提高投資估算精確度的幾種新方法

摘 要：本文研究了基于BP神經網絡、模糊類比、蒙特卡洛、回歸分析的四種投資估算編制的新方法，并分析了各種方法的建模方法精確影響因素。

關鍵詞：投資估算;編制方法;精確度

投資估算是工程項目建設過程中成本規劃與控制的重要指標，是項目建設前期決策及融資的重要依據，是進行限額設計的前提條件。投資估算額一旦批準，作為工程建設成本的最高限額不得隨意更改，投資估算值的精確與否關系到項目成本控制的成敗。在現階段，我國編制投資估算常用的方法有簡單匡算法及指標估算法，在項目建議書結算常用簡單匡算法，在可行性研究階段用指標估算法。這兩種方法使用簡單，計算快速，也是工程管理及工程造價相關教材常介紹的方法。工程成本的影響因素較多，這些因素與成本值之間大多數呈現出非線性關系，簡單匡算法和指標估算法是基于因素與成本之間的線性關系建模計算，由于計算模型過于簡化，其結果精確度也相對較低。在上世紀80年代以來，由于計算機技術的快速發展，計算機擁有強大的數據處理能力，為提高投資估算的精度，學界開始使用數學建模用計算機來處理相關數據，以此來提高投資估算的精度。

一、基于BP神經網絡的投資估算方法

BP神經網絡估算投資方法的原理是在模型中輸入多個已完成類似工程的實際造價資料及成本影響指標，通過BP神經網絡模型自動尋找已完工程與待估工程各指標之間的關聯，并建立非線性映射關系，較準確計算出待估工程的投資估算值。神經網絡具有高度的容錯性，因而對于過去的工程資料中由于人為的或其它因素造成的偏差有自動糾偏功能;此外由于神經網絡是并行處理數據的，因而其處理速度相當快，這點滿足了快速估算的要求。建立BP神經網絡模型時把時間因素作為變量加入模型中可大大提高模型的精度。[1]該模型的建立時特征向量的選取以及類似工程的選取是確保其精度的重要控制因素。

二、模糊類比快速估算法

模糊類比較快速估算法是利用已知工程造價指標和擬建工程投資估算指標建立特征值矩陣，用模糊理論推理系統計算已建工程和已建工程的貼近度，選取貼近度最大的已建工程作為參考指標來計算擬建工程的投資估算值。這種模型對專家的依賴程度較高。模糊推理系統規則的設置需要專家參與，需要專家將工程成本的影響因素進行量化，專家經驗越豐富模型的精確度也越高。[2]

三、蒙特卡羅模型

投資估算階段處于項目建設前期，面臨設計深度淺、不確定因素較多，項目成本很難計算出一個準確值，但項目成本可以算出一個分布區間。蒙特卡羅模擬的思路是先建立目標函數，將項目的總造價分解為不同的子項，搜集以往的造價資料，并考慮地域、時間、價格上漲等因素將數據進行處理，然后得到子項成本的概率分布函數。計算前先設定N次模擬次數，利用計算機產生的隨機數，反算出子項目的造價，然后匯總得到總項目的造價，可進行N次模擬。模擬結束之后統計所有模擬結果，然后得到各投資估算值的概率分布區間。投資估算值為預測值，本身就含有誤差、風險、不確定性等因素，蒙特卡羅模擬出的結果和工程實際較為符合。

四、回歸估算模型

國外學者kousloulas和Koehn研究發現建筑物的造價可以由一些公開的指數回歸得到，回歸模型如下：

式中C為項目估算值;a0～a5為常數，根據類似相關項目數據用最小二乘法可以求得。V1為地區指數，V2為價格指數，V3為建筑類型，V4為高度指數，V5為質量指數。

回歸估算模型克服了傳統模型依靠單一指標估算投資估算值的缺陷，但估算值的精度與指數選取及參考模型有很大的關系。

五、結論

本文研究了投資估算指標編制的四種新方法，相比傳統的線性指標估算法，非線性模型估算精度更高。BP神經網絡建立時特征向量的選取以及類似工程的選取是確保其精度的重要控制因素。糊推理系統規則的設置需要專家參與，需要專家將工程成本的影響因素進行量化，專家經驗越豐富模型的精確度也越高。蒙特卡洛模型是搜集類似工程的以往資料，建立概率分布模型，計算出擬建工程工程的概率分布區間。回歸估算模型是根據以往類型工程建立回歸方程，再根據市場情況調整模型參數求出擬建工程的投資估算值。以上四種模型其投資估算值的精確程度均與建模參考的類似工程直接相關，因此要提高投資估算的精度要注意相關建設資料的積累。

參考文獻

[1]葉青，王全鳳.基于BP神經網絡的工程估價模型及其應用[J].廈門大學學報（自然科學版），2008（06）：828-831.

[2]香冉冉.建設項目全生命周期投資估算方法研究[D].天津大學，2009.

1作者簡介：

張吉，1995年3月18日生，男，云南曲靖人，漢族，工程碩士，助教，主要從事工程管理相關教學研究