建設工程項目靜態(tài)優(yōu)化管理技術研究

王冠一

（河北鋼鐵股份有限公司承德分公司，河北　承德　067102）

建設工程項目靜態(tài)優(yōu)化管理技術研究

王冠一

（河北鋼鐵股份有限公司承德分公司，河北承德067102）

針對建設工程項目施工過程不可見因素多，前期預測工期、成本計算量大，精確程度不夠，管理效率低而造成的工程成本增加、工期拖延等問題，本文嘗試運用虛擬技術和已獲價值理論、顯著性成本理論（CS理論）、BP神經網絡等理論對建設工程項目工期、成本目標進行優(yōu)化管理，提高管理水平，增加企業(yè)盈利能力。

已獲價值理論；顯著性成本理論；BP神經網絡；優(yōu)化管理

1　概述

建設工程施工過程中協(xié)同、交叉、平行、立體作業(yè)多、干擾大，施工管理具有顯著的復雜系統(tǒng)特點，因此容易造成信息傳遞的不暢通、溝通不及時，管理效率低，出現工程成本增加、工期拖延等一系列問題，從而影響工程的整體效益。本文嘗試運用已獲價值理論、顯著性成本理論、BP神經網絡等理論，對工程施工進行優(yōu)化管理。

2　工程項目施工靜態(tài)管理系統(tǒng)的建立

工程靜態(tài)目標優(yōu)化管理系統(tǒng)是在滿足工程合同總目標的前提下，綜合運用網絡計劃技術、BP神經網絡模型、CS理論等復雜數學方法優(yōu)化制定各工序的工期、成本控制目標，并在此基礎上確定整個項目的工期成本控制重點，保證工程總目標的順利實現。

表1　公路橋梁工程鉆孔灌注樁施工的工時消耗類目量化表

2.1運用BP神經網絡模型預測工時消耗

準確地預測施工過程的工時消耗，對于工期的準確程度至關重要，而建設項目施工過程工時消耗的預測受施工環(huán)境的影響較大，因此運用復雜數學模型對工時消耗的預測可保證計劃工期的順利實現。

2.1.1工程特征因素的選取和定量化描述

工程特征的選取，應選取那些能夠影響施工工序工時消耗的主要因素，該因素的選取應參照歷史工程資料的統(tǒng)計和分析數據，根據專家的經驗確定，以公路為例，應用BP神經網絡模型對公路橋梁工程鉆孔灌注樁施工的工時消耗進行預測，本模型選取的特征因素為土質類別、樁徑大小、鉆孔深度、砼強度、鉆機類型，并進行量化，見表1。

通過對竣工公路工程項目中橋梁工程施工的歷史數據的收集、整理，從中選取18個典型工程，建立基礎數據表，見表2，其中第1～16個工程數據作為學習樣本，第17～18作為檢驗樣本，建立三層BP神經網絡，對橋梁工程鉆孔灌注樁施工的每米工時消耗建立估算模型。

表2　基礎數據表

2.1.2建立工時消耗估算模型進行預測分析

（1）獲得樣本的基礎數據向量后，可以利用Matlab實現向量的歸一化過程，將樣本的數據都歸一化到區(qū)間［0，1］。

（2）構建BP網絡，由于輸入向量有6個元素，所以網絡輸入層的神經元有6個，根據Kolmogorov定理，可以知道網絡中間層的神經元可取13個，而輸出層有一個神經元。網絡中間層的神經元傳遞函數采用tansig，輸出層神經元傳遞函數采用logsig，而訓練函數采用traingdx，其余為默認值。

（3）訓練BP網絡。將1～16個工程數據作為訓練樣本，最大迭代次數為200次，容許誤差為0.001，將第17～18個工程數據作為檢驗樣本，作為訓練后神經網絡的輸入。

（4）網絡收斂過程結果，如圖1所示。

進行結果分析，用收斂后的BP網絡對17、18組的數據進行預測，由于神經網絡預測結果不唯一，可以通過模型運算20次，得到均值將其作為最終預測值，并與實際值進行比較，結果均在±5%以內，結果分析數據見表3。

圖1　BP網絡收斂過程

表3　結果分析數據

盡管構建的BP網絡每次給出的預測各不相同，具有一定隨機性。但是通過多次運行網絡而后求均值，依然可以保持很高的預測精確度。故應用BPNN模型可以對工程實際中的關鍵工序時間消耗定額進行精確預測，為科學的計劃管理提供依據。

2.2運用“顯著性成本”思想，優(yōu)化確定顯著性項目成本目標

運用顯著性理論確定顯著性成本項目（CSIs），以顯著性成本項目（CSIs）作為成本重點控制項目。首先根據施工過程和施工工法劃分施工工序，然后根據該工程的預算資料采用“均值理論”區(qū)分該工程的顯著性項目和非顯著性項目，即算出每個工序的預算成本，將每個工序成本與平均工序成本相比較，篩選出比值大于1的工序，將這些工序累加，若累加預算占總預算的比重較大（如80%以上），可認定為關鍵工序，否則要進行二次平均，直到找到關鍵工序為止。

2.3確定整個項目工期成本控制重點：關鍵顯著性工序

通過以上方法對施工項目工期、成本目標的優(yōu)化，確定出該項目的關鍵顯著性工序，即關鍵路線上的項目和顯著性項目。關鍵工序上的項目可保證項目工期的順利實現而顯著性項目又是占造價比重比較大的那一部分可保證造價控制的準確性，這樣既能保證工期成本目標控制的準確度又可以簡化工期成本控制的過程，提高過程控制中的重點控制工序。

3　結論

通過靜態(tài)優(yōu)化管理技術在工程管理上的應用，得知應用BP神經網絡可精確地預測工時消耗，從而保證工期實現，CS理論可挖掘工程的關鍵顯著性工序，對關鍵顯著性工序的控制可在保證控制精度的同時減少計算的工作量，這對于有大量數據需要計算的工程項目來說具有現實意義。同時在應用已獲價值理論時，也可建立問題原因對策數據庫，及時總結施工過程中的經驗，減少以后施工中同類問題出現的可能性，通過以上優(yōu)化管理過程，可以提高項目管理效率，增強企業(yè)競爭力。

主要參考文獻

［1］Jui－Sheng Chou，Hung－Ming Chen，Chuan－Chien Hou，et al.Visualized EVM System for Assessing Project Performance［J］.Automation in Construction，2010，19（5）：596－607.

［2］段曉晨，張晉武，李利軍，等.政府投資項目全面投資控制理論和方法研究［M］.北京：科學出版社，2007：26－30.

［3］Richard J Pazur Jr.EVM Copolymers：The Forgotten Rubber［J］.Rubber World，2005，231（5）：27－34.

10.3969/j.issn.1673-0194.2015.09.028

F270.7

A

1673-0194（2015）09-0058-02

2015-03-18