建設(shè)項目投資估算方法研究摘要建設(shè)項目在房地產(chǎn)業(yè)中占據(jù)了重要地位，建設(shè)項目投資決策決定著建設(shè)項目能否進行，對于建設(shè)項目的投資決策來說建設(shè)項目的投資估算是否準(zhǔn)確十分重要。所以不難看出建設(shè)項目投資估算在建設(shè)項目中舉足輕重的地位。對于建設(shè)項目來說投資估算方法的時效性和精確度是非常重要的。由于社會環(huán)境以及國內(nèi)這方面研究起步較晚的影響，國內(nèi)建設(shè)項目投資估算方法研究仍處于起步階段，投資估算難度大，準(zhǔn)確性低。對于工程造價來說是一大難題。本論文從建設(shè)投資估算、建設(shè)期利息、流動資金估算等各個方面，對建設(shè)項目流程的全部費用進行仔細分析。建設(shè)投資估算方法分為動態(tài)部分的估算方法和靜態(tài)投資部分的估算方法，通過對這兩個階段投資估算方法進行研究，總結(jié)和掌握其規(guī)律，將傳統(tǒng)投資估算方法與大數(shù)據(jù)和人工智能相結(jié)合，為建設(shè)項目進行投資估算提供理論依據(jù)。【關(guān)鍵詞】建設(shè)項目；估算方法；投資估算

AbstractConstructionprojectsoccupyanimportantpositionintherealestateindustry,andtheconstructionprojectinvestmentdecisiondetermineswhethertheconstructionprojectcanbecarriedout,andfortheinvestmentdecisionoftheconstructionproject,theinvestmentestimationoftheconstructionprojectisveryimportant.Soitisnotdifficulttoseetheconstructionprojectinvestmentestimationintheconstructionprojectofthepivotalposition.Thetimelinessandaccuracyoftheinvestmentestimationmethodareveryimportantfortheconstructionprojects.Duetotheimpactofthesocialenvironmentandthelatestartofdomesticresearch,theresearchontheinvestmentestimationmethodofdomesticconstructionprojectsisstillintheinitialstage,andtheinvestmentestimationisdifficultandtheaccuracyislow.Itisabigdifficultproblemforthecostoftheproject.Thispapercarefullyanalyzesthewholecostoftheconstructionprojectprocessfromtheestimationofconstructioninvestment,constructionperiodinterestandworkingcapitalestimation.Theconstructioninvestmentestimationmethodisdividedintotheestimationmethodofdynamicpartandtheestimationmethodofstaticinvestmentpart.Bystudyingtheinvestmentestimationmethodofthesetwostages,summarizingandmasteringitsrules,andthetraditionalinvestmentestimationmethodiscombinedwithbigdataandartificialintelligencetoprovideatheoreticalbasisfortheinvestmentestimationofconstructionprojects.【Keywords】constructionproject;estimationmethod;investmentestimation

目錄23569引言 引言伴隨著房地產(chǎn)業(yè)的發(fā)展，建設(shè)項目在國民經(jīng)濟也占據(jù)了重要地位。建設(shè)項目投資估算方法的研究和與時俱進也必不可少。我國在這方面處于起步階段，沒有良好有效的投資估算方法用來保證投資估算的精度和效率，以及工程前期所需的圖紙、工程量和相關(guān)資料的缺乏導(dǎo)致投資估算的難度大，準(zhǔn)確性低。本論文從建設(shè)投資估算、建設(shè)期利息、流動資金估算等各個方面，對建設(shè)項目流程的全部費用進行仔細分析。建設(shè)投資估算方法分為動態(tài)部分的估算方法和靜態(tài)投資部分的估算方法，通過對這兩個階段投資估算方法進行研究，總結(jié)和掌握其規(guī)律，將傳統(tǒng)投資估算方法與大數(shù)據(jù)和人工智能相結(jié)合，為建設(shè)項目進行投資估算提供理論依據(jù)。項目在應(yīng)用傳統(tǒng)投資估算方法的同時，要注意結(jié)合實際，緊跟時事，隨著科技的發(fā)展而發(fā)展，利用更加貼合項目本身的投資估算方法。軟件計算與人工相結(jié)合，利用多種渠道方法，進行建設(shè)項目投資估算從而提高估算的準(zhǔn)確性和時效性。

1緒論1.1研究背景及意義1.1.1研究背景伴隨建筑行業(yè)的日益發(fā)展，傳統(tǒng)投資估算方法已經(jīng)不能滿足建設(shè)項目投資決策的需要。由于工程前期的相關(guān)工程資料缺乏，導(dǎo)致投資估算難度大，投資估算時間長，準(zhǔn)確性低。這些問題已經(jīng)對企業(yè)投資決策的效率和準(zhǔn)確性產(chǎn)生了嚴重影響。隨著建筑行業(yè)競爭的日趨激烈，從而使得建筑企業(yè)對于投資估算效率和精度的要求大大提高。1.1.2國內(nèi)外發(fā)展現(xiàn)狀我國對建設(shè)項目投資估算的研究仍處于初級階段，尚未形成完整的理論體系。我國的投資估算方法仍然以經(jīng)驗為主，使得投資估算的風(fēng)險不能得以有效控制。近年來，隨著人工智能技術(shù)和計算機技術(shù)的發(fā)展，使得其有了新的研究方向。2012年，付雅芳[1]等人為提高估算的精度及降低項目選擇中的難度，在遺傳算法及案例推理的基礎(chǔ)上建立了軟件的成本估算模型。國外在上世紀50年代左右就已經(jīng)開始了關(guān)于建設(shè)項目投資估算方法的研究，經(jīng)過幾十年的發(fā)展，已經(jīng)形成了相對完善的投資估算理論。形成了許多研究成果，主要研究成果為：多元回歸分析，案例推理模型，模糊預(yù)測模型，人工神經(jīng)網(wǎng)絡(luò)模型等。1.1.3研究意義伴隨著房地產(chǎn)業(yè)的發(fā)展，建設(shè)項目在國民經(jīng)濟也占據(jù)了重要地位。建設(shè)項目投資估算方法的研究和與時俱進也必不可少。我國在這方面處于起步階段，沒有良好有效的投資估算方法用來保證投資估算的精度和效率，以及工程前期所需的圖紙、工程量和相關(guān)資料的缺乏導(dǎo)致投資估算的難度大，準(zhǔn)確性低。本論文通過中外參考文獻以及各種投資估算方法的優(yōu)劣對比，以及人工智能算法和大數(shù)據(jù)語言在建設(shè)項目投資估算方法中的應(yīng)用和實踐。從而研究和總結(jié)出在建筑中切實可行，合理有效的投資估算方法，從而為建設(shè)項目投資估算方法提供理論依據(jù)。因此本論文有著嚴格的理論依據(jù)和現(xiàn)實可行的實踐意義。1.2研究內(nèi)容在參考大量中外文獻的基礎(chǔ)上，對建設(shè)項目投資估算的編制程序進行預(yù)估。確定投資估算對于建設(shè)項目決策的影響，從建設(shè)項目的不同階段，對項目投資估算的要求、依據(jù)編制程序進行研究，歸納和總結(jié)出投資估算的流程和規(guī)律。對傳統(tǒng)投資估算方法進行分析，從中找出投資估算方法在我國項目運用過程中遇到的問題以及問題出現(xiàn)的原因，結(jié)合人工智能語言和大數(shù)據(jù)分析建立模型。在不同投資估算方法中總結(jié)分析出一些對建設(shè)項目切實可行，合理有效的投資估算方法，從而提高項目投資估算的精度和效率。1.3研究方法本文在研究投資估算方法的問題中，使用DE-SVR改進模型方法進行研究，結(jié)合工程實例，從中選取數(shù)據(jù)建立特征指標(biāo)體系，提取公共預(yù)測因子，最后將DE-SVR改進模型建立，運用改進模型對建設(shè)項目進行投資估算，使得投資估算精確度較改進前得以提高。以及使用基于BP神經(jīng)網(wǎng)絡(luò)的項目投資估算方法[3]，結(jié)合工程實例，運用大數(shù)據(jù)和人工智能語言，進行數(shù)據(jù)處理，最終搭建BP神經(jīng)網(wǎng)絡(luò)模型，利用BP神經(jīng)網(wǎng)絡(luò)的復(fù)雜性和準(zhǔn)確性對項目進行投資估算，最后得出結(jié)果，使得投資估算過程簡化，以及精確度提高。

2建設(shè)項目投資估算2.1建設(shè)項目投資估算概述投資估算是指在整個建設(shè)項目規(guī)劃及決策實施的前一個階段中，根據(jù)掌握的大量和有用的各項相關(guān)經(jīng)濟資料文件和數(shù)據(jù)以及其他各種技術(shù)數(shù)據(jù)信息對每個參與單位項目實施時的實際總體投資額進行項目投資估算。建設(shè)項目投資估算是進行建設(shè)項目建議書階段中一種重要的經(jīng)濟判斷依據(jù)，是制定項目建議書和參與具體工程項目可行性方案初步研究分析過程中需要遵守的一道重要程序。投資決策流程可具體分為項目規(guī)劃階段，項目建議書階段，初步可行性研究階段，詳細可行性研究階段。投資估算及決策過程中各個主要時間階段中對于投資估算方法的最低精度要求和誤差范圍也不同，四個階段的最低精度要求和誤差范圍分別是±30%，±30%，±20%，±10%。隨著項目決策的推進，投資估算的精度要求也在相應(yīng)提高。2.2建設(shè)項目投資估算的內(nèi)容投資估算的內(nèi)容包括了流動資金、建設(shè)資金、貸款利息的費用估算[4]。建設(shè)資金可以依據(jù)各種費用性質(zhì)分類進行劃分，大致可以分為：固定資產(chǎn)、無形資產(chǎn)以及其他相關(guān)的企業(yè)各類經(jīng)營性資產(chǎn)。貸款利息是指該借款債務(wù)在建設(shè)期內(nèi)實際已經(jīng)投入并產(chǎn)生相應(yīng)利息支出，并且能夠直接計入固定資產(chǎn)，其相應(yīng)固定資產(chǎn)平均折舊成本稅前扣除金額的利息。流動資金總額指因建造一個工程固定資產(chǎn)時，所需要或動用的各種流動資金、周轉(zhuǎn)性資金，其一般計算資金的基本公式是：流動資金=流動資產(chǎn)-流動負債。2.3建設(shè)項目投資估算方案的編制依據(jù)建筑市場經(jīng)濟意義上價格變動的行情，對工程各部門有關(guān)單項工程建筑、工程材料費用價格等資料進行綜合價格估算。估算各類工器具原材料成本和各主要施工設(shè)備原材料價格以及安裝調(diào)試設(shè)備的安裝工程費用價格。估算其他費用以及因工程漲價涉及到的工程建設(shè)預(yù)備性費用、建設(shè)期利息、流動資金。最后對全部項目的估算數(shù)據(jù)進行全面匯總統(tǒng)計，最終得到建設(shè)項目的總投資估算。

3建設(shè)項目投資估算方法研究3.1建設(shè)投資靜態(tài)估算方法3.1.1項目規(guī)劃及項目建議書編制（1）單位生產(chǎn)能力估算法根據(jù)已知的項目資料，將建設(shè)投資和生產(chǎn)能力之間視為簡單的線性關(guān)系，即對相似的已建項目的單位生產(chǎn)能力投資乘以擬建項目的建設(shè)規(guī)模，就可以得出擬建項目靜態(tài)投資，這樣得出的估算結(jié)果的精確度較低。且在實際中不容易找到完全相似的建設(shè)項目，一旦尋找的相似的已建項目與擬建項目差距過大，容易導(dǎo)致誤差過大。這種方法操作方便，但對于估價人員的專業(yè)素養(yǎng)要求極高，要擁有大量且典型的工程歷史數(shù)據(jù)，用于類比。（2）生產(chǎn)能力指標(biāo)法主要用于建議的安裝或不同規(guī)模的項目以及現(xiàn)有的安裝或參考項目。這種估算方法不需要知道確切的工程材料，只需要知道工藝流程和規(guī)模，簡化了計算，提高了單位產(chǎn)能的準(zhǔn)確性，誤差可以控制在20%以內(nèi)。大多數(shù)承包商使用這種方法。在有效理解項目估算相關(guān)性的過程中，可以使用能力指數(shù)法來增強所收集數(shù)據(jù)的有效參考。（3）系數(shù)估算法系數(shù)估算法主要用于項目決策的早期階段，此時購買設(shè)備的成本是項目的很大一部分，并且工程數(shù)據(jù)完整。一個項目的靜態(tài)投資是根據(jù)該項目的主要工程造價和購買主要設(shè)備的成本以及主要工程造價與其他工程造價的比值作為一個因素來估算的[5]。操作簡單，但由于沒有考慮設(shè)備規(guī)格、材料等影響因素，結(jié)果的準(zhǔn)確性不高。根據(jù)計數(shù)方法的不同，分為設(shè)備計數(shù)法、主要專業(yè)計數(shù)法和朗格計數(shù)法三種計數(shù)方法。世行普遍采用朗格計價法進行項目投資估算，在國內(nèi)工程項目中，設(shè)施計價法和主要專業(yè)計價法得到廣泛應(yīng)用（4）比例估算法依據(jù)統(tǒng)計資料，求出相似企業(yè)項目的主要設(shè)備購置投資額占建設(shè)項目靜態(tài)投資額之間的合理比例，同時對擬建建設(shè)項目主要設(shè)備購置投資額進行估算，最終依據(jù)比例算出該項目的靜態(tài)投資。（5）混合法依據(jù)資料，采用其他估算方法混合估算擬建項目的靜態(tài)投資額。3.1.2建設(shè)項目可行性分析指標(biāo)估算法主要是把擬建項目工程按照實際費用性質(zhì)分為建筑工程費用的估算，設(shè)備采購及輔助工具購置費用的估算，安裝及維護工程費用的估算。根據(jù)待建工程項目的各項估算指標(biāo)，進行綜合匯總，最后結(jié)合實際工程概算和其他投資費用的估算以及基本預(yù)備費，形成待建項目靜態(tài)投資。3.2建設(shè)投資動態(tài)估算方法3.2.1漲價預(yù)備費匯率的變化對各種涉外業(yè)務(wù)項目的變動影響：一種是外幣匯率對人民幣匯率升值，另一種是外幣匯率對人民幣匯率貶值，以估算年份的投資額為基數(shù)。3.2.2建設(shè)期利息擬建固定資產(chǎn)項目在建設(shè)期間內(nèi)實際產(chǎn)生且已計入該項固定資產(chǎn)中包含的應(yīng)付利息，主要包括支付銀行貸款，出口信貸，債券等借款支付利息部分和項目融資費用。由此計算且計入建設(shè)投資中。3.3流動資金估算方法3.3.1分項詳細估算法這種資金估算主要方法之一是依據(jù)固定資產(chǎn)周轉(zhuǎn)額和現(xiàn)金周轉(zhuǎn)的速度變化之間存在的比率關(guān)系。對于能夠構(gòu)成流動資金需求的各項主要流動資產(chǎn)以及各項流動負債分別進行資金估算。為簡化計算，分為存貨估算，現(xiàn)金需要量估算，應(yīng)收賬款和應(yīng)付賬款估算。3.3.2擴大指標(biāo)估算法根據(jù)全國各行業(yè)現(xiàn)有的相同規(guī)模的同類企業(yè)公布的企業(yè)資金和實際現(xiàn)金需要量等數(shù)據(jù)和資料，求得各種常用主要流動資金率為估算的得基本指標(biāo)，也可以根據(jù)行業(yè)內(nèi)各大公司和各部門預(yù)先給定的主要參考數(shù)據(jù)或根據(jù)實際經(jīng)驗資料確定估算比率，然后用各類流動資金率乘以相對應(yīng)的費用基數(shù)來估算流動資金。

4建設(shè)項目投資估算在項目中的應(yīng)用4.1DE-SVR改進模型在項目中的應(yīng)用房地產(chǎn)建設(shè)周期長，資金風(fēng)險高，回報慢，資金投入量大是項目與一般其他建設(shè)項目的主要區(qū)別。所以在項目的決策階段進行科學(xué)嚴謹?shù)墓浪悖瓤梢越档屯顿Y的風(fēng)險性也可以綜合選擇效益好，成本低的項目，建設(shè)項目總投資估算是項目決策的重要依據(jù)依據(jù)，其編制的準(zhǔn)確度及可信度直接影響到整個項目的效果評價[6]。指標(biāo)估算法是項目投資估算的常用方法，工程項目具有廣泛的經(jīng)驗基礎(chǔ)以及工程實例，通過大量已建成項目的數(shù)據(jù)資料為投資估算的信息化和智能化提供基礎(chǔ)。通過特征指標(biāo)體系建立改進模型。建筑行業(yè)未來發(fā)展與科技進步相結(jié)合，利用人工智能算法解決建筑工程中所遇到的問題，是建筑行業(yè)投資估算發(fā)展的必然趨勢。4.1.1DE-SVR特征指標(biāo)體系的建立對n個已建房地產(chǎn)建設(shè)項目中的單項工程估算指標(biāo)進行匯總，分析出這些單項工程估算指標(biāo)對于建設(shè)項目的影響因素。最后結(jié)合專家給出的意見以及參考文獻的內(nèi)容，在這些對于建設(shè)項目的影響因素中選取天棚、風(fēng)險系數(shù)、質(zhì)量合格等級、建筑面積、屋頂類型、工期、結(jié)構(gòu)類型、砌筑、混凝土供應(yīng)方式、樓地面、門窗、層數(shù)、內(nèi)墻面、屋面防水保溫、工程類別、外墻面作為主要特征指標(biāo)，對上述這些特征指標(biāo)進行探索性的因子分析[7]。對于其中的定量指標(biāo)可直接輸入模型，對于不能用數(shù)字來表達的定量指標(biāo)結(jié)合相關(guān)資料和專家意見以及其對投資估算的影響進行量化處理。如表4.1所示。表4.1指標(biāo)量化分值分值12345質(zhì)量合格等級合格優(yōu)良其他混凝土供應(yīng)方式非泵送泵送其他其他屋頂類型平屋面斜屋面平屋面＋斜屋面其他結(jié)構(gòu)類型框架結(jié)構(gòu)框架＋框剪框剪結(jié)構(gòu)其他其他工程類別一類二類三類其他其他樁基礎(chǔ)錨桿支護灌注樁預(yù)制樁其他其他砌筑混凝土實心磚煤矸石多孔磚加氣混凝土砌塊其他其他門窗類型膠合板門＋木質(zhì)防火門＋鋁合金窗膠合板門＋鋼質(zhì)防火門＋鋁合金窗膠合板門＋防火卷簾門＋鋁合金窗蒸壓粉煤灰多孔磚其他樓地面水泥砂漿地面＋釉面磚水泥砂漿地面＋?；u水泥砂漿地＋石材其他其他內(nèi)墻面涂料＋瓷磚涂料＋石材瓷磚＋石材其他其他外墻面涂料涂料＋面磚涂料＋幕墻其他其他天棚紙面石膏板礦棉板鋁合金方板其他其他屋面防水SBS改性瀝青防水卷材＋擠塑APP改性瀝青青防水卷材＋擠塑高分子防水卷材＋擠塑聚鋁塑板其他保溫聚苯乙烯泡沫塑料板聚苯乙烯泡沫塑料板苯乙烯泡沫塑料板耐根穿刺防水卷材其他4.1.2公共預(yù)測因子的提取已經(jīng)初步建立指標(biāo)體系。因為這些指標(biāo)中存在一定的相關(guān)性，且數(shù)量巨多，全部參與建模過程將大大增加計算量。為了減少計算量，簡化計算利用SPSS軟件對這些指標(biāo)進行探索性因子分析，提取公共預(yù)測因子。然后借助SPSS軟件計算KMO值和巴特利特球度檢驗值來驗證這些特征指標(biāo)間是否存在線性關(guān)系。當(dāng)KMO值越接近于1，可以看出，這些特征指標(biāo)之間的相關(guān)性越高，越適合進行因子分析，當(dāng)KMO值大于0.6時，可以進行因子分析。Bartlett球形檢驗中較小的P值是因子分析的更好指標(biāo)。計算如表4.2所示，表4.2KMO和巴特利特球度檢驗KMO值0.679巴特利特球度檢驗P值0SPSS軟件用于在初步指數(shù)系統(tǒng)中選擇公因子，即特征值大于1的特征值。最后，隨機選取包含現(xiàn)有項目單體項目投資估算特征指標(biāo)體系中大部分信息的6個獨立共性要素。根據(jù)您的因子分析結(jié)果為每個因子創(chuàng)建一個得分系數(shù)。這些共同的元素被用作模型估計預(yù)測器來表示參與模型計算和預(yù)測的原始模型或新模型的輸入變量?？傻玫揭蜃拥梅直恚绫?.3所示。表4.3因子得分因子F1F2F3F4F5F6建筑面積0.239-0.029-0.067-0.0990.07-0.041層數(shù)0.222-00470.0040.028-01970.091工期0.258-0.021-0.1130.040.096-0.108質(zhì)量等級0.0830.0440.04-0.0320.0240.612風(fēng)險系數(shù)0.0680.472-0.243-0.0430.013-0.11混凝土供應(yīng)方式-0.0680.5240.051-0.0590.1020.068屋頂類型0.0760.018-0.5510.0580.064-0.147結(jié)構(gòu)類型0.1050.0270.120.0420.1760.117工程類別-02010.0020.0240.0360.213-0029砌筑0.049-0.213-0.1820.4250.1060.22門窗-0.007-0.1020.4110.0660.076-0.178樓地面-0.0180.019-0.084-0.050.4610.011內(nèi)墻面0.1160.020.0610.1020.078-0.493外墻面0.017-0.036-0.0220.525-0.032-0.229天棚-0.0210.0860.102-0.0250.513-0.09屋面防水保溫-0.1130.170.1890.381-0.1310.1374.1.3DE-SVR模型的建立基于SVR模型的參數(shù)值是由Matlab優(yōu)化器框確定的，可以使用DE算法對SVR模型進行改進，過程如圖4.1所示。六個共同因素和特定項目的項目投資估計被用作模型的輸入和輸出變量。SVR模型通過DE算法多次運行以選擇最佳結(jié)果以提高預(yù)測的準(zhǔn)確性。模型的性能由內(nèi)核特征的類型決定和影響。為了優(yōu)化改進參數(shù)的優(yōu)化過程，我們使用性能相對較高的徑向基核函數(shù)和性能更好的DE算法對模型參數(shù)進行優(yōu)化，并在此基礎(chǔ)上提出改進的投資估算預(yù)測模型。通過DE算法，最后得出SVR的參數(shù)C和G分別為1.06824和0.01。圖4.1改進的投資估算預(yù)測模型資料來源：基于DE-SVR的項目投資估算改進預(yù)測模型為了達到利用這些已建項目案例數(shù)據(jù)從而達到更好預(yù)測結(jié)果的目的。利用數(shù)據(jù)插值法，采用LINSOACE函數(shù)，得到測試集樣本。最后將SVR模型和DE-SVR模型進行比較。得出的結(jié)果顯示改進后的項目投資估算預(yù)測模型精確度高，結(jié)果見下圖4.2。圖4.2預(yù)測結(jié)果資料來源：基于DE-SVR的項目投資估算改進預(yù)測模型表4.4結(jié)果評價MSEMAPE(％)DE-SVR313145SVR4021184.1.4結(jié)果分析項目投資估算決定著項目是否可行，是項目決策的重要依據(jù)。因此估算方法十分重要，科學(xué)嚴謹，切實可行的投資估算方法不僅可以優(yōu)化項目的成本控制，還可以減少預(yù)測的時間。經(jīng)過舉例表明DE-SVR預(yù)測模型比SVR預(yù)測模型精確度高，更適合用于建設(shè)項目投資估算。4.2基于BP神經(jīng)網(wǎng)絡(luò)的項目投資估算方法隨著社會經(jīng)濟水平的不斷提高，全社會固定資產(chǎn)投資在穩(wěn)步增加的同時，投資不可控現(xiàn)象也日益增加[8]。在建設(shè)項目前期，對建設(shè)項目投資估算進行編制時，因為圖紙信息和工程資料的缺少，以及建設(shè)項目投資估算編制人員的水平參差不齊，使得計算誤差不能保證，難以進行投資估算的編制。所以將傳統(tǒng)投資估算方法與科技相結(jié)合十分有必要。Python語言是一種數(shù)據(jù)分析與機器學(xué)習(xí)語言。可以廣泛應(yīng)用于各種神經(jīng)網(wǎng)絡(luò)模型的搭建。鑒于一般建筑工程投資估算問題的復(fù)雜性及神經(jīng)網(wǎng)絡(luò)算法的優(yōu)點。BP神經(jīng)網(wǎng)絡(luò)依靠系統(tǒng)的復(fù)雜程度，從而達到處理信息的目的。BP神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)和自適應(yīng)能力，且速度快、準(zhǔn)確性高的特點。4.2.1數(shù)據(jù)處理基礎(chǔ)類型、建筑面積、結(jié)構(gòu)類型、類型組合、層數(shù)、層高等工程特點影響工程的投資成本。其中，四個特征指標(biāo)是最重要的特征：檐高、首層、地下層、建筑面積。為特征向量建模以供討論。根據(jù)專家意見和信息顯示數(shù)據(jù)，生成正態(tài)分布的數(shù)據(jù)樣本。圖4.3顯示了建筑總層數(shù)、屋檐高度、建筑面積以及相應(yīng)的各項工程造價的分布。檐口。項目成本是制定投資估算計劃最重要和最關(guān)鍵的部分。工程造價通常包括裝修工程造價、安裝工程造價和建筑工程造價。部分項目子項目關(guān)鍵指標(biāo)見表4.6。然后通過建模和討論目標(biāo)向量并使用表4.7所示的線性函數(shù)歸一化方程對數(shù)據(jù)進行歸一化，將數(shù)據(jù)歸一化為(0-1)的區(qū)間。表4.5特征向量與目標(biāo)向量指標(biāo)區(qū)間序號指標(biāo)名稱最大值最小值樣本線性歸一化方差1地面層數(shù)2380.0882地下層數(shù)310.1663檐高42.90.0594建筑面積949.05516.770.0445建筑工程費350010050.0366裝飾工程費10004200.0327安裝工程費9602000.038表4.6部分項目主要工程指標(biāo)序號地上層數(shù)地下層數(shù)檐高/m建筑面積/m2建筑工程費/萬元裝飾工程費/萬元安裝工程費111233.67714.371132.88407.62182.53223370.524521.742808.141029.755050.51317151.89301.912187.62675.59353.88418252.413244.722915.797171147.2518252.413313.932907.331067.8878.51618252.413245.053216.291248.11336.03718252.413280.152599.67850.81276.2818252.413280.152057.56849.15359.264.2.2BP神經(jīng)網(wǎng)絡(luò)模型搭建Python語言中內(nèi)置豐富的第三方模塊為用戶進行機器學(xué)習(xí)的研究數(shù)據(jù)分析和科學(xué)的計算方法建立了一個相當(dāng)?shù)膹姶笄矣行Э煽康臄?shù)據(jù)基礎(chǔ)，選擇了目前用于機器學(xué)習(xí)和研究中最廣泛普遍的常用到的tensorflow模塊，可用于BP神經(jīng)網(wǎng)絡(luò)模型框架的搭建，并且還可同時使用其它常用到的數(shù)據(jù)采集與分析的模塊來作為一個輔助的功能模塊，一并完成采集輸入結(jié)果，以達到上述的具體應(yīng)用目的。搭建模型導(dǎo)入的模塊及其相關(guān)應(yīng)用功能，如表4.7所示。表4.7模塊導(dǎo)入及其功能序號模塊名簡寫功能1Tensorflowtf搭建BP神經(jīng)網(wǎng)絡(luò)模型2pandaspd讀入訓(xùn)練數(shù)據(jù)3numpynp科學(xué)計算4matplotlipplt數(shù)據(jù)可視化在某一個神經(jīng)網(wǎng)絡(luò)環(huán)境下中，每個網(wǎng)絡(luò)底層節(jié)點通常都會被動的接受所檢測收集到數(shù)據(jù)所對應(yīng)的數(shù)據(jù)輸入值，并于最終節(jié)點將該其數(shù)據(jù)輸入對應(yīng)的輸出值直接地傳遞或者分配信息給其的下一層。在這種神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)下，隱層節(jié)點之間和其輸出層節(jié)點之間對應(yīng)著的輸入數(shù)據(jù)之間或其輸出的數(shù)據(jù)之間也一般具有了特定的類型函數(shù)的函數(shù)關(guān)系，這個特定類型函數(shù)有時也會稱為激勵型函數(shù)。在我們整個的機器學(xué)習(xí)過程模型設(shè)計中，每一次的深度網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練的實際訓(xùn)練結(jié)果數(shù)據(jù)可能都會同時包含了一定比例的或程度接近相同的模型誤差或損失，定義了一個模型損失函數(shù)之后就已經(jīng)可以做到較好而準(zhǔn)確的結(jié)果，且比較快速的反映計算出訓(xùn)練模型結(jié)果數(shù)據(jù)與我們當(dāng)前學(xué)習(xí)實際計算結(jié)果的真實數(shù)據(jù)差距，讓我們對下一次的深度神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)和訓(xùn)練模型結(jié)果都能夠很快得到逐漸修正和減小學(xué)習(xí)模型誤差，提高機器學(xué)習(xí)模型計算和結(jié)果的精度。選取了一個MSE函數(shù)，即均方誤差函數(shù)來對損失函數(shù)進行了定義，BP神經(jīng)網(wǎng)絡(luò)模型的搭建可參考相關(guān)文章，BP神經(jīng)網(wǎng)絡(luò)模型的搭建主要考慮參數(shù)，如表4.8所示。表4.8BP神經(jīng)網(wǎng)絡(luò)模型搭建參數(shù)序號參數(shù)名參數(shù)值參數(shù)意義1m4輸入神經(jīng)元個數(shù)2n3輸出神經(jīng)元個數(shù)3h4隱藏層神經(jīng)元個數(shù)，根據(jù)經(jīng)驗公式h=√m+n+a確定4optimizeradam優(yōu)化器，優(yōu)化損失函數(shù)，提高預(yù)測精度5activationsigmoid作為激勵函數(shù)處理隱層輸出6lossMSE損失函數(shù)，計算均方誤差7epochs200優(yōu)化器在神經(jīng)網(wǎng)絡(luò)中訓(xùn)練次數(shù)選取了房屋地面層數(shù)、檐口高度、地下層數(shù)、建筑面積這其中四個工程主要費用特征指標(biāo)來作為模擬學(xué)習(xí)輸入的向量，嘗試學(xué)著通過神經(jīng)網(wǎng)絡(luò)模型來實現(xiàn)對房屋建筑工程材料費、裝飾工程費用以及各類土建設(shè)備安裝費等隱蔽性工程費額指標(biāo)進行了機器仿真模擬學(xué)習(xí)。標(biāo)準(zhǔn)神經(jīng)模型建立完成后，選取adam作為損失函數(shù)優(yōu)化器，見圖4.4。圖4.4BP神經(jīng)網(wǎng)絡(luò)損失函數(shù)穩(wěn)定曲線資料來源：基于BP神經(jīng)網(wǎng)絡(luò)的項目投資估算研究根據(jù)全市建設(shè)造價信息網(wǎng)絡(luò)平臺公布的數(shù)據(jù)，該多層項目共20層，地上17層，地下3層?？蚣芗袅Y(jié)構(gòu)，檐口高度67.55米，總建筑面積15140.62平方米。建設(shè)項目總建設(shè)費用為每平方米建筑面積2035.2元，裝飾工程費用為每平方米1029.85元，安裝、維修、改造及安裝費用為每平方米588.49元。該項目的數(shù)據(jù)模型首先通過正則化設(shè)計和處理，然后替換為神經(jīng)網(wǎng)絡(luò)模型對模型進行重新預(yù)測。將最終得出的模型歸一化的計算初步結(jié)果和原模型的預(yù)測及計算的結(jié)果做對比，如下表4.9所示。表4.9項目歸一化數(shù)據(jù)類型地上層數(shù)地下層數(shù)檐高/m建筑面積/m2建筑工程費裝飾工程費安裝工程費公開數(shù)據(jù)0.610.650.510.19萬元0.33萬元0.25萬元預(yù)測數(shù)據(jù)0.16萬元0.38萬元0.29萬元偏差-15.79%15.15%16%從預(yù)測偏差結(jié)果能力本身發(fā)展來看，BP神經(jīng)網(wǎng)絡(luò)模型技術(shù)本身也逐漸開始具備通過計算特征向量偏差來準(zhǔn)確預(yù)測目標(biāo)向量偏差程度的核心技術(shù)能力。通過單獨計算單棟低層面積和實際建筑總面積，準(zhǔn)確預(yù)測建筑物的建設(shè)、裝修、粉刷裝修總成本和安裝、維護、改造成本。且可以通過進行針對房屋多個結(jié)構(gòu)具體工程類型進行的施工項目案例，將使其估算偏