杨晓杰等

摘要： 本文对选煤厂建设工程投资估算中影响准确性的因素进行了分析，并结合BP神经网络理论基于Matlab软件对选煤厂带式输送机及栈桥单位工程进行了数值模拟，通过对比数值模拟结果与概算指标估算结果，详细阐述了可以提高选煤厂建设工程投资估算准确性的几点建议。

Abstract： The affecting accuracy of investment estimate factors has been analyzesed in a Washery construction project. Numerical simulation has also been performed on trestle conveyor project of Washery combined with BP neural network theory. The paper also provides several suggestions on the improvement of estimating accuracy in Washery construction projects， through the comparing between the results of numerical simulation and budget targets.

关键词： 选煤厂；投资估算；准确性；BP神经网络

Key words： washery；investment estimate；accuracy；BP neural network

中图分类号：TU723.3 文献标识码：A 文章编号：1006-4311（2014）12-0019-03

1 问题的提出

我国富煤、少气、缺油的能源现状决定了煤炭是我国主要能源。随之煤炭产品质量要求更高，推动了洗选业的发展。选煤厂建设工程中出现的问题就越来越凸显，其中影响最大的问题出现在项目前期的投资估算中。主要问题如下[1][2]：

1.1 投资估算重要性被忽视 投资估算作为整个造价控制的源头，对整个建设项目的推进具有指导性作用。但是实际项目建设中，投资者和建设者都过多的关注施工阶段的造价控制，而将影响较大的前期的投资估算抛之脑后，从而导致对项目建设评估缺乏科学性、整体性。

1.2 投资估算参考资料不全面、可靠 项目在进行投资估算时，投资者需要明确各种条件，如拟建选址地点、建设规模、工程地质条件、实现功能及总体拟建结构等。但实际情况总是不尽如人意，而且时间要求紧迫，这些估算往往建立在投资者的各种假设情况下。对于选煤厂具有专业性强、牵涉的专业多、设备多自动化程度高的工程来说，较少的参考信息对其项目的投资估算的准确性影响就不仅仅是微弱或局部的了。

1.3 投资估算方法不合理 选煤厂建设工程是综合性建设项目，包括了多种复杂的系统，因此其投资额大、周期长、组织关系复杂，都决定了编制较高准确性的投资估算难度之大。用于编制投资估算的方法较多，但针对性不强，对复杂程度较大的选煤厂项目进行投资估算具有一定的局限性。同时，估算方法依据历史数据具有相对的滞后性，不能体现当下价格水平。

由于以上问题的出现，直接影响了估算的准确性，对项目的投资决策、方案设计带来一定阻力，甚至直接影响到工程建设能不能顺利进行。从实际工程建设过程中会发现，投资估算的结果误差率远远超出所应保证的范围。其中，传统投资估算方法不合理是影响投资估算准确性的主要因素。

因此，采用更为有效的投资估算方法十分必要，本文结合工程实例，就BP神经网络在投资估算方面的应用进行研究。

2 基于BP神经网络数学模型的投资估算

2.1 工程特征的选取 以某选煤厂项目的带式输送机及栈桥单位工程为估算对象。带式输送机及栈桥作为选煤厂中的“纽带”，用于水平运输或倾斜运输。选煤厂中栈桥是为运输原煤而修建的桥梁设施，采用的材料为钢栈桥。栈桥由桥墩、桥台、钢梁、跳板梁和升降机械设备等组成。栈桥下部结构为混凝土或钢筋混凝土的桥墩和桥台；上部结构为钢板梁或钢桁梁。桥墩和桥台是支承桥梁上部结构和荷载的构筑物。

通过所搜集大量已完选煤厂项目资料和相关数据的分析，可以将带式输送机及栈桥工程造价的影响因素归纳为以下7项：结构类型、长度、宽度、高度、檐平均高度、独基埋深和外墙板类型。

汇总已完工程的竣工资料，影响因素数值型变量的数据离散型比较强，变量之间数据差值较大，会影响模拟结果，因此需要对数据进行量化，量化依据见表1。其中结构类型和外墙板类型无法用数据简单描述，属于文字型变量，也需要进行量化，从搜集的数据中能够总结出以上两个文字型变量的可取值，并赋予相应相应的取值，见表2。

2.2 数学模型的建立 依据BP神经网络理论和建模方法，投资估算模型的输入层的神经元个数与其选取的工程特征数量相一致，即7个神经元；隐含层根据“试凑法”基本原理，最终确定神经元个数为15个；输出层神经元仅有一个，即分部分项工程单位工程造价。

本文中，BP神经网络模型的中间层神经元传递函数都采用sigmoid型对数函数logsig，而最后一层神经元的传递函数都采用purelin型函数[3]。曲线训练过程中最大迭代次数为300次，当精度达到10-6时，训练结束。

建立模型的数据来源于青岗坪、纳林河、榆阳、王家岭、崔木、魏墙、柳巷、黄陵一号井、袁大滩和东坡等选煤厂的相关竣工结算报告，并依据表1和表2量化，量化结果见表3。

将需要进行投资估算的数据依据表1和表2进行量化，量化结果见表4。

2.3 模型模拟结果与概算指标估算结果对比分析 基于Matlab软件，通过编写程序，建立BP神经网络估算模型，将表5中数据代入模型，多次模拟取平均值，即可得到BP神经网络的投资估算模拟结果。（表5）

由表中数据分析可以得出，概算指标法估算的投资额仅有两个分项符合国家规定（±10%以内），其他各分项投资额与竣工决算都有明显的偏差，并且误差率都较大，最大达到了20.20%（两项），并且该单位工程的总投资额误差率也达到了16.00%。BP神经网络的模拟结果表明，各分项投资额的误差率均符合国家规定（±10%以内），最大仅达到7.9%；总投资额误差率仅达到3.79%，明显低于国家规定。

从以上对比可以看出基于BP神经网络模型的投资估算方法优于传统的概算指标估算法，具有快速而准确估算的优点。

3 提高投资估算准确性的几点建议

针对在选煤厂建设工程投资估算中出现的一些问题，应结合实际采取相应措施，保证投资估算的准确性，真正发挥其应有的指导作用。

3.1 提高对投资估算重视程度 投资估算在整个项目建设过程中起到非常重要的作用。因此，对针对投资估算编制机构和人员，根据各分部分项工程结算情况，进行相应奖惩或评定等级，使工作成果与个人绩效挂钩，提高估算机构和人员的责任心。虽然该措施是事后处理，但是可以督促其对其他项目负责，提高整个行业对投资估算的重视程度。

3.2 完善前期准备工作 在进行投资估算前，投资者应进行充分的市场调研，准确的分析项目目标，全面的收集项目资料，通过多方案比较选择最优。基于一系列完备的前期准备工作，投资估算才能更加符合拟建项目的基本要求，不会出现对项目全局的影响较大的事件。

例如，做好工程的地质勘查，明确建设条件，为后续制定建设方案提供参考；探明煤矿储量和开采范围，以确定与之配套的选煤厂规模；分析原煤质量，合理制定洗选技术和工艺流程，及相应设备。

3.3 选择合理的投资估算方法 随着各种数学方法的广泛应用，提出了新的投资估算方法，如结合层次分析、模糊数学、BP神经网络等的方法，主要针对项目前期工程相对模糊不全面的特点。由2节中结合实际工程进行的快速估算结果可见，BP神经网络模型的投资估算方法，可以较为准确的快速估算投资额，但其估算的结果笼统不能说明各分部分项工程的特点和分项投资额；而概算指标估算法虽然估算准确性不高，却能够详细描述工程的各项指标。因此，将概算指标估算法和BP神经网络模型的投资估算方法相结合进行投资估算，实现了优缺点互补的效果，不仅能够编制出相对准确性高的投资估算，而且能够详细描述工程的各项特征。

4 结论

本文阐述了由于选煤厂建设工程投资估算得不到重视，其参考资料不全面、不可靠，以及估算方法不合理等原因造成投资估算不准确的现象，而其中最为重要的即是投资估算方法的选取。继而展开了对选煤厂带式输送机及栈桥单位工程结合BP神经网络理论基于Matlab软件的数值模拟研究，并将模拟所得结果和工程实践常用的概算指标法估算所得结果与竣工决算相对比，得出BP神经网络投资估算方法对投资总额估算更为准确，而概算指标法更能详细描述工程分项投资特征。因此，提出应重视投资估算，完善项目前期准备工作，将概算指标估算法和BP神经网络模型的投资估算方法相结合的新思路以提高选煤厂建设工程投资估算的准确性。

参考文献：

[1]刘文.中国选煤工业现状和未来的发展趋势[J].煤炭工程，2010，11：16-18.

[2]武乐鹏.模块选煤厂的发展[J].山西煤炭，2013，01：43-45.

[3]于雷.基于数值模型理论的煤炭建筑工程造价的计价方法研究[D].辽宁工程技术大学，2007.

[4]金胜，罗翔.矿山项目可研阶段造价控制及方案比较[J].矿业快报，2008，02：59-61.

[5]段大文.谈煤矿建设项目投资控制的对策与建议[J].山西建筑，2012，34：259-260.

由表中数据分析可以得出，概算指标法估算的投资额仅有两个分项符合国家规定（±10%以内），其他各分项投资额与竣工决算都有明显的偏差，并且误差率都较大，最大达到了20.20%（两项），并且该单位工程的总投资额误差率也达到了16.00%。BP神经网络的模拟结果表明，各分项投资额的误差率均符合国家规定（±10%以内），最大仅达到7.9%；总投资额误差率仅达到3.79%，明显低于国家规定。

从以上对比可以看出基于BP神经网络模型的投资估算方法优于传统的概算指标估算法，具有快速而准确估算的优点。

3 提高投资估算准确性的几点建议

针对在选煤厂建设工程投资估算中出现的一些问题，应结合实际采取相应措施，保证投资估算的准确性，真正发挥其应有的指导作用。

3.1 提高对投资估算重视程度 投资估算在整个项目建设过程中起到非常重要的作用。因此，对针对投资估算编制机构和人员，根据各分部分项工程结算情况，进行相应奖惩或评定等级，使工作成果与个人绩效挂钩，提高估算机构和人员的责任心。虽然该措施是事后处理，但是可以督促其对其他项目负责，提高整个行业对投资估算的重视程度。

3.2 完善前期准备工作 在进行投资估算前，投资者应进行充分的市场调研，准确的分析项目目标，全面的收集项目资料，通过多方案比较选择最优。基于一系列完备的前期准备工作，投资估算才能更加符合拟建项目的基本要求，不会出现对项目全局的影响较大的事件。

例如，做好工程的地质勘查，明确建设条件，为后续制定建设方案提供参考；探明煤矿储量和开采范围，以确定与之配套的选煤厂规模；分析原煤质量，合理制定洗选技术和工艺流程，及相应设备。

3.3 选择合理的投资估算方法 随着各种数学方法的广泛应用，提出了新的投资估算方法，如结合层次分析、模糊数学、BP神经网络等的方法，主要针对项目前期工程相对模糊不全面的特点。由2节中结合实际工程进行的快速估算结果可见，BP神经网络模型的投资估算方法，可以较为准确的快速估算投资额，但其估算的结果笼统不能说明各分部分项工程的特点和分项投资额；而概算指标估算法虽然估算准确性不高，却能够详细描述工程的各项指标。因此，将概算指标估算法和BP神经网络模型的投资估算方法相结合进行投资估算，实现了优缺点互补的效果，不仅能够编制出相对准确性高的投资估算，而且能够详细描述工程的各项特征。

4 结论

本文阐述了由于选煤厂建设工程投资估算得不到重视，其参考资料不全面、不可靠，以及估算方法不合理等原因造成投资估算不准确的现象，而其中最为重要的即是投资估算方法的选取。继而展开了对选煤厂带式输送机及栈桥单位工程结合BP神经网络理论基于Matlab软件的数值模拟研究，并将模拟所得结果和工程实践常用的概算指标法估算所得结果与竣工决算相对比，得出BP神经网络投资估算方法对投资总额估算更为准确，而概算指标法更能详细描述工程分项投资特征。因此，提出应重视投资估算，完善项目前期准备工作，将概算指标估算法和BP神经网络模型的投资估算方法相结合的新思路以提高选煤厂建设工程投资估算的准确性。

参考文献：

[1]刘文.中国选煤工业现状和未来的发展趋势[J].煤炭工程，2010，11：16-18.

[2]武乐鹏.模块选煤厂的发展[J].山西煤炭，2013，01：43-45.

[3]于雷.基于数值模型理论的煤炭建筑工程造价的计价方法研究[D].辽宁工程技术大学，2007.

[4]金胜，罗翔.矿山项目可研阶段造价控制及方案比较[J].矿业快报，2008，02：59-61.

[5]段大文.谈煤矿建设项目投资控制的对策与建议[J].山西建筑，2012，34：259-260.

由表中数据分析可以得出，概算指标法估算的投资额仅有两个分项符合国家规定（±10%以内），其他各分项投资额与竣工决算都有明显的偏差，并且误差率都较大，最大达到了20.20%（两项），并且该单位工程的总投资额误差率也达到了16.00%。BP神经网络的模拟结果表明，各分项投资额的误差率均符合国家规定（±10%以内），最大仅达到7.9%；总投资额误差率仅达到3.79%，明显低于国家规定。

从以上对比可以看出基于BP神经网络模型的投资估算方法优于传统的概算指标估算法，具有快速而准确估算的优点。

3 提高投资估算准确性的几点建议

针对在选煤厂建设工程投资估算中出现的一些问题，应结合实际采取相应措施，保证投资估算的准确性，真正发挥其应有的指导作用。

3.1 提高对投资估算重视程度 投资估算在整个项目建设过程中起到非常重要的作用。因此，对针对投资估算编制机构和人员，根据各分部分项工程结算情况，进行相应奖惩或评定等级，使工作成果与个人绩效挂钩，提高估算机构和人员的责任心。虽然该措施是事后处理，但是可以督促其对其他项目负责，提高整个行业对投资估算的重视程度。

3.2 完善前期准备工作 在进行投资估算前，投资者应进行充分的市场调研，准确的分析项目目标，全面的收集项目资料，通过多方案比较选择最优。基于一系列完备的前期准备工作，投资估算才能更加符合拟建项目的基本要求，不会出现对项目全局的影响较大的事件。

例如，做好工程的地质勘查，明确建设条件，为后续制定建设方案提供参考；探明煤矿储量和开采范围，以确定与之配套的选煤厂规模；分析原煤质量，合理制定洗选技术和工艺流程，及相应设备。

3.3 选择合理的投资估算方法 随着各种数学方法的广泛应用，提出了新的投资估算方法，如结合层次分析、模糊数学、BP神经网络等的方法，主要针对项目前期工程相对模糊不全面的特点。由2节中结合实际工程进行的快速估算结果可见，BP神经网络模型的投资估算方法，可以较为准确的快速估算投资额，但其估算的结果笼统不能说明各分部分项工程的特点和分项投资额；而概算指标估算法虽然估算准确性不高，却能够详细描述工程的各项指标。因此，将概算指标估算法和BP神经网络模型的投资估算方法相结合进行投资估算，实现了优缺点互补的效果，不仅能够编制出相对准确性高的投资估算，而且能够详细描述工程的各项特征。

4 结论

本文阐述了由于选煤厂建设工程投资估算得不到重视，其参考资料不全面、不可靠，以及估算方法不合理等原因造成投资估算不准确的现象，而其中最为重要的即是投资估算方法的选取。继而展开了对选煤厂带式输送机及栈桥单位工程结合BP神经网络理论基于Matlab软件的数值模拟研究，并将模拟所得结果和工程实践常用的概算指标法估算所得结果与竣工决算相对比，得出BP神经网络投资估算方法对投资总额估算更为准确，而概算指标法更能详细描述工程分项投资特征。因此，提出应重视投资估算，完善项目前期准备工作，将概算指标估算法和BP神经网络模型的投资估算方法相结合的新思路以提高选煤厂建设工程投资估算的准确性。

参考文献：

[1]刘文.中国选煤工业现状和未来的发展趋势[J].煤炭工程，2010，11：16-18.

[2]武乐鹏.模块选煤厂的发展[J].山西煤炭，2013，01：43-45.

[3]于雷.基于数值模型理论的煤炭建筑工程造价的计价方法研究[D].辽宁工程技术大学，2007.

[4]金胜，罗翔.矿山项目可研阶段造价控制及方案比较[J].矿业快报，2008，02：59-61.

[5]段大文.谈煤矿建设项目投资控制的对策与建议[J].山西建筑，2012，34：259-260.