水利工程造價估算方法研究

王 鑫

(遼寧省撫順市水利勘測設計研究院有限公司，遼寧 撫順 113006)

0 引 言

造價估算在水利工程成本管理與控制中發揮著巨大作用，應作為水利項目各參建單位重點關注的內容。工程造價的合理估算為實現水利項目質量目標、成本目標和整體效益的重要保障，可為工程項目造價風險控制和成本管理提供科學的依據。結合以往工程實踐，現階段水利項目還普遍存在著超概算預算、超預算決算和超估算概算的“三超”問題，有些項目甚至存在責任人不明確的情況，這在一定程度上增大了建設出現“三超”的概率。對于不同的參建主體“三超”問題可能引起的后果存在一定差異，如水利項目投入資金的大幅度增加可能會導致建設單位項目預算的嚴重超標，工程項目實際消耗的資金明顯大于投資預算，最終的投資額也會有所增大；由于項目資金不能按時到位且無法承擔工程預算外的費用，施工單位將大大降低項目進度甚至完全陷入停滯的狀態；為解決項目預算超標問題以及維護自身利益，部分施工單位及建設單位甚至會采取降低工程質量的方法，從而導致水利工程存在安全隱患或無法達到預期功能目標[1,.2]。

水利工程的概預算編制直接影響著項目的施工工期、投資成本和工程質量，其編制精度不僅與設計變更、自然災害等因素有關，而且受政策變化和市場波動等因素影響。為提升水利工程的施工效率及保證建設項目的順利實施，市場經濟體制和快速發展的水利行業對概預算編制提出了更高的要求，從工程造價管理的角度可認為導致造價估算失真的原因有長期采用非標準化設計、造價估算針對性低、項目資金到位不及時和估算方法落后等。因項目初期的數據信息難以獲取且地質資料相對較少，當前選用工程量計價清單或定額方式估算的工程概算準確性通常較低。鑒于此，通過對鳥群覓食算法基本理論的分析建立了一套科學高效、適用性強的工程造價動態估算模型，以期為提升造價風險控制水平和形成科學有效的成本管理模式提供一定的參考[3,4]。

1 工程造價動態估算模型

1.1 比較層項目

1.2 候選項目

根據水利工程項目實際情況選取具有一致性的造價估算參考項目，也即分部分項工程的候選項目。在工程造價動態估算中運用鳥群覓食算法的理論依據是利用具有一致性的分布分項工程，通過參考模糊數學中的隸屬度以及調整、估算工程項目造價一致性，尋找待建水利工程與目標項目存在最高相似度的分項工程作為候選項目。

1.3 最優方案

通常情況下，水利工程造價估算的候選項目數量較多，實際應用過程中不可能也沒必要考慮所有的候選項目，這就要求對其優化處理。將優化過程大致分為兩步完成，若用戶所設置的邊界條件與候選工程特征基本保持一直，則將候選項目作為初始種群個體，然后對工程項目利用優化算法分析，進一步給出最佳的方案[8]。

1.4 估算指標體系

針對不同的建設項目其工程造價估算涉及指標不同，如擋水工程項目的造價預測輸出應考慮不同因素對估算結果的影響程度，同時包括整體項目的最終概算[9]。因此，構建的評價指標體系應包括壩頂寬度、壩址巖石及流域面積等特征因素，通過檢驗粒子的相似度確保估算結果的準確性。詳細的建模流程如下：

步驟一：引入集合W={w1，w2，…,wn}為水利項目的特征向量，設定{l1,l2,…,ln}為參評指標z的隸屬度，則水利項目造價估算的模數特征向量W如下：

(1)

步驟二：假定U={u1,u2,…,un}為水利工程造價估算的模糊子集，采用下述供水作為模糊數學模型，即：

(2)

步驟三：水利項目的總體造價估算受模型中不同參數的影響程度不同，結合粗糙集中的屬性重要度和不同計算參數之間的差異性，采用合適的方法適當調整不同指標的權重系數，通過對各項參數值的加權處理構造最終的有效模型，模型表達式為：

(3)

出于想要為偶像樹立起更好社會形象，粉絲常常以偶像的名義參與各種慈善活動。“互聯網+公益”的出現，粉絲輕易就能完成簽訂合同、辦理轉賬、監督資金流向的全過程。“免費午餐”就是其中之一。

2 水利工程造價估算

2.1 建模流程

采用鳥群覓食算法和試算式法實現水利工程造價的動態估算及變動性價格量化模型的測算，即對工程造價映射函數利用試算式法進行數值模擬。若模擬結果受慣性系數賦值的影響呈現出遞減的趨勢，則假設條件下變動性項目存在最大點，各參評因子的權值較大，在該條件下所有最大點出現遠離試算式最小值的情況，由此可實現部分大值的快速尋找及大動點估算效率的提升。采用下述優化算法作為極值約束條件，其表達式為：

(4)

(5)

式中：X(gt)為粒子群聚函數；m11為第j維粒子與第t個粒子的速度平均值；|t|為當前運算條件下的粒子距總數。

采用下述公式確定迭代運算中粒子的信息熵，計算式為：

(6)

(7)

采用慣性函數迭代運算任意粒子時，可能出現如下兩種結果，其表達式為：

(8)

式中：dmax、vend、vstart各參數值分別為1000、0.05、0.95。在實際運算過程中若存在聚類度較低的現象，為提高自適應收斂速度應適當調低粒子系數，其調整公式為：

(9)

式中：p、gmax(d)、gmea(d)為粒子群的聚類度、最大粒子距和平均粒子距。在求解粒子權重過程中應結合模型運行實際情況進一步調整慣性系數，其調整方法為：

(10)

式中：θ、φ分別代表調整系數。為進一步提升造價估算的精準度對水利工程造價利用鳥群覓食算法估算前需要輸入適用于工程項目的參數，詳細流程如下：

步驟一：初始化粒子群。通過初始化處理設定水利工程造價估算范圍和粒子約束條件，構造水利工程項目與候選方案之間的映射關系，并在約定范圍內完成目標參數的多次迭代運算。

步驟二：確定粒子系數。運用Matlab軟件自帶的權重映射函數完成粒子的賦值處理，由此保證工程造價估算的穩定性和高效性。

步驟三：權系數的修正。為確保估算結果的精準度和可靠性，進一步調整粒子距聚集程度和核算粒子信息熵，即完成粒子權系數的修正。

步驟四：適應度、粒子即粒子群極值的更新。采用文中所述相關公式完成粒子適應度值的求解，通過對粒子及粒子群極值的更新處理輸出最終的造價估算值。

2.2 模型評價

人工工資、設備費、安裝費、工程費、預備費、水電風價格、材料補差、管理支出、貸款以及稅金等為水利工程項目的投資成本基本構成，且不同參數間保持獨立、互不干擾，綜合考慮各項費用構成方可更加系統、準確的估算工程成本。以上任意一參數的改變均可對工程造價產生影響，且不同參數對工程造價的影響程度不同，若統一對待、未考慮不同指標間的差異必會導致造價估算偏離實際情況。為保證造價估算結果的準確性及提高模型運算效率，根據水利工程投資構成選取具有代表性的參數。然后將擬建水利項目及試算式值輸入Matlab軟件，結合擬建工程基本資料和試算式約束條件允許區間，迭代運算粒子的坐標向量，并以映射維度反映參數變化的快慢。

根據水利項目實際數據和建設情況，采用Matlab軟件仿真模擬水利工程造價影響因子，從而構造工程造價估算指標體系和特征向量集合。設定指標權重取值范圍0.3-0.9，解空間為8維度、粒子群迭代次數為500、粒子數為100，運算30次后動態估算各參數多樣化變化程度，輸出結果如圖1。

圖1 粒子群模型迭代次數

從圖1可以看出，前20次運算過程中的曲線增大幅度較大，運算曲線經過100次迭代開始趨于收斂與穩定，在該條件下模型的適應度達到最優。為進一步驗證該模型動態化估算工程造價的精準度和可行性，對比分析了神經網絡模型、遺傳模型和該模型結果如圖2。

圖2 水利工程造價估算誤差對比

從圖2變化趨勢可知，神經網絡法能夠更加全面、系統的反映不同要素對造價估算的作用程度，但是該方法的運算過程復雜且具有較大的誤差；遺傳算法的結果輸出較為穩定且在不同測區內的穩定性較好，但是該方法的全局收斂能力和運算速度較慢；相對于其它兩種方法，鳥群覓食算法的具有較強的全局搜索能力且最終輸出結果的誤差較低[10]。

結合工程實踐經驗和相關研究資料，從如下2個方面提出了增強工程投資風險防控措施：①材料設備價格變化及人工工資等因素對水利工程造價受影響較為顯著，其中市場供需關系的變化是驅動經濟風險發生變化的內在動力，一般條件下隨著工程的建設人工工資、材料設備價格會有所增大，由此使得工程成本的增加。所以，為保證工程后期的順利實施應提前做好設備及材料的采購，盡可能的雇傭同批員工以減少人員變更概率②對由于地震、暴雨等突發災害導致的情況突變，應制定應急預案和減少損失的防護措施，對由于現場條件勘察不足引起的場地條件的突變，對于水利工程項目應提前做好施工準備相關工作[11-13]。

3 結 論

結合鳥群覓食算法構建了科學高效、適用性強的工程造價動態估算模型，通過引入約束條件函數動態反映鳥群覓食算法與待選方案的關系，為進一步提升工程概算的精確性對比分析了神經網絡法、遺傳算法估算結果。結果發現，針對水利工程造價的動態化預測鳥群覓食算法的模型具有較高的精準度與可靠性，可為工程造價管理和造價風險防控提供一定參考依據。