1、收稿日期:2023-04-19作者简介:祝海红(1988),女,黑龙江省绥化市人,工程师,研究方向:工程造价。0引言近年来,我国建筑行业发展迅速,逐渐成为重要的支柱产业。在建筑工程项目建设时,其工程造价是判断该项目是否可行的关键因素,工程造价的控制应贯穿于建筑工程项目的全过程,但相关研究表明,建筑工程结构设计阶段对工程造价的影响超过 70%。建筑工程结构设计的主要目的是满足建筑的功能要求,同时通过结构设计可以保障建筑的安全性与耐久性,所以做好建筑工程结构设计可以最大限度地降低工程造价,从而为工程建设项目带来可观的经济效益。工程造价的控制主要包括前期的投资估算、造价预测、施工阶段的工程结算及项目
2、结束后的工程决算等,一般建筑工程项目具有一次性与唯一性等特征,由于结构设计阶段的工程造价控制涉及内容较多,如建筑材料的选择、施工风险的评估等,所以该阶段的造价控制是最为薄弱的环结合建筑工程结构设计的工程造价应用分析祝海红(天佑京铁工程建设有限公司,河北石家庄050000)摘要院在工程建设项目前期关键的结构设计阶段袁造价预测是衡量项目可行性的重要参考袁为给项目决策者提供评估依据袁结合建筑工程结构设计的工程造价应用进行分析遥选取工程结构设计阶段造价影响指标袁确立一套可以反映建筑工程结构特点的指标体系袁挖掘并预处理建筑工程结构设计数据袁将其作为模型输入袁并基于 BP 神经网络构建工程造价预测模型遥
3、实例应用结果表明袁本文设计的工程造价预测模型的均方根误差为 10-4尧平均相对误差为 1.82%袁验证了该模型在建筑工程结构设计阶段的工程造价预测中具有良好的应用效果遥关键词院建筑工程曰结构设计曰工程造价曰应用分析曰成本控制中图分类号院TU973.35文献标识码院A文章编号院圆园怨远-2118渊2024冤01-0122-05Application Analysis of Engineering Cost Combinedwith Building Engineering Structure DesignZHU Haihong(Tianyou Jingtie Engineering Constr
4、uction Co.,Ltd.,Shijiazhuang Hebei050000,China)Abstract:In the key structural design stage in the early stage of engineering construction project,cost predictionis an important reference to measure the feasibility of the project,to provide the evaluation basis for project de原cision makers,and to ana
5、lyze the application of engineering cost in the structural design of construction engi原neering.The cost influence index of the engineering structure design stage is selected,a set of index system thatcan reflect the characteristics of building engineering structure is established,the structural desi
6、gn data of con原struction engineering is mined and preprocessed as the model input,and the engineering cost prediction model isconstructed based on BP neural network.The example application results show that the root mean square error ofthe project cost prediction model is 10-4and the average relativ
7、e error is 1.82%,which proves that the model hasa good application effect in the project cost prediction in the design stage of construction structure.Keywords:construction engineering;structural design;project cost;application analysis;cost control姻施工技术与管理第 9 卷第 1 期 2024 年 2 月DOI:10.3969/j.issn.209
8、6-2118.2024.01.029节,因此,在建筑工程结构设计阶段的工程造价预测显得尤为重要。在建筑工程结构设计阶段,工程造价的预测精度不仅影响了整个工程项目的成本策划,还决定着该工程的决策结果,因此对结构设计阶段的工程造价预测的精确性提出了更严格的要求,本文通过大量的文献研究,深入分析结合建筑工程结构设计的工程造价预测方法,以期推动我国建筑行业的健康发展。1选取工程结构设计阶段造价影响指标工程造价即建筑项目建造全过程的价格,对于整个建筑工程项目来说,结构设计阶段的工程造价控制至关重要1-2。本文旨在结合建筑工程结构设计,探讨有效的工程造价预测方法。在预测工程造价时,为确保预测结果的准确性,
9、同时便于对工程造价进行合理的评审,首先需要确定建筑工程结构设计阶段工程造价的影响指标,选取工程造价影响指标时,需要遵循科学性、系统性原则并进行量化与定性,所选取的各指标之间需要具有一定的逻辑关系,可以系统地呈现出工程结构设计数据特征。基于此,本文结合文献3,从不同角度对工程造价影响指标进行选取,见表 1。在初步选取一系列工程结构设计阶段造价影响指标后,需要根据指标数据类型将其划分为定性与定量两种4:建筑尺寸、层数等数值型的指标为定量指标;建筑外形、结构布置等文字类型的指标为定性指标。其中定性指标需要通过转换的方式进行重新编码,从而将文本类型的影响指标数值化。在本文选取的工程结构设计阶段造价影响
10、的定量指标中,由于各指标之间的数量级别差距较为明显,为确保这些指标不会影响预测模型的运算性能,需要对定量指标进行标准化处理,计算公式如下:B忆=B-B軍着(1)式(1)中:B忆为经过 Z-score 标准化处理后的工程结构设计阶段造价影响指标;B 为原始影响指标;B 为总体影响指标的平均值;着 为总体影响指标的标准差。将上述量化处理后的指标组合成一个完整的指标体系,作为构建工程造价预测模型的前提。影响指标内涵界定宏观平面长宽比长宽比较大的建筑动力特性相差较大,需增大构件配筋维持受力均匀,从而使造价成本增加竖向高宽比高宽比较大的建筑结构稳定性较差,需增加抗侧力构件保证整体稳定,从而使造价成本增加
11、立面形状立面形状不规则会增强配筋,从而使造价成本增加平面形状平面形状越简单,用钢量越少,造价成本越低建筑层数在建筑结构相同的情况下,层数越多,施工难度越大,相应造价成本越高层高满足建筑功能的前提下,降低层高可节约墙体材料,降低造价成本微观剪力墙结构不同的剪力墙结构,混凝土与钢筋用量不同,因此造价成本不同抗侧力构件位置合理的抗侧力构件位置可以减少用钢量,降低造价成本混凝土设计强度混凝土原材料、后期修补费用都会影响造价成本钢筋种类钢筋用量影响造价成本构件基础形式建筑物的承重构件,不同构造形式与材料对造价成本有影响装修建筑物的装修风格、材料等,对造价成本有影响2挖掘建筑工程结构设计数据本文在构建工程
12、造价预测模型时,需要从建筑工程结构设计的标准信息数据中提取出有价值的数据,从而为工程造价预测提供决策支持,所以本文引入数据挖掘技术来挖掘建筑工程结构设计数据5。将数据挖掘技术引入建筑工程结构设计标准信息研究中,不仅可以为工程造价模型提供决策支持,还可以满足从海量数据中发现价值数据的工程造价预测需求,从而提升工程造价预测效率。数据挖掘是一项集数据库、数理统计等学科为一体的技术,挖掘对象为建筑工程结构设计阶段的标准信息,采用的挖掘技术是影响挖掘结果的关键因素,本文综合考虑建筑工程结构设计数据的实际特点,选用最近邻方法(KNN 算法)来挖掘数据,该算法是简单、高效的数据分类挖掘方法,通过确定最邻近项
13、与 K 值来进行挖掘数据的分类。挖掘数据的主要过程如下:首先根据待挖掘数据的特点确定挖掘工具及挖掘目标,并收集整理好要进行数据挖掘的对象信息,这一步是确保数据挖掘技术可以顺利执行的关键6;然后选取恰当的算法进行数据挖掘,KNN表 1工程结构设计阶段造价影响指标第 1 期祝海红院结合建筑工程结构设计的工程造价应用分析算法挖掘数据的基本原理是通过训练集所属类别来判断待挖掘样本数据的分类,计算公式如下:P(x,y)=x 沂 K N N移S(x,y)L(x,y)(2)式(2)中:P(x,y)为建筑工程结构设计信息的特征向量 x 属于类别 y 的概率;S(x,y)为相似度值;L(x,y)为类别属性函数。
14、计算数据的相似度值,可以将相似度较高的数据聚类在一起,以降低待分类标准的数量。最后结合建筑工程结构设计阶段工程造价预测的实际情况7,通过常用的评估方法来评估挖掘的数据,并将挖掘结果作为工程造价预测模型输入。3预处理建筑工程结构设计数据从建筑工程结构设计的历史信息中挖掘有效数据时,难免存在缺失、冗余等状况,如果将挖掘的数据直接输入工程造价预测模型,可能会影响预测结果,导致误导决策者,所以在使用挖掘的建筑工程结构设计数据之前,需要进行必要的预处理8。首先针对建筑工程结构设计数据的缺失、冗余等缺陷,进行数据清洗工作,在本文所挖掘的建筑工程结构设计数据中,将工程名称作为辨识依据,检索名称则可以查找到重
15、复记录的工程数据,从而实现冗余数据的消冗操作;同时一般建筑工程结构设计数据的时间跨度较大,导致挖掘数据中存在很多缺失值,所以本文采用平均值填充法,进行数据缺失值的填补,即将完整的数据做算术平均后,将平均值当成缺失值;由于建筑工程结构设计数据的长期性与复杂性,挖掘的数据中存在很多偏离期望的噪声数据,如果将此数据输入造价预测模型中,可能会造成模型训练过程不收敛,所以本文采用聚类方法来平滑噪声数据9。为提升工程造价预测模型的运算效率,缩短模型训练时间,本文还需对清洗后的数据进行约简处理,数据约简的实质是对数据进行属性选择,数据属性的选择主要分属性子集生成与属性子集评价两个步骤。对于建筑工程结构设计数
16、据而言,属性子集的生成是一个启发式搜索的空乘,即在数据的状态空间内进行搜索,从而确定候选子集,而属性子集的评估是在设定准则的基础上,对子集有效性进行评估,本文主要采用的评估函数公式如下:P0(X Z)=P0(Z X)P0(X)P0(Z)(3)式(3)中:P0(X Z)为数据样本属性 Z 属于类别 X的先验概率;P0(Z X)为数据样本属性 Z 属于类别X 的后验概率;P0(X)为根据数据求出的类别 X 的先验概率;P0(Z)为样本属性 Z 的先验概率。由式(3)可知,本文采用的评估函数是一个贝叶斯分类器,在属性子集评估中,可以采用最大后验概率的方法,根据以下公式求解出新样本 X忆最可能的分类:
17、X忆=argmaxP0(X Z)=argmaxP0(Z X)P0(X)P0(Z)=argmaxP0(Z X)P0(X)(4)由式(4)可知,由于 P0(Z)并非依赖于数据属性 X 的常量,所以最终结果去除了 P0(Z)。根据式(4)求出的分类准确性估计值来评估数据属性,进而修正数据状态空间搜索函数的参数,可以筛选出最优的数据属性子集,实现建筑工程结构设计数据的简约操作10,最后将经过上述步骤预处理后的数据作为预测模型输入样本数据,进行工程造价预测模型的构建。4构建工程造价预测模型一般来说,建筑工程结构设计阶段的工程造价预测是非线性、小样本问题11,所面临的影响因素较多,所以本文在构建工程造价预
18、测模型时,综合考虑 BP 神经网络运算能力与泛化能力较强等优势,将预测模型部署于 BP 神经网络结构上12。在工程造价预测模型中,主要由输入、隐含及输出 3 个层次组成,其中输入层主要负责接收数据并传输给隐含层的神经元,以工程造价影响指标为关键特征指标,对输入的工程结构设计数据进行造价测算;隐含层是该模型中较为重要的层次,其结构复杂程度对预测精度与效率有着直接影响,主要负责对输入影响指标与数据进行处理与变换,由于隐含层位于模型结构的中间,所以其神经元节点数量是决定整个造价预测模型精度的关键13,通过以下公式确定隐含层节点个数:n=ru姨(5)式(5)中:n 为工程造价预测模型隐含层神经元个数;
19、r 为模型输入数据的数量;u 为模型输出层神经元节点数量。关于工程造价预测模型的输出层,以实现预测功能为目标、负责输出期望的工程造价预测结果。在通过构建的 BP 神经网络模型进行工程造价预测时,关键在于参数的设计,其中激活函数采用 S 型的对数函数 logsig,学习率则通过式(6)调节,公式如下:第 9 卷图 1工程造价预测模型训练曲线图图 2工程造价预测模型测试结果图滋(t+1)=1.05滋(t),W(t)约W(t-1)0.7滋(t)W(t)跃1.04,W(t-1)滋(t),其他扇墒设设设设设缮设设设设设(6)式(6)中:滋 为工程造价预测模型的学习率,取值范围为0,1;t 为模型训练时间
20、,h;W(t)为均方误差。在确定 BP 神经网络模型的结构与参数之后,运行模型进行训练14,即可实现对建筑工程结构设计阶段工程造价的精准预测。5实例应用为验证建筑工程造价预测模型的性能,某工程造价预测平台选取 200 项 2018 年2022 年河北省石家庄市的实际案例作为研究对象,这些案例均为简单装修的住宅项目,为保证实验结果的精确性,从这些案例中抽取并整理 100 组完整数据作为本次实验的样本数据。在经过上述内容实现了工程造价预测模型的初步构建之后,为提升模型的泛化能力,首先于样本数据中选择前 80 组作为训练数据对模型的参数进行优化,工程造价预测模型的训练曲线图见图 1。由图 1 可知,
21、本文设计工程造价预测模型在迭代至第 6 次时,得到的训练结果最佳,此时参考该曲线对模型的参数需进行重新设置,见表 2。然后将优化后的参数代入工程造价预测模型后,使用剩余 20 组样本数据进行模型测试,得到测试结果见图 2。如图 2 所示,对于这 20 组测试样本数据,设计工程造价预测模型所预测的结果与实际数据之间的拟合度较高,说明该模型对测试样本数据集的预测效果较高,具有较高的预测精度,适用于建筑工程结构设计阶段的工程造价预测。为进一步验证设计工程造价预测模型的优越性,选用基于 SVM 的工程造价预测模型、基于深度学习的工程造价预测模型作为实验对照组,计算预测模型性能的评价指标,公式如下:啄1
22、=Ni=1移(Ci0-Ci1)2N(7)啄2=1NNi=1移Ci0-Ci1Ci1(8)式(7)(8)中:啄1为工程造价预测结果的均方根误差,元;啄2为工程造价预测结果的平均相对误差,%;Ci0为第 i 个工程造价样本数据的预测值;Ci1为第 i个工程造价样本数据的真实值;N 为样本数目。基于式(7)(8),分别统计 3 个工程造价预测模型的预测结果,见表 3。由表 3 可知,设计工程造价预测模型表现更加良好,该模型的 啄1为 10-4元,啄2为 1.82%,远远小于实验对照组模型的 啄1,啄2,说明本文设计模型在误差参数设置隐含层神经元个数/个5最大训练次数/次6学习率0.01最小梯度要求1e
23、-10动量因子0.9权值变化增加量1.2表 2工程造价预测模型参数设置10010-110-210-310-410-510-610-710-8012345678910迭代次数预测结果实际数据98765432102468101214161820样本数量第 1 期祝海红院结合建筑工程结构设计的工程造价应用分析为进一步提升城市居住区整体设计水平,促进居住环境和住房品质提升,重庆市近日发布中心城区新建高品质居住区技术导则,并将于 4 月 1 日起施行。居住区除应满足一般居住使用要求外,应满足低幼儿童、老年人、残障人士等特殊群体对无障碍设施的使用需求。在居住区内部,居住区车行系统与人行系统宜分开设置,主入
24、口处应设置无障碍入口及通道;居住区主要道路应进行适老化、适幼化、无障碍设计。在住宅建筑方面,住宅出入口的数量和位置应合理设置,与居住区内部道路衔接顺畅,建筑主要出入口应满足无障碍通行要求;住宅对消防电梯、无障碍电梯、担架电梯的设置要求应符合国家相关规范。在配套设施方面,居住区宜配建步行 10 分钟可达的工疗康体服务中心,提供残疾儿童寄托、残疾人康复活动、康体服务等;居住区宜配建幼儿专用室外活动场地,并满足幼儿安全防护要求;居住区宜配建老年人专用活动场地,并满足无障碍设置要求;15 分钟生活圈内宜配置社区养老服务站,提供日间照料、老年食堂、休闲娱乐等多样化服务,建筑面积不宜小于 200 平方米。
25、此外,导则要求,居住区内宜根据老年人活动需求打造适老化活动场地,针对老年人的活动特点单独设置健身场地,并配置低强度、全身性健身器材;合理布置活动场地,场地位置选择应考虑可达性,并满足日照、采光等多维度要求,场地内外应满足无障碍设计的要求。(有修改)来源院吉林省住房和城乡建设厅网站重庆市发布中心城区新建高品质居住区技术导则预测模型本文模型SVM 模型深度学习模型啄1/元啄2/%10-41.8210-78.4510-54.71控制方面更加优越,可以精准预测建筑工程结构设计阶段的工程造价。6结语在结构设计阶段工程造价的精准预测具有重要的现实意义,不仅可以为工程管理者提供关键理论依据,更是保障工程项目
26、顺利实施的关键,所以本文在确定建筑工程结构设计阶段工程造价影响指标及挖掘结构设计数据的基础上,结合 BP 神经网络构建了一个工程造价预测模型,通过实际应用验证,该模型展现出卓越的性能,能够提供精确的预测结果。这一成果对于工程预算和造价管理具有重要意义,为相关行业的决策提供了有力支持。参考文献1廖玲.低碳建筑材料在建筑工程专业群结构设计中的应用J.材料保护,2021,54(4):199-200.2周晓军,宁远思,杨昌宇.矿山法施工双线铁路隧道二次衬砌拱部预制拼装结构的设计与工程应用J.现代隧道技术,2022,59(4):204-217.3陶兵,罗妍,丁焕龙,等.混凝土柱-钢梁混合框架结构的工程应
27、用J.建筑结构,2022,52(S1):319-323.4王镝,李帅,姜雪,等.全生命周期管理视角下电网建设工程造价管理研究J.太阳能学报,2021,42(9)::483-484.5韩明华.基于施工造价分析的防波堤结构方案比选J.水运工程,2021(4):211-215.6孙炎.数字化赋能电网基建工程造价管理研究J.价格理论与实践,2021(10):148-151.7田方友,李云龙,施江冲.跨坐式单轨与地铁和轻轨工程造价对比分析J.城市轨道交通研究,2021,24(1):107-110.8莫钧,陈琳,易万中,等.离岸条件下房建工程造价研究J.公路,2022,67(12):295-301.9董娜
28、,卢泗化,熊峰.大数据背景下基于 ABC-SVM 的建筑工程造价预测J.技术经济,2021,40(8):25-32.10王文娟,范东振,俞春涛.轨道交通土建工程造价影响因素分析及控制措施J.建筑技术,2022,53(9):1174-1177.11檀丽丽.基于成本管理下饲料厂房建设过程中工程造价合理有效控制与探索J.中国饲料,2021(12):93-96.12王镝,李帅,姜雪,等.全生命周期管理视角下电网建设工程造价管理研究J.太阳能学报,2021,42(9):483-484.13刘少非,侯大山.基于支持向量机的铁路隧道洞身工程造价预测J.铁道工程学报,2022,39(5):108-113.14曹闯.基于模糊指数平滑法的公路市政道路工程造价估算方法J.建筑技术,2021,52(11):1392-1394.编辑院刘岩表 3工程造价预测模型性能对比第 9 卷