基于Lasso回歸的某公路工程造價風險評價

0 引言

公路工程作為國家基礎設施建設的重要組成部分，其建設規模不斷擴大，技術難度和復雜程度也在不斷增加[1]。公路工程項目的整體特點表現為投資規模大、建設周期長、涉及面廣、技術要求高。這些特點決定公路工程造價管理的重要性和復雜性[2]。在造價管理過程中，風險評價是不可或缺的一環[3]。通過對造價風險進行科學、系統的評價，可以有效識別、評估和控制潛在的風險因素，從而降低工程項目的成本風險，提高投資效益[4]。

目前已有學者對公路工程造價風險進行深入研究和探索。胡秋萍[5]通過使用蒙特卡羅分析方法，預測和評價公路工程項目施工階段的成本風險。陳姬[通過研究灰色層次法與公路工程造價來探討工程造價風險評價的作用及意義。李貴林[分析了在高速公路建設過程中出現的工程造價風險，并在此基礎上構建風險指標體系，建立可拓評價模型。鑒于公路工程行業目前的特點和造價管理存在的問題，對造價風險評價展開研究具有重要的現實意義。本文旨在通過LaSso回歸方法，對公路工程造價風險進行評價，以期為公路工程項目的造價管理提供參考依據和技術支持。

1造價風險因素識別

1.1 清單造價風險

清單造價風險是指由于工程量清單編制不準確、漏項或錯項等原因導致的造價風險。在公路工程項目的實施過程中，工程量清單是計算工程造價的重要依據。如果清單編制不準確，將直接影響工程項目的造價控制，增加成本風險。

1.2合同造價風險

合同造價風險是指由于合同條款不明確、合同管理不善等原因導致的造價風險。在公路工程中，合同是約束雙方行為的法律文件，合同條款的明確性和合同管理的有效性對工程造價有著重要影響。如果合同條款不明確或合同管理不善，將可能導致工程造價的不確定性增加。因此選取合同造價風險作為造價風險評價指標，有助于項目管理者加強合同管理，降低造價風險。

1.3變更造價風險

變更造價風險是指由于工程設計變更、施工條件變化等原因導致的造價風險。在公路工程中，設計變更和施工條件變化是常見的現象，這些變化將直接影響工程造價。如果變更管理不善，將可能導致工程造價的不確定性增加。因此選取變更造價風險作為造價風險評價指標，有助于項目管理者加強變更管理，降低造價風險。

1.4設計造價風險

設計造價風險是指由于工程設計不合理、設計深度不足等原因導致的造價風險。在公路工程中，設計是工程實施的基礎，設計質量對工程造價有著重要影響。如果設計不合理或設計深度不足，將可能導致工程造價的不確定性增加。因此選取設計造價風險作為造價風險評價指標，有助于項目管理者加強設計管理，降低造價風險。

1.5 施工造價風險

施工造價風險是指由于施工技術難度大、施工環境復雜等原因導致的造價風險。施工是公路工程項目實施的關鍵環節，施工技術難度和施工環境對造價控制具有重要影響。如果施工技術難度大或施工環境復雜，將導致施工過程中的成本增加，增加工程項目的成本風險。

2模型配置

2.1 模型原理

Lasso回歸全稱為Least Absolute ShrinkageandSelectionOperator，是一種壓縮估計，它通過構造一個罰函數得到一個較為精煉的模型。Lasso回歸模型的基本原理是通過最小化目標函數來估計回歸系數，其中目標函數包括殘差平方和與回歸系數絕對值之和的線性組合。通過調整罰函數的參數，Lasso回歸能夠實現變量選擇，即自動選擇對因變量影響顯著的變量，同時壓縮其他不重要的變量，從而提高模型的解釋性和預測精度。

造價風險評價往往涉及大量的影響因素。Lasso回歸模型的優點在于其能夠處理高維數據，這在公路工程造價風險評價中尤為重要。此外，Lasso回歸能夠自動進行變量選擇，在面對眾多潛在風險因素時，其能夠幫助人們識別出對造價影響最大的關鍵因素。

在公路工程造價風險評價中，Lasso回歸的適用性體現在其能夠有效地處理和分析復雜的造價數據。公路工程項目的造價受到多種因素的影響。這些因素之間可能存在復雜的相互作用，Lasso回歸能夠通過其變量選擇能力，識別出這些因素中哪些對造價影響最為顯著。

2.2模型計算步驟

2.2.1 構建目標函數

Lass。回歸的目標函數由兩部分組成，一部分是殘差平方和，另一部分是回歸系數的絕對值之和乘以一個正則化參數入。目標函數可以表示為：

式中： L(β) 表示目標函數， n 表示樣本數量， y_i 表示第 i 個樣本的因變量值， X_i 表示第i個樣本的自變量向量， β 表示回歸系數向量， λ 表示正則化參數， j 表示自變量的索引。

2.2.2求解目標函數

Lasso回歸的目標是找到使目標函數最小的回歸系數向量 β^∧ 。求解最小的回歸系數向量的過程可以表示為：

β^∧=arg_minβL(β)

式中： β^∧ 表示最小的回歸系數向量。

2.2.3確定正則化參數 λ

正則化參數入的選擇對Lasso回歸的結果有重要影響。 λ 的值越大，回歸系數的絕對值之和越小，模型越簡單；入的值越小，回歸系數的絕對值之和越大，模型越復雜。本文通過交叉驗證確定入的值。

3數據分析

3.1工程概況

選取了一個改擴建公路工程作為研究對象。該工程位于我國東部沿海地區，全長約 50km ，原為雙向兩車道，設計時速為 60km/h 。隨著區域經濟的快速發展，原有道路已無法滿足日益增長的交通需求，因此決定將其改擴建為雙向四車道，將設計時速提升至 80km/h 。

在造價方面，該改擴建工程的總投資額約為5億元，其中路基工程投資額約為1.2億元，路面工程投資額約為1.5億元，橋梁工程投資額約為1億元，隧道工程投資額約為0.8億元，交通工程投資額約為0.3億元，環保工程投資額約為0.2億元。

3.2計算分析

基于該工程進行相關造價指標影響項的數據收集，通過專家論證、調研施工組織設計以及工程量清單等資料將收集的資料進行整理，按照公式（1）與（2）進行目標函數確定。以清單造價風險為例按式（3）和式（4）進行計算，最終得到指標的模型系數如表1所示。

表1回歸分析模型系數

β^∧=arg_minβL(β)=-0.459

模型的標準化公式為：

y-92.492-0.459M₂-0.091M₄+0.442M₅

模型的非標準化公式為：

y-83.208-0.408M₂+0.414M₅5

基于以上計算步驟以及目標函數求解正則化參數，使用交叉驗證，將數據輸入SPSS，得到回歸分析模型系數如圖1所示。為使得均方誤差最小，確定 λ=0.465 log(λ)=-0.766 。將入變化值與目標函數公式相結合，得出各指標隨 λ 變化的模型系數情況如圖2所示。

圖1回歸分析模型系數

圖2入與模型回歸系數

3.2.1 回歸系數分析

結合表1分析可知，常數項為92.492（非標準化系數為83.208)，表明當所有自變量均為0時，因變量預測值為92.492（在原始量綱下為83.208）。模型的 R² 值為0.697，意味著自變量能夠變量 69.7% 的變異性，顯示出模型具備較好的擬合效果。

在自變量方面，清單造價風險與合同造價風險的標準化系數與非標準化系數均為0，表明這兩個變量在Lasso回歸過程中被壓縮至0，即它們對當前模型不具有顯著的預測作用。在后續的造價風險管理中，可以適當減少對這兩個變量的關注，將資源更多地投入到其他對造價影響更為顯著的變量上。

施工造價風險的標準化系數為 -0.459 ，非標準化系數為 -0.408 ，顯示出該變量對因變量具有顯著的負向影響，即施工造價風險的增加會導致目標變量相應減少。該結果強調有效控制施工造價風險對于提升整體效益的重要性。在項目管理中，應采取有效措施降低施工造價風險，以提高工程項目的經濟效益。

變更造價風險的標準化系數為 -0.091 ，但其非標準化系數為0，表明雖然該變量在標準化處理下顯示出一定的負向趨勢，但在原始量綱下其影響不顯著，可能因數據波動或樣本量限制而未達到統計顯著性。

設計造價風險的標準化系數為0.442，非標準化系數為0.414，表明該變量對因變量有顯著的正向影響，設計造價風險的合理控制或優化可能有助于提升目標變量的表現。這一發現強調了設計階段在成本控制提升中的關鍵作用。合理控制或優化設計造價風險可能有助于提升目標變量的表現，從而提高工程項目的整體效益。

3.2.2 策略分析

針對清單造價風險與合同造價風險的影響不顯著，采取以下改進策略：一是優化清單編制。加強對工程量清單的審核和校對，確保清單的準確性和完整性，以減少因清單編制不準確導致的造價風險。二是完善合同管理。明確合同條款，加強合同管理，確保合同執行的規范性和有效性，以降低因合同管理不善導致的造價風險。三是建立風險預警機制。通過建立風險預警機制，對潛在的風險因素進行實時監控和預警，以便及時采取措施，降低造價風險。

針對施工造價風險的顯著負向影響，采取以下改進策略：一是加強施工過程管理。通過加強施工過程管理，提高施工效率和質量，降低施工成本，從而降低施工造價風險。二是優化施工方案。在施工前，對施工方案進行充分論證和優化，選擇經濟、合理的施工方案，以降低施工造價風險。三是加強施工隊伍培訓：提高施工隊伍的專業技能和素質，降低施工過程中的返工和修改，從而降低施工造價風險。

4結束語

Lass。回歸模型具有強大的特征選擇和預測能力，能夠有效處理高維數據，提高模型的預測精度。實踐證明，Lasso回歸模型在本研究中表現出色，能夠準確地識別出對造價影響顯著的風險因素。

對回歸系數進行詳細的計算和分析，確保了結果的準確性。通過比較標準化系數和非標準化系數能夠準確地評估各個自變量對因變量的影響程度和方向。同時，對模型的 R² 值進行分析，驗證了模型的擬合效果。

其指標涵蓋了公路工程造價管理的各個方面，能夠全面反映工程項目的造價風險。同時對每個指標的含義進行了詳細的解釋，確保了指標構建的合理性。

參考文獻

[1]何森.基于概率分布的公路工程造價風險因素識別與評估研究[J].交通科技與管理，2024，5(11):171-173.

[2]周淑琴.公路工程全生命周期造價風險識別及預防研究[J].交通建設與管理，2023(4):113-115.

[3]梁田.基于模糊層次分析法的公路造價風險評價研究[J].工程技術研究，2021，6(1):23-24+91

[4]劉永平.公路工程PPP項目全生命周期工程造價管理風險及控制措施[J].智能城市，2020，6(23):73-74.

[5]胡秋萍.公路工程施工項目工程造價風險評估及預警研究[D].南昌：華東交通大學，2017.

[6]陳姬.基于灰色層次法的公路工程造價風險評價研究[J].黑龍江科技信息，2016(27):205.

[7]李貴林.高速公路工程造價風險群體可拓評價模型[J].青海交通科技，2016(3):58-61.