论文部分内容阅读
摘要：建设单位要做好公路工程的建设，就必须对可能存在的浪费现象严加控制，这就需要对工程实施前做好较为准确的造价估算工作，以此来达到对项目进行控制的目的。本文主要结合现有估算方法，并介绍了人工神经网络的公路造价快速估算模型的建立。
关键词：公路工程;造价管理;快速估算
1 公路工程造价管理中的快速估算分析
1.1 快速估算
快速估算一般是以模糊数学理论，灰色理论，神经网络等为理论基础，通过工程实际运算，许多模型已经建立，并取得了很好的效果，并且也在不断的成熟完善中。在欧洲快速估算得到了快速的发展，而在我国受到各种原因的阻碍发展的比较缓慢，现在正处于起步阶段。
1.2 公路工程造价管理重的快速估算
工程造价估算是建设项目前期可行性研究阶段以及投资决策阶段的一个重要的部分，它体现了建设项目的资金构成以及总的造价，是投资决策和后续几个阶段造价控制的重要依据。我国现阶段运用的各种投资估算方法，比如根据经验估算造价、因素估算法等，都是比较常用的方法，但是这些方法都只是考虑项目本身存在的一些特征因素，其实项目在建设过程中还有很多的不确定性因素，这些都没有考虑在内，造成了前期造价估算与最终的造价相差比较大，给建设方甚至施工方都会造成损失。
由于公路的建设周期都是比较长，施工的条件都是比较复杂，可变的不确定性的因素随时出现，同时公路的建设一直是我国经济发展的根本，但是在计划经济的推行过程中不断受到阻碍。例如对于政府投资的项目，只是对于建设比较重视，对于后期的项目回报问题很少考虑，也就是忽略了建设过程中的管理问题，最终造成超额投资，浪费现象普遍存在。由于前期的造价估算方法的不够系统化才造成了这些问题，估算的结果缺乏定性化和定量化结合。
2 公路工程造价快速估算模型的建立探讨
2.1 人工神经网络模型概述
近年来，神经网络应用于各个领取，取得了比较满意的效果。神经网络具有很好地记忆力，并且运算速度快、精确度高、泛化能力比较好等优点。因此，随着学者的不断研究，逐渐应用到建筑领域，在工程造价的快速估算方面应用的比较多，人工神经网络比较适合于应用到那些难以建立数学模型的领域中，而工程造价的估算就是适合的，因此也取得了很好的效果。在收集大量已竣工工程项目资料的基础上，对模型进行重复训练，当训练结果达到允许的误差范围时，就可以用来估算待建工程的造价，中间不需要进行繁琐的计算过程。
2.2 神经网络模型工程特性的选取
公路工程项目的成本不同程度的受到了其特征的影响，将工程特征转化为具体的数值输入模型，就能计算出项目的总投资，建立模型的意义也就在于此。如何选取有用的工程特征作为输入向量是建立该模型的重中之重，工程特征选取的好了，得出的结果比较接近于实际，就能说明这个模型的实用性和可推广性，反之则不然。
模型输入数据要尽量准确，所以要全面的搜索和考察公路的工程特征，对于工程的所有特征要逐个进行全面的分析统计。要想模型有比较贴近实际的计算结果就必须对项目的特征选取的适当，工程造价存在很多特征，例如相比于其他事物具有特殊性，与其他的财务费用也存在着很大的差异性，所以工程的各项特征要尽量考虑到，否则这些特征就无法具体展现，同时模型的预测能力会受到严重影响。对于影响程度比较大的要重点考虑，对于影响程度比较小的次之考虑，一些微乎其微的影响因素可以忽略考虑，对每一个因素设置相应的权重。
结合建设工程项目的投资组成，将各个部分计算出加和就能得到总的工程造价。通过概算以及预算的编制过程，其他各项费用的计算是以建筑安装工程费为计算基数采用不同的计算标准和方法计算得出的，从建筑安装工程费，就能得出工程项目的总投资。可见建筑安装工程费对于项目的总投资的计算起着至关重要的作用。公路工程建筑安装工程费用主要包括路基工程、桥涵工程、桥隧互通工程、路面工程、其他工程及沿线设施等，只要知道了几项的费用也就知道了整个公路建筑安装工程费用的95%以上。
路基工程主要包括：横断面类型、横断面高度、横断面宽度、地基处理类型等四个工程特性。在实际的建设过程中可以用路基土石方和路基宽度来概括这四个工程特征。
路面工程就是指路的表面构建形式，是采用沥青混凝土构筑路面还是采用水泥混凝土来构筑路面。
桥隧互通等结构物包括桥梁数量（其中包括特大型桥梁、大型桥梁、中型桥梁和小型桥梁）、隧道数量、通道数量和互通立交数量共四个工程特征。
2.3 神经网络模型原始数据的处理
因为神经网络模型的输入层和输出层之间有隐含层的连接，它们之间存在着复杂的关系，而该网络的训练过程就是从给定的样本数据中总结出这种关系，样本数据只有尽量的接近实际才能对造价进行准确的估算，要对其进行处理和核对，工程中有些数据是不真实的，还有一些是文字描述，无法直接输入模型，需要对这些语言文字进行数值的转化处理，所以使用的数据尽可能的是从工程的预决算文件中得来的。
根据确定了的工程项目的主要特征，然后将这些主要的工程特征作为人工神经网络模型的输入层数据。但是各个工程特征代表不同的元素，它们表达的含义对造价的影响以及取值范围有相当大的区别。工程特征的主要描述方法：一种是用语言文字来表述的，例如路面形式、地貌特征、时间因素等;另一种是以数值来表示的，像路基土石方、路基宽度、隧道数量、通道数量、公路长度等用实际的数据来表示。
2.4 神经网络模型的计算
（1）将选取的工程特征的数值归一化处理到[0，1]的范围，也就是隶属函数值的确定。
（2）利用模糊数学的基本原理，根据公式依次计算出待估算工程与其他工程的贴近度，将计算出的贴近度按照数值大小依次排列，选取其中的N个最大值作为训练样本。
（3）贴近度最大的也就是与待估算样本最接近的，将最接近的几个样本在训练样本中重复出现三次，也就是训练样本现在是N+2+2。这样能够提高训练的准确度。
（4）将这N+2+2组数据，一组一组的重复进行训练，重复100次，等网络训练结果达到一定的精度之后，也就是该估算系统可以投入测试，再将待估算的样本数据输入系统，这样就能得到待估算工程的造价。
（5）将输出的结果与实际值进行比较，看两者的误差是否在10-15%之间，如果是就满足要求，可以运用到实际中去;反之，就要对网络重新训练，增加重复训练的次数并且检查输入的样本数据是否合理，可以适当调整或者删除掉不合理的数据。
结语
如何控制和降低公路工程的造价是公路建设中一个突出的问题，快速准确的估算出工程造价是立项、评估及投资控制的依据。通过对影响公路造价因素的全面考虑，构造出进行造价的快速估算模型，通过不断地实践应用进行检验，分析得出具有客观性和准确性的方法，将会带来很强的理论和现实应用意义。
参考文献：
[1]彭丹，徐静竹，曾子莹，熊凡.浅谈人工神经网络在建设工程造价估算中的应用.金田.2011年10期
[2]孟庆款.改进的BP算法在建筑工程造价估算中的应用.工业控制计算机.2013年10期
[3]张咏梅.神经网络技术在工程造价中的应用.中国科技博览.2011年34期
关键词：公路工程;造价管理;快速估算
1 公路工程造价管理中的快速估算分析
1.1 快速估算
快速估算一般是以模糊数学理论，灰色理论，神经网络等为理论基础，通过工程实际运算，许多模型已经建立，并取得了很好的效果，并且也在不断的成熟完善中。在欧洲快速估算得到了快速的发展，而在我国受到各种原因的阻碍发展的比较缓慢，现在正处于起步阶段。
1.2 公路工程造价管理重的快速估算
工程造价估算是建设项目前期可行性研究阶段以及投资决策阶段的一个重要的部分，它体现了建设项目的资金构成以及总的造价，是投资决策和后续几个阶段造价控制的重要依据。我国现阶段运用的各种投资估算方法，比如根据经验估算造价、因素估算法等，都是比较常用的方法，但是这些方法都只是考虑项目本身存在的一些特征因素，其实项目在建设过程中还有很多的不确定性因素，这些都没有考虑在内，造成了前期造价估算与最终的造价相差比较大，给建设方甚至施工方都会造成损失。
由于公路的建设周期都是比较长，施工的条件都是比较复杂，可变的不确定性的因素随时出现，同时公路的建设一直是我国经济发展的根本，但是在计划经济的推行过程中不断受到阻碍。例如对于政府投资的项目，只是对于建设比较重视，对于后期的项目回报问题很少考虑，也就是忽略了建设过程中的管理问题，最终造成超额投资，浪费现象普遍存在。由于前期的造价估算方法的不够系统化才造成了这些问题，估算的结果缺乏定性化和定量化结合。
2 公路工程造价快速估算模型的建立探讨
2.1 人工神经网络模型概述
近年来，神经网络应用于各个领取，取得了比较满意的效果。神经网络具有很好地记忆力，并且运算速度快、精确度高、泛化能力比较好等优点。因此，随着学者的不断研究，逐渐应用到建筑领域，在工程造价的快速估算方面应用的比较多，人工神经网络比较适合于应用到那些难以建立数学模型的领域中，而工程造价的估算就是适合的，因此也取得了很好的效果。在收集大量已竣工工程项目资料的基础上，对模型进行重复训练，当训练结果达到允许的误差范围时，就可以用来估算待建工程的造价，中间不需要进行繁琐的计算过程。
2.2 神经网络模型工程特性的选取
公路工程项目的成本不同程度的受到了其特征的影响，将工程特征转化为具体的数值输入模型，就能计算出项目的总投资，建立模型的意义也就在于此。如何选取有用的工程特征作为输入向量是建立该模型的重中之重，工程特征选取的好了，得出的结果比较接近于实际，就能说明这个模型的实用性和可推广性，反之则不然。
模型输入数据要尽量准确，所以要全面的搜索和考察公路的工程特征，对于工程的所有特征要逐个进行全面的分析统计。要想模型有比较贴近实际的计算结果就必须对项目的特征选取的适当，工程造价存在很多特征，例如相比于其他事物具有特殊性，与其他的财务费用也存在着很大的差异性，所以工程的各项特征要尽量考虑到，否则这些特征就无法具体展现，同时模型的预测能力会受到严重影响。对于影响程度比较大的要重点考虑，对于影响程度比较小的次之考虑，一些微乎其微的影响因素可以忽略考虑，对每一个因素设置相应的权重。
结合建设工程项目的投资组成，将各个部分计算出加和就能得到总的工程造价。通过概算以及预算的编制过程，其他各项费用的计算是以建筑安装工程费为计算基数采用不同的计算标准和方法计算得出的，从建筑安装工程费，就能得出工程项目的总投资。可见建筑安装工程费对于项目的总投资的计算起着至关重要的作用。公路工程建筑安装工程费用主要包括路基工程、桥涵工程、桥隧互通工程、路面工程、其他工程及沿线设施等，只要知道了几项的费用也就知道了整个公路建筑安装工程费用的95%以上。
路基工程主要包括：横断面类型、横断面高度、横断面宽度、地基处理类型等四个工程特性。在实际的建设过程中可以用路基土石方和路基宽度来概括这四个工程特征。
路面工程就是指路的表面构建形式，是采用沥青混凝土构筑路面还是采用水泥混凝土来构筑路面。
桥隧互通等结构物包括桥梁数量（其中包括特大型桥梁、大型桥梁、中型桥梁和小型桥梁）、隧道数量、通道数量和互通立交数量共四个工程特征。
2.3 神经网络模型原始数据的处理
因为神经网络模型的输入层和输出层之间有隐含层的连接，它们之间存在着复杂的关系，而该网络的训练过程就是从给定的样本数据中总结出这种关系，样本数据只有尽量的接近实际才能对造价进行准确的估算，要对其进行处理和核对，工程中有些数据是不真实的，还有一些是文字描述，无法直接输入模型，需要对这些语言文字进行数值的转化处理，所以使用的数据尽可能的是从工程的预决算文件中得来的。
根据确定了的工程项目的主要特征，然后将这些主要的工程特征作为人工神经网络模型的输入层数据。但是各个工程特征代表不同的元素，它们表达的含义对造价的影响以及取值范围有相当大的区别。工程特征的主要描述方法：一种是用语言文字来表述的，例如路面形式、地貌特征、时间因素等;另一种是以数值来表示的，像路基土石方、路基宽度、隧道数量、通道数量、公路长度等用实际的数据来表示。
2.4 神经网络模型的计算
（1）将选取的工程特征的数值归一化处理到[0，1]的范围，也就是隶属函数值的确定。
（2）利用模糊数学的基本原理，根据公式依次计算出待估算工程与其他工程的贴近度，将计算出的贴近度按照数值大小依次排列，选取其中的N个最大值作为训练样本。
（3）贴近度最大的也就是与待估算样本最接近的，将最接近的几个样本在训练样本中重复出现三次，也就是训练样本现在是N+2+2。这样能够提高训练的准确度。
（4）将这N+2+2组数据，一组一组的重复进行训练，重复100次，等网络训练结果达到一定的精度之后，也就是该估算系统可以投入测试，再将待估算的样本数据输入系统，这样就能得到待估算工程的造价。
（5）将输出的结果与实际值进行比较，看两者的误差是否在10-15%之间，如果是就满足要求，可以运用到实际中去;反之，就要对网络重新训练，增加重复训练的次数并且检查输入的样本数据是否合理，可以适当调整或者删除掉不合理的数据。
结语
如何控制和降低公路工程的造价是公路建设中一个突出的问题，快速准确的估算出工程造价是立项、评估及投资控制的依据。通过对影响公路造价因素的全面考虑，构造出进行造价的快速估算模型，通过不断地实践应用进行检验，分析得出具有客观性和准确性的方法，将会带来很强的理论和现实应用意义。
参考文献：
[1]彭丹，徐静竹，曾子莹，熊凡.浅谈人工神经网络在建设工程造价估算中的应用.金田.2011年10期
[2]孟庆款.改进的BP算法在建筑工程造价估算中的应用.工业控制计算机.2013年10期
[3]张咏梅.神经网络技术在工程造价中的应用.中国科技博览.2011年34期