环北部湾广东水资源配置工程中顶管造价指标预测方法

赖宇卉

(广东省水利电力勘测设计研究院有限公司,广州 510635)

0 引 言

水资源受到季节和地域的影响,具有很强的不确定性,导致水资源分布不均衡,有的地区水资源过多,造成洪涝灾害;有的地区水资源较少,造成干旱灾害。无论水资源过多,还是过少,都不利于地区的农业、工业和居民生活的发展。面对这种情况,进行水资源合理配置势在必行[1]。要想实现对水资源的有效控制,水资源配置工程必不可少。目前,中国修建的水资源配置工程涉及项目众多,仅广东省就有珠三角水资源配置工程、粤东水资源配置工程及环北部湾广东水资源配置工程三大水资源配置工程,可见通过输水管线配置水资源是水资源有效利用的重要举措。水资源配置工程建造不仅耗资巨大,耗时也非常长。为合理利用投资资金,进行工程施工造价预测必不可少。通过预测能够有效管理资金流向,提高资金利用率,使得工程修建事半功倍。然而,由于工程涉及面广,造成预测工作难以实现,即使进行了预测,准确性也不足[2]。基于此,研究一种有效的造价预测方法具有重要的现实意义。

基于以往研究,例如丁政中,彭露苇提出一种基于MK-TESM的预测方法,该方法首先确定造价评价指标并获取相应的指标数据,以这些指标数据为输入,利用MK-TESM构建的模型实现造价预测[3]。董娜,卢泗化,熊峰提出了一种基于ABC-SVM的预测方法,该研究首先分析了造价影响因素,从中提取到了造价预测变量,然后利用ABC-SVM构建模型预测工程造价[4]。结合前人研究经验,研究一种环北部湾广东水资源配置工程中顶管造价指标预测方法。

1 基于神经网络的顶管造价指标预测研究

1.1 工程概况

环北部湾广东水资源配置工程建设任务以城乡生活和工业供水为主,兼顾农业灌溉,并为改善水生态环境创造条件。工程设计引水流量110m3/s,工程等别为Ⅰ等,工程规模为大(1)型。输水分干线长298.0km,包括云浮分干线(25.8km)、茂名阳江分干线(95.2km)、湛江分干线(177.0km)。其中云浮分干线由西往东采用重力流有压管道和隧洞输水至云浮市金银河水库;茂名阳江分干线由北向南采用重力流有压隧洞和管道输水至龙眼坪分水口;湛江分干线从鹤地水库取水,自北向南布线,经合流水库、龙门水库、余庆桥水库后至大水桥水库。工程建成后可向粤西多年平均供水26.18亿m3,其中城乡生活、工业18.56亿m3,农业灌溉7.62亿m3

在工程修建中,地下管道铺设是整个项目的关键线路。环北部湾广东水资源配置工程是由多条输水线路组成,以其中输水分干线中多段顶管为研究对象,研究一种造价指标预测方法。

1.2 影响指标选取

造价会受到某些指标的影响而出现波动,因此影响指标与工程造价之间具有很强的线性关联性。基于这种特性,可以通过影响指标的数据来实现环北部湾广东水资源配置工程顶管造价指标预测。

工程的顶管施工影响指标有很多,但并不是每一个指标都对造价预测具有很大的影响,有的指标影响微乎其微。这些影响程度较小的指标可以不考虑在内,否则会增加预测工作量[5]。基于这种情况,进行影响指标选取。选取过程如下:

1)步骤1:确定能够影响顶管造价的所有现行指标。

2)步骤2:对这些影响指标的相互影响关系进行打分,打分标准如表1所示。

表1 影响指标打分标准表

3)步骤3:对指标得到的分值算术平均处理,公式如下:

(1)

式中:bij为指标ai对指标aj的影响程度打分;cij为平均分值;m为评分人数量。

4)步骤4:建立直接影响矩阵,记为C。

5)步骤5:对D进行标准化处理,得到E。

6)步骤6:计算综合影响矩阵。计算公式如下:

F=E(1-E)-1

(2)

式中:I为单位矩阵。

7)步骤7:根据F,计算影响指标的中心度和原因度,记为di、ei。

8)步骤8:根据di、ei计算指标权重,计算公式如下:

(3)

式中:wi为第i个指标ai的权重。

将权重>0.8指标选为影响指标,选取结果如下图1所示。

图1 影响指标权重图

针对选出的指标,确定各指标相应的量化数据并进行归一化处理,结果如表2所示。

表2 指标归一化数据表

经过上述分析,完成影响指标的选取以及相应指标数据的获取工作,为下一步的研究奠定了基础。

1.3 基于BP神经网络的造价预测模型

基于章节研究成果,本章节构建预测模型,实现造价预测。在这里所采用的核心算法为BP神经网络。BP神经网络具有很强的泛化能力,它可以将训练中未出现的样本通过正确的映射得出[6]。正是因为该算法具有这种能力,可以用于环北部湾广东水资源配置工程中顶管造价预测当中。基于该算法构建的预测模型如图2所示。

图2 基于BP神经网络的顶管造造价预测模型

上述预测模型以上一章节选取的指标及其对应的归一化数据为输入,以单方造价为输出。具体预测过程如下:

1)步骤1:设置初始化参数。

2)步骤2:输入训练样本。算法在使用前需要经过不断地训练才能逐渐发展成熟,成为一个合格的预测模型。而训练需要训练样本,也就是评价的训练数据,该数据由n组12个影响指标和对应的1个预期单方造价输出值组成。训练样本数据可以从其他已经建造完成的水资源配置工程中岩石顶管工程获得[7]。

3)步骤3:将训练样本输入到预测模型当中,经过三层运算,输出结果,即单方造价实际值。运算公式如下:

(4)

式中:wik、βk为隐含层与输出层连接权值和阈值;Yk为预测模型的输出(单方造价实际值);αi为隐含层计算输出;k为输出层网络节点数。

4)步骤4:计算Yk与预期输出之间的差值,计算公式如下:

(5)

式中:△y为差值。

5)步骤5:将△y与设定的阈值进行对比。当前者大于后者时,将△y反向传播,用于调整模型的参数;当前者小于后者时,说明模型训练成熟。

6)步骤6:输入表2中的测试样本到训练成熟的模型当中,得出环北部湾广东水资源配置工程中顶管施工造价预测结果[8]。

经过上述研究,完成环北部湾广东水资源配置工程中顶管施工造价预测模型构建。

2 预测结果

环北部湾广东水资源配置工程中选取输水分干线中的多个顶管段施工造价预测结果如表3所示。

表3 顶管施工每米造价指标预测结果表

从表3中可以看出,所研究方法的预测结果与实际相差不大,证明了所研究预测方法有效性。

3 结 语

通过预测工程造价能够有效提高投资资金的利用质量,减少资金的浪费。基于此,以环北部湾广东水资源配置工程中顶管施工为例,利用神经网络构建预测模型,实现造价预测。通过与实际结果相比,误差较小,证明了所研究预测方法的有效性。本研究还需要进一步深化,优化预测模型,进一步提高模型预测准确性和测算速度。