基于大数据预测技术编制装配式企业定额综述

谢葵花，纪艳红，卢 煜，霍海娥

（西华大学建筑与土木工程学院,四川 成都 610039）

20 世纪80 年代初，人们就提出了可持续发展理念，对建筑业也提出了更高的要求。住房和城乡建设部等七部门发布了关于印发《绿色建筑创建行动方案》的通知，明确提出到2022 年城镇新建建筑中绿色建筑面积占比达到70%[1]。

装配式建筑作为绿色建筑的典型代表，具有设计标准化、生产工厂化、施工装配化、装修一体化、管理信息化和应用智能化的特征，减少了资源浪费、降低了环境污染、提高了劳动效率。2016 年9 月《国务院办公厅关于大力发展装配式建筑的指导意见》（国办发[2016]71 号）明确提出大力推广装配式建筑[2]。2016 年2 月6 日《国务院关于进一步加强城市规划建设管理工作的若干意见》（国办发 [2016]7 号）提出，力争到2026 年装配式建筑占新建建筑的比例达到30%。2020 年，全国31 个省、自治区、直辖市和新疆生产建设兵团新开工装配式建筑共计6.3 亿m2，较2019年增长50%，占新建建筑面积比例约为20.5%，完成了《“十三五”装配式建筑行动方案》确定的到2020 年达到15%以上的工作目标[3]。习近平总书记在第七十五届联合国大会提出，中国将提高国家自主贡献力度，采取更加有力的政策和措施，二氧化碳排放力争于2030 年前达到峰值，努力争取2060 年前实现碳中和[4]。传统的建造方式已然不能实现这个目标，而装配式建筑因其生命周期可显著减少碳排放，是实现“碳达峰”和“碳中和”的重要路径。

改革开放以来，我国传统混凝土建筑的报价方式是企业按照统一的工程量清单规范及国家颁布的标准定额，结合自身管理技术水平进行自主报价。随着我国科学技术的发展以及人们绿色环保意识的逐渐增强，装配式建筑成为建筑行业的主要建造形式，因此，必须有与之配套的定额才能进一步规范装配式建筑市场。然而，新型装配式建筑在我国的发展刚刚起步，很多施工技术还不成熟，装配式建筑标准定额内容较少，难以发挥其在企业成本管理与控制方面的作用。再者，2020 年7 月24日，中华人民共和国住房和城乡建设部发布《住房和城乡建设部办公厅关于印发工程造价改革工作方案的通知》（建办标[2020]38号文），提出逐步停止发布预算定额[5]。这一政策的颁布，必将推动装配式建筑企业进行改革，加快装配式建筑企业定额的编制进程。

基于目前国内的政策环境，装配式建筑作为绿色建筑的典型代表，国家大力推动发展，未来的建筑业必然以装配式为主要的建造形式。预算定额将逐步取消，企业定额的编制迫在眉睫。装配式建筑企业定额的编制，既符合绿色建筑方向，也适应国家市场化改革政策，是顺应国内政策环境的必然趋势。

1 装配式建筑发展现状及企业定额相关研究进展

1.1 国外装配式建筑发展现状及企业定额相关研究进展

国外装配式建筑发展早于国内，欧洲是装配式建筑的发源地，早在17 世纪就走上了装配式建筑工业化发展之路。国外装配式建筑应用现状如表1所示。

表1 国外装配式建筑应用情况

国外没有企业定额的概念，其计价模式包括以英国为代表的工料测量体系、以美国为代表的造价工程管理体系和以日本为代表的工程积算制度。

日本和英国都有统一的工程量计算规则，日本依据概预算定额及通过银行调查取得的劳务单价和财团法人调查的设备材料单价进行计价[10]。英国通过官方发布、机构收集的造价信息以及历史数据进行计价，没有标准定额。

美国没有统一的工程量计算规则以及标准定额，其计价是由各大型咨询机构根据积累的工程计价资料，依据地区的不同而制定的，价格和规则的制定均由市场来调节和管理。

可见，3 个国家的计价方式各有不同，但也存在共性。其市场体系化程度都比较高，都比较重视市场调节作用，价格由政府或市场咨询机构提供参考信息，与市场环境互动，具有时效性、动态性等特点。这些发达国家重视已完工程数据的收集积累，大中型企业都有数据库，企业根据自身生产力水平，在市场环境下扬长避短，提高企业竞争力。政府通过发布物价和价格指数来指导工程造价，发挥其调节、监督管理的作用。

1.2 国内装配式建筑发展现状及企业定额相关研究进展

我国装配式建筑起步于20 世纪50 年代，当时的专业技术水平不高，在1976 年7 月28 日发生的唐山地震中，大量的预制装配式建筑遭到破坏，装配式建筑在社会中认可度不高，装配式建筑发展进入停滞阶段[11]。90 年代以后，现浇混凝土技术快速发展，装配式建筑发展陷入低谷，除了在一些单层工业厂房应用外，很少应用于其他建筑领域。21 世纪，国家提倡建造以节约资源和保护环境为目的的绿色新型建筑，装配式建筑作为绿色建筑的代表再次回到国内舞台，国内多数建筑企业已经开始广泛应用先进的装配式施工技术[6]。

2019 年12 月下旬，突袭而来的新冠疫情对我国的各行各业都产生了很大的影响，建筑业在此次疫情中受到了巨大冲击。因不可抗力因素，许多建筑项目不能按时交付、施工进度拖延、劳动力及材料成本增加，造成2020 年第一季度的建筑总产值、竣工产值、新签订合同额、从业人数等重要指标均大比例降低[12]。但在某种程度上，这对建筑业也是一次机遇，以“火神山医院”“雷神山医院”[13]为代表的装配式建筑在此次抗疫中表现出巨大的优势——预制构件在工厂生产好直接在现场进行组装，缩短了工期，减少了资源浪费以及环境污染。

在疫情常态化的今天，发展装配式建筑不仅是我国建筑产业提升建造水平的追赶手段，也是产业转型发展的需要，随着装配式建筑管理技术水平的成熟，政府大力支持发展预制装配式建筑。作为国民经济支柱的建筑业，在现有的市场形势下，施工企业需要不断提高自己的管理技术水平，需要一套符合企业自身实际情况的企业定额来提高其行业竞争力，进一步推动建筑行业向纵深发展[14]。

目前国内针对装配式建筑企业定额编制的研究很少，然而市场化改革、工程量清单计价模式以及预算定额的取消等一系列政策，都在推动企业尽快编制自己的企业定额。这既是提升企业自身管理、技术水平能力的需求，也是提升企业国内外竞争力的方法。早在2000 年，冀异生[15]就提出为应对我国加入世贸组织的国际形势，施工企业应根据企业自身实际情况编制企业定额。

2 企业定额的传统编制方法

2.1 现场测定法

此方法是专业测定定额的一种传统方法。现场测定法以研究工时消耗为对象，以工作日写实等手段，通过密集抽样和粗放抽样等技术进行直接的时间研究，确定人工消耗和机械台班定额水平[16−17]。

2.2 经验统计法

经验统计法由企业内部人员根据企业以往类似竣工项目的结算资料进行统计测算分析处理，确定各个分项子目企业定额消耗水平。杨海燕等[18]指出，统计分析法是将过去施工中同类施工过程工时消耗的统计资料，同当前施工组织与施工技术变化因素结合起来，进行分析研究后，确定工时消耗定额的一种方法。蒋曦[19]研究得到，经验统计法适合大中型施工企业定额的编制。这些企业更注重已完工程历史数据的积累，对于这类企业，以这种方法编制的企业定额具有更高的准确性。

2.3 定额修正法

定额修正法以政府预算定额为蓝本，结合企业实际需要，根据具体工程项目的施工图纸、现场条件和企业劳务、设备及材料储备状况，结合实际情况对定额水平进行调增或调减，从而确定工程实际成本[20]。

2.4 经验估计法

蒋曦[19]认为消耗量的确定是定额编制的关键，应以人工、材料、机械消耗量的编制方法编制企业定额。针对人工消耗定额的确定，蒋曦[19]提出了经验估计法，由定额编制人员根据以往施工中的生产和管理经验，同时参照设计图纸和规范等相关资料来制定定额。

除这4 种常用的测定方法，蒋曦[19]提出动态成本管理法——能适应生产技术不断发展和新材料、新工艺、新设备不断出现的情况。针对人工、材料、机械分别提出合适的编制方法：针对人工消耗，用比较类推法来类比推算出同类型中不同工程或工序的人工消耗；针对材料消耗，对周转性和非周转性材料分开探讨，周转性材料定额消耗量为每一次摊销的数量，利用如下公式计算：而对于非周转性材料消耗量，提出运用统计法、理论计算法进行测定；针对机械消耗，采用定额换算法、现场观察测定法及抽样统计法确定机械台班消耗定额。

传统的定额编制方法大多是通过现场测定、经验估计等方法确定人工、材料、机械的消耗量，数据采集量大、定额编制时间长以及编制精度低，不具有通用性。大数据时代，为有效快速地编制企业定额，需要在传统企业定额编制方法基础上，引入大数据预测技术，从而改进企业定额编制流程，提高编制的速度和精度。

3 大数据预测技术下企业定额编制改进流程

企业定额以预算定额为参考，在工程量清单计价规范下，以先进的施工组织设计或施工方案、施工验收规范为重要依据[16],合理控制确定人工、材料、机械的企业定额消耗量标准，参考市场环境价格，自主确定企业定额费用标准。具体改进编制流程如图1 所示。

图1 大数据预测技术下企业定额编制改进流程

企业定额编制流程中实体消耗量的确定是定额编制阶段中最重要的环节[14]。在消耗量测定环节加入大数据样本产生技术对传统方法测定的消耗量数据进行处理，生成大量样本数据，缩短了现场测定数据的时间，进而在大量真实有效的数据基础上，为后续消耗量预测模型的构建提供了数据支持，以此编制的定额具有较高的参考价值。

4 大数据预测方法

4.1 大数据样本产生的方法

我国施工企业通常采用现场测定法来采集消耗量样本数据，以此方法采集的数据，耗时长，样本量少，不能满足企业定额编制的需求。扩大数据样本量是快速编制企业定额的重要一步。常用的样本产生的方法有蒙特卡洛方法、拉丁超立方体抽样法。

4.1.1 蒙特卡洛抽样方法

蒙特卡洛抽样方法指使用随机数或伪随机数从概率分布中抽样的传统技术，采用重复随机抽样的方法对未知参数进行估计。

蒙特卡洛模拟技术应用于企业定额制定中，以少量样本数据模拟产生大量的输出数据，克服我国企业普遍存在的样本数据不足的缺点[21]。李会静等[22−23]也针对这个缺陷提出利用蒙特卡洛模拟对数据进行扩大，提供快速、便捷的编制方法。蒙特卡洛法虽然可以解决数据不足的问题，但没有考虑随机变量相互之间的关系。罗霄[24]考虑了不确定性因素之间的相互依赖关系，克服传统蒙特卡洛模拟独立抽取各不确定性因素的随机值而忽略它们之间相关性的缺陷，模拟的分析结果更接近于现实情况。

4.1.2 拉丁超立方体抽样方法

拉丁超立方体抽样法最早是由Mckay 等[25]于1979 年提出来的，是一种从多元参数分布中近似随机抽样的方法，属于分层抽样技术，其核心是用较少的抽样次数，来达到与很多次随机抽样相同的结果，并且所有采样区间都能被采样点覆盖，保证了样本结果的全面性[26]。

这两种样本实验方法主要都是采用“空间填充思想”，依赖于大量数据和计算机算法的实验和模拟。但相对于绝对随机的蒙特卡洛方法，拉丁超立方体抽样法应用于企业定额的编制中，可使用更少的迭代次数达到理想的效果，缩短实验时间，更快速地模拟出未知消耗量。

样本数据的扩大，一定程度上为后续编制的定额准确度提供了数据支持，利用大数据预测技术对充足的样本消耗量进行预测，相较于利用传统收集到的有限数据样本量进行未知消耗量的预测，编制的定额更为准确可行。

4.2 大数据预测方法

针对企业定额编制中消耗量的预测，相关研究中所用到的方法大致分为神经网络技术、基于模糊数学和灰色关联理论法、线性回归以及层次分析对比估计。

4.2.1 神经网络技术

神经网络技术对于非线性、不确定和未知问题有着很高的优越性，相对于传统非线性预测，具有更强的适用性和自学能力，能够充分考虑各种因素，解决多因素影响下的消耗量确定问题。

企业定额的消耗量和价格往往是多种因素同时作用的，而算术平均值法、二次平均法、概率估计法3 种传统测定消耗量方法，在测定消耗量和价格时均只考虑了1～2 种因素。李旭东[27]在对比传统的消耗量测定方法后，提出利用MATLAB 仿真模拟软中BP 神经网络进行消耗量测定，以项目收集到的人工挖孔桩土方开挖的孔径、孔深、天然湿度下土壤平均容重的实际数据作为输入变量，收集15 个学习样本的人工、材料、机械消耗量进行学习训练，对剩下2 个测试样本的消耗量进行对比分析。结果显示，训练的样本数据与实际数据相比，编制的定额相对误差最大为6.75%，误差均值为3.45%，最小误差仅为1.13%，证明了BP 神经网络应用至企业定额编制的可行性。

然而，BP 神经网络存在易陷入局部最优且收敛速度慢的问题。BP 神经网络收敛速度慢是由于在调整权值时，只按t时刻误差的梯度下降方向调整，没有考虑t时刻以前的梯度方向，从而使训练过程发生震荡，收敛缓慢[28]。郭琦等[29]提出在权值调整公式中加入一个附加动量因子mc（mc一般取0.95 左右）对BP 算法进行改进，有效地提高了BP 神经网络的收敛速度。针对这两种问题，还可以采用遗传算法（GA）或者粒子群算法（PSO）对BP 神经网络进行优化处理。王传生等[30]首次提出利用粒子群优化后的神经网络编制企业定额，相对于遗传算法，粒子群算法操作更简单、更容易实现、收敛速度更快。为作进一步的对比分析，金修鹏[31]选择同一个项目案例中相同的输入、输出变量，构建单纯BP 模型、GA-BP 模型、PSO-BP 模型，对比其消耗量的预测输出，BP 网络模型预测输出相对误差均值为7.06%，GA-BP 优化模型为5.31%，PSO-BP 优化模型为4.53%。结果表明，PSO-BP 网络模型相比于GA-BP 预测精度更高，但无论是利用遗传算法还是粒子群算法优化BP 神经网络，都弥补了神经网络的缺陷，预测精度和稳定度都优于单纯的神经网络模型。

4.2.2 模糊数学和灰色系统理论

目前针对企业定额大多考虑利用蒙特卡洛、拉丁超立方体抽样等研究方法扩大数据量、简化编制过程、利用GA 和PSO 算法优化神经网络的研究方法提高计算精度，证明其模型的可行性，却忽略了实际生产过程中各生产系统要素对定额消耗量的重要影响，使定额消耗量失去了实际生产意义。

杨柳等[32]结合灰色系统理论和模糊数学，提出了基于灰色模糊理论的定额消耗量计算模型，以农业水利工程为背景，量化分析劳动定额消耗量影响因素（施工作业环境因素、施工工艺因素、工人技艺因素、完工检验合格因素），对目标工程与样本工程的综合相似度进行计算，利用已知劳动消耗量估算未知劳动定额消耗量，解决定额编制时间长的问题。对于样本数据不确定和缺失的情况，张莉[33]采用灰色理论和模糊数学方法建立一种能够代表不同地区的模糊分析模型，以人工铺填机械碾压2∶8 灰土1 000 m3项目的人工消耗量为例，采用误差剔除法处理后的定额数据为0.34 工日/1 000 m3，灰色模糊数学模型计算的消耗量为0.360 5 工日/1 000 m3，其计算结果和实测数据得到的消耗量相差无几，证明其能客观反映真实情况。

4.2.3 线性回归、AHP 对比估计

针对贫样本数据的情况，吴岳[34]提出可通过线性回归、AHP 对比估计、PCA-BP 模型这3 类方法对贫样本数据项目进行估计及预测，分别建立3 种预测模型。他选取云南省YN 路桥建设公司工程历史资料，分别对3 种消耗量预测模型进行实例验证。线性回归模型人工消耗量的预测值与实际值的相对误差为1.07%，层次分析法模型人工消耗量的预测值与实际值的相对误差仅为1.10%，PCABP 神经网络模型的台班消耗量预测值与实际值的相对误差在5%以内，均能满足精度要求。实验证明，3 种模型对消耗量的预测都是可行的，在实际工程中，只需针对不同的情况选取不同的预测方法进行企业定额的编制即可。

综上所述，针对多因素和非线性因素影响的问题，大多时候采用BP 神经网络来解决，但多数研究表明，BP 神经网络存在极易陷入局部最优以及收敛速度慢的缺陷。遗传算法（GA）及粒子群算法（PCA）优化后的BP 神经网络可以提高其精度和寻优速度，但相对于遗传算法，粒子群算法更为简单，预测更为精确。在企业定额的编制应用中，模糊数学和灰色系统理论更能反映定额消耗量的实际意义。而针对贫样本数据，可根据不同的定额影响因素，选择线性回归、AHP 对比估计或PCA-BP 预测模型来进行定额消耗量的确定。

5 结论

传统的定额编制方法耗时长、精度低，不能适应我国装配式建筑的飞速发展；因此，将大数据预测技术引入企业定额的编制是时代的要求，也是企业核心竞争力的体现。针对样本数量不足的现状，可选用迭代次数更少、耗时更短的拉丁超立方体抽样法扩大现场测定的样本数据量；为了保证样本数据的有效性，体现定额消耗量的实际生产意义，采用模糊数学理论对数据进行清洗；在有效扩大样本数据量的基础上，利用精度更高、寻优速度更快的粒子群算法优化的BP 神经网络技术准确预测定额消耗量，完成装配式建筑企业定额的编制。基于大数据预测技术编制装配式建筑企业定额耗时短，准确度高，可根据已完工程数据实时对模型进行修正，动态调整企业定额的消耗量数据，是绿色建筑政策下企业提升行业竞争力的有力手段，也是适应未来建筑行业发展的必然途径。