人工智能在工程估价中的应用研究

陈力攀CHEN Li-pan

（百色学院，百色533000）

0 引言

工程建设项目的实施阶段包括项目投资决策阶段、工程设计阶段、工程招投标阶段、工程施工阶段、工程项目竣工验收阶段，从工程项目造价控制的角度来看，越是前期阶段对工程造价的影响越大，在建设项目的投资决策阶段可以100%影响建设项目的工程造价，到了工程施工阶段对工程造价的影响只有10%左右。因此在投资决策阶段快速准确地对工程项目进行估价具有非常重要的意义。

1 传统工程估价方法及其不足

传统的工程估价方法主要有单位生产能力投资估算法、生产能力指数估算法、系数估算法。[1]

1.1 单位生产能力投资估算法

这种方法是根据同类型项目每单位生产能力需要的总投资数额来估算拟建项目投资数额的方法，将同类型项目的总投资数额与项目的生产能力的关系视为简单的线性关系，估算结果与实际数额的差距比较大，误差较大。运用单位生产能力投资估算法时，必须注意拟建项目与同类型项目具有可比性，才能尽量减少估价误差。

1.2 生产能力指数估算法[2]

这种方法又称为指数估算法，是根据已经建成的、相类似的建设项目的总投资数额和生产能力与拟建建设项目的生产能力来估计拟建项目的总投资数额的方法。该方法估价的精确度比单位生产能力估算法稍高一些，估价误差大致可以控制在百分之二十以内，估价误差依然比较大，但这种方法也有一些好处：指数估算法不需要详细的建设工程项目的设计图纸，只需要了解工艺流程及规模，但要求类似工程与拟建工程的各方面资料条件大致相同，否则估价误差将会变大。

1.3 系数估算法

该方法也称为因子估算法，是以建设项目的主体工程费或者主要设备购置费作为基数，以其他工程费与主体工程费或者主要设备购置费的百分比率为系数估算项目的投资数额的方法。该方法比较简单，容易实行，但是对拟建工程工程估价的精确度比较低，一般情况下用于建设项目的建议书与可行性研究阶段。这种估价方法的分类比较多，设备系数法和主体专业系数法是我国经常使用的系数估算法，世界银行项目的投资估算经常用的方法是朗格系数法，该方法的估算误差在百分之十五以内。

2 人工智能在工程估价中的应用

随着人工智能算法的不断深入研究，人工智能与工程估价结合产生了一些新的预测方法，例如神经网络方法、案例推理方法、遗传算法等。

2.1 多元回归方法

多元回归方法包括BCIS 工程造价估算方法、Kouskoulas 工程造价回归估算方法，该方法适用于求解各种线性组合问题，对于非线性问题的求解具有较多不足，而工程造价是非线性问题，求解函数非常复杂，该方法在工程估价中的应用效果不理想。

2.2 神经网络方法[3]

该方法是一种仿生物神经系统结构的人工智能方法，可以自动地从数据样本中学习经验，自动逼近那些反映样本数据规律的函数，揭示数据样本的非线性关系，神经网络方法具有能逼近各种函数的非线性反映能力，在建立工程造价估价模型方面有非常好的应用。部分研究人员正在从事利用神经网络方法进行工程造价快速估算方面的研究，并取得了一些研究成果。神经网络方法利用已建工程项目的基本资料，通过建立项目工程特征和资源消耗数量之间的关系来完成工程估价的任务，但是实际工程项目往往很复杂，神经网络方法虽能较好的预测出工程的造价，但是该方法存在训练学习效果不稳定、容易陷于局部极小值、容易振荡以及结构参数、隐含层的节点数量难以确定等缺点，一个设计得非常好的神经网络，如果事先没有对影响估算结果的因素进行认真细致的分析，估算结果往往会和实际数额相差非常大。

2.3 案例推理方法[4]

该方法是人工智能研究领域中一种利用以往案例对新的目标问题进行求解的推理方法，该方法模拟人类专家解决实际问题的思路，将以往案例作为经验，对新问题进行推理求解，求解的主要过程包括案例检索、案例重复使用、案例不断修正和案例学习，目前该方法已经在控制、决策领域取得较为成功的应用。估算建设项目的工程造价主要发生在工程建设项目的投资与决策阶段，这个阶段所确定的建设工程的各方面资料还很不全面，很多建设工程项目的信息只是大概确定，传统估价方法对拟建工程项目的估价的精确度比较低，很难满足工程项目投资决策阶段造价控制方面的要求。而基于案例推理的估价方法，主要是借助以往数据资料和经验来估算当前工程的造价，可以为保证数据的准确性提供依据。案例推理方法的优点是推理过程相对直观、简单、容易理解，模型建立后计算比较简单，缺点是收集案例和建立推理模型比较麻烦，而且权系数等参数主要靠经验确定，并且需要不断调整模型，增大建模难度。

2.4 遗传算法

这种人工智能算法是根据生物进化规律而设计出来的，是模拟生物进化过程的计算模型，通过模拟生物进化过程来搜索最优解的方法，利用计算机仿真模拟运算，将求解某些问题的过程转换为生物染色体基因的遗传和变异过程。在求解比较复杂的优化组合问题时，该算法通常可以比较快地获得很好的优化结果，具有非常好的整体搜索能力，可以快速搜索出解空间中的全体解，而且利用该算法的内在并行性，能够进行分布式计算来提升求解速度。但是该算法的局部搜索能力比较差，如果单一使用遗传算法会比较费时，搜索效率将会比较低。因此在实际应用中，一般将遗传算法与其他方法结合形成组合预测方法，以克服单一使用遗传算法的不足。

3 建立以神经网络技术为基础的工程估价专家系统

神经网络、案例推理、遗传算法等人工智能方法在工程快速估价方面比较有效，但是对于实际复杂工程项目，采取单一的方法都存在不足，为克服单一方法的不足，建立以神经网络技术为基础的工程估价专家系统，该专家系统主要有两个方面的内容：一是采用基于神经网络的组合预测方法，根据工程项目的不同特点，该组合预测方法采用神经网络结合案例推理或者神经网络结合遗传算法；二是建立工程造价信息数据库；在此基础上工程造价专家针对具体工程项目特点对工程造价进行估算。

3.1 基于神经网络的组合预测方法

神经网络方法是人工智能技术中应用得最为广泛的算法，该算法具有非常好的实用性和通用性，可以不断学习新样本，而且随着训练学习数量的增加不断提高其预测能力和学习能力，该方法非常适用于工程估价领域，因为工程估价需要从大量以往工程造价数据中不断提取各种有用信息，进行工程估价预测，辅助项目投资决策。神经网络方法具有能逼近各种函数的非线性反映能力，在建立工程造价估价模型方面有非常好的应用，但是该方法也存在训练学习效果不稳定、容易陷于局部极小值、容易振荡、以及结构参数、隐含层的节点数量难以确定等缺点，为克服单一方法的不足，本文提出了基于神经网络，同时结合案例推理或遗传算法的组合预测方法，根据工程项目的不同特点，该组合预测方法采用神经网络结合案例推理或者神经网络结合遗传算法。

3.2 建立全国性工程造价信息数据库[5]

基于神经网络的组合预测方法需要从大量以往工程造价数据中提取各种相关信息，进行工程估价预测，以往工程造价数据越真实越全面，工程造价的估算就越精确，建设全国性工程造价信息数据库已经成为非常迫切的需要。近30 年我国基础建设迅速发展，基础建设行业积累了大量的工程造价数据，工程造价信息的大数据时代很快就会到来，将各地区、各行业有关工程造价信息资源收集并统一整理，改造并升级原有的工程造价数据库建设；建设以统一代码系统和科学分类为基础的工程造价信息数据库，对真实的已有数据进行录入、重新整理和分析，形成各种工程造价单位指标和比较基准，充分发挥已有工程造价信息的最大价值。全面完善的工程造价信息数据库可以为工程估价提供坚实基础，为投资者提供投资决策依据，提高工程造价概算等造价文件的准确度，也可以为工程施工企业提供各种建筑耗材的消耗指标。

4 结论

传统的建筑工程估价方法主要有单位生产能力投资估算法、生产能力指数估算法、系数估算法，这些方法的估算误差比较大，很难满足工程项目投资决策阶段造价控制方面的要求，人工智能技术可以在工程估价领域发挥非常重要的作用。

①神经网络、案例推理、遗传算法等人工智能方法在工程快速估价方面比较有效，但是对于实际复杂工程项目，采取单一的方法都存在不足；

②基于神经网络的组合预测方法需要从大量以往工程造价数据中提取各种相关信息，进行工程估价预测，以往工程造价数据越真实越全面，工程造价的估算就越精确，建设全国性工程造价信息数据库已经成为非常迫切的需要；

③本文提出了基于神经网络，同时结合案例推理或遗传算法的组合预测方法，该组合预测方法能够克服单一方法的不足，但是还需要将该方法和相关软件结合起来，针对不同工程项目的特点对相关软件进行二次开发，才能够在复杂的实际工程项目的工程估价中得到更好的应用。