论文部分内容阅读
随着社会固定资产投资的逐步增加,中国房地产市场进入平稳发展阶段,住宅建筑的造价管理也逐步进入精细化管理阶段,但在初步设计阶段,一方面由于掌握的工程信息有限,且造价编制方法不统一,此阶段的概算造价普遍存在误差大、编制时间久的缺点,不能很好的适应经济发展需求;另一方面选取的概算造价指标难以对该阶段的概算计价提供有力参考,致使概算成果难以对后续的工程造价控制和管理提供指导;此外,目前这方面的研究针对性不强,没有对住宅建筑不同阶段的造价类型进行具体划分。因此,精准高效的预测住宅建筑概算造价意义重大。随着机器学习的不断发展,人工智能方法在造价预测领域得到应用,以此为契机,本研究立足于投资者、工程造价咨询机构及设计单位的角度,提出基于案例推理的指标体系预测模型和基于小波神经网络的智能型预测模型用于住宅建筑初步设计阶段的概算造价预测。首先,在分析国内外研究现状,总结预测模型的演变过程及目前研究不足之处的基础上,阐述案例推理和小波神经网络的相关理论。其次,根据量价结合的原则总结影响住宅建筑概算造价的因素,将字符型输入指标定量化,用粗糙集软件Rosetta对初步确定的量的影响因素进行属性约简,有效提高模型的运行效率;通过网络数据共享平台获取某省八个城市2008年至2017年47个住宅建筑的工程信息构建案例库。然后,使用MATLAB编程实现了指标体系预测模型的可视化可操作的图形用户界面和智能型预测模型的仿真模拟。指标体系预测模型根据指标与单方造价的相关性系数计算各指标的权重,实现案例检索,并对检索结果组合调整进行案例修正,得到当前案例的输出结果及预测误差。该模型主要适用于投资者和设计单位,可通过改变工程参数控制预测过程,将不同工程特征对造价的影响考虑在内,有利于投资者对后续施工图设计阶段的造价控制及工程总承包价格的确定,有利于设计单位优化初步设计方案。智能型预测模型在确定模型的网络结构、初始参数和中间层与输出层的传递函数之后,对数据进行网络训练,得到训练过程收敛图和误差曲线图,最后用测试数据对模型进行仿真验证。该模型主要适用于造价咨询机构,有利于其快速编制设计概算。最后,对输出指标的预测结果进行精度分析,两个模型的运行结果均满足住宅建筑在初级设计阶段对概算造价的精度要求。将案例推理和小波神经网络引入到概算造价的预测过程中,不仅是对工程造价实践过程产生的数字化信息的充分利用,而且实现了住宅建筑概算造价预测的信息化,将事后控制转换成事前控制,提升造价管理水平,提高造价预测效率,具有一定的参考价值。