BP神經網絡與TOC下工程造價預控措施分析

【摘 要】為了對于工程的造價實施有效的預控，減少建設投資的不確定性，通過運用BP神經網絡實施對于工程造價的預測，根據此方法預測出的結果對于工程的計量清單進行優化。然后利用TOC理論對優化后的工程清單計價模式進行控制，從而達到了工程造價預控的實施。文章以某工程為例，分別論述了BP神經網絡的預測、TOC理論的控制、基于ＢＰ神經網絡與ＴＯＣ理論的工程造價預測與控制，最后通過案例分析，證明了此方式的有效性。

【關鍵詞】BP神經網絡；TOC理論；工程造價；預控措施；分析

建筑業作為我國的主要物質生產部門，一直以來都在國民經濟的發展中占有重要地位。即使是在2008年美國次貸危機以來，我國政府通過強有力的擴大內需的一系列措施，使得我國的經濟繼續的保持著快速的增長。而建筑業也要在此過程中，不斷的學習工程造價管理的先進方法，同時也要不斷的總結實施工程造價中的經驗教訓，不斷的大膽創新，從而不斷的提升我國的工程造價實踐水平以及理論層次。下文主要結合BP神經網絡對工程造價的預測以及TOC理論對工程造價的控制進行論述。

1 BP神經網絡的預測

BP神經網絡的清晰表述是在20世紀80年代被提出的，這一算法的提出不僅解決了多層神經網絡的學習問題，同時也實現了多層網絡的設想，從而極大的促進了神經網絡的發展。BP神經網絡的全稱為Back Propagation，即誤差反向傳播神經網絡，是一種多層、前向的神經網絡，可以簡單的理解為誤差的傳播方向是與信號的前向傳播相反方向的。一般的BP網絡都有不止一個的sigmoid隱層以及線性的輸出層，從而可以有效的實現對多個不連續點函數的逼近。反向傳播也就是從后向前的進行誤差的調整，網絡的權值順著性能函數的梯度反向的調整。

BP神經網絡的結構圖如下圖1所示，每一個神經元都是用一個節點表示，P、A是網絡的輸入以及輸出向量，網絡由隱層、輸入層以及輸入層節點組成，其中隱層可以是一層，也可以是多層，通過權將前后層連接起來。

圖１ BP神經網絡

2 TOC理論的控制

TOC約束理論是由以色列物理學家在1984年首次提出的，這一理論的研究以及應用為我們展現了一種全新的管理理念。十多年后他有提出了關鍵鏈法，主要應用于項目進度計劃問題的解決，這一方法的主要思想就是工程項目必須遵守整體優化而非局部優化。關鍵鏈及時考慮兩種約束，同時將其網絡化并應用于項目的進度規劃決策的技術。

這一技術主要由5個步驟組成：（1）識別系統的局限性（2）考慮如何利用這一瓶頸；（3）設法使得其它的決策服從與上面的決定;(4)提升系統的瓶頸；（5）如果瓶頸問題得以解決，那么回到第一步繼續執行這一操作。

關鍵鏈技術是以全局的角度來進行各道工序安全時間的設定，統一到緩沖中的安全時間并不一定保證每一道工序的按期完成，但是卻可以照顧到全局施工進度。由于輸入緩沖以及項目緩沖可以有效的消除項目中的不確定因素對項目計劃執行的影響，管理人員通過關注項目的進展情況，通過緩沖區調整項目的進度并實施項目的優化。

3 基于BP神經網絡與TOC理論的工程造價預測與控制

3.1 基于BP神經網絡的工程造價預測

通過MATLAB7.0建立模型可以分為以下四步：

3.1.1 樣本的輸入值。輸入值的確定要參照以下各種費用：設計概算階段的預備費、設計概算階段的設備及工器具購置費、設計概算階段的建筑安裝工程費、設計概算階段的工程建設其他費用。樣本的期望值以及輸出值的確定要考慮到以下幾種費用：工程建設其他費用、工程決算階段與設計概算階段相比的建筑安裝工程費、設備及工器具購置費、預備費增長的大小。樣本的輸出值范圍在-1到1之間，前者表示沒有風險，后者表示風險最大。

3.1.2 通過MATLAB7.0構造BP神經網絡。輸入層以及輸出層的神經元節點數目分別設置為N1和N3，而BP神經網絡隱層節點的設計檢驗公式為： （a=1—10，N1、N3分別為輸入與輸出的節點數）。然后進行訓練函數、輸出層函數以及隱層函數的選擇，同時設置訓練的次數以及目標。

3.1.3 將樣本數據帶入程序，通過訓練、學習、測試樣本檢驗，達到預定的目的。

3.1.4 通過輸入一組向量P，模型將輸出一組預測得到的列向量A。

3.2 基于ＴＯＣ理論的工程造價控制

為了有效的控制工程造價，TOC理論思想要求將工程造價中風險費用的增加按照同一個保證率計算，然后將這一保證率之下費用差值安排到預備費用中的基本預備費中，或者理解為將其設置為緩沖區。我們可以將輸出的預測向量值設置為：

與之相對的輸入向量設置為

按照上文所述的TOC理論的實施步驟，第一步是進行系統瓶頸的識別，得到的結果對應于輸出值A向量，然后是如何使用系統的瓶頸讓P乘以對應的輸出值A向量，將 ， 放回設計概算階段的預留金中實施整體控制。第三步是設法使得其它的決策服從與上面的決定以及第四步通過監控以及關注各部分工程的執行情況提高系統的瓶頸，通過緩存器的使用情況來控制工程造價。

從以上的論述可見，基于BP神經網絡與TOC下工程造價預控是在對于工程造價模式優化之下對于工程造價所實行的控制，可以解決長期困擾我們的工程造價難以控制的問題。

4 案例分析

本文以天津某高速公路為例，運用BP神經網絡與TOC技術實施工程造價預控，從下表1可以看出應TOC理論優化后的工程總額減少了204778.4—202705.8=2072.6萬元，降低了決算總額的1%。也就是說通過計價模式的優化以及造價中風險費用的整體控制，可以從根本上解決工程造價難以控制的問題，有助于我國工程造價的良性發展。

表1 TOC理論優化后的某高速公路投資控制情況比較 單位:萬元

利用MATLAB建立模型，得出基于BP神經網絡的天津某高速公的造價預算。模型建立的過程不再復述，將得到的樣本訓練圖給出，如下圖2：

圖2 樣本訓練圖

經檢驗，天津某公路的此時結果與實際值吻合，因此基于BP神經網絡的高速公路造價預算可以滿足實際的需求，模型的建立很成功。

基于TOC理論的工程造價控制，通過將施工整個過程的分散的風險因素整合、統一控制，同時在不斷的監控以及緩沖器的配合下達到了有效控制工程造價的目的。該方法的主要思想是遵從項目的整體優化而非簡單的局部優化。這種不同于傳統中獎工程

的造價局限于某個或者一個階段，也就不可能從工程的整體出發，自然也不利于造價控制的實施。

基于BP神經網絡的工程造價預測通過高度的非線性映射以及充分的應用工程造價的歷史數據，從而得到預測結果。這種方法之所以具有廣泛的應用前景，是源于此方法與傳統方法相比所表現出的優越性，即具有自適應、自組織、自學習以及泛化能力。同時這一方法的實施也需要準確的樣本期望數據以及樣本輸入數據，從而為我國的工程造價制度以及造價數據的測量提出新的要求。

5 結束語

上文的論述表明，基于BP神經網絡的工程造價預測，在結合了TOC理論情況下，實現了對于工程造價的控制。這種控制方式不僅是對于計價模式的優化、在優化的模式下對于工程造價的控制，同時也是有效實現工程造價控制以及對于當前的工程造價理論的有力推進。

參考文獻;

[1]深圳市中哲投資顧問有限公司．2010—2015年中國建筑業投資分析及前景預測報告.深圳:中投顧問產業研究中心.2009

[2]全國造價工程師執業資格考試培訓教材編審委員會．工程造價計價與控制[M]．北京:中國計劃出版社.2009.

[3]韓小康，盧梅．基于關鍵鏈的工程造價控制研究[J]．建筑經濟2009，12.10—105.