初步設計階段照明工程量測算方法研究

林 驍 元

(上海核工程研究設計院有限公司，上海 200233)

工程項目一般具有建造周期長、投資總額高的特點，這也決定了它對建設工期要求盡量短，爭取早投產早見效。為了提高建設效益，在初步設計階段或者是可行性研究階段就需要造價咨詢機構編制工程量清單進行招標確定施工單位。但是初步設計文件由于設計深度有限，無法從設計文件中獲取工程量，不能匹配基于施工圖設計基礎的工程量清單計價規范。

為了突破基于施工圖設計才能編制工程量清單這一局限，實現初步設計階段編制工程量清單的創新，本文根據初步設計文件作為輸入，通過已搜集典型工程項目的照明工程量，以設計規范、手冊、圖集為基礎，結合工程造價常用估算方法，利用人工神經網絡的基礎理論，對初步設計階段照明工程量測算方法進行初步的歸納分析與研究。

1 照明工程量測算模型

通過分析典型工程項目可知，照明工程量主要包括燈具、開關、配管、配線以及接線盒。依據《建筑工程設計文件編制深度規定(2016年版)》中對于照明系統僅要求設計說明中反映照明種類及主要場所照度標準、照明功率密度值等指標；光源、燈具及附件的選擇、照明燈具的安裝及控制方式；照明線路導體選擇及敷設方式，選用導線的材質和類別等[1]。因此照明工程量的規格型號能從設計說明中獲取，其數量需要根據不同工程量的特點分別確定，如表1所示。

1.1 燈具、開關工程量

對已搜集典型工程項目的燈具、開關進行分類匯總，得到不同場所燈具、開關的面積指標。利用該面積指標就可以得到不同場所不同面積的燈具、開關數量。

表1 照明工程量測算方法匯總表

1.2 配管工程量

配管工程量主要與燈具、場所面積相關，該問題可以理解為一種映射問題，神經網絡的重要特點之一就是可以高度逼近任意兩個不同維空間的非線性映射，其建立在簡單非線性函數復合的基礎上[2]，可以用來求解配管工程量。

神經網絡多種多樣，本文以應用最為廣泛的誤差逆傳播人工神經網絡(BP神經網絡)作為模型。BP網絡結構是一種多層網絡結構，由輸入層、一層或多層隱含層和輸出層組成，各層之間采用全互連接，但同一層單元間不相互連接。一般而言，三層BP網絡可以逼近任何復雜的非線性函數。為此，采用三層BP網絡模型。輸入層結點的個數由工程特征的數量確定，此處為燈具數量與服務場所的面積。輸出層結點對應于評價結果，即配管數量。隱含層結點的個數按柯爾莫哥洛夫定理取為2m+1(m為輸入層結點的個數)。

1.3 配線、接線盒工程量

通過分析典型項目配管配線的比例關系可見，其有明顯的倍數關系，可以通過配管的工程量獲取配線工程量。

接線盒主要分為燈具接線盒、開關接線盒以及拉線盒，其中燈具接線盒和開關接線盒依據《民用建筑電氣設計與施工照明控制與燈具安裝》圖集[3]，基本上與燈具和開關一一對應，則可以通過燈具和開關數量直接得出相應接線盒的工程量。拉線盒依據《民用建筑電氣設計規范》當線路較長或彎曲較多，可能造成穿線困難，因此應加裝拉線盒[4]。

2 實例分析

本文以某倉庫作為實例進行照明工程量測算。

2.1 測算模型建立

將已搜集典型工程的照明工程量進行梳理匯總，獲取不同場所燈具、開關的面積指標。并將燈具數量、面積、配管數量作為樣本訓練神經網絡模型，在matlab中搭建神經網絡，輸入層結點為2個，輸出層結點為1個，隱含層結點為10個。將樣本作為輸入進行訓練，給定允許全局誤差為0.000 5，允許最大訓練迭代次數為10 000次。經1 721次達到全局誤差為0.000 499 92，如圖1所示，得到的網絡權值及閾值見表2。

表2 訓練后的權值及閾值

隱含層輸出層權值T閾值T權值閾值-16.063 17.454 98113.158 433.277 029-17.337 80.051 1712.622 23-12.42-5.051 02-13.795 1-11.103 815.400 97-14.865 29.619 2593.681 683-13.491 2-11.468 211.50110.021 42-14.766 34.276 4176.358 532-16.529 39.994 845-12.430 6-12.947 84.123 58311.700 6914.606 5-2.246 780.687 12

分析以往倉庫項目可知，配管中一般穿三根電線，故按3倍比例關系確定配線工程量。接線盒中燈具和開關接線盒與燈具和開關數量相同，拉線盒分析以往項目按每20 m配管增設一個拉線盒考慮。

2.2 照明工程量測算

現有一地上單層倉庫，總建筑面積1 615.56 m2，建筑總高度16.5 m，存儲物品的火災危險性為丁類，建筑物耐火等級為二級，設計使用年限50年。

將該子項不同場所的建筑面積、參數作為輸入，利用建立的測算模型，得到初步設計階段各項照明工程量，并與施工圖數量進行對比，如表3所示。模型測算的工程量與施工圖相比最大誤差仍在20%以內，且在整個工程量中占比較小，說明模型測算工程量效果較好，具有實際的工程應用價值。

表3 照明測算工程量對比表

3 結語

通過研究照明工程量的構成及其影響因素，深入分析整理典型工程項目，總結造價指標，并利用神經網絡有效處理多輸入多輸出非線性映射的優點，針對初步設計階段照明工程量的測算建立了模型。將進一步優化模型，選取更多的訓練樣本，減少誤差，更好地應用于工程中。