孫中晉
(山東省調水工程運行維護中心青島分中心,山東 青島 266100)
水利工程的建設一直以來都是我國民生工程的重要組成部分,大到南水北調、節水灌溉,小到居住供水,這些水利工程都是與群眾的利益密切相關的。在這些項目中管道工程的占比非常大,因此做好水利管道的成本造價控制,對于施工企業來說是自身經營管理與持續發展的必然要求[1]。傳統的施工成本僅通過WBS單維度靜態核算,BIM技術發展起來后,能夠實現工程信息的5D多維度建模過程。BIM(Building Information Modeling)就是建筑信息模型,能夠集成幾何模型信息、功能要求以及單元性能,其中的建筑信息模型數據庫包含了相似項目與擬建項目的所有信息,能夠實現共享,不斷更新[2],它在3D建模的基礎上,增加了時間和成本維度,在研究施工任務可行性的同時,根據人、機、料的體量合理安排施工計劃,自動統計構件工程量信息,BIM技術與計價軟件相結合,能夠快速查詢人材機等資源需求量及成本情況,達到成本控制與核算的目的[3]。
由于BIM模型具有良好的完備性、關聯性、一致性和三維可視性,將其應用在工程成本核算中能夠動態地對工程進行分析,提高成本核算的靈敏度。本文選擇的BIM建模軟件是Revit,該軟件擁有強大的參數化建模功能,可以精確統計工程量,具有2D/3D視圖功能,能夠更加直觀地對建筑模型進行全方位、多角度觀察,對施工方案進行虛擬演示,造價人員更易理解,應用漫游功能進入較為復雜的區域,可視化更易理解,能夠幫助完成建模[4]。為了保證建模速度,根據BIM技術的虛擬施工,將三維模型置于虛擬環境中,制定施工組織方案,比較并選擇最優施工方案,利用BIM技術生產3D動畫制定應急預案。這其中首先需要完善Revit的數據庫, Revit數據庫中主要包括CAD軟件圖紙以及計算結果、可視化-模擬、虛擬現實、采購-產品數據庫、物料價格數據庫、明細清單、分類標書、管理-合同管理、現場管理、施工質量、成本、進度控制、知識庫-BIM項目、法律法規、行業規范等[5]。在軟件中,需要通過圖紙的信息繪制水利管道工程的標高、軸網等,BIM總體的建模流程如圖1所示。

圖1 BIM建模流程
在模型建立的過程中,離不開Revit族,其中包含較多的元件,能夠更加逼真的模擬施工流程。雖然Revit軟件中自帶族庫,但是目前該軟件主要應用在建筑中,水利工程可用的模型比較少,需要根據不同的項目工程重新創建水利管道工程的族庫[6]。BIM最大的優勢就是模型的動態可視化,包含工程設計中的所有物理屬性數據信息,呈現給工作人員全方位的資料,能夠幫助設計人員更加直觀地對工程的設計信息、施工方案等進行了解分析,實現建筑信息模型的眾多的參與方共享,發現局部的細小錯誤,降低不必要誤差產生的幾率,在實際的施工過程中對于人員的調度等有總體的宏觀決策,為修改圖紙節省人工和時間[7]。因此,在BIM模型的建立過程中,需要堅持真實的原則,按照實際情況在模型中反映所有的工程項目結構,尤其是項目體量大、工期長、構建復雜多樣的工程,一定要慎重選擇建模流程和注意事項,增加模型精確程度。
BIM模型主要是依靠計算機技術才得以實現,因此在預測過程中也離不開相關的技術[8]。在成本預測中,人、料、機價格的預測占據著主體地位,成本預測主要包括價格信息采集和樣本數據訓練2個步驟。數據采集主要是從BIM數據庫中獲取,工程材料、設備和人工的價格數據信息采集是價格預測的基礎,依靠BIM數據庫的優勢,使信息采集變得更加簡便,節省了時間和人力。BIM并不是一個簡簡單單的三維模型,其中蘊含的資料存儲功能保證了工程資料的完整性。從最簡單的數據形式,到模擬施工的進度情況,貫穿了項目的整個周期,并能夠實時更新進度,保證資料的時效性[9]。將這些資料完成實時的共享,使不同的參與方通過相同的平臺獲得同步信息,減少了中間傳遞的誤差,保證人、料、機的單價數據一致,能夠作為輸入輸出樣本應用在成本預測的過程中。通過學習訓練,對未來一段時間內的各種成本走勢進行合理預估。
分析整理采集的價格作為預測樣本,但是由于施工過程存在一些不確定因素,導致項目的直接成本會隨時間延長而增加,尤其是大型復雜工程[10]。有的復雜工程建設周期可能會達到幾年,這種情況下傳統的WBS靜態預測的結果靈敏度較低,無法適應材料價格浮動帶來的變化,因此需要參照工程進度實況來對成本進行預測。本文進行價格預測需要利用人工神經網絡[11],根據編制的程序語言和命令算法進行學習訓練,其結構如圖2所示。

圖2 BP神經網絡
BP神經網絡模仿了大腦神經,在預測時能夠根據實際需要制定合適的輸入數量,選取連接值和閾值,通過學習訓練得到預測輸出[12]。神經網絡中輸入層可以表示為:
X=(x1,x2,…,xi,…xn)T
(1)
輸出層可以表示為:
Y=(y1,y2,…,yi,…yn)T
(2)
輸入層、隱含層與輸出層之間存在權值矩陣與關系函數,權值矩陣會通過實際的運算情況自動調整。關系函數主要分為3類:傳遞函數、訓練函數和網絡函數。本文中根據實際情況需要,選擇Sigmoid雙極性作為傳遞函數。輸入層為搜集到的價格信息,經過一定的數據處理后能夠作為輸入樣本,輸出層為預測的結果,隱含層包含了函數計算,在輸入層與輸出層之間建立非線性關系[13],將輸出值與期望的輸出值進行對比,根據差值大小來修改隱含層中的連接權值,使差值逐漸減小,直至差值保證在允許的范圍之內,這樣才算成熟的BP神經網絡。最后根據成本預測的需要,輸入預測價格,經過成熟的神經網絡學習訓練,計算出未來成本的價格趨勢,獲取到未來某一點的價格,進行統一處理[14]:
(3)
(4)
式中,n—輸入層層數;m—輸出層層數;M—隱含層層數;a—常數[15]。
上述方法能夠實現工程量的動態查詢和成本預測,通過將BIM技術與BP神經網絡兩者結合,協調運用,對于成本的預算結果的準確度優勢顯著。
為了對設計的水利管道成本核算方法可靠性進行研究,在本章中需要結合實際的工程案例對本文的成本核算方法和傳統方法進行對比。
為了提升用水質量,某小區擬啟動自來水供水戶內管網改造工程。該小區原來使用的供水管道為鍍鋅鋼管,強度好,耐溫耐壓,但是由于管道本身材質容易腐蝕生銹的屬性,會對供水造成二次污染,造成水資源的浪費。在本次水利管道工程改造中,使用給水塑料以及復合管材來代替鍍鋅鋼管,本次工程中主要包括舊管道拆除、水表更換、新管線鋪設和試壓供水。該小區水利管道改造一戶一表布局如圖3所示。

圖3 水利管道改造布局
基于上述工程的實際情況,分別使用本文設計的成本核算方法與傳統的核算方法進行水利管道工程的成本核算,下面對各個工程參數進行設計。
在工程施工過程中的規則材料以及人工價格參數見表1。
本文的核算方法是通過BIM平臺進行虛擬施工,根據對工程實況進行仿真,并按照制定的計劃進度在平臺上進行施工過程的模擬,尤其是對施工重點和難點的構件節點,驗證施工計劃的可行性。因為BIM技術的數據信息整合功能非常強大,能夠實現工程中各個參數的信息化,其成本核算界面如圖4所示。
在經過一系列的前期準備后,分別使用2種方法進行成本核算,并將核算結果進行比較。

表1 規則材料人工價格

圖4 BIM成本核算
經過上述的實驗過程,分別得到本文的成本核算結果與傳統方法的成本核算結果見表2。

表2 成本核算結果對比 單位:萬元
從表2可以看出,本文核算方法中,總成本為56.69萬元,傳統方法核算的總成本為71.5萬元,本文方法有效節約了14.81萬元。綜合各個項目的成本來看,在人工費用上的節約效果比較明顯,主要是因為在BIM模擬過程中,能夠有效協調總工程的調度和施工速度,避免了由于調度不合理而產生的返工、人員浪費,進而縮短工期,節約人工和材料費用,實現了總體成本的降低。
本文針對傳統水利管道工程成本核算的缺點,設計了一種基于BIM技術的水利管道工程成本核算方法。方法中增加了時間和成本維度,建立BIM模型,通過結合BP神經網絡,有效預測工程施工中各種成本的材料走勢變化,能夠在Revit軟件中虛擬施工,從而發現圖紙中細小錯誤和施工調度的不合理之處,在實際施工中進行修改,以此來降低工程中的人、料、機成本。但是本文方法中的成本預測是根據錄入時間計算的,不是實際意義上的現場實際花費,因此在后續研究中,需要考慮與財務管理系統相結合,來完善此類問題。