基于工程量清单的投标成本价界定研究

2019-07-20罗道儒黄喜兵

四川建筑 2019年6期

罗道儒, 黄喜兵

(西南交通大学土木工程学院，四川成都 610031)

经评审的最低价中标法是我国应用最广泛的一种评标办法，即在所有的投标人中，选择能满足投标文件实质性要求且投标报价最低者，成为工程的中标人。该方法有利于充分发挥市场经济的竞争优势，提高投标人的成本管控能力。但是，由于我国建筑市场竞争激烈，市场机制还不完善，因此许多投标人为了能中标而不惜以低于成本的报价参与竞争，导致偷工减料，建筑产品质量不断下降，不仅埋下了严重的安全隐患，也极大地损害招标人的利益[1]。

为了防止恶意低价中标的现象，维护招投标双方的利益，评标委员会需要对投标人的工程量清单报价是否低于成本进行分析和评审，以剔除不合格的投标人。但是，在实际评标过程中，由于工程量清单中的项目数量比较多，在没有量化的评判标准的情况下，仅仅依靠评标专家的工程实践经验进行评审往往不够全面。因此，文章以MLP神经网络为数学工具，提出一种用于界定投标报价是否低于成本价的模型。

1 MLP神经网络模型的建立

1.1 成本价的影响因素

由于工程建设项目的体量一般都比较大，因此影响工程成本的因素十分复杂，而且各个因素之间有些又是互相关联的[1]。因此，需要对各项因素进行深入分析，确定影响建筑成本的主要因素，才能对项目的成本价做出较为准确的预测。工程清单计价模式下，一般要重点审查投标总报价Y和各清单项目的综合单价V，据此，文章将影响因素分为两部分，第一部分为工程特征因素，第二部分为清单项目特征描述。

(1)工程特征。文章结合文献研究分析和总结，遵循系统性、科学性、可操作性等指标选取原则，选取了8个工程特征指标(表1)，其中5个定量指标，分别为建筑高度、建筑总面积、标准层建筑面积、地下室层数、工期；还有3个定性指标，分别为建筑功能、结构类型、基础形式。

(2)清单项目特征描述。根据《建设工程工程量清单计价规范》的附录，每个清单项目均有各自相应的项目特征。目前，由于规范对项目特征描述不具有强制性，许多招标人对项目特征的描述比较随意[3]，不利于计算机对其进行分类和量化。因此，招标人应重视分部分项工程项目特征的描述，与规范保持一致。文章以010401003实心砖墙和010505001有梁板这两个清单项目为例，作为MLP神经网络输入的项目特征描述部分(表1)。

表1 模型的输入输出变量

1.2 神经网络参数设置

采用双隐藏层的全连接MLP模型，根据经验总结发现，在高维输入时，第一隐藏层对第二隐藏层的最佳节点数的比例为3: 1，因此，设置第一隐藏层的节点数为12，第二隐藏层的节点数为4，网络模型的结构为15-12-4-3(图1)。

图1 MLP网络结构

当神经网络模型的层数增多时，在反向传播的过程中会出现梯度消失和梯度爆炸等问题，因此，建立MLP模型时通常采用Relu作为激活函数，这样可以有效地减少这两种情况的发生，其函数如图2所示。

图2 Relu函数

MLP神经网络模型的程序在Spyder集成开发环境下编写，模型的训练算法采用增加动量项的改进BP算法，动量项的加入可使网络在训练过程中尽量避免陷入局部极小，获得更优解[4]。学习率η=0.001，动量系数α=0.8，迭代次数为1 000次，目标误差为ε<0.001。

2 样本数据处理

通过造价信息网站收集和整理了某地区近年来的20组工程造价结算数据作为样本，19组作为训练样本，1组作为测试样本。由于工程结算价并不是成本价，因此需要对样本数据进行处理。

根据综合单价分析表可以看出，综合单价由人工费、材料费、机械费、管理费和利润构成。相关研究的结果表明，人工费一般不能低于社会平均成本的85 %，材料消耗量跟施工现场管理水平和进货量等有关，一般不能低于社会平均成本的98 %；施工机械费一般不低于社会平均成本的70 %；企业管理费与企业的管理水平有关，一般不低于社会平均成本的70 %；考虑到某些企业为打开市场，有的企业采取零利润，因此不计项目的利润[5]。

所以，样本数据中的综合单价成本价V1可通过下式计算。

其中ai，ki为V1中的人工费、材料费等5项费用及相应的折减系数，V1r为综合单价结算价。