王冠一

（河北钢铁股份有限公司承德分公司，河北　承德　067102）

建设工程项目静态优化管理技术研究

王冠一

（河北钢铁股份有限公司承德分公司，河北承德067102）

针对建设工程项目施工过程不可见因素多，前期预测工期、成本计算量大，精确程度不够，管理效率低而造成的工程成本增加、工期拖延等问题，本文尝试运用虚拟技术和已获价值理论、显著性成本理论（CS理论）、BP神经网络等理论对建设工程项目工期、成本目标进行优化管理，提高管理水平，增加企业盈利能力。

已获价值理论；显著性成本理论；BP神经网络；优化管理

1　概述

建设工程施工过程中协同、交叉、平行、立体作业多、干扰大，施工管理具有显著的复杂系统特点，因此容易造成信息传递的不畅通、沟通不及时，管理效率低，出现工程成本增加、工期拖延等一系列问题，从而影响工程的整体效益。本文尝试运用已获价值理论、显著性成本理论、BP神经网络等理论，对工程施工进行优化管理。

2　工程项目施工静态管理系统的建立

工程静态目标优化管理系统是在满足工程合同总目标的前提下，综合运用网络计划技术、BP神经网络模型、CS理论等复杂数学方法优化制定各工序的工期、成本控制目标，并在此基础上确定整个项目的工期成本控制重点，保证工程总目标的顺利实现。

表1　公路桥梁工程钻孔灌注桩施工的工时消耗类目量化表

2.1运用BP神经网络模型预测工时消耗

准确地预测施工过程的工时消耗，对于工期的准确程度至关重要，而建设项目施工过程工时消耗的预测受施工环境的影响较大，因此运用复杂数学模型对工时消耗的预测可保证计划工期的顺利实现。

2.1.1工程特征因素的选取和定量化描述

工程特征的选取，应选取那些能够影响施工工序工时消耗的主要因素，该因素的选取应参照历史工程资料的统计和分析数据，根据专家的经验确定，以公路为例，应用BP神经网络模型对公路桥梁工程钻孔灌注桩施工的工时消耗进行预测，本模型选取的特征因素为土质类别、桩径大小、钻孔深度、砼强度、钻机类型，并进行量化，见表1。

通过对竣工公路工程项目中桥梁工程施工的历史数据的收集、整理，从中选取18个典型工程，建立基础数据表，见表2，其中第1～16个工程数据作为学习样本，第17～18作为检验样本，建立三层BP神经网络，对桥梁工程钻孔灌注桩施工的每米工时消耗建立估算模型。

表2　基础数据表

2.1.2建立工时消耗估算模型进行预测分析

（1）获得样本的基础数据向量后，可以利用Matlab实现向量的归一化过程，将样本的数据都归一化到区间［0，1］。

（2）构建BP网络，由于输入向量有6个元素，所以网络输入层的神经元有6个，根据Kolmogorov定理，可以知道网络中间层的神经元可取13个，而输出层有一个神经元。网络中间层的神经元传递函数采用tansig，输出层神经元传递函数采用logsig，而训练函数采用traingdx，其余为默认值。

（3）训练BP网络。将1～16个工程数据作为训练样本，最大迭代次数为200次，容许误差为0.001，将第17～18个工程数据作为检验样本，作为训练后神经网络的输入。

（4）网络收敛过程结果，如图1所示。

进行结果分析，用收敛后的BP网络对17、18组的数据进行预测，由于神经网络预测结果不唯一，可以通过模型运算20次，得到均值将其作为最终预测值，并与实际值进行比较，结果均在±5%以内，结果分析数据见表3。

图1　BP网络收敛过程

表3　结果分析数据

尽管构建的BP网络每次给出的预测各不相同，具有一定随机性。但是通过多次运行网络而后求均值，依然可以保持很高的预测精确度。故应用BPNN模型可以对工程实际中的关键工序时间消耗定额进行精确预测，为科学的计划管理提供依据。

2.2运用“显著性成本”思想，优化确定显著性项目成本目标

运用显著性理论确定显著性成本项目（CSIs），以显著性成本项目（CSIs）作为成本重点控制项目。首先根据施工过程和施工工法划分施工工序，然后根据该工程的预算资料采用“均值理论”区分该工程的显著性项目和非显著性项目，即算出每个工序的预算成本，将每个工序成本与平均工序成本相比较，筛选出比值大于1的工序，将这些工序累加，若累加预算占总预算的比重较大（如80%以上），可认定为关键工序，否则要进行二次平均，直到找到关键工序为止。

2.3确定整个项目工期成本控制重点：关键显著性工序

通过以上方法对施工项目工期、成本目标的优化，确定出该项目的关键显著性工序，即关键路线上的项目和显著性项目。关键工序上的项目可保证项目工期的顺利实现而显著性项目又是占造价比重比较大的那一部分可保证造价控制的准确性，这样既能保证工期成本目标控制的准确度又可以简化工期成本控制的过程，提高过程控制中的重点控制工序。

3　结论

通过静态优化管理技术在工程管理上的应用，得知应用BP神经网络可精确地预测工时消耗，从而保证工期实现，CS理论可挖掘工程的关键显著性工序，对关键显著性工序的控制可在保证控制精度的同时减少计算的工作量，这对于有大量数据需要计算的工程项目来说具有现实意义。同时在应用已获价值理论时，也可建立问题原因对策数据库，及时总结施工过程中的经验，减少以后施工中同类问题出现的可能性，通过以上优化管理过程，可以提高项目管理效率，增强企业竞争力。

主要参考文献

［1］Jui－Sheng Chou，Hung－Ming Chen，Chuan－Chien Hou，et al.Visualized EVM System for Assessing Project Performance［J］.Automation in Construction，2010，19（5）：596－607.

［2］段晓晨，张晋武，李利军，等.政府投资项目全面投资控制理论和方法研究［M］.北京：科学出版社，2007：26－30.

［3］Richard J Pazur Jr.EVM Copolymers：The Forgotten Rubber［J］.Rubber World，2005，231（5）：27－34.

10.3969/j.issn.1673-0194.2015.09.028

F270.7

A

1673-0194（2015）09-0058-02

2015-03-18