市政桥梁工程投资估算模型研究——以空心板梁桥为例

摘要

本文针对市政桥梁工程投资估算精度不高，导致决策阶段造价控制作用不明显的现状，在具体分析其导致原因的基础上，提出使用不合理的投资估算方法是造成桥梁工程投资估算精度不高的根本原因。针对这一问题，本文从选择合理的模型及模型影响因子两方面入手，构建出合理的、适用于市政桥梁工程（以空心板梁桥为例）的BP神经网络投资估算模型，并证明该模型的计算结果能够满足详细可行性研究阶段对估算的误差要求，为前期决策阶段的造价控制提供可靠的依据。具体研究工作如下:
　　 (1)通过广泛理论基础研究，确定研究思路和研究方案
　　 本文通过对市政桥梁工程以及其他工程类别规范性文件和相关研究文献中所涉及的投资估算方法进行整理和分析，指出模型方法和模型影响因子是构建合理的估算模型的关键要素，从而确立了本文的两大研究路线:模型选择和影响因子的选定。本文主要通过归纳和对比分析，来实现对模型的适用性分析和影响因子筛选方法的确定。
　　 (2)通过定性与定量相结合的方法，确定最终的模型影响因子
　　 本文首先采用信息沉淀的方法，从市政桥梁工程涉及投资估算的规范性文件、相关文献研究以及有关空心板梁桥实际工作资料中提取出对桥梁工程造价具有影响的工程特征，作为投资估算模型的初始影响因子;再通过问卷调查向该行业的专家和专业人员进行咨询，来对初始影响因子做出定性判断，选出能够初步满足模型构建的可行性影响因子;最后通过对空心板梁桥工程样本数据进行定量的聚类分析和相关性分析，以最少的因子代表最多的数据信息为原则，剔除冗余影响因子，确定最终的空心板梁桥投资估算模型影响因子。
　　 (3)利用BP神经网络，构建适用于空心板梁桥的、合理的投资估算模型
　　 本文对已有的建设项目估算模型研究进行深入地分析，指出BP神经网络模型对由多因素影响的非线性函数有良好的仿真和泛化能力，并从功能可行性和技术可行性的角度证明其适用于市政桥梁工程的投资估算编制。本文利用已确定的空心板梁桥工程的影响因子及其样本数据，构建出BP神经网络投资估算模型。通过将仿真结果与样本数据进行对比和误差分析，证明了所构建的BP神经网络模型适用于空心板梁桥工程的投资估算，并且估算结果误差也控制在预期范围内，满足详细可行性研究的需要。
　　 本文为市政桥梁工程投资估算提供了一个可行的模型方法，并通过实际数据检验证明该模型的有效性，为提高市政桥梁工程投资估算精度做出技术上的支持，为加强市政桥梁工程前期决策阶段造价控制的作用做出理论贡献。

目录

声明

摘要

第一章 绪论

1．1 研究背景

1．1．1 我国市政桥梁建设发展飞速

1．1．2 建设项目估算编制精度不高

1．1．3 市政桥梁工程投资估算编制现状

1．1．4 现实问题的总结

1．2 问题的提出

1．2．1 研究对象的界定

1．2．2 研究问题的提出

1．3 研究目的及意义

1．3．1 研究目的

1．3．2 研究意义

1．4 研究方法、内容与技术路线

1．4．1 研究方法

1．4．2 研究内容

1．4．3 技术路线

第二章 文献研究

2．1 投资估算规范中估算方法的现状研究

2．1．1 市政桥梁工程投资估算规范中估算方法的现状

2．1．2 其他行业投资估算规范中估算方法的现状

2．2 建设项目投资估算模型的研究现状

2．2．1 投资估算模型的研究综述

2．2．2 投资估算模型的影响因子研究

2．3 本章小结

第三章 研究设计

3．1 市政桥梁工程投资估算模型影响因子的研究设计

3．1．1 影响因子初选研究

3．1．2 影响因子筛选研究

3．1．3 影响因子研究方案

3．2 市政桥梁工程投资估算模型研究设计

3．2．1 投资估算模型选择研究

3．2．2 市政桥梁工程投资估算模型构建方案

3．3 本章小结

第四章 市政桥梁工程投资估算模型的影响因子选取研究

4．1 市政桥梁工程投资估算模型影响因子分析

4．1．1 规范性文件中提取模型影响因子

4．1．2 相关文献研究中提取模型影响因子

4．1．3 可行性研究报告及初步设计文件中提取模型影响因子

4．1．4 市政桥梁工程投资估算模型的初始影响因子集

4．2 市政桥梁工程投资估算模型影响因子的筛选

4．2．1 估算模型可行性影响因子集的筛选

4．2．2 估算模型最终影响因子集的筛选

4．3 本章小结

第五章 基于BP神经网络的空心板梁桥投资估算模型的建立

5．1 BP神经网络模型的基础理论

5．1．1 BP神经网络的基本原理

5．1．2 BP神经网络应用于投资估算的可行性分析

5．1．3 BP神经网络建模过程

5．2 空心板梁桥工程的BP神经网络投资估算模型实证分析

5．2．1 BP神经网络模型的构建路径

5．2．2 BP神经网络模型的构建过程分析

5．3 本章小结

结论与展望

参考文献

附录

附录Ⅰ：调查问卷

附录Ⅱ：BP神经网络投资估算模型的MATLAB程序语言

发表论文和科研情况说明

致谢