基于大數據預測技術編制裝配式企業定額綜述

謝葵花，紀艷紅，盧 煜，霍海娥

（西華大學建筑與土木工程學院,四川 成都 610039）

20 世紀80 年代初，人們就提出了可持續發展理念，對建筑業也提出了更高的要求。住房和城鄉建設部等七部門發布了關于印發《綠色建筑創建行動方案》的通知，明確提出到2022 年城鎮新建建筑中綠色建筑面積占比達到70%[1]。

裝配式建筑作為綠色建筑的典型代表，具有設計標準化、生產工廠化、施工裝配化、裝修一體化、管理信息化和應用智能化的特征，減少了資源浪費、降低了環境污染、提高了勞動效率。2016 年9 月《國務院辦公廳關于大力發展裝配式建筑的指導意見》（國辦發[2016]71 號）明確提出大力推廣裝配式建筑[2]。2016 年2 月6 日《國務院關于進一步加強城市規劃建設管理工作的若干意見》（國辦發 [2016]7 號）提出，力爭到2026 年裝配式建筑占新建建筑的比例達到30%。2020 年，全國31 個省、自治區、直轄市和新疆生產建設兵團新開工裝配式建筑共計6.3 億m2，較2019年增長50%，占新建建筑面積比例約為20.5%，完成了《“十三五”裝配式建筑行動方案》確定的到2020 年達到15%以上的工作目標[3]。習近平總書記在第七十五屆聯合國大會提出，中國將提高國家自主貢獻力度，采取更加有力的政策和措施，二氧化碳排放力爭于2030 年前達到峰值，努力爭取2060 年前實現碳中和[4]。傳統的建造方式已然不能實現這個目標，而裝配式建筑因其生命周期可顯著減少碳排放，是實現“碳達峰”和“碳中和”的重要路徑。

改革開放以來，我國傳統混凝土建筑的報價方式是企業按照統一的工程量清單規范及國家頒布的標準定額，結合自身管理技術水平進行自主報價。隨著我國科學技術的發展以及人們綠色環保意識的逐漸增強，裝配式建筑成為建筑行業的主要建造形式，因此，必須有與之配套的定額才能進一步規范裝配式建筑市場。然而，新型裝配式建筑在我國的發展剛剛起步，很多施工技術還不成熟，裝配式建筑標準定額內容較少，難以發揮其在企業成本管理與控制方面的作用。再者，2020 年7 月24日，中華人民共和國住房和城鄉建設部發布《住房和城鄉建設部辦公廳關于印發工程造價改革工作方案的通知》（建辦標[2020]38號文），提出逐步停止發布預算定額[5]。這一政策的頒布，必將推動裝配式建筑企業進行改革，加快裝配式建筑企業定額的編制進程。

基于目前國內的政策環境，裝配式建筑作為綠色建筑的典型代表，國家大力推動發展，未來的建筑業必然以裝配式為主要的建造形式。預算定額將逐步取消，企業定額的編制迫在眉睫。裝配式建筑企業定額的編制，既符合綠色建筑方向，也適應國家市場化改革政策，是順應國內政策環境的必然趨勢。

1 裝配式建筑發展現狀及企業定額相關研究進展

1.1 國外裝配式建筑發展現狀及企業定額相關研究進展

國外裝配式建筑發展早于國內，歐洲是裝配式建筑的發源地，早在17 世紀就走上了裝配式建筑工業化發展之路。國外裝配式建筑應用現狀如表1所示。

表1 國外裝配式建筑應用情況

國外沒有企業定額的概念，其計價模式包括以英國為代表的工料測量體系、以美國為代表的造價工程管理體系和以日本為代表的工程積算制度。

日本和英國都有統一的工程量計算規則，日本依據概預算定額及通過銀行調查取得的勞務單價和財團法人調查的設備材料單價進行計價[10]。英國通過官方發布、機構收集的造價信息以及歷史數據進行計價，沒有標準定額。

美國沒有統一的工程量計算規則以及標準定額，其計價是由各大型咨詢機構根據積累的工程計價資料，依據地區的不同而制定的，價格和規則的制定均由市場來調節和管理。

可見，3 個國家的計價方式各有不同，但也存在共性。其市場體系化程度都比較高，都比較重視市場調節作用，價格由政府或市場咨詢機構提供參考信息，與市場環境互動，具有時效性、動態性等特點。這些發達國家重視已完工程數據的收集積累，大中型企業都有數據庫，企業根據自身生產力水平，在市場環境下揚長避短，提高企業競爭力。政府通過發布物價和價格指數來指導工程造價，發揮其調節、監督管理的作用。

1.2 國內裝配式建筑發展現狀及企業定額相關研究進展

我國裝配式建筑起步于20 世紀50 年代，當時的專業技術水平不高，在1976 年7 月28 日發生的唐山地震中，大量的預制裝配式建筑遭到破壞，裝配式建筑在社會中認可度不高，裝配式建筑發展進入停滯階段[11]。90 年代以后，現澆混凝土技術快速發展，裝配式建筑發展陷入低谷，除了在一些單層工業廠房應用外，很少應用于其他建筑領域。21 世紀，國家提倡建造以節約資源和保護環境為目的的綠色新型建筑，裝配式建筑作為綠色建筑的代表再次回到國內舞臺，國內多數建筑企業已經開始廣泛應用先進的裝配式施工技術[6]。

2019 年12 月下旬，突襲而來的新冠疫情對我國的各行各業都產生了很大的影響，建筑業在此次疫情中受到了巨大沖擊。因不可抗力因素，許多建筑項目不能按時交付、施工進度拖延、勞動力及材料成本增加，造成2020 年第一季度的建筑總產值、竣工產值、新簽訂合同額、從業人數等重要指標均大比例降低[12]。但在某種程度上，這對建筑業也是一次機遇，以“火神山醫院”“雷神山醫院”[13]為代表的裝配式建筑在此次抗疫中表現出巨大的優勢——預制構件在工廠生產好直接在現場進行組裝，縮短了工期，減少了資源浪費以及環境污染。

在疫情常態化的今天，發展裝配式建筑不僅是我國建筑產業提升建造水平的追趕手段，也是產業轉型發展的需要，隨著裝配式建筑管理技術水平的成熟，政府大力支持發展預制裝配式建筑。作為國民經濟支柱的建筑業，在現有的市場形勢下，施工企業需要不斷提高自己的管理技術水平，需要一套符合企業自身實際情況的企業定額來提高其行業競爭力，進一步推動建筑行業向縱深發展[14]。

目前國內針對裝配式建筑企業定額編制的研究很少，然而市場化改革、工程量清單計價模式以及預算定額的取消等一系列政策，都在推動企業盡快編制自己的企業定額。這既是提升企業自身管理、技術水平能力的需求，也是提升企業國內外競爭力的方法。早在2000 年，冀異生[15]就提出為應對我國加入世貿組織的國際形勢，施工企業應根據企業自身實際情況編制企業定額。

2 企業定額的傳統編制方法

2.1 現場測定法

此方法是專業測定定額的一種傳統方法。現場測定法以研究工時消耗為對象，以工作日寫實等手段，通過密集抽樣和粗放抽樣等技術進行直接的時間研究，確定人工消耗和機械臺班定額水平[16?17]。

2.2 經驗統計法

經驗統計法由企業內部人員根據企業以往類似竣工項目的結算資料進行統計測算分析處理，確定各個分項子目企業定額消耗水平。楊海燕等[18]指出，統計分析法是將過去施工中同類施工過程工時消耗的統計資料，同當前施工組織與施工技術變化因素結合起來，進行分析研究后，確定工時消耗定額的一種方法。蔣曦[19]研究得到，經驗統計法適合大中型施工企業定額的編制。這些企業更注重已完工程歷史數據的積累，對于這類企業，以這種方法編制的企業定額具有更高的準確性。

2.3 定額修正法

定額修正法以政府預算定額為藍本，結合企業實際需要，根據具體工程項目的施工圖紙、現場條件和企業勞務、設備及材料儲備狀況，結合實際情況對定額水平進行調增或調減，從而確定工程實際成本[20]。

2.4 經驗估計法

蔣曦[19]認為消耗量的確定是定額編制的關鍵，應以人工、材料、機械消耗量的編制方法編制企業定額。針對人工消耗定額的確定，蔣曦[19]提出了經驗估計法，由定額編制人員根據以往施工中的生產和管理經驗，同時參照設計圖紙和規范等相關資料來制定定額。

除這4 種常用的測定方法，蔣曦[19]提出動態成本管理法——能適應生產技術不斷發展和新材料、新工藝、新設備不斷出現的情況。針對人工、材料、機械分別提出合適的編制方法：針對人工消耗，用比較類推法來類比推算出同類型中不同工程或工序的人工消耗；針對材料消耗，對周轉性和非周轉性材料分開探討，周轉性材料定額消耗量為每一次攤銷的數量，利用如下公式計算：而對于非周轉性材料消耗量，提出運用統計法、理論計算法進行測定；針對機械消耗，采用定額換算法、現場觀察測定法及抽樣統計法確定機械臺班消耗定額。

傳統的定額編制方法大多是通過現場測定、經驗估計等方法確定人工、材料、機械的消耗量，數據采集量大、定額編制時間長以及編制精度低，不具有通用性。大數據時代，為有效快速地編制企業定額，需要在傳統企業定額編制方法基礎上，引入大數據預測技術，從而改進企業定額編制流程，提高編制的速度和精度。

3 大數據預測技術下企業定額編制改進流程

企業定額以預算定額為參考，在工程量清單計價規范下，以先進的施工組織設計或施工方案、施工驗收規范為重要依據[16],合理控制確定人工、材料、機械的企業定額消耗量標準，參考市場環境價格，自主確定企業定額費用標準。具體改進編制流程如圖1 所示。

圖1 大數據預測技術下企業定額編制改進流程

企業定額編制流程中實體消耗量的確定是定額編制階段中最重要的環節[14]。在消耗量測定環節加入大數據樣本產生技術對傳統方法測定的消耗量數據進行處理，生成大量樣本數據，縮短了現場測定數據的時間，進而在大量真實有效的數據基礎上，為后續消耗量預測模型的構建提供了數據支持，以此編制的定額具有較高的參考價值。

4 大數據預測方法

4.1 大數據樣本產生的方法

我國施工企業通常采用現場測定法來采集消耗量樣本數據，以此方法采集的數據，耗時長，樣本量少，不能滿足企業定額編制的需求。擴大數據樣本量是快速編制企業定額的重要一步。常用的樣本產生的方法有蒙特卡洛方法、拉丁超立方體抽樣法。

4.1.1 蒙特卡洛抽樣方法

蒙特卡洛抽樣方法指使用隨機數或偽隨機數從概率分布中抽樣的傳統技術，采用重復隨機抽樣的方法對未知參數進行估計。

蒙特卡洛模擬技術應用于企業定額制定中，以少量樣本數據模擬產生大量的輸出數據，克服我國企業普遍存在的樣本數據不足的缺點[21]。李會靜等[22?23]也針對這個缺陷提出利用蒙特卡洛模擬對數據進行擴大，提供快速、便捷的編制方法。蒙特卡洛法雖然可以解決數據不足的問題，但沒有考慮隨機變量相互之間的關系。羅霄[24]考慮了不確定性因素之間的相互依賴關系，克服傳統蒙特卡洛模擬獨立抽取各不確定性因素的隨機值而忽略它們之間相關性的缺陷，模擬的分析結果更接近于現實情況。

4.1.2 拉丁超立方體抽樣方法

拉丁超立方體抽樣法最早是由Mckay 等[25]于1979 年提出來的，是一種從多元參數分布中近似隨機抽樣的方法，屬于分層抽樣技術，其核心是用較少的抽樣次數，來達到與很多次隨機抽樣相同的結果，并且所有采樣區間都能被采樣點覆蓋，保證了樣本結果的全面性[26]。

這兩種樣本實驗方法主要都是采用“空間填充思想”，依賴于大量數據和計算機算法的實驗和模擬。但相對于絕對隨機的蒙特卡洛方法，拉丁超立方體抽樣法應用于企業定額的編制中，可使用更少的迭代次數達到理想的效果，縮短實驗時間，更快速地模擬出未知消耗量。

樣本數據的擴大，一定程度上為后續編制的定額準確度提供了數據支持，利用大數據預測技術對充足的樣本消耗量進行預測，相較于利用傳統收集到的有限數據樣本量進行未知消耗量的預測，編制的定額更為準確可行。

4.2 大數據預測方法

針對企業定額編制中消耗量的預測，相關研究中所用到的方法大致分為神經網絡技術、基于模糊數學和灰色關聯理論法、線性回歸以及層次分析對比估計。

4.2.1 神經網絡技術

神經網絡技術對于非線性、不確定和未知問題有著很高的優越性，相對于傳統非線性預測，具有更強的適用性和自學能力，能夠充分考慮各種因素，解決多因素影響下的消耗量確定問題。

企業定額的消耗量和價格往往是多種因素同時作用的，而算術平均值法、二次平均法、概率估計法3 種傳統測定消耗量方法，在測定消耗量和價格時均只考慮了1～2 種因素。李旭東[27]在對比傳統的消耗量測定方法后，提出利用MATLAB 仿真模擬軟中BP 神經網絡進行消耗量測定，以項目收集到的人工挖孔樁土方開挖的孔徑、孔深、天然濕度下土壤平均容重的實際數據作為輸入變量，收集15 個學習樣本的人工、材料、機械消耗量進行學習訓練，對剩下2 個測試樣本的消耗量進行對比分析。結果顯示，訓練的樣本數據與實際數據相比，編制的定額相對誤差最大為6.75%，誤差均值為3.45%，最小誤差僅為1.13%，證明了BP 神經網絡應用至企業定額編制的可行性。

然而，BP 神經網絡存在易陷入局部最優且收斂速度慢的問題。BP 神經網絡收斂速度慢是由于在調整權值時，只按t時刻誤差的梯度下降方向調整，沒有考慮t時刻以前的梯度方向，從而使訓練過程發生震蕩，收斂緩慢[28]。郭琦等[29]提出在權值調整公式中加入一個附加動量因子mc（mc一般取0.95 左右）對BP 算法進行改進，有效地提高了BP 神經網絡的收斂速度。針對這兩種問題，還可以采用遺傳算法（GA）或者粒子群算法（PSO）對BP 神經網絡進行優化處理。王傳生等[30]首次提出利用粒子群優化后的神經網絡編制企業定額，相對于遺傳算法，粒子群算法操作更簡單、更容易實現、收斂速度更快。為作進一步的對比分析，金修鵬[31]選擇同一個項目案例中相同的輸入、輸出變量，構建單純BP 模型、GA-BP 模型、PSO-BP 模型，對比其消耗量的預測輸出，BP 網絡模型預測輸出相對誤差均值為7.06%，GA-BP 優化模型為5.31%，PSO-BP 優化模型為4.53%。結果表明，PSO-BP 網絡模型相比于GA-BP 預測精度更高，但無論是利用遺傳算法還是粒子群算法優化BP 神經網絡，都彌補了神經網絡的缺陷，預測精度和穩定度都優于單純的神經網絡模型。

4.2.2 模糊數學和灰色系統理論

目前針對企業定額大多考慮利用蒙特卡洛、拉丁超立方體抽樣等研究方法擴大數據量、簡化編制過程、利用GA 和PSO 算法優化神經網絡的研究方法提高計算精度，證明其模型的可行性，卻忽略了實際生產過程中各生產系統要素對定額消耗量的重要影響，使定額消耗量失去了實際生產意義。

楊柳等[32]結合灰色系統理論和模糊數學，提出了基于灰色模糊理論的定額消耗量計算模型，以農業水利工程為背景，量化分析勞動定額消耗量影響因素（施工作業環境因素、施工工藝因素、工人技藝因素、完工檢驗合格因素），對目標工程與樣本工程的綜合相似度進行計算，利用已知勞動消耗量估算未知勞動定額消耗量，解決定額編制時間長的問題。對于樣本數據不確定和缺失的情況，張莉[33]采用灰色理論和模糊數學方法建立一種能夠代表不同地區的模糊分析模型，以人工鋪填機械碾壓2∶8 灰土1 000 m3項目的人工消耗量為例，采用誤差剔除法處理后的定額數據為0.34 工日/1 000 m3，灰色模糊數學模型計算的消耗量為0.360 5 工日/1 000 m3，其計算結果和實測數據得到的消耗量相差無幾，證明其能客觀反映真實情況。

4.2.3 線性回歸、AHP 對比估計

針對貧樣本數據的情況，吳岳[34]提出可通過線性回歸、AHP 對比估計、PCA-BP 模型這3 類方法對貧樣本數據項目進行估計及預測，分別建立3 種預測模型。他選取云南省YN 路橋建設公司工程歷史資料，分別對3 種消耗量預測模型進行實例驗證。線性回歸模型人工消耗量的預測值與實際值的相對誤差為1.07%，層次分析法模型人工消耗量的預測值與實際值的相對誤差僅為1.10%，PCABP 神經網絡模型的臺班消耗量預測值與實際值的相對誤差在5%以內，均能滿足精度要求。實驗證明，3 種模型對消耗量的預測都是可行的，在實際工程中，只需針對不同的情況選取不同的預測方法進行企業定額的編制即可。

綜上所述，針對多因素和非線性因素影響的問題，大多時候采用BP 神經網絡來解決，但多數研究表明，BP 神經網絡存在極易陷入局部最優以及收斂速度慢的缺陷。遺傳算法（GA）及粒子群算法（PCA）優化后的BP 神經網絡可以提高其精度和尋優速度，但相對于遺傳算法，粒子群算法更為簡單，預測更為精確。在企業定額的編制應用中，模糊數學和灰色系統理論更能反映定額消耗量的實際意義。而針對貧樣本數據，可根據不同的定額影響因素，選擇線性回歸、AHP 對比估計或PCA-BP 預測模型來進行定額消耗量的確定。

5 結論

傳統的定額編制方法耗時長、精度低，不能適應我國裝配式建筑的飛速發展；因此，將大數據預測技術引入企業定額的編制是時代的要求，也是企業核心競爭力的體現。針對樣本數量不足的現狀，可選用迭代次數更少、耗時更短的拉丁超立方體抽樣法擴大現場測定的樣本數據量；為了保證樣本數據的有效性，體現定額消耗量的實際生產意義，采用模糊數學理論對數據進行清洗；在有效擴大樣本數據量的基礎上，利用精度更高、尋優速度更快的粒子群算法優化的BP 神經網絡技術準確預測定額消耗量，完成裝配式建筑企業定額的編制。基于大數據預測技術編制裝配式建筑企業定額耗時短，準確度高，可根據已完工程數據實時對模型進行修正，動態調整企業定額的消耗量數據，是綠色建筑政策下企業提升行業競爭力的有力手段，也是適應未來建筑行業發展的必然途徑。