基于優化廣義回歸神經網絡模型的EPC項目成本預測探討
本文是一篇項目管理論文,本文選擇的GRNN模型,準確性不受數據樣本大小限制,且唯一人為確定的參數是光滑因子,選用多元宇宙優化算法對GRNN的光滑因子進行精準選擇,并利用Matlab軟件進行模型編程,建立EPC模式成本預測模型。
第一章緒論
1.1研究背景及意義
1.1.1研究背景
由2017年至2021年全國工程勘察設計統計公報顯示,工程總承包簽約合同由34258.3億元增加至57885.8億元,漲幅為68.97%;工程總承包收入貢獻營業收入的50%以上。工程總承包模式,經過國家政策的大力推動,已實現了跨越式發展。工程總承包模式在實踐中印證了其優越性,更多的項目選擇工程總承包模式。EPC(Engineering Procurement Construction)總承包模式是總承包方以設計為主導,統籌安排項目采購和施工等各階段的相關工作,完成對項目的質量、進度、成本、安全等各方面的管理和控制[1]。EPC模式在我國的總承包模式中不斷發展成為主流模式[2]。相較于傳統的施工總承包模式,EPC模式具有諸多的優勢,將在今后的市場中占據越來越多的分量。
總結總承包模式發展階段分為三個,1984—1991年--引進和試點階段,首次提出在我國建設工程總承包的設想[3],進一步規范公司的組建并確立改革總目標[4],批準12家設計單位試點[5]和31家工程建設總承包試點[6];1992—2005年--發展和推廣階段,內容主要有對企業資質進行管理[7]、為勘察設計單位提供改革方向[8]、轉變原有體制融入國際市場[9]、提倡對建設項目實行工程總承包[10],2005年管理規范的頒布[11],是工程總承包在我國的里程碑事件,標志著工程總承包創造了一個新的歷史起點;2006年至今--完善和成熟階段,這段時期的任務集中在推動總承包的健康發展和創造良好的市場環境上,推出切實可行的政策,推進工程總承包發展,在施工許可[12]、計價計量規范[13]、管理辦法[14]等方面做出響應。2020年建設項目工程總承包合同(示范文本)(GF-2020-0216)[15]的確定,將工程總承包的合同管理推向一個新的高度。歷年政策頒布見圖1.1。
項目管理論文怎么寫
...................
1.2國內外研究現狀
1.2.1國內外EPC模式研究現狀
1.2.1.1國外EPC模式研究現狀
總承包模式起源于20世紀60年代的美國,是發達國家對建設模式的創新,經過30多年的發展,總承包模式在國際工程承包中占據主要角色。1999年國際咨詢工程師聯合會(FIDIC)推出了總承包模式的合同范本,至此,該模式在世界范圍內得到了推廣。經文獻搜集發現國外對EPC模式的研究主要集中在風險控制、成本與進度控制、管理等方面。
風險方面
風險識別--Sadeghi等[19]為了提供有限緩解風險的策略,引入“經常性風險”概念包括固有風險和外部風險,劃分重復性風險為8類,最終得出在投標前實施FEED,增加合同條款以涵蓋業主不可預測的波動因素最為突出的結論。風險分類--Nurdiana,A.等[20]通過結構方程模型分析不同業主對風險概率和風險識別,最終確定風險等級,得出業主方采購階段的風險結果為46%低風險,27%中等風險,27%高風險,采購風險整體可控。風險分配--Valipour A.等[21]通過ANP方法通過文獻回顧、訪談和發放調查問卷等方式對項目風險分配進行了探討,將不同類型歸為三方承擔:開發商承擔12個風險、開發商和承包商工程承擔9個風險及承包商承擔12個風險。風險管理--Ribas等[22]利用三角隸屬函數將模糊性納入比較過程,通過比較業主聯盟和建筑商聯盟識別的風險等級,建立風險管理模型,有效地將風險事件進行排序,其合理透明的特點更好地服務于大型項目風險管理。Bakr等[23]研究合同條件格式為對象,通過預定義風險評估的對應的合同條款對承包商選擇風險管理戰略的影響,根據誘發風險時間進行審查,創建模型跟蹤合同風險,減少合同管理人員協調內容,完成合同管理數據庫系統,創造完善的合同管理環境,加強風險管理。風險評估--Tetiana Zholonko等[24]從宏觀和微觀層面提出了投資公司和降低風險負面影響的方法,考慮因素包含項目環境、持續時間和范圍、風險位置、概況、風險偏好、后果、能力和對投資項目影響的結果等。此方法考慮動態風險,結合上述因素,實現項目風險的識別、評估、監測和風險控制并減少負面后果的功能。
..............................
第二章EPC總承包模式及成本預測方法概述
2.1 EPC總承包模式概述
2.1.1 EPC總承包模式定義
EPC是Engineering Procurement Construction的簡稱,即設計-采購-施工,在我國的總承包模式發展過程中占據主流地位。EPC總承包以向業主交付最終產品為目的,對全生命周期進行整體籌劃、全局安排的總承包體系,其中設計(Engineering)包括初期具體的各專業圖紙設計工作和建設工程的總體規劃以及后期施工過程中的策劃與具體內容等;采購(Procurement)不限于大宗建筑材料、設備的采購,更傾向于專業材料、設備的選型和采購;施工(Construction)包括項目從施工、竣工、試運營到交接的全項工作。業主與總承包商簽訂合同,將設計-采購-施工相關任務委托給總承包商負責,業主僅完成大體上目標、原則的管理和把控。
設計與采購之間的關系--設計負責提供采購清單,并參與確認采購計劃的可行性,在采購過程中,設計還要對采購提供圖紙、現場安裝、交接等提供技術支持;采購需參與設計在詳細設計任務書階段的編制,避免因采購商、商品質量等級問題對整體設計造成不利影響,當采購無法完成設計要求時,需及時反饋設計單位。
設計與施工之間的關系--設計的質量決定總承包項目的優劣,是決定性環節。設計方案需滿足施工要求,提供詳盡的圖紙、文件及設計資料,做好技術交底工作,指導正確施工;施工是對設計的體現和執行,施工參與到設計前期,利用施工的相關知識和現場經驗,透徹分析設計文件對施工的影響,減少設計漏洞和不合理的情況發生,提高設計文件質量,同時保障項目質量、安全、成本三大目標的實現。
...................
2.2 EPC總承包模式成本預測概述
正確的預測是進行科學決策的依據。無論是政府還是企業制定發展戰略,編制計劃以及日常管理決策都要以準確的預測作為基礎[61]。經濟全球化的大局勢加之疫情的影響,建筑行業的競爭日趨激烈,企業想在嚴峻的市場中求得發展,就必須認識到預測在管理決策中的作用,成本作為影響項目成敗的重要因素,更需要企業提高重視程度。
2.2.1成本預測的基本概念及流程
由定義可以得出,成本預測的主要內容包括建立工程成本數據庫和選擇適當的預測方法,因此在進行成本預測前,需要搜集大量相關的歷史資料,挖掘數據之間的內部關系,建立完善的成本數據庫,提取主要影響因素;在預測方法選擇上,目前眾多學者均認為影響成本的各因素呈非線性關系,更注重非線性關系的處理能力,大多借助計算機和現代優秀數學理論建立預測模型進行預測。為保證成本預測的準確性,需要對預測模型進行預測精度的提出要求,當預測精度無法達到要求,證明此預測模型預測結果沒有實際參考價值。當預測結果正常輸出之后根據預測值對項目的成本做出進一步計劃,避免盲目決策的情況發生。待項目最終完工后,將實際發生成本與預測值進行對比,分析項目成本影響因素,當誤差存在差距時,可通過修改成本影響因素和擴充成本數據庫的方式,完善預測模型,提高預測準確度,為日后的項目成本預測打下良好的基礎。
.............................
第三章 EPC項目成本影響指標體系構建 .......................... 25
3.1 指標體系構建原則 ..................................... 25
3.2 指標體系構建過程及最終指標體系建立 ............... 25
第四章 基于 MVO-GRNN EPC 項目成本預測模型構建 .................. 35
4.1 廣義回歸神經網絡 .................. 35
4.1.1 廣義回歸神經網絡介紹 ............................... 35
4.1.2 廣義回歸神經網絡結構 ................................ 36
第五章 基于 MVO-GRNN EPC 項目成本預測模型應用研究 .......... 47
5.1 預測數據的獲取與預處理 ................ 47
5.1.1 數據資料收集 .................................... 47
5.1.2 數據預處理 ........................................ 49
第五章基于MVO-GRNN EPC項目成本預測模型應用研究
5.1預測數據的獲取與預處理
5.1.1數據資料收集
為保證數據資料之間存在可比性,盡可能消除建設地點和建設時間對成本的影響,本文選取的項目為近三年河北境內的EPC項目資料作為本文的研究對象。定量指標從圖紙中提取,其中,建筑面積因設計相關的計算規則與造價上的計算規則不一致,不能直接提取圖紙的信息,應重新計算,提高準確性。此外,針對定性指標,根據專家對項目實施的甲方、總承包單位、設計單位的前期文件、過程資料和竣工資料等綜合評估,最終量化評分。評價標準保持一致,增加定性指標的可靠性和可比性。本文收集到工程數據共計34組,提取共計18項影響成本因素。原始數據見表5.1。
項目管理論文參考
..........................
第六章結論與展望
6.1研究結論
在國家政策的大力傾斜下,EPC總承包模式具有更大的發展空間,而高利潤空間伴隨著高風險,對業主和總承包商提出了嚴峻的考驗。因此在項目前期,對項目造價做出準確預測,為決策者提供可靠支持。本文梳理了國內外EPC和成本預測研究的現狀,通過傳統預測方式與現代預測方式的對比,確定神經網絡算法;然后根據文獻收集成本指標,建立EPC模式成本預測指標體系;確定廣義回歸神經網絡預測模型和多元宇宙優化算法結合并建立MVO-GRNN預測模型;最后利用實際數據驗證模型的可行性,本文的主要研究成果和結論如下:
(1)建立EPC模式成本預測指標體系
通過對兩種文獻資料的收集,將EPC模式成本指標確定為建筑特征指標、結構特征指標、項目展現指標、項目環境指標四個大類,具體細化指標為建筑面積、層數、層高、安裝工程、工程類別、基礎類型、結構形式、樓面裝飾、外墻裝飾、門窗類型、工程用途、造價指數、風險水平、總承包管理能力、設計深化程度、聯合體銜接程度、主要材料合作供應商家占比和BIM管理水平共計18個。通過定性指標和定量指標相結合,為EPC模式的成本預測建立較全面的預測指標,在今后的預測工作中,將以上18個指標作為基礎,收集和擴充數據,為建立適合自身企業的成本指標體系提供參考。
(2)建立MVO-GRNN EPC模式成本預測模型
本文選擇的GRNN模型,準確性不受數據樣本大小限制,且唯一人為確定的參數是光滑因子,選用多元宇宙優化算法對GRNN的光滑因子進行精準選擇,并利用Matlab軟件進行模型編程,建立EPC模式成本預測模型。通過實際樣本數據帶入程序,對模型進行訓練和測試,并與未優化GRNN模型對比,驗證了MVO-GRNN在EPC模式成本預測中具有更高的準確性和適用性。
參考文獻(略)