建筑工程造價預測方法的研究

房樹田 張 英

(1.黑龍江工程學院，黑龍江 哈爾濱 150050； 2.黑龍江職業學院，黑龍江 哈爾濱 150050)

?

·建設經濟·

建筑工程造價預測方法的研究

房樹田1張 英2

(1.黑龍江工程學院，黑龍江 哈爾濱 150050； 2.黑龍江職業學院，黑龍江 哈爾濱 150050)

提取了多個潛在與工程造價相關的參量，采用相關性分析法，篩選出了相關性較強的幾個參量，并闡述了用這些參量預測工程造價的方法，有利于實現企業投資決策的科學合理性。

工程造價，參量，相關性分析，預測方法

0 引言

建筑工程造價預測的成功實現能夠為建筑工程造價的控制管理帶來較大便捷，因此，具有很高的研究價值。影響工程造價的因素極為復雜，在預測階段，我們難以保證獲取數據的精準性，因此為了解決不確定性較高的問題，本文引入了卡爾曼濾波。卡爾曼濾波是一種統計濾波方法，可以有效地濾出數據的噪聲，應用領域極廣。從投資決策科學性角度來看，住宅造價指標的合理編制和采集，指導人們合理確定建設規模和功能結構，綜合考慮項目的工程造價，從多個可行性方案中，選擇最佳的、合適的投資方案，從而實現更為科學合理的投資決策。

1 相關參量選擇

我們一共獲取了樓盤的23個參量，分別是樓盤所處城市等級、地上層數、地下層數、建筑面積、樓盤用途、檐高、平均層高、抗震等級、三級鋼筋占比、挖基礎土方單位含量、土方回填單位含量、砌體單位含量、混凝土單位含量、鋼筋單位含量、屋面防水單位含量、墻地面裝飾單位含量、樓地面裝飾單位含量、墻柱面裝飾單位含量、天棚裝飾單位含量、電氣配線單位含量、電氣配管單位含量、配電箱單位含量、管道單位含量，本文也將樓盤所處城市等級作為一個預測工程造價的變量，其余變量都是與樓盤建造緊密相關的參量。對應的，我們也獲取了樓盤的單位造價。

由于在實際應用中，我們可能無法得到如此多的參量，并且這23個參量中，并不是每一個參量都對于工程造價起著至關重要的作用。一些與工程造價相關性較低的參量甚至會對于預測造價起到相反的作用。因此，首先我們應進行相關性分析，選取與工程造價相關性較強的幾個參量，再進行工程造價預測。

皮爾森相關系數(Pearson correlation coefficient)是一種線性相關系數。皮爾森相關系數是用來反映兩個變量線性相關程度的統計量。相關系數用r表示，r的取值在-1～+1之間，r的絕對值越大表明相關性越強。若r>0，表明兩個變量是正相關，即一個變量的值越大，另一個變量的值也會越大；若r<0，表明兩個變量是負相關，即一個變量的值越大另一個變量的值反而會越小。要注意的是這里并不存在因果關系。若r=0，表明兩個變量間不是線性相關，但有可能是其他方式的相關(比如曲線方式)。計算公式如式(1)：

(1)

我們將23個參量分別與單位造價輸入至公式中，可以得到不同參量與單位造價之間的相關系數。結果如表1所示。

表1 參量與單位造價之間的相關系數

篩選其中相關系數大于0.2的參量來預測工程造價，共10個參量，不同的參量的計量單位不同，反映在數值上差異較大，因此若直接做回歸將造成數值本身較大的參量對回歸起較大的作用，而數值較小的參量對回歸基本不起作用。因此需將這10個參量變為無量綱的參量。本文選用Z-score標準化將參量歸一化。也稱為標準差標準化，是統計產品與服務解決方案中最為常用的標準化方法。經過此方法處理后的數據符合標準正態分布。計算公式如下：

(2)

其中，Xk為歸一化后的數據點;xk為原數據點;μ為數據集均值;σ為數據集方差。

將數據處理后，可以看出各參量與單位造價間存在線性相關關系，且皮爾森相關系數絕對值越大曲線相關性越強。

綜上，我們在23個參量中，篩選出了10個與單位造價較為相關的參量，并通過這10個參量用下文的預測方法對單位造價進行預測。

2 預測方法

卡爾曼濾波是于1960年提出的一種基于統計的濾波方法(KALMANRE，1960)，其通過前一時刻的估計值以及當前時刻的測量值反復遞推迭代，最終從兩個誤差較大的值中估計出一個相對較為精準的值。用狀態方程描述系統根據上一時刻向前推進的狀態過程，并使用量測方程來描述外部觀測系統所得到的量測值，將兩個值結合白噪聲的統計特性反復迭代，最終形成最優估計。

卡爾曼濾波方法能根據狀態值和測量值得到準確的估計結果。

狀態和測量方程由式(3),式(4)給出:

xk=Axk-1+Buk-1+wk-1

(3)

zk=Hxk+vk

(4)

其中，xk為kth的系統狀態；A為矩陣轉置；B為控制變量；w為基于標準分布N(0,Q)的狀態方程噪聲；H為測量矩陣；zk為測量值；vk為基于標準分布N(0,R)的噪聲估計。

獲取這些公式后，接下來進行如下步驟：

(5)

第2步：計算預協方差矩陣:

(6)

第3步：計算Kalman增益:

(7)

第4步：更新估計結果:

(8)

第5步：更新協方差:

(9)

第6步：重新計算前面的步驟1～步驟5。

綜上，卡爾曼濾波可以有效地濾出數據噪聲。要使用卡爾曼濾波，首先，我們要建立一個狀態方程和一個量測方程，然后設置各類參數，最終我們便可以得到較為準確的工程造價。

3 結語

準確地預測工程造價，對業主、受業主委托的咨詢機構以及投標者來說，都是一件至關重要的工作。在工程建設的每個階段，業主都要預測擬建工程的全部預期價格，據此確定標底、評標與定標。對于投標者來說，工程造價預測則是決定投標成敗以及在工程實施過程中能否盈利的關鍵。

本文首先提取了與工程造價潛在相關的23個變量，然后進行相關性分析，篩選出了與工程造價最相關的10個變量，最后利用這10個變量建模預測工程造價。本文提出一種新的方法來預測工程造價。得到一個較為準確的工程造價預測值。

選用與工程造價關系不大的變量進入建模時，不但會增加計算量，也會造成預測的精度降低。因此，本文所提方法結合統計濾波領域的KF算法，從兩個粗略的工程造價預測值中，輸出一個相對較為準確的預測值，是一種解決工程造價預測問題的新思路。

[1] 劉鐘瑩,徐 紅.建筑工程造價與投標報價[M].南京：東南大學出版社,2002.

[2] 田金信.建筑企業管理學[M].北京：中國建筑工業出版社，2012.

[3] 曹國安.我國工程管理中存在的問題及其對策分析[J].科技風，2011(15)：142.

[4] 吳琪琦.基于清單計價模式下商品住宅開發全過程造價控制[D].荊州：長江大學，2012.

Study on building engineering cost forecasting methods

Fang Shutian1Zhang Ying2

(1.HeilongjiangCollegeofEngineering,Harbin150050,China;2.HeilongjiangVocationalCollege,Harbin150050,China)

The paper extracts some potential parameters correlating to the engineering cost, selects strong-correlating parameters by applying correlation analysis method, and describes its engineering cost forecasting method, which will be good for realizing scientific and rational enterprise investment decision.

engineering cost, parameter, correlation analysis, forecasting method

1009-6825(2017)15-0205-02

2017-03-07

房樹田(1970- )，男，教授

TU723.33

A