基于時間序列的建筑工程施工階段造價預測方法研究

田宇暉

在建筑工程領域，施工階段的造價預測是項目管理中的關鍵環節。準確預測施工階段造價不僅有助于企業合理分配資源、優化成本控制，還能為項目決策提供有力支持。近年來，國內外學者在建筑工程造價預測方法上進行了大量研究，提出了多種預測模型和方法，不僅豐富了造價預測的理論體系[1]，還為實際工程應用提供了有力支持。然而，由于建筑工程的復雜性和多樣性，造價預測仍然面臨諸多挑戰。例如，不同項目之間的造價影響因素差異較大，如何構建普適性強的預測模型是一個亟待解決的問題。因此，本文旨在研究基于時間序列的建筑工程施工階段造價預測方法。

1 時間序列分析

時間序列分析是一種通過研究數據隨時間變化的規律來預測未來趨勢的統計方法。在建筑工程造價預測中，時間序列分析能捕捉歷史造價數據中的隱含信息，發現造價變化的內在規律，進而對未來的造價趨勢進行預測。該方法的優點在于，它充分利用了已有的造價數據，無須過多外部信息就可實現較為準確的預測。通過對歷史造價數據的深入分析，挖掘造價變化的內在規律，構建更為準確的預測模型。這不僅有助于提升建筑工程造價預測的效率和精度，而且能為企業的項目管理和決策提供有力支持。

科技的進步使建筑工程項目不斷增加，規模也不斷擴大。在整個建造過程中，造價管理是重要的基礎工作。做好工程造價工作，不僅能確保工程順利實施，而且能全面提升工程質量和管理效率，并有效地控制工程成本。在實際工作中，時間序列是在工程造價預算和工程量清單計價基礎上制訂的，為了明確時間序列的具體情況，還需進行更深入的研究。

2 采集建筑工程特征信息

工程造價預測是整個項目的基礎工作，貫穿于整個工程，主要包括設計方案概算、可行性估算、施工圖預算、招標報價、投標報價、竣工決算等方面。工程造價預測不僅與建筑結構相關，還與建筑規模和功能息息相關，同時受到建筑環境和地點等因素的影響，工程造價預測難度較大。當前比較常見的預測方式都是基于工程量清單計價的，工作量非常大，且較為復雜，但是能準確計算出具體情況。隨著科技的不斷進步，基于時間序列和預測功能進行時間分析，可以為造價預測提供一條新路徑。建筑工程的特征繁多且復雜，涵蓋從建筑物的整體結構到各個樓層的細節特點，因此在收集這些特征時，不僅要關注建筑物的整體高度和樓層數量，還要深入了解其地基深度、各樓層面積和地下室的類型等。此外，建筑物的材料選擇（如鋼結構、磚、鋼筋混凝土等）對工程造價也有顯著影響[2]。

除了建筑物的物理特性，還應該綜合考慮業主方與設計方的內在特征，例如，建筑施工工藝與材料的選擇、施工地質環境條件等。這些因素同樣對工程造價預測具有重要影響。建筑選址、建筑內外景、建筑裝飾功能與暖通排水功能等方面，也要統籌兼顧。

建筑工程的特征信息收集是一個綜合性過程，需綜合考慮建筑物的各個方面及與之相關的各種因素。這些特征不僅影響工程造價的預測，且直接關系到建筑工程的質量和安全。因此，在進行工程造價預測時，應全面、準確地收集和分析這些特征信息，確保預測結果的準確性和可靠性。

3 設置建筑工程施工階段造價影響因素集

在獲取各類建筑工程特征信息的基礎上，搭建分類特征框架，具體情況有以下幾種：第1，竹膠合板。應用竹膠合板能適當縮短工期。第2，木質模板。木質模板的使用較為方便。第3，鋼材模板。能夠重復使用，可在一定程度上降低成本。第4，木膠板。木膠板的黏合度較高，有較好的實際使用效果。在應用過程中，要結合實際情況，選擇適合的材料，以全面提升施工效率和施工質量。

在對建筑工程施工階段資料進行分級的基礎上，應考慮到建筑工程造價的性質以及結構特征，明確對初始造價階段產生影響的因素x（x∈R，R代表項目施工環節的造價系數，n代表項目施工環節的項目數量）。把所有影響因素x依次對應z（工程造價結果）[3]，獲得的影響因素集合（Q）如下：

式（1）中：d代表樣本的具體數量。

假設第i個造價影響因素所對應的造價為zi（zi∈R），在同一時刻時，i取值符合[0,d]范圍。同時，因為在計算造價時要考慮內部因素，所以用m（m∈R）來表示內部因素，內部因素數據集M可以被構造為：

根據公式（1）和公式（2）可獲得項目施工環節對最終造價產生影響的因素集合T：

根據上述過程，本文可以設定一個建筑工程關于造價影響因素的集合，該集合可以成為造價預測模型中的目標函數，以此建立項目施工環節造價預測模型。

4 基于時間序列建立建筑工程施工階段造價預測模型

為了更好地分析項目施工環節造價預測模型，本文采用3 種類型的模型對其預測效應進行檢驗。結合工程特性，針對時間序列進行建模，具體檢驗模型及其識別準則如表1 所示。

表1 模型類別與識別準則

根據表1 中的3 類模型原理[4]，構建項目施工環節造價預測模型：

式（4）中：Ωp1為均方誤差；Ωpn為均方根誤差；pn為高階模型參數；p1為低階模型參數；N為樣本總量。

在完成建筑工程施工階段造價預測模型的構建后，為了確保其準確性和可靠性，通過表1 中的3 類模型展開檢驗，目的是確定所建立的模型是否滿足平穩時間序列的特征要求。

1）平穩性檢驗。平穩性檢驗是評估時間序列數據是否隨時間保持恒定特性的過程。如果時間序列在時序圖上表現出顯著的增加或減少態勢，可以證明該序列是非均勻的。針對沒有明顯變化的時序圖形，還需要通過自相關系數分析檢驗作出進一步判斷。若自相關系數分圖中存在三角形對稱性，由于滯后階數的增大，自相關系數先增加后減少，通常意味著時間序列是非平穩的。相反，若自相關系數隨滯后階數的增大而減小，趨于0，則表示該時間序列為穩態[5]。對于非平穩的時間序列，要對其進行處理，使其趨于穩定，之后才能進行下一步的研究。

2）純隨機性檢驗。純隨機性檢驗由LB統計量來判斷，LB統計量由式（5）計算得出：

式（5）中：t為時間序列觀測期數；u為指定延遲期數。

當LB統計量的值超過延遲期數u時，該序列被視為非白噪聲序列，意味著該序列具有某種統計規律，適宜進行進一步的分析；相反，如果LB統計量的值未超過u，則該序列被判定為純隨機序列，這樣的序列由于不具備統計規律，不再進行進一步分析。

綜上所述，通過嚴謹的時間序列特性檢驗，成功構建了基于時間序列的建筑工程施工階段造價預測模型，并對其進行了有效驗證。這為后續的研究工作提供了有力支持，有助于更深入地理解建筑工程造價的變化規律，為實際工程應用提供有益指導。

5 建筑工程施工階段造價預測實踐

利用大數據技術對建筑工程施工階段的造價進行動態預測，不但可以實現對工程進度的實時監測，而且能對施工過程中可能發生的各項費用作出預測。鑒于施工項目建設總造價的計算涉及因素較多，且有些因素帶有模糊性，很難對其進行直接定量[6]，本文專門建立了施工階段造價性能指標，用C表示。該指標能通過公式（6）計算得出：

式（6）中：B為進度績效指數；A為工程在施工階段的總投入費用。在上述過程中，要密切關注參數C的變化情況，以預測建筑工程施工階段的造價變動趨勢。C作為造價預測模型中的一個關鍵變量，其動態變化能反映施工階段造價的波動特征。施工環節造價變化趨勢的預測結果計算如下：

式（7）中：數E為施工環節造價變化趨勢的預測結果；數L為施工環節；數e為顯著性參數；數j為分項工程個數。

對E值展開深入分析，能發現建筑工程在施工環節可能遇到的風險及異常。為了實現以時間序列為依托的施工環節造價預測目標，根據新建項目施工環節的工程量，借助MATLAB軟件輔助編制建筑工程施工的工程量清單。這一過程不僅降低了造價核算的復雜性，還提高了核算的準確性。該方法可以對施工階段的造價進行實時監控和預測，為項目管理提供有力的決策支持。

通過分析E值的變化，結合工程量清單的編制，實現了對建筑工程施工階段造價的有效預測和核算，不僅提高了項目管理的效率，而且降低了施工風險，確保項目的成功實施。

6 試驗

6.1 試驗準備

為實現對預測方法的運用，為建筑項目的建設單位和業主提供度量工具和檢查工具，為實例參數提供度量基準，本文以海南省三亞市海棠灣工程為例，建筑工程施工階段主要技術標準如表2 所示。

表2 建筑工程主要技術標準

為了全面評估基于時間序列的建筑工程施工階段造價預測方法的性能，引入了另外兩種對比方法：基于SVR算法的高速鐵路施工全過程造價預測方法（以下稱方法1）以及基于LSSVM 的道路工程施工階段造價預測方法（以下稱方法2）。在完成對所有應用環境的搭建和配置后，利用這3種方法分別對海南省三亞市海棠灣工程施工階段的造價進行了預測。為了直觀地展示各種方法的預測結果和性能差異，記錄了預測數據并繪制了對比圖，如圖1 所示。

圖1 試驗測試結果圖（來源：網絡）

6.2 試驗結果分析

由圖1 可以看出，該建筑工程施工階段的實際造價與本文方法所預測的成本之間的平均誤差是3.40%，相對誤差是0.032；實際造價與方法1 預測的成本之間的平均誤差是4.10%，相對誤差是0.098；實際造價與方法2預測的成本之間的平均誤差是6.30%，相對誤差是0.108。結果表明，本文所提出的預測方法具有良好的預測準確性，且預測誤差比其他方法都要小。綜上所述，本文的研究成果可以較好地完成造價預測，對建筑項目的施工具有重要的指導作用。

7 結語

基于時間序列提升建筑工程造價預測準確性，是當下建筑工程項目和工程造價控制的主要發展趨向。信息技術、計算機技術、大數據技術、智能技術的廣泛應用，優化了現有工程造價控制，并在原有措施基礎上，不斷強化時間序列理念，從項目的組織、機構、使用技術、管理等方面，全面提升了工程造價預測水平。本研究基于時間序列分析，對建筑工程施工階段的造價預測進行了深入研究。通過挖掘歷史數據中的隱含信息，構建了精準的預測模型，為工程實踐提供了有力的決策支持。盡管本文的研究取得了一定的成果，但造價預測仍面臨諸多復雜挑戰。未來，將繼續探索更為先進的預測方法和技術，以提高預測精度和普適性，為建筑工程領域的成本管理和優化做出更大的貢獻。