡，然后通過對應函數，形成一個獨立的BP神經網絡。需要特別注意的一點是：在對神經網絡進行訓練的過程當中，通常建議采取基于計算機梯度的訓練方式，通過對梯度權值、閾值進行調整的方式，使性能函數達到最理想狀態(tài)。在此期間，網絡工具Matalb當中提供了含量以供訓練，一般是采取Train觸發(fā)的方式。具體到建筑工程實際造價的動態(tài)預測工作當中來看，神經網絡的觸發(fā)方式多以Traingdm函數為首選方案，在利用該函數更新梯度權值、閾值的過程當中，需要重點評估梯度方向可能對預測結果產生的影響（梯度方向的評估包括當前的梯度方向以及前段時間的梯度方向這兩個方面），通過此項操作，惡意避免因參照函數調整而對整個神經網絡性能產生的不良影響。

3.實際造價動態(tài)預測模型在實際案列中的應用

以某高層建筑工程為例，在結合該工程案例實際情況構建BP神經網絡預測模型的過程當中，首先需要從工程特征的分析角度入手，根據工程特征，收集既往的工程經驗數據，形成建立在BP神經網絡基礎之上的訓練例子集合。為使問題更加簡化，僅納入對住宅型澆筑的分析，共納入10個工程例子，其中8個用于學習，另有2個用于模型檢驗。根據BP學習算法，在C語言的輔助下編寫B(tài)P神經網絡通用程序，學習樣本如下表所示（見表1）。

根據該學習樣本集合，通過系統(tǒng)勘察與調研分析的方式，明確會對該工程實際費用產生影響的相關要素。本文以上分析中，認為會影響實際費用的因素有四個方面：其一為土壤等級，其二為管理水平，其三為氣候條件，其四為單位造價。建模過程當中可以將以上四個方面的要素作為神經網絡輸出層中四個獨立的節(jié)點。而對于神經網絡輸出層而言，僅涉及到一個獨立的元素，即實際造價預測值。按照以上分析，可形成1層對應12個節(jié)點，整體結構為“4-12-1”的三層式網絡結構。以該高層建筑工程XX年XX月的建筑費用為預測對象，計劃費用為2400萬元。在此基礎之上，構建與該實際造價動態(tài)預測模型相對應的訓練樣本，并將預測值偏差范圍固定在[0，2]區(qū)間內。首先需要在神經網絡中輸入相關的數據，采用學習算法對數據進行反復性運算與處理。在此基礎之上，工作人員可以通過對檢測結果的分析，判斷其實際輸出值與計劃值的一致性情況。在本工程中，檢測結果顯示其均方差D<0.0002，證明計劃值與實際輸出值之間差異非常小，符合動態(tài)預測的具體要求。由于實際輸出值與計劃值之間的差異非常小，則可以將該神經網絡模型直接作用于對建筑工程實際造價的動態(tài)預測工作當中。例如：對于該高層建筑工程而言，XX月預期CPI（單位造價）指數為1.283，所對應的管理水平指數為1.138，土壤等級指數為1.062，氣候條件指數為1.232。根據以上數據，工作人員可以直接將其輸入已經訓練好的神經網絡模型當中，并對目標值進行預測，預測費用為2500萬元。通過對預測費用與計劃費用的對比，認為：對于本工程而言，XX月的資金需求明顯高于計劃費用。得出這一結論后，相關人員可進一步查找產生該現象的原因，通過市場調研的方式最終查明：導致預測費用顯著高于計劃費用的主要原因是XX月份建筑原料市場價格有大幅度的提升趨勢，結構施工費用超支。

4.結束語

在建筑工程項目建設實施的全過程當中，其實際造價的動態(tài)預測與整個工程造價的控制管理密切相關。企業(yè)須建立建筑工程實際造價動態(tài)預知 BP神經網絡，保證實際造價動態(tài)預知的科學性、可靠性以及準確性，實現企業(yè)經濟效益和社會效益最大化。

參考文獻：

[1]常春光，尹凱.施工階段工程造價動態(tài)控制研究[J].沈陽建筑大學學報（社會科學版），2014，01：60-65.

[2]張佳麗.略論如何有效實現建筑工程造價的動態(tài)管理[J].中國建筑金屬結構，2013，06：138.