0 引言

　　市政道路工程造价估算是指在投资决策阶段,依据所掌握的资料及投资估算指标、经验和方法,对市政道路工程项目的投资额进行估算,是工程造价控制的前提,和工程项目可行性研究的基础,也是招投标制定标底的依据。近年来,随着我国的城市化进程不断加快,各级政府均投入了大量人力、物力和财力对市政道路工程等城市基础设施的建设。然而,市政道路项目建设资金的投入依然是非常有限和匮乏,己成为制约城市建设与发展的瓶颈。因此,市政道路工程造价管理就成了人们关注的焦点,本文拟从市政道路工程造价估算进行探讨,以期能快速、准确地估算市政道路工程造价。

　　1 市政道路工程造价估算方法分析

　　1.1 基于灰色关联理论估算法 灰色关联分析是基于行为因子序列的微观或宏观几何接近,以分析和确定因子间的影响程度或因子对主行为的贡献测度而进行的一种分析方法。其目的的寻找各因素间的主要关系,找出影响目标值的重要因素,从而掌握事物的主要特征。该法具有快速、可信程度高的特点,具有实用性。若选取的参照工程与待建工程相似程度较高,估算误差一般不超过5%。

　　1.2 基于模糊数学的估算法 工程造价的模糊估算方法,是利用模糊数学的基本原理,在同一结构体系下,通过研究和对比拟建工程与已建工程的相似程度,根据类似的已建工程造价,采用某种可行的预测技术,结合模糊数学的某些方法,估算拟建工程造价。它的最大特点是在待建工程还处于图纸不全的初步设计阶段,或在施工图纸比较齐全的阶段,既不需要计算分部分项工程量,也不用查概预算定额,可迅速且较准确地确定工程造价。但该方法不能准确反映出工程造价的实际变化特性,为确保工程造价估算的准确性,需建立起广泛的信息来源,建立完备的信息数据库和信息管理系统,考虑各个工程建造年价,即使是在物价相对稳定时期。因此,在原有方法基础上,还须补充考虑资金时间价值因素,以某一时间为基准,计算当前工程与己建工程之间的相似度,从而保证估算工程数据的合理性、准确性。

　　1.3 基于神经网络估算法 神经网络在工程造价估算方面的应用,是工程造价估算的一个新方法。它是一个非线性动力学系统,并以分布式存贮、并行协同处理和自适应学习为特色,其以用来描述工程特征的信息作为神经网络的输入用量,以所需的工程造价作为神经网络的输出向量,使不同的输入向量得到不同的输出量值,从而实现输入空间到输出空间的映射。

　　这种方法通过实例训练学习来确定模型的权重,避免了某些方法的人为计取权重的主观影响,计算简单、准确,非常适合快速估算工程造价;并且造价中隐性考虑了不同时期主材价格,使造价更加符合实际。但基于神经网络的工程造价估算方法的主要限制在于工程特征的选取和训练样本的选取上。这两个方面的选取工作,目前只能凭借经验来完成,缺乏理论的指导,极易造成个别输出目标值偏离实际值。

　　1.4 基于案例推理的估算法 就道路工程投资估算方法而言,基于案例推理的方法与目前常用方法之间具有互通之处:它可以可运用模糊数学方法,对待估工程与典型工程之间的相似性做定量计算,以工程之间结构和构造的相似性来反映工料机配备的相似性,体现工程造价问题的模糊性特征,减小资金时间价值因素对工程造价的影响;与神经网络方法相似,同样适合处理非结构化信息,案例推理可较好地考虑实用性需求,使得推理效果不会在很大程度上受制于样本信息的选取。就基于案例推理方法自身而言,较好地兼顾了工程造价估算对反应快速与结果准确两方面的要求,融合了各种方法的特点,同时克服了上述方法的缺点,更适用于市政道路工程造价估算,更好地发挥了工程造价估算的重要控制作用,满足市政道路工程建设市场激烈竞争的需求。

　　2 基于案例推理估算法的工程案例分析

　　本文以案例推理方式为主,结合多种优化方法,结合当时市场价格进行市政道路工程造价估算。基于案例推理的估算方法有以下六个步骤:案例搜集、问题描述、案例检索、方案调整、方案评价、案例学习。考虑到工程样本资料的特点,这里选取相应特征属性:主线里程、修建年份、路基宽度、桥梁数量、通道、互通立交、分离立交、隧道、路面形式、地貌特征,作为影响工程造价的关键因素。下面本文以某市政道路作为实验案例,简要说明该方法实现其决策支持功能的流程和效果。

　　2.1 问题描述:输入当前工程信息:主线里程15.538km,修建年份2008年,路基宽度33m,桥梁数量151.01m/km,通道2.124道/km,互通式立交0.129处/km,分离式立交0.193处/km,隧道486.87m/km,路面形式0.8,地貌特征0.2。

　　2.2 案例检索:考虑到工程的

[1] [2] 下一页