摘 要：文章提出了一種多造價(jià)信息限制的工程造價(jià)估算模型，選擇建筑造價(jià)估計(jì)限制屬性變量，構(gòu)建特征因素模糊限制集，采用隸屬函數(shù)描述建筑特征的相似度，獲取建筑特征因素的量化值，得到模糊限制因子集的隸屬度，運(yùn)用模糊算法的工程造價(jià)估算模型進(jìn)行反復(fù)多次迭代計(jì)算，運(yùn)算出最優(yōu)解。比較BP神經(jīng)網(wǎng)絡(luò)算法和本方法的均方誤差（MSE）以及平均絕對(duì)誤差百分率（MAPE）評(píng)價(jià)參數(shù)，結(jié)果表明，文章建立的工程造價(jià)估算模型的估算更加準(zhǔn)確，具有更好的實(shí)用價(jià)值。

關(guān)鍵詞：工程造價(jià) 估算模型 多造價(jià)信息

中圖分類號(hào)：F285 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1004-4914（2016）11-288-02

一、引言

隨著時(shí)代進(jìn)步與科技的發(fā)展，造價(jià)優(yōu)化管理模式也隨著迅速發(fā)展，逐漸走進(jìn)各大工程項(xiàng)目建設(shè)中，并受到高度關(guān)注。造價(jià)是各領(lǐng)域項(xiàng)目中的建設(shè)工程預(yù)期成本開(kāi)支，或?qū)嶋H成本消耗開(kāi)支一次性固定費(fèi)用的總投入，因此，造價(jià)管理優(yōu)化控制在工程項(xiàng)目中占據(jù)重要地位。市場(chǎng)急需建立起一項(xiàng)更完善、更優(yōu)化的造價(jià)管理模式，用于應(yīng)對(duì)市場(chǎng)中工程造價(jià)管理上的諸多問(wèn)題。

目前，對(duì)造價(jià)模型優(yōu)化方法有模擬退火算法、神經(jīng)網(wǎng)絡(luò)算法和遺傳算法的造價(jià)模型優(yōu)化方法，但這些方法優(yōu)化效果不顯著，模擬式仿照基礎(chǔ)編碼工作過(guò)程過(guò)于復(fù)雜，對(duì)科學(xué)技術(shù)的掌握操作熟練性要求過(guò)高，不利于一般性工程項(xiàng)目工程的造價(jià)管理，有待進(jìn)一步提高改善。

本文提出了一種多造價(jià)信息限制的工程造價(jià)估算模型，結(jié)合了模糊算法和BP神經(jīng)網(wǎng)絡(luò)算法，通過(guò)高效和準(zhǔn)確的迭代運(yùn)算，可以更加快捷地得到工程造價(jià)的最優(yōu)解，為造價(jià)管理提供準(zhǔn)確有效的理論依據(jù)，更好地指導(dǎo)開(kāi)展建筑項(xiàng)目的工程造價(jià)管理工作。

二、多造價(jià)信息限制的工程造價(jià)估算模型

（一）設(shè)定工程造價(jià)估算限制屬性變量

全面分析建筑項(xiàng)目的工期、費(fèi)用和質(zhì)量，估算出建筑項(xiàng)目的最佳分配結(jié)構(gòu)。由多屬性效用函數(shù)分解規(guī)律，工程造價(jià)估算限制屬性可以把工期、費(fèi)用和質(zhì)量三個(gè)量描述為：

上述表達(dá)式中，T表示建筑項(xiàng)目的工期，F(xiàn)表示建筑項(xiàng)目的費(fèi)用，Z表示建筑項(xiàng)目的質(zhì)量，ω（T，F(xiàn)，Z）表示多屬性效用函數(shù)。ω（T）表示建筑項(xiàng)目的工期單變量效用函數(shù)，ω（F）表示建筑項(xiàng)目的費(fèi)用單變量效用函數(shù)，ω（Z）表示建筑項(xiàng)目的質(zhì)量單變量效用函數(shù)，βY，βF和βZ分別表示工期、費(fèi)用、質(zhì)量的各單變量效用函數(shù)相應(yīng)的權(quán)重系數(shù)。權(quán)重系數(shù)直接反映了建筑項(xiàng)目管理者對(duì)建筑項(xiàng)目的工期、成本、質(zhì)量的重視程度，權(quán)值系數(shù)值是調(diào)研本行業(yè)的相關(guān)專家后得到的。

（二）創(chuàng)建特征因素模糊限制集

本文提出的這種多造價(jià)信息限制的工程造價(jià)估算模型，運(yùn)用了模糊理論算法，結(jié)合了BP神經(jīng)網(wǎng)絡(luò)算法，可以更加快捷地搜索到學(xué)習(xí)因子的最優(yōu)位置，從而得到造價(jià)估算目標(biāo)函數(shù)的最優(yōu)解。

三、工程造價(jià)估算模型的實(shí)驗(yàn)驗(yàn)證

選取本公司近些年來(lái)的10組建筑項(xiàng)目類型數(shù)據(jù)，分類總結(jié)了這些數(shù)據(jù)，提取出單層建筑面積、層數(shù)、層高、平面形狀、結(jié)構(gòu)類型、基礎(chǔ)類型、地基承載力、埋深等8個(gè)特征因素，來(lái)驗(yàn)證基于多造價(jià)信息限制的工程造價(jià)估算模型的準(zhǔn)確性與高效性，10組工程總結(jié)數(shù)據(jù)表見(jiàn)表1所示。

為了驗(yàn)證本模型的準(zhǔn)確性與高效性，比較本模型與傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)模型的工程造價(jià)估算，本文算法與傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)算法估算結(jié)果見(jiàn)表2所示。本文估算的BP神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)為10×22×2。

為了更好地客觀衡量本文模型的優(yōu)劣，比較本文算法與傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)算法的優(yōu)劣，采用均方誤差（MSE）和平均絕對(duì)誤差百分率（MAPE）兩個(gè)參數(shù)來(lái)比較衡量?jī)?yōu)劣性。

其中，γi表示實(shí)際值，i表示估算值，p表示估算樣本數(shù)。把表2中的數(shù)據(jù)代入上面公式中，可以計(jì)算出本文方法的MSE是18.15，MAPE是0.47，而B(niǎo)P神經(jīng)網(wǎng)絡(luò)的MSE是66.21，MAPE是0.71。通過(guò)分析均方誤差（MSE）和平均絕對(duì)誤差百分率（MAPE）兩個(gè)參數(shù)，可以非常明顯地得到采用本文方法獲取的建筑造價(jià)估算值的精度高于傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)，同時(shí)，本文方法估算的結(jié)果同實(shí)際結(jié)果的匹配度較高，實(shí)驗(yàn)證明，本文方法更加具有準(zhǔn)確性和高效性。

四、總結(jié)

本文提出了一種多造價(jià)信息限制的工程造價(jià)估算模型，是結(jié)合了模糊算法和BP神經(jīng)網(wǎng)絡(luò)算法的優(yōu)化模型，比較實(shí)驗(yàn)證明，該模型運(yùn)輸出的最優(yōu)解，更加具有準(zhǔn)確性和高效性，對(duì)現(xiàn)實(shí)建筑項(xiàng)目的工程造價(jià)管理具有理論指導(dǎo)意義，有利于提高建筑項(xiàng)目工程造價(jià)的管理水平，也將為公司在建筑項(xiàng)目中帶來(lái)可觀的經(jīng)濟(jì)效益和社會(huì)效益。但是，建筑項(xiàng)目的工程造價(jià)問(wèn)題是一個(gè)復(fù)雜、綜合的問(wèn)題，建立完善的估算模型是非常困難的，由于人為因素在其中也會(huì)起到相當(dāng)?shù)淖饔茫虼?，也將給模型的建立和應(yīng)用帶來(lái)很大的困難，還有待進(jìn)一步地提高完善。

參考文獻(xiàn)：

[1] 李盼盼，朱偉興.基于改進(jìn)遺傳算法的TS模糊模型的優(yōu)化設(shè)計(jì)[J].傳感器與微系統(tǒng)，2008（8）

[2] 劉懷蘭，牛輝，王佳.基于改進(jìn)遺傳算法的智能組卷模型優(yōu)化[J].華中科技大學(xué)學(xué)報(bào)（自然科學(xué)版），2013（5）

[3] 王南，張京軍，高瑞貞.基于改進(jìn)遺傳算法多體模型的汽車懸架參數(shù)優(yōu)化[J].遼寧工程技術(shù)大學(xué)學(xué)報(bào)（自然科學(xué)版），2007（26）

[4] 李可，馬孝義，符少華.基于改進(jìn)遺傳算法的水電站優(yōu)化調(diào)度模型與算法[J].水力發(fā)電，2010（1）

[5] 曹云，徐奮強(qiáng).基于改進(jìn)遺傳算法的長(zhǎng)短樁復(fù)合地基優(yōu)化設(shè)計(jì)[J].水文地質(zhì)工程地質(zhì)，2011（6）

[6] 曾暉.混合建筑造價(jià)估計(jì)經(jīng)濟(jì)模型研究與仿真[J].計(jì)算機(jī)仿真，2015（3）

（作者單位：中建安裝工程有限公司 江蘇南京 210046）

（作者簡(jiǎn)介：高莉莉，注冊(cè)造價(jià)工程師，經(jīng)濟(jì)師，研究方向：工程造價(jià)。）

（責(zé)編：賈偉）