论文部分内容阅读
摘 要：本文研究了基于BP神经网络、模糊类比、蒙特卡洛、回归分析的四种投资估算编制的新方法，并分析了各种方法的建模方法精确影响因素。
关键词：投资估算;编制方法;精确度
投资估算是工程项目建设过程中成本规划与控制的重要指标，是项目建设前期决策及融资的重要依据，是进行限额设计的前提条件。投资估算额一旦批准，作为工程建设成本的最高限额不得随意更改，投资估算值的精确与否关系到项目成本控制的成败。在现阶段，我国编制投资估算常用的方法有简单匡算法及指标估算法，在项目建议书结算常用简单匡算法，在可行性研究阶段用指标估算法。这两种方法使用简单，计算快速，也是工程管理及工程造价相关教材常介绍的方法。工程成本的影响因素较多，这些因素与成本值之间大多数呈现出非线性关系，简单匡算法和指标估算法是基于因素与成本之间的线性关系建模计算，由于计算模型过于简化，其结果精确度也相对较低。在上世纪80年代以来，由于计算机技术的快速发展，计算机拥有强大的数据处理能力，为提高投资估算的精度，学界开始使用数学建模用计算机来处理相关数据，以此来提高投资估算的精度。
一、基于BP神经网络的投资估算方法
BP神经网络估算投资方法的原理是在模型中输入多个已完成类似工程的实际造价资料及成本影响指标，通过BP神经网络模型自动寻找已完工程与待估工程各指标之间的关联，并建立非线性映射关系，较准确计算出待估工程的投资估算值。神经网络具有高度的容错性，因而对于过去的工程资料中由于人为的或其它因素造成的偏差有自动纠偏功能;此外由于神经网络是并行处理数据的，因而其处理速度相当快，这点满足了快速估算的要求。建立BP神经网络模型时把时间因素作为变量加入模型中可大大提高模型的精度。[1]该模型的建立时特征向量的选取以及類似工程的选取是确保其精度的重要控制因素。
二、模糊类比快速估算法
模糊类比较快速估算法是利用已知工程造价指标和拟建工程投资估算指标建立特征值矩阵，用模糊理论推理系统计算已建工程和已建工程的贴近度，选取贴近度最大的已建工程作为参考指标来计算拟建工程的投资估算值。这种模型对专家的依赖程度较高。模糊推理系统规则的设置需要专家参与，需要专家将工程成本的影响因素进行量化，专家经验越丰富模型的精确度也越高。[2]
三、蒙特卡罗模型
投资估算阶段处于项目建设前期，面临设计深度浅、不确定因素较多，项目成本很难计算出一个准确值，但项目成本可以算出一个分布区间。蒙特卡罗模拟的思路是先建立目标函数，将项目的总造价分解为不同的子项，搜集以往的造价资料，并考虑地域、时间、价格上涨等因素将数据进行处理，然后得到子项成本的概率分布函数。计算前先设定N次模拟次数，利用计算机产生的随机数，反算出子项目的造价，然后汇总得到总项目的造价，可进行N次模拟。模拟结束之后统计所有模拟结果，然后得到各投资估算值的概率分布区间。投资估算值为预测值，本身就含有误差、风险、不确定性等因素，蒙特卡罗模拟出的结果和工程实际较为符合。
四、回归估算模型
国外学者kousloulas和Koehn研究发现建筑物的造价可以由一些公开的指数回归得到，回归模型如下：
式中C为项目估算值;a0～a5为常数，根据类似相关项目数据用最小二乘法可以求得。V1为地区指数，V2为价格指数，V3为建筑类型，V4为高度指数，V5为质量指数。
回归估算模型克服了传统模型依靠单一指标估算投资估算值的缺陷，但估算值的精度与指数选取及参考模型有很大的关系。
五、结论
本文研究了投资估算指标编制的四种新方法，相比传统的线性指标估算法，非线性模型估算精度更高。BP神经网络建立时特征向量的选取以及类似工程的选取是确保其精度的重要控制因素。糊推理系统规则的设置需要专家参与，需要专家将工程成本的影响因素进行量化，专家经验越丰富模型的精确度也越高。蒙特卡洛模型是搜集类似工程的以往资料，建立概率分布模型，计算出拟建工程工程的概率分布区间。回归估算模型是根据以往类型工程建立回归方程，再根据市场情况调整模型参数求出拟建工程的投资估算值。以上四种模型其投资估算值的精确程度均与建模参考的类似工程直接相关，因此要提高投资估算的精度要注意相关建设资料的积累。
参考文献
[1]叶青，王全凤.基于BP神经网络的工程估价模型及其应用[J].厦门大学学报（自然科学版），2008（06）：828-831.
[2]香冉冉.建设项目全生命周期投资估算方法研究[D].天津大学，2009.
1作者简介：
张吉，1995年3月18日生，男，云南曲靖人，汉族，工程硕士，助教，主要从事工程管理相关教学研究
关键词：投资估算;编制方法;精确度
投资估算是工程项目建设过程中成本规划与控制的重要指标，是项目建设前期决策及融资的重要依据，是进行限额设计的前提条件。投资估算额一旦批准，作为工程建设成本的最高限额不得随意更改，投资估算值的精确与否关系到项目成本控制的成败。在现阶段，我国编制投资估算常用的方法有简单匡算法及指标估算法，在项目建议书结算常用简单匡算法，在可行性研究阶段用指标估算法。这两种方法使用简单，计算快速，也是工程管理及工程造价相关教材常介绍的方法。工程成本的影响因素较多，这些因素与成本值之间大多数呈现出非线性关系，简单匡算法和指标估算法是基于因素与成本之间的线性关系建模计算，由于计算模型过于简化，其结果精确度也相对较低。在上世纪80年代以来，由于计算机技术的快速发展，计算机拥有强大的数据处理能力，为提高投资估算的精度，学界开始使用数学建模用计算机来处理相关数据，以此来提高投资估算的精度。
一、基于BP神经网络的投资估算方法
BP神经网络估算投资方法的原理是在模型中输入多个已完成类似工程的实际造价资料及成本影响指标，通过BP神经网络模型自动寻找已完工程与待估工程各指标之间的关联，并建立非线性映射关系，较准确计算出待估工程的投资估算值。神经网络具有高度的容错性，因而对于过去的工程资料中由于人为的或其它因素造成的偏差有自动纠偏功能;此外由于神经网络是并行处理数据的，因而其处理速度相当快，这点满足了快速估算的要求。建立BP神经网络模型时把时间因素作为变量加入模型中可大大提高模型的精度。[1]该模型的建立时特征向量的选取以及類似工程的选取是确保其精度的重要控制因素。
二、模糊类比快速估算法
模糊类比较快速估算法是利用已知工程造价指标和拟建工程投资估算指标建立特征值矩阵，用模糊理论推理系统计算已建工程和已建工程的贴近度，选取贴近度最大的已建工程作为参考指标来计算拟建工程的投资估算值。这种模型对专家的依赖程度较高。模糊推理系统规则的设置需要专家参与，需要专家将工程成本的影响因素进行量化，专家经验越丰富模型的精确度也越高。[2]
三、蒙特卡罗模型
投资估算阶段处于项目建设前期，面临设计深度浅、不确定因素较多，项目成本很难计算出一个准确值，但项目成本可以算出一个分布区间。蒙特卡罗模拟的思路是先建立目标函数，将项目的总造价分解为不同的子项，搜集以往的造价资料，并考虑地域、时间、价格上涨等因素将数据进行处理，然后得到子项成本的概率分布函数。计算前先设定N次模拟次数，利用计算机产生的随机数，反算出子项目的造价，然后汇总得到总项目的造价，可进行N次模拟。模拟结束之后统计所有模拟结果，然后得到各投资估算值的概率分布区间。投资估算值为预测值，本身就含有误差、风险、不确定性等因素，蒙特卡罗模拟出的结果和工程实际较为符合。
四、回归估算模型
国外学者kousloulas和Koehn研究发现建筑物的造价可以由一些公开的指数回归得到，回归模型如下：
式中C为项目估算值;a0～a5为常数，根据类似相关项目数据用最小二乘法可以求得。V1为地区指数，V2为价格指数，V3为建筑类型，V4为高度指数，V5为质量指数。
回归估算模型克服了传统模型依靠单一指标估算投资估算值的缺陷，但估算值的精度与指数选取及参考模型有很大的关系。
五、结论
本文研究了投资估算指标编制的四种新方法，相比传统的线性指标估算法，非线性模型估算精度更高。BP神经网络建立时特征向量的选取以及类似工程的选取是确保其精度的重要控制因素。糊推理系统规则的设置需要专家参与，需要专家将工程成本的影响因素进行量化，专家经验越丰富模型的精确度也越高。蒙特卡洛模型是搜集类似工程的以往资料，建立概率分布模型，计算出拟建工程工程的概率分布区间。回归估算模型是根据以往类型工程建立回归方程，再根据市场情况调整模型参数求出拟建工程的投资估算值。以上四种模型其投资估算值的精确程度均与建模参考的类似工程直接相关，因此要提高投资估算的精度要注意相关建设资料的积累。
参考文献
[1]叶青，王全凤.基于BP神经网络的工程估价模型及其应用[J].厦门大学学报（自然科学版），2008（06）：828-831.
[2]香冉冉.建设项目全生命周期投资估算方法研究[D].天津大学，2009.
1作者简介：
张吉，1995年3月18日生，男，云南曲靖人，汉族，工程硕士，助教，主要从事工程管理相关教学研究