數據挖掘技術下醫院項目施工過程結算模塊設計

徐 丹，張玉彬，趙奕華，韓若祎，鄭勝強

（1.江蘇省人民醫院，江蘇南京210036，2.常州世茂新城房地產開發有限公司，江蘇常州 213002）

建筑項目施工過程結算是為防止建設周期較長、施工量巨大、耗用資金數額較大的施工項目出現資金斷流情況，而施行的一項工程款結算方案[12]。醫院工程項目施工執行該方案可及時補充施工項目資金，有效避免拖欠工程款問題[3-4]。為提高項目施工過程結算系統在醫院項目施工結算中的適應性與精準性，根據醫院項目施工特征，基于數據挖掘技術設計了施工過程結算模塊：利用數據挖掘技術采集多元化渠道的材料價格信息，構建工程造價預測模型[5]；對比計價結算結果與項目工程造價預測結果，深入審核不符合結算標準的計價部分，避免醫院項目施工過程結算誤差。

1 醫院項目施工過程結算模塊開發

專業性、多樣性、復雜性是醫療體系的顯著特征，醫院項目施工內容除基礎性建筑施工以外，還包括醫療廢物回收系統、放射性廢液處理系統、醫用物流傳輸系統等項目的建設，這些設施的技術應用性較強，投入施工時間更長、造價頗高，需要高標準結算技術完成施工過程結算，以節約醫院項目工程建設成本。因此基于數據挖掘技術設計了區別于一般項目施工的過程結算模塊，使用J2EE 布局結算模塊的業務邏輯，利用數據挖掘算法輔助得到精準結算結果。

1.1 醫院項目施工過程結算模塊的技術支撐

J2EE 架構下分JSP、Servlet、Webservice 等高性能開發技術，支持動態Web 頁面顯示與數據輸出，其穩定性優、兼容性強、安全系數高等優勢為醫院項目復雜的結算過程提供了可靠的架構技術支撐。

為此基于J2EE 技術開發設計的醫院項目施工過程結算模塊架構，如圖1 所示。其優點是可以跨系統操作與運行，用戶訪問的客戶端形式多元化，施工關聯的各方人員可動態掌握項目施工結算信息[6]。

圖1 基于J2EE的醫院項目施工過程結算模塊架構設計

所設計的醫院項目施工過程結算架構中，J2EE應用構架功能發揮依賴于多層次模型構建：1）用戶層。用戶登錄結算模塊的入口為瀏覽器，以HTTP協議形式訪問結算模塊，采用B/S 模式登錄模塊，首先需要解析HTTP 協議請求的參數；隨后，用戶通過瀏覽器發送請求由JSP 創設的控制組件進行響應，后臺基于JSP、Servlet、Html 等視圖形式將得到的請求處理結果發送至用戶。該過程提供生成用戶訪問日志信息、驗證用戶身份信息等基礎性服務[7]。2）業務邏輯層。業務邏輯層集成在J2EE 應用服務器中，保障醫院項目過程結算產生的業務管理、邏輯處理工作，安全把握項目工程量、工程款等業務數據的傳輸，例如數據流向、頁面跳轉等服務[8]。該層具有封裝各個獨立功能的能力，以組件形式系統化呈現架構功能，在減少資金開銷的前提下擴充了醫院項目過程施工結算模塊的功能，加強模塊系統性。3）數據層。包括模塊數據庫（MySQL 技術）、基礎數據存儲、醫院項目施工信息存儲、信息管理目錄等關鍵性內容，主要負責模塊數據的訪問、顯示、安全保存，數據層與數據庫的連接基于connector 對象來構建[9]。

數據庫技術是醫院項目施工過程結算模塊運行的重要技術支撐，為此選用功能完善、運行高效、安全系數優的MySQL 關聯數據庫管理系統作為結算模塊開發的數據技術支撐[10]。MySQL 數據庫集成了豐富的表結構、索引、存儲過程等工具，集存儲關系型數據、高效檢索數據記錄、定期運行指定數據存儲過程腳本等功能于一身，生成符合用戶期望的項目施工過程結算報表數據。MySQL 關聯特征可以大批量訪問與處理大規模數據信息，工程量計算、造價計算參數配置的靈活性大幅提高。

1.2 醫院項目施工過程造價預測

此次醫院項目施工過程結算模塊設計融入了工程造價預測功能，目的是對比“預測造價”與“工程結算計價”，判斷當前計價結果是否存在較大偏差，提高過程結算的精準度[11]。具體方法是基于數據挖掘算法構建工程造價預測模型，預設一個閾值，用于評估“預測造價”與“工程結算計價”差值，差值超過閾值則需對“當前工程結算計價”進行深度審計與核算。

此次醫院項目施工過程造價預測應用k 均值聚類算法(k-means)與支持向量機模型完成[12-13]：1）利用k-means 算法對廣泛采集的醫院施工項目造價信息的類別進行高效精準聚類[14]，按照醫院施工項目定義造價預測的項目數據集，包括門診樓項目、醫技樓項目、住院樓項目、綜合樓項目、院內生活樓項目、地下室項目、感染病區項目、綜合管網項目、醫療及垃圾間項目、基坑支護項目、新建附屬配套工程項目，總計11 項。2）采用支持向量機參數構建造價預測模型，根據造價管理需求對某項費用造價進行預測，將該類費用數據作為樣本輸入支持向量機預測模型中獲得工程造價預測結果。該方法的優勢是對醫院項目施工過程各類別費用實施造價預測，預測結果細分程度高且更加可靠。

1.2.1 基于k-means算法的項目施工造價數據聚類

基于k-means 聚類算法將醫院施工過程中的全部造價信息進行分類，細分造價預測內容，相比以全部工程造價數據作為預測樣本的做法，聚類后再進行項目造價預測的結果更加精準。定義S=s1,s2,…,sn表示原始采集的全部醫院施工項目造價信息，kmeans 算法中施工造價數據聚類的類別用k表示，聚類類別k即為施工項目類別，取值為11，基于k-means算法對醫院施工項目造價信息進行聚類處理過程如下：

Step 1:在樣本數據隨機選取k個樣本點，即k個類別的原始聚類中心；由于傳統隨機選取聚類中心的方法花費大量時間才能完成聚類，且降低聚類精度，此處基于密度思想科學確定聚類中心，具體方法是找出聚類樣本的核心點、邊界點、孤立點[15]，除去邊界點、孤立點后得到核心點將其作為算法的初始聚類中心[16]，分別命名為ε1,ε2,…,εk。

Step 2:求取全部醫院項目施工造價數據樣本點si到中心的距離，即歐氏距離作為兩個樣本相似程度的評價指標，其中i的取值為1～n范圍內的整數，樣本點的最終類別為與其距離最小中心所屬的造價信息類別[17]。樣本點si、sj之間的歐氏距離計算方法如下：

Step 3:全部樣本點聚類完成后更新施工造價數據類別的中心，更新結果為包含于該類別樣本點的均值，當平方誤差準則函數穩定在最小值時終止更新，平方誤差準則函數見公式（2）：

其中，第i個類別中樣本數量為ti，第i個類別樣本均值為ni。

Step 4:循環執行Step 2 與Step 3，當全部醫院項目施工造價數據造價信息類別中心變動在預設閾值之下時終止，輸出聚類結果。

1.2.2 遺傳支持向量機造價預測模型構建

k-means 算法將結算過程涉及的醫院施工項目數據劃分為11 個類別，設計預測模型對11 個類別的造價數據一一進行預測，作為過程結算的數據依據。以“綜合樓項目”類別為例，根據聚類結果提取“綜合樓項目”相關信息作為造價預測的樣本數據。所以此處定義（xi,yi）表示醫院項目施工中的“綜合樓項目”造價信息，其中xi是經過k-means 算法聚類處理后的信息數據樣本，為影響醫院項目工程造價的變量，即模型的輸入向量；工程造價成本值用yi表示，構建支持向量機預測模型的方法是基于φ(·)對xi實施映射操作，公式（3）為醫院項目施工造價預測模型表達式：

公式（3）預測模型明確顯示，模型預測的精度較大程度上取決于參數ω與b的設置，前者表示權向量，后者表示偏差，兩種參數設置達到最優才能呈現最佳的預測效果。為此，采用松弛變量ξi對預測模型進行約束，變換后的公式如下：

其中，正則化參數用χ表示。此處定義拉格朗日乘子μi(i取值為1～N之間的整數)，基于拉格朗日函數求解上述約束公式[18]，構建如下方程：

根據非線性規劃問題中為求取最佳解設置的約束條件，對支持向量機問題進行變換[19]，如公式（6）所示：

其中，M=[1,1,…,1]，μ=[μ1,μ2,…,μn]，Z=[Z1,Z2,…,Zn]，K(x,xi)為核函數。

基于以上描述最終構建的醫院項目施工造價預測模型如公式（7）所示，支持向量機預測模型的結構如 圖2所示[20]：

圖2 支持向量機預測模型的結構

基于支持向量機模型得到醫院施工的11 個項目造價預測結果，將其作為過程結算的重要參數數據，結算人員組成專家評審團隊根據造價預測與結算計價對比差值判斷是否對結算內容進行深度審計，以約束模塊當前計價結算的精準度，確保結算過程合理、可靠，具體編制流程如圖3 所示。

圖3 基于施工造價預測的過程結算編制流程

基于上述模型構建過程得知，正則化參數χ是影響支持向量機模型預測結果的重要參數，若χ存在偏差，將極大降低模型預測施工造價的精準度，為此引入遺傳算法優化支持向量機模型的參數χ[21]，構建GA-SVM 預測模型，提高醫院項目施工造價預測的精準度，保障醫院項目施工過程結算的可靠性。基于遺傳算法尋優參數χ的步驟如下：

1）生成初始種群。隨機生成n個具有串結構的原始數據，這些數據構成了遺傳算法迭代的種群。

2）確定適應度函數。將公式（8）作為遺傳算法尋優的適應度函數：

式中，測試集樣本數量用n表示，該公式是求取測試集數據的均方誤差倒數。

3）選擇、交叉、變異操作。首先求取全部個體適應度總和H，以此計算種群中個體的相對適應度，即個體遺傳到下一代的可能大小，計算方法見公式（9）：

個體選中的次數基于模擬賭輪選擇法隨機生成，適應度值與個體被選擇的概率成正比；個體遺傳基因在種群中擴大的前提是該個體的適應度值足夠大[22-23]，相應地，該個體被選擇作為參數χ的概率提升。

此外，使用單點交叉算子與單點變異算子完成遺傳算法的交叉與變異操作。

4）最后輸出迭代尋優后的參數χ，提升GA-SVM模型預測醫院項目施工造價的精度。

2 模塊測試與性能分析

將施工過程結算方法用于醫院工程施工項目實踐，以驗證此次設計的項目施工過程結算模塊的有效性與可靠性，工程實踐過程中嚴格按照約定實驗步驟逐步實施，制定了全面的醫院項目施工過程結算計劃，經過層層審核后執行。為確保測試結果的準確性與權威性，從模塊功能、性能等多個角度設計測試方案，最后匯總測試結果并展開深度分析與評價。

2.1 模塊功能測試

首先對設計的醫院項目施工過程結算模塊基本功能進行測試，結果如表1 所示。

表1 結算模塊基本功能測試結果

根據表1 結果可知，所設計的過程結算模塊功能可順利實施，具有結算管理權限的人員登錄相應界面即可執行對應的信息修改、項目導入、參數調整、報表打印等操作；功能測試過程中未出現明顯的卡頓、請求響應遲緩現象，基本可以滿足醫院工程施工人員對款項結算的需求。

2.2 模塊結算精度測試

以此次醫院項目建設實例中的三個子項目作為對象，測試該模塊計價結算的精準度，將三個子項目分別命名為A1、B1、C1，從材料款項與人工款項兩個方面進行過程結算。人工計算出各個子項目建設所需款項（經過多方人員精準計算與審核，視為標準結算結果），同時使用數據挖掘過程結算模塊、基于BIM 的項目施工過程結算模塊、基于GIS 的項目施工過程結算模塊進行自動化結算，統計各種方法結算結果如表2 所示。

表2 各方法的項目款項結算結果統計/萬元

由表2 不難看出，數據挖掘技術的過程結算模塊結算結果基本與人工結算結果一致，最低可將款項結算誤差降低至0 萬元；其中，只有A1項目人工款項、B1項目材料款項上存在微小的結算偏差，僅分別存在0.01 萬元、0.10 萬元的誤差；總體而言，該模塊實施的醫院項目施工過程結算結果較為理想。相比之下，基于BIM 的項目施工過程結算模塊、基于GIS的項目施工過程結算模塊的結算結果偏離人工結算結果較遠，且不存在結算結果與人工結算一致的情況，說明這兩種方案求取的醫院項目過程結算結果不能滿足管理人員對施工結算的精準度需求，有待改進與提高。

數據挖掘過程結算模塊在項目施工過程結算方面具有優勢，所以取得了理想的結算效果：使用數據挖掘分析方法實現預測工程造價信息，而BIM 結算模塊、GIS 結算模塊缺乏對工程造價的預測，對于結果精準度的把握不夠嚴格，當結算結果與預測造價偏離較大時數據挖掘過程結算模塊要求相關人員對項目實施深入的審計與調查，避免結算過分偏離真實情況，也是該模塊開發的創新所在。此外，模塊構建GA-SVM 模型預測醫院項目施工造價，由于支持向量機模型的正則化參數基于經驗確定，導致預測結果存在一定的偏差，此處引入遺傳算法迭代尋優獲得合理的正則化參數χ，提升了醫院項目施工造價預測的精度。可見，該施工結算模塊不僅增加了造價預測功能，優于BIM 結算模塊與GIS 結算模塊，并且使用先進算法對預測效果實施優化，令醫院項目施工過程結算結果更加可靠。

3 結論

研究基于數據挖掘分析技術，設計開發了醫院項目施工過程結算模塊，其優勢是引入了數據挖掘技術廣泛結合項目施工材料信息，有效約束施工過程結算出現的計價誤差，對于醫院項目施工過程結算具有重要意義。工程建設領域全面實施施工過程結算是建筑行業發展的必然趨勢與要求，對于工程項目管理優化大有裨益。醫院項目施工過程結算模塊開發可以大量避免人工費用拖欠、工程款項結算不及時等問題，是優化現代建筑工程管理與施工效率的基本保障，對于建筑施工模式轉型升級、推動建筑企業現代化建設發展進程產生積極影響，可更好地服務社會民生。