市政工程造價估算方法研究

許民 付秋陽 董恩泉

為了提高市政工程施工全過程中的工程預造價穩定性，首先梳理分析傳統定額計算造價法的計算過程和弊端，以引出相對精確的灰色理論估算法及神經網絡估算法，結合實例典型工程實例，分析不同計算方式下待估算工程造價的價格與實際造價誤差幅度，分析不同計算方法的特點，并得出最優的估價計算方式。

隨著二十大落幕，本世紀中葉基本建成現代化國家的號角已然吹響，因此加快市政工程造價估算法提優研究以促進建筑工業化推動國家基本現代化大有可為。傳統造價估算均采用定額計算方式，該方式雖簡單但不具備良好的適用性，逐漸淘汰。并且隨著環境的變化，我國正處于百年未有之大變局時期，市政工程是政府購買服務中的重要一項，其前期造價估算的準確性一方面影響著政府民生專項資金的使用分配，另一方面也為施工單位在后續施工中控制經濟效益的重要參考；市政工程實際操作過程中項目可能較為復雜，市政工程進行造價估算研究勢在必行。

一、造價估算方法

1.傳統定額的估價方法

定額粗略估算基本步驟主要有6步，主要包括：①基本估算。計算項目清單包括人工勞力費、施工設備燃料費、折舊費、修理費以及材料費；②計算單位工程造價。如土方開挖、混凝土澆筑等單位工程，將第一步基本估算下的單位價格，按照不同單位工程下的工序和消耗量計算，如根據料場位置、運距等變化細化調整；③計算施工企業費用。計算項目清單包括企業運營利潤、風險損失費、工程師現場服務費。計算方式為在第二步各單位工程造價費基礎上增加；④計算工程費。該步驟分為主體工程費用（通過第2步計算出單位工程價格乘以工程量所得）、臨時工程費用（計算方式同主體工程費）和其他不易詳細計算的工程費用（隨設計階段不同而變化）；⑤計算不可預見費。一般取第5步所得費用10%；⑥工程造價。第1至5步費用求和。

傳統定額估價法計算方便，但也存在著一定弊端，具體有：

（1）無法橫向區分不同施工企業間技術水平差距，不利于建筑市場均等化競爭，易滋生出價格戰。

（2）社會節奏快，已有定額、計價模式滯后，無法體現出建筑工程實際價值。

（3）不利于促進建設承包市場均等化趨勢：定額編制過程中，遵循抓大放小原則，往往以主要工序、主要材料為外在表現形式以至于忽略次要材料及工序。全國不同省市區域流行定額計算規則存在差異，這就導致了區域間的數據壁壘，在跨區域承包工程時，需要聘請熟悉競標區域定額書的人員進行估算作業，從而加大造價人員作業工程量和復雜度。

2.灰色理論估算法

不同建筑工程之間都存在差異，但大部分不同工程之間差異性實際上又較小，存在較高相似性，貼近性，基于這一特殊情況，灰色理論估價應運而生。

我們將需要進行估價的建筑項目定義為代估工程，將某些已知造價的已建工程稱為典型工程。類似于有限單元法，我們先從眾多工程實例中找出與代估工程吻合度高的典型工程進行單位工程細分成多個母單元，然后將待估工程視作不同母單元的疊加整合，根據關聯度數值大小進行排序，從該些母單元中，選出關聯度更高，即與待估工程更具相似性的單元，這樣可以保證估算價格與實際價格更接近。最后以典型工程造價為參考依據，結合指數平滑法計算出待估工程造價。該過程稱為灰色理論法。如表1所示。

表1 灰色理論造價估算模型流程

3.神經網絡估算法

圖1所示為一個完整的神經元結構圖,每個處理單元中輸入若干自變量（Xi）,每一個輸入變量都有唯一個相關聯權重（Wi）。將輸入量 Xi與相應的權重Wi相乘累加出唯一輸出量（Yi）。該函數運算過程成為傳遞函數（f）。神經網絡在運行過程中保持選定傳遞函數不變，動態修改適配選用相關聯權重Wi。從中不難看出，該“智能過程”中，處理信息最復雜部分且最重要部分為權重的選取作業。

圖1 處理單元模型

二、市政工程特征分析

市政工程包括市政道路工程、給排水工程、燃氣管道工程、路燈工程等。為簡化分析，筆者在本論文中以市政排水工程及道路工程為研究對象,以定量和定性結合的分析方法為前提，分析該兩種不同的市政項目特征，選用現實中存在的典型實例模型為參考來估算市政工程項目的工程造價。

1.市政排水管道工程影響因素

為從定量角度出發分析影響市政排水工程造價的主要因素，本論文采用文獻中排水工程的樣本數據庫。如表2所示。

表2 排水管道工程造價影響因素

2.路基、路面工程的影響因素

從路基、路面的面層、基層、墊層三個特征出發，從定量和定性結合角度來分析影響其造價的因素。其中從定量分析角度出發，路基的主要工程量即為定量分析參考量。主要包括有路基挖填方量、路基高坡比、土運距等；而對于路面來說，主要工程量有路面寬、厚度及其所用材料等。定性分析可以從土質的種類、土質的處理及其他干擾因素等方面出發。

三、市政工程造價實例估算

1.利用灰色理論估算排水工程造價

按照表1流程，在這14個典型工程中選取3個關聯度最大的三個項目來對待估工程進行造價預估。

同理，另一待估工程造價為787.41。可得兩待估工程與實際造價誤差分別為4.3%及9.4%。誤差不超過10%，在容許范圍內，符合精度要求。

2.利用神經網絡估算排水工程造價

徑向基函數由兩層神盡元構成其隱層，兩者都有神經元傳遞函數、加權函數、輸入函數運行。在使用軟件MATLAB進行估算時，使用歸一化處理函數prestd以創建神經網絡模塊，讓程序對典型工程造價參數進行學習訓練。函數遵循迭代法則以建立網格，迭代計算第一步中，往徑向基層新添一神經元，隨后進行仿真運算，此時第一次迭代后的計算結果或為最大輸出誤差，因此程序將循環往復進行多次迭代操作，并且每次迭代過程前，都會向徑向基層添加一個神經元并把權值設為該輸入值，以此多次迭代，使得輸出值誤差達到最小。

通過MATLAB軟件進行數值分析，可得RBF神經網絡訓練誤差變化曲線。程序共迭代運行12次，神經網絡訓練12次，輸出量與目標量的均方誤差為0.0002534，小于網絡訓練目標值的0.001，數據有效。

得到兩待估工程造價為781.45和707.09，誤差分別為3.1%，-1.7%。誤差均小于5%。

3.利用灰色神經網絡模型估算排水工程造價

通過章節3.1和3.2可知，灰色理論估算及計算機運行的神經網絡估算都有很好的精準性，其中尤以徑向基神經網絡模型突出。但考慮實際生產過程中，建筑物的復雜性，所需學習的典型樣本數量過大，必然會使得計算機運行內存占用過多，同時不加篩選的進行訓練，前期迭代計算可謂是時間上的浪費。故此結合灰色理論估算以彌補徑向基神經網絡的缺陷，形成灰色神經網絡估算模型。其操作流程為首先運用灰色理論計算與待估工程的關聯度，選取若干個與待估工程關聯度最高的典型工程作為母數據，最后將初篩后的數據輸入徑向神經網絡進行數據學習，這樣即可解決徑向基神經網絡前期無用功迭代的時間浪費以及計算量過大的弊端。以此方法得出最終的輸出值作為待估工程造價。具體操作如下：

根據表1流程，篩選出與待估工程關聯度最高的5個典型工程，將這5個典型工程數據資料輸入神經網絡進行網絡訓練，功迭代計算5次，就滿足網絡訓練的目標值，輸出值分別為742.45和731.01。誤差為-2.0%和1.6%。對比章節3.1和章節3.2計算結果，可以明顯看出本節方法計算速度和效果明顯提升。

4.市政路面工程造價估算

利用灰色理論、神經網絡、灰色神經網絡法估算待估工程路面工程造價。如表3所示。

表3 路面工程造價表

5.估算模型結果比較

從上文可以發現，這三種計算方法所得估算造價數值與實際造價誤差在容許誤差內，精度高。其中精度最高的是灰色神經網絡，其次是神經網絡和灰色理論方法。灰色神經網絡精度與神經網絡精度接近，與灰色理論計算法相比，相差稍大。具體導致上述情況原因具體如下：第一，灰色理論存在誤差最大原因在于估算模型重要性權重確定過程中存在認為主觀性，計算出的關聯度結果并不嚴格意義上的科學、獨立，因此最后選出的三個關聯度典型工程不一定是實際上的最優解，這直接導致了估算模型精度偏差。故其計算精度比其他兩種方法相比稍差一些；第二，經網絡通過多次迭代計算，直至輸出結果為設置的規定均方差內，這也就代表著神經網絡對典型工程參數進行訓練后，可以進行逐漸細膩的計算，甚至可以無限逼近任意復雜的非線性計算結果，求得極限值，從而對待估工程進行速度快，并且計算精度高的估算造價值；第三，灰色理論模型由灰色理論和神經網絡法組合計算的一種方式，通過前期選取與待估工程相似度最高的多個典型工程代表納入計算，從源頭發力，計算機經過參數學習來迭代計算待估造價。選取的典型工程更具針對性、代表性，直接促成估算結果的高精度。故此其計算精度也比兩種方法單獨計算更高。

通過從量化及定性兩方面出發，綜合分析三種估算方法結果和原理，可以得出：灰色網絡神經法計算精度最高，并且在計算量、人力節省、時間效率上也是最優，具有良好的普適性，值得推廣。

四、結語

本文介紹了傳統定額估算法及其弊端，由此引出三種造價估算方法，并依據搜集到的工程資料參數，以及市政工程特點，對市政排水管道工程和路面工程進行造價估算，比較精度并分析原因，主要結論如下：（1）傳統定額估算計算簡單，但不具備普適性。（2）灰色理論計算法在權重選取步驟無法保持嚴格客觀性，易產生誤差。（3）神經網絡法精度高，但不適用工程復雜的造價估算，易使計算機運行時間久，占用內存等問題。（4）灰色網絡神經法完美結合灰色理論與網絡神經法優勢，預處理學習更具代表性的典型工程參數，提高計算精度同時加快計算機運算效率。