市政道路工程造价估算方法探析

《市政道路工程造价估算方法探析》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、市政道路工程造价估算方法探析　　摘要：随着我国城市化进程的加快，市政道路工程蓬勃发展起来，尽管政府投入了大量的人财物进行城市基础设施建设，但资金投入依然很有限，为了保证市政道路工程顺利建设，加强工程造价估算就非常必要了，本文就市政道路工程中的造价估算方法进行了探讨。关键词：市政道路；工程；造价估算；方法Abstract:alongwithourcountrycitychangesacourseaccelerate,themunicipalroadengineeringisbooming,despitethegovernmenti

2、nvestedalotofpropertyofcityinfrastructureconstruction,butfundingisstillverylimited,inordertoensurethesmoothconstructionofthemunicipalroadengineering,strengtheningtheprojectcostestimationisverynecessary,themunicipalroadengineeringcostestimationmethodwerediscussed.Keyw

3、ords:municipalroadengineering;costestimation;method;中图分类号：F294.9文献标识码：A文章编号：7市政道路工程作为土木工程的分支之一，不仅是城市设施建设的重要构成，也是城市经济发展与正常运行的基本物质保障，市政道路工程建设的好坏影响着国民经济的发展状况，在市政道路工程中，资金缺乏一直是制约工程建设的关键问题之一，为了保证道路工程顺利建设，有必要加强工程造价管理，而造价估算作为造价管理的重要构成，选择恰当的造价估算方法，对工程造价控制具有非常重要的影响。一、市政道路工程中的造

4、价估算方法数理统计估算方法这种估算方法是依据以往道路工程中的历史资料来分项统计与回归分析的，从中找出工程造价或者工程数量和某因素间的函数关系，通常函数关系可表示为下列形式：在此公式中，表示第i章的第j节中的工程造价或数量；fn表示第n项影响因素所隶属的函数；bn表示第n项影响因素中的影响系数；zn表示第n项影响因素取值。通过此方法能有效了解各影响因素给工程造价及数量带来的影响程度，并且具有计算小及应用方便的优点。此方法也有其缺点，如此方法需要大量的样本数，并且要有对应数据回归处理的技巧，一旦样本数量得不到满足，应用数理统计估算方

5、法，就会影响造价估算准确度，获得的函数关系也难以令人满意，此时就不适合应用数理统计方法了。2.灰色理论估算方法图1灰色理论下的估算模型流程7工程自身有多样性、复杂性与地点依赖性等特征，并不存在完全相同的工程，但众多工程当中存在相似及差异小的工程，这些相似性就构成了灰色理论的估算方法。灰色理论的造价估算方法是从众多已建工程当中，找出和拟建工程最接近的若干工程，对已建工程和拟建工程间的关联度进行估算，并给予关联度分析，当灰色关联度越大时，拟建与已建工程间的相似性就越高，根据相似已建工程的原始资料，应用指数平滑方法，对拟建工程造价进行

6、预测。其灰色理论下的估算模型如图1所示。该方法下的工程造价关联度为计算可表示为：（2-16）（2-17）在公式中，表示关联度，表示影响权重，表示关联系数，C0表示拟建工程的造价估测模型。该估算方法是依据行为因素序列的宏观或者微观相似度，对因素影响程度进行分析确定，目的是寻找各个因素之间的关系，寻找出目标值的因素影响，以掌握事物特征。在道路工程中，应用系造价估算方法，具有可靠度高、迅速及实用性等特点，当拟建工程与参照工程的相似度高时，其估算差通常在5%以内。3.神经网络估算法7通过神经网络理论的分析，可发现神经网络是通过大量的神经

7、元、无电元件与处理元件等处理单元相互连接而成的网络，可归属于非线性动力学，其特点为可并行协同处理、分布式存贮与自适应学习，直接应用样本数据，就可实现输入层和输出层间非线性的映射，并不需要构建准确的计算规则，比较适合不能构建准确数学模型的一些工程造价估算。在各类神经网络模型当中，应用较广的网络模型为BP神经网络，该类型的神经网络是由正向及反向传播两过程构成的，正向传播中，信息由输入层通过隐含层进行传递处理，在每层神经元状况下，仅对下层神经元状态进行影响，一直到输出层获得输出信息。当输出信息与期望信息存在较大差距时，就会进入反向传播

8、的过程，把误差信号按照原连接通路进行返回，对各层所连接的权值进行修改，可向输入层进行传播，通过该两过程的反复应用，可让误差有效减小，一直到满足要求，其神经网络结构如图2所示。图2神经网络的基本结构7神经网络下的估算方法比较适合易于样本收集及准确数学模型难以构建的