市政工程造价估算方法研究

许民 付秋阳 董恩泉

为了提高市政工程施工全过程中的工程预造价稳定性，首先梳理分析传统定额计算造价法的计算过程和弊端，以引出相对精确的灰色理论估算法及神经网络估算法，结合实例典型工程实例，分析不同计算方式下待估算工程造价的价格与实际造价误差幅度，分析不同计算方法的特点，并得出最优的估价计算方式。

随着二十大落幕，本世纪中叶基本建成现代化国家的号角已然吹响，因此加快市政工程造价估算法提优研究以促进建筑工业化推动国家基本现代化大有可为。传统造价估算均采用定额计算方式，该方式虽简单但不具备良好的适用性，逐渐淘汰。并且随着环境的变化，我国正处于百年未有之大变局时期，市政工程是政府购买服务中的重要一项，其前期造价估算的准确性一方面影响着政府民生专项资金的使用分配，另一方面也为施工单位在后续施工中控制经济效益的重要参考；市政工程实际操作过程中项目可能较为复杂，市政工程进行造价估算研究势在必行。

一、造价估算方法

1.传统定额的估价方法

定额粗略估算基本步骤主要有6步，主要包括：①基本估算。计算项目清单包括人工劳力费、施工设备燃料费、折旧费、修理费以及材料费；②计算单位工程造价。如土方开挖、混凝土浇筑等单位工程，将第一步基本估算下的单位价格，按照不同单位工程下的工序和消耗量计算，如根据料场位置、运距等变化细化调整；③计算施工企业费用。计算项目清单包括企业运营利润、风险损失费、工程师现场服务费。计算方式为在第二步各单位工程造价费基础上增加；④计算工程费。该步骤分为主体工程费用（通过第2步计算出单位工程价格乘以工程量所得）、临时工程费用（计算方式同主体工程费）和其他不易详细计算的工程费用（随设计阶段不同而变化）；⑤计算不可预见费。一般取第5步所得费用10%；⑥工程造价。第1至5步费用求和。

传统定额估价法计算方便，但也存在着一定弊端，具体有：

（1）无法横向区分不同施工企业间技术水平差距，不利于建筑市场均等化竞争，易滋生出价格战。

（2）社会节奏快，已有定额、计价模式滞后，无法体现出建筑工程实际价值。

（3）不利于促进建设承包市场均等化趋势：定额编制过程中，遵循抓大放小原则，往往以主要工序、主要材料为外在表现形式以至于忽略次要材料及工序。全国不同省市区域流行定额计算规则存在差异，这就导致了区域间的数据壁垒，在跨区域承包工程时，需要聘请熟悉竞标区域定额书的人员进行估算作业，从而加大造价人员作业工程量和复杂度。

2.灰色理论估算法

不同建筑工程之间都存在差异，但大部分不同工程之间差异性实际上又较小，存在较高相似性，贴近性，基于这一特殊情况，灰色理论估价应运而生。

我们将需要进行估价的建筑项目定义为代估工程，将某些已知造价的已建工程称为典型工程。类似于有限单元法，我们先从众多工程实例中找出与代估工程吻合度高的典型工程进行单位工程细分成多个母单元，然后将待估工程视作不同母单元的叠加整合，根据关联度数值大小进行排序，从该些母单元中，选出关联度更高，即与待估工程更具相似性的单元，这样可以保证估算价格与实际价格更接近。最后以典型工程造价为参考依据，结合指数平滑法计算出待估工程造价。该过程称为灰色理论法。如表1所示。

表1 灰色理论造价估算模型流程

3.神经网络估算法

图1所示为一个完整的神经元结构图,每个处理单元中输入若干自变量（Xi）,每一个输入变量都有唯一个相关联权重（Wi）。将输入量 Xi与相应的权重Wi相乘累加出唯一输出量（Yi）。该函数运算过程成为传递函数（f）。神经网络在运行过程中保持选定传递函数不变，动态修改适配选用相关联权重Wi。从中不难看出，该“智能过程”中，处理信息最复杂部分且最重要部分为权重的选取作业。

图1 处理单元模型

二、市政工程特征分析

市政工程包括市政道路工程、给排水工程、燃气管道工程、路灯工程等。为简化分析，笔者在本论文中以市政排水工程及道路工程为研究对象,以定量和定性结合的分析方法为前提，分析该两种不同的市政项目特征，选用现实中存在的典型实例模型为参考来估算市政工程项目的工程造价。

1.市政排水管道工程影响因素

为从定量角度出发分析影响市政排水工程造价的主要因素，本论文采用文献中排水工程的样本数据库。如表2所示。

表2 排水管道工程造价影响因素

2.路基、路面工程的影响因素

从路基、路面的面层、基层、垫层三个特征出发，从定量和定性结合角度来分析影响其造价的因素。其中从定量分析角度出发，路基的主要工程量即为定量分析参考量。主要包括有路基挖填方量、路基高坡比、土运距等；而对于路面来说，主要工程量有路面宽、厚度及其所用材料等。定性分析可以从土质的种类、土质的处理及其他干扰因素等方面出发。

三、市政工程造价实例估算

1.利用灰色理论估算排水工程造价

按照表1流程，在这14个典型工程中选取3个关联度最大的三个项目来对待估工程进行造价预估。

同理，另一待估工程造价为787.41。可得两待估工程与实际造价误差分别为4.3%及9.4%。误差不超过10%，在容许范围内，符合精度要求。

2.利用神经网络估算排水工程造价

径向基函数由两层神尽元构成其隐层，两者都有神经元传递函数、加权函数、输入函数运行。在使用软件MATLAB进行估算时，使用归一化处理函数prestd以创建神经网络模块，让程序对典型工程造价参数进行学习训练。函数遵循迭代法则以建立网格，迭代计算第一步中，往径向基层新添一神经元，随后进行仿真运算，此时第一次迭代后的计算结果或为最大输出误差，因此程序将循环往复进行多次迭代操作，并且每次迭代过程前，都会向径向基层添加一个神经元并把权值设为该输入值，以此多次迭代，使得输出值误差达到最小。

通过MATLAB软件进行数值分析，可得RBF神经网络训练误差变化曲线。程序共迭代运行12次，神经网络训练12次，输出量与目标量的均方误差为0.0002534，小于网络训练目标值的0.001，数据有效。

得到两待估工程造价为781.45和707.09，误差分别为3.1%，-1.7%。误差均小于5%。

3.利用灰色神经网络模型估算排水工程造价

通过章节3.1和3.2可知，灰色理论估算及计算机运行的神经网络估算都有很好的精准性，其中尤以径向基神经网络模型突出。但考虑实际生产过程中，建筑物的复杂性，所需学习的典型样本数量过大，必然会使得计算机运行内存占用过多，同时不加筛选的进行训练，前期迭代计算可谓是时间上的浪费。故此结合灰色理论估算以弥补径向基神经网络的缺陷，形成灰色神经网络估算模型。其操作流程为首先运用灰色理论计算与待估工程的关联度，选取若干个与待估工程关联度最高的典型工程作为母数据，最后将初筛后的数据输入径向神经网络进行数据学习，这样即可解决径向基神经网络前期无用功迭代的时间浪费以及计算量过大的弊端。以此方法得出最终的输出值作为待估工程造价。具体操作如下：

根据表1流程，筛选出与待估工程关联度最高的5个典型工程，将这5个典型工程数据资料输入神经网络进行网络训练，功迭代计算5次，就满足网络训练的目标值，输出值分别为742.45和731.01。误差为-2.0%和1.6%。对比章节3.1和章节3.2计算结果，可以明显看出本节方法计算速度和效果明显提升。

4.市政路面工程造价估算

利用灰色理论、神经网络、灰色神经网络法估算待估工程路面工程造价。如表3所示。

表3 路面工程造价表

5.估算模型结果比较

从上文可以发现，这三种计算方法所得估算造价数值与实际造价误差在容许误差内，精度高。其中精度最高的是灰色神经网络，其次是神经网络和灰色理论方法。灰色神经网络精度与神经网络精度接近，与灰色理论计算法相比，相差稍大。具体导致上述情况原因具体如下：第一，灰色理论存在误差最大原因在于估算模型重要性权重确定过程中存在认为主观性，计算出的关联度结果并不严格意义上的科学、独立，因此最后选出的三个关联度典型工程不一定是实际上的最优解，这直接导致了估算模型精度偏差。故其计算精度比其他两种方法相比稍差一些；第二，经网络通过多次迭代计算，直至输出结果为设置的规定均方差内，这也就代表着神经网络对典型工程参数进行训练后，可以进行逐渐细腻的计算，甚至可以无限逼近任意复杂的非线性计算结果，求得极限值，从而对待估工程进行速度快，并且计算精度高的估算造价值；第三，灰色理论模型由灰色理论和神经网络法组合计算的一种方式，通过前期选取与待估工程相似度最高的多个典型工程代表纳入计算，从源头发力，计算机经过参数学习来迭代计算待估造价。选取的典型工程更具针对性、代表性，直接促成估算结果的高精度。故此其计算精度也比两种方法单独计算更高。

通过从量化及定性两方面出发，综合分析三种估算方法结果和原理，可以得出：灰色网络神经法计算精度最高，并且在计算量、人力节省、时间效率上也是最优，具有良好的普适性，值得推广。

四、结语

本文介绍了传统定额估算法及其弊端，由此引出三种造价估算方法，并依据搜集到的工程资料参数，以及市政工程特点，对市政排水管道工程和路面工程进行造价估算，比较精度并分析原因，主要结论如下：（1）传统定额估算计算简单，但不具备普适性。（2）灰色理论计算法在权重选取步骤无法保持严格客观性，易产生误差。（3）神经网络法精度高，但不适用工程复杂的造价估算，易使计算机运行时间久，占用内存等问题。（4）灰色网络神经法完美结合灰色理论与网络神经法优势，预处理学习更具代表性的典型工程参数，提高计算精度同时加快计算机运算效率。