刘润珍 陈 韬 陈红惠 朱 昆 许 娟 戴鸿昊

（云南电网有限责任公司 昆明 650000）

1 引言

随着我国招投标制度的完善，招标过程逐渐成为业主单位选择施工企业和施工企业获得建设项目的主要方式［1］。在投标阶段，如何对建设项目的投资成本进行投资估算成为参与招投标各方的首要问题，并且对建设工程的业主单位和施工企业都有一定的风险。业主单位如果对项目的估算出现较大偏差，则可能导致投资受损或招标失败。而对施工企业而言，如果不考虑复杂的项目实际情况和自身的项目成本管理水平而发出报价邀约，一旦中标可能因为招标成本低估并导致损失［2～3］。因此对项目成本水平的决策，应该建立在认真分析项目所在地的经济发展水平、企业的技术水平和管理水平、可行的项目管理措施以及对施工政策环境的预测和判断的基础上［4～5］。成本预测其目的是在人、材、机等成本支出确定的前提下，实际估算成本，最终与实际的目标成本取得相对准确的趋近［6］。所以招标前对项目进行总体成本分析绝对有必要。

在装备制造行业中，使用基于大数据的OLAP分析模型作为成本分析的工具已经有很长的历史，而在建筑安装行业使用信息手段作为成本估算的工具仍处于初级阶段［7～8］。在目前日趋激烈的招投标竞争市场环境下，随着建筑安装行业向低能耗、低污染的可持续发展方向发展，传统基于经验的成本控制模式和技术已经难以适应各种挑战，基于大数据分析的信息技术已不可避免地成为中国当前建筑安装行业的发展趋势和主要发展方向［9］。OLAP技术的出现正好满足了这样的需求，在信息交换和共享方面具有突出的价值优势，不但提高了施工企业投标报价决策的速度和准确性，也通过数据共享为业主单位提供了项目建设成本的数据支撑［10］。

针对上述问题，本文提出一种基于OLAP理论的数据分析模型，该模型可以较为准确地预测招标成本，使投标报价更接近企业实际成本，并将这种数据分析模型引入招投标系统，为招投标系统提供智能化的数据预测和配套检索功能。

2 招标项目的数据分析模型

OLAP（在线分析处理）的作用是促进解决数据分析问题和准确的决策［8］。依据OLAP的四个关键定义，基于OLAP的数据分析系统应具有以下属性［11～12］：

1）具有快速的检索响应，可以为大多数查询提供几乎即时的响应。

2）具有多用户性质，可以为多个用户提供同时的数据访问服务。

3）数据属性具有多维度性质。

4）能够为数据使用者提供完整的数据信息服务。

基于上述OLAP理论，本文提出一种针对工程项目成本定量预测的数据分析模型。该模型弥补了传统成本预测理论在施工过程中由于信息要求和数据复杂性的不确定性而导致的施工项目成本预测的缺陷［13］。对预测数据的数量没有要求，也不需要排除无可比拟的因素，只要建立的模型达到了要求的精度，其成本预测结果就是可靠的。

首先建立成本分析的数学模型。假设式（1）是系统中数据收集的一组时间序列［14～15］：

对X(0)进行累加，得到的时间序列为

式3中a和u方程求解的系数，这两个参数的关系可表述为a=[a ， u]T=(GTG)-1GTYN。对参数a和u进一步求解，可得到基于时间序列累加的预测模型和基于原始序列的预测模型，将相关数据带入模型，最终得到成本预测值。其中矩阵G和Xn的表达式为

基于时间序列累加的预测模型为

基于原始序列的预测模型为

其中A=(X(0)(1)-(u a ) )×(1 -ea)， X̑(0)(1)=X̑(1)(1)， k=1，2，3…

基于方差比和小误差概率构造预测模型误差计算方程。模型预测误差表示为

预测误差的计算平均值为

原始数据的计算平均值为

原始数据的标准偏差为

预测模型误差的标准偏差为

3 基于模型的成本预测计算

在建筑安装项目的招标过程中，成本主要组成是人工成本。本文收集的四个近期相关项目的最终劳动力成本计算相关资料如表1所示。

表1 类似项目的成本统计

原始成本序列是：

第一步，对 X(0)进行累加，得出 X（1）：

第二步，对 X(0)的准确的平滑度进行测试：k(k)=X(0)(k)/X(1)(k-1)，得出：

当K＞2时，X(0)的平滑度条件可以满足计算需求。

第三步，对X(1)是否满足准确度的指标进行验证。基于指标Q(1)(k)=X(1)(k)/X(1)(k-1)进行计算，得出：

对于∀k，Q（1）（k）［a，b］，d=b-a，当d＜0.5时，Q［1，1.5］和X（1）满足准确度的相关指标，所以基于X（1）的预测模型可以成立。

实验组患者IL—6、TNF—α、Hs—CRP、BNP水平均较对照组健康成人更高,组间比较P<0.05,详见表1。

第四步，基于X（1）进行连续邻居均值计算。令Z（1）（k）=0.5X（1）（k）+0.5X（1）（k-1），得出：

第五步，对 â=[ ]a，u进行最小二乘估计并得到：

第六步，完成模型的计算方程：

基于时间的响应方程是：

将a=-0.04和u=120.17带入式（14），得出：

第七步，求解X（1）的模型计算值：

第八步，依据 X̂(0)=(X̂(1)(0)，X̂(2)(0)，X̂(3)(0)，X̂(4)(0))重构X（0）。重构结果为

表2 模型预测值的对比结果

第九步，对预测值的准确度进行评价。根据偏差方程e(i)=X(0)-X̑(0)进行计算，所得结果如表3所示。

表3 模型预测值的偏差计算

基于偏差值的计算，对预测模型的准确度的相关评价指标进行计算：

准确度评价指标小误差概率 P=p｛|e（k）-e|，其中 0.6745S1=5.59，P1=|e（1）-e|=0.5＜0.6745S1。同样，P2=|e（2）-e|＜0.6745S1，P3=|e（3）-e|＜0.6745S1，P4=|e（4）-e|＜0.6745S1，p=（3/4）=0.75。根据精度表可知此模型属于三级精度，一般而言具有四级以上精度的模型的计算结果可以视作可靠，所以该模型对应的预测结果是可靠的。

第十步，根据预测模型进行下一个类型项目单日人工费的预测。

当 k=4 时 ， X̂(1)()5=693.7；当 k=3时 ，X̂(1)()

4=550。

由式（19）可知，每个工作日的预测成本为143.7元，预计工期为12个月（每个月包含22个工作日），每天需要150个经营者，预计总劳动力成本为569亿元。其他成本的预测方法与此类似，预测结果见表4。

表4 某机电安装工程成本预测

依据表4的测算，项目预测成本为5350亿元。

4 基于配套检索的招投标系统

基于上述招投标数据方法理论，构建能够实现数据检索和成本智能预测功能的招投标系统。系统包含登录、用户管理、文件、工具、视图、构件管理、基础信息管理、知识管理、维护管理以及应急计划管理等十个模块。其功能结构如图1所示。

图1 基于BIM的工程招投标管理系统

一旦系统登录，将弹出由工具栏和主窗口组成的用户主界面。采用基于组件的开放式架构，系统具有良好的可重用性可维护性，可以满足不同的需求，提供个性化的服务。它还提供了IFC文件解析器和IFC标准数据接口引擎，允许系统在涉及招投标的各个业务部门和不同业务系统之间进行数据共享，从而有效避免不同部门之间的信息沟通不畅，影响项目招投标的进度。此外，该系统还提供了基于网络环境的数据可视化平台，使不同的招投标相关方能够准确获取相关信息。

系统针对不同的项目特征设计了具有智能成本预测功能的成本控制模块，为项目建设单位和审计单位预估项目成本或者设置项目拦标价提供数据分析的支持。针对建筑安装和设备安装管理的成本预测模块界面如图2所示。

图2中成本控制模块是针对建筑安装以及设备安装类项目的成本分析和预测，基于具有可比性的相关项目的成本数据，采用本文所述的预测算法进行计算。由图2可知，可进行计算分析的数据基本能够涵盖安装类项目的所有的成本组成，包括人工成本、材料成本、工程机具使用费用、测量费用、规费、企业管理费用、利润和税收。

图2 投标过程中成本控制模块的计算界面

5 结语

本文基于数据联机分析处理（OLAP）技术提出了一种针对采用招标采购方式的工程项目的成本数据进行分析和预测的方法，该方法在对相似工程的成本数据进行统计的基础上，采用预测模型进行分析计算，得出成本预测值，经过实例计算，表明该模型的预测精度能够满足招投标工作的实际需求。最后在招投标系统中引入基于该预测模型的成本数据分析模块，为招投标系统的使用者提供了智能化数据检索和数据预测服务。