基于多造價信息限制的工程造價估算模型研究

摘 要：文章提出了一種多造價信息限制的工程造價估算模型，選擇建筑造價估計限制屬性變量，構建特征因素模糊限制集，采用隸屬函數描述建筑特征的相似度，獲取建筑特征因素的量化值，得到模糊限制因子集的隸屬度，運用模糊算法的工程造價估算模型進行反復多次迭代計算，運算出最優解。比較BP神經網絡算法和本方法的均方誤差（MSE）以及平均絕對誤差百分率（MAPE）評價參數，結果表明，文章建立的工程造價估算模型的估算更加準確，具有更好的實用價值。

關鍵詞：工程造價 估算模型 多造價信息

中圖分類號：F285 文獻標識碼：A

文章編號：1004-4914（2016）11-288-02

一、引言

隨著時代進步與科技的發展，造價優化管理模式也隨著迅速發展，逐漸走進各大工程項目建設中，并受到高度關注。造價是各領域項目中的建設工程預期成本開支，或實際成本消耗開支一次性固定費用的總投入，因此，造價管理優化控制在工程項目中占據重要地位。市場急需建立起一項更完善、更優化的造價管理模式，用于應對市場中工程造價管理上的諸多問題。

目前，對造價模型優化方法有模擬退火算法、神經網絡算法和遺傳算法的造價模型優化方法，但這些方法優化效果不顯著，模擬式仿照基礎編碼工作過程過于復雜，對科學技術的掌握操作熟練性要求過高，不利于一般性工程項目工程的造價管理，有待進一步提高改善。

本文提出了一種多造價信息限制的工程造價估算模型，結合了模糊算法和BP神經網絡算法，通過高效和準確的迭代運算，可以更加快捷地得到工程造價的最優解，為造價管理提供準確有效的理論依據，更好地指導開展建筑項目的工程造價管理工作。

二、多造價信息限制的工程造價估算模型

（一）設定工程造價估算限制屬性變量

全面分析建筑項目的工期、費用和質量，估算出建筑項目的最佳分配結構。由多屬性效用函數分解規律，工程造價估算限制屬性可以把工期、費用和質量三個量描述為：

上述表達式中，T表示建筑項目的工期，F表示建筑項目的費用，Z表示建筑項目的質量，ω（T，F，Z）表示多屬性效用函數。ω（T）表示建筑項目的工期單變量效用函數，ω（F）表示建筑項目的費用單變量效用函數，ω（Z）表示建筑項目的質量單變量效用函數，βY，βF和βZ分別表示工期、費用、質量的各單變量效用函數相應的權重系數。權重系數直接反映了建筑項目管理者對建筑項目的工期、成本、質量的重視程度，權值系數值是調研本行業的相關專家后得到的。

（二）創建特征因素模糊限制集

本文提出的這種多造價信息限制的工程造價估算模型，運用了模糊理論算法，結合了BP神經網絡算法，可以更加快捷地搜索到學習因子的最優位置，從而得到造價估算目標函數的最優解。

三、工程造價估算模型的實驗驗證

選取本公司近些年來的10組建筑項目類型數據，分類總結了這些數據，提取出單層建筑面積、層數、層高、平面形狀、結構類型、基礎類型、地基承載力、埋深等8個特征因素，來驗證基于多造價信息限制的工程造價估算模型的準確性與高效性，10組工程總結數據表見表1所示。

為了驗證本模型的準確性與高效性，比較本模型與傳統的BP神經網絡模型的工程造價估算，本文算法與傳統BP神經網絡算法估算結果見表2所示。本文估算的BP神經網絡模型結構為10×22×2。

為了更好地客觀衡量本文模型的優劣，比較本文算法與傳統BP神經網絡算法的優劣，采用均方誤差（MSE）和平均絕對誤差百分率（MAPE）兩個參數來比較衡量優劣性。

其中，γi表示實際值，i表示估算值，p表示估算樣本數。把表2中的數據代入上面公式中，可以計算出本文方法的MSE是18.15，MAPE是0.47，而BP神經網絡的MSE是66.21，MAPE是0.71。通過分析均方誤差（MSE）和平均絕對誤差百分率（MAPE）兩個參數，可以非常明顯地得到采用本文方法獲取的建筑造價估算值的精度高于傳統的BP神經網絡，同時，本文方法估算的結果同實際結果的匹配度較高，實驗證明，本文方法更加具有準確性和高效性。

四、總結

本文提出了一種多造價信息限制的工程造價估算模型，是結合了模糊算法和BP神經網絡算法的優化模型，比較實驗證明，該模型運輸出的最優解，更加具有準確性和高效性，對現實建筑項目的工程造價管理具有理論指導意義，有利于提高建筑項目工程造價的管理水平，也將為公司在建筑項目中帶來可觀的經濟效益和社會效益。但是，建筑項目的工程造價問題是一個復雜、綜合的問題，建立完善的估算模型是非常困難的，由于人為因素在其中也會起到相當的作用，因此，也將給模型的建立和應用帶來很大的困難，還有待進一步地提高完善。

參考文獻：

[1] 李盼盼，朱偉興.基于改進遺傳算法的TS模糊模型的優化設計[J].傳感器與微系統，2008（8）

[2] 劉懷蘭，牛輝，王佳.基于改進遺傳算法的智能組卷模型優化[J].華中科技大學學報（自然科學版），2013（5）

[3] 王南，張京軍，高瑞貞.基于改進遺傳算法多體模型的汽車懸架參數優化[J].遼寧工程技術大學學報（自然科學版），2007（26）

[4] 李可，馬孝義，符少華.基于改進遺傳算法的水電站優化調度模型與算法[J].水力發電，2010（1）

[5] 曹云，徐奮強.基于改進遺傳算法的長短樁復合地基優化設計[J].水文地質工程地質，2011（6）

[6] 曾暉.混合建筑造價估計經濟模型研究與仿真[J].計算機仿真，2015（3）

（作者單位：中建安裝工程有限公司 江蘇南京 210046）

（作者簡介：高莉莉，注冊造價工程師，經濟師，研究方向：工程造價。）

（責編：賈偉）