APP下载

地铁车站建设进度及投资控制研究

2023-11-06陈晓娟

交通科技与管理 2023年20期
关键词:车站神经网络预测

陈晓娟

(徐州地铁集团有限公司,江苏 徐州 221000)

0 引言

地铁车站的建设进度和投资控制是城市交通基础设施规划和管理中的关键问题,直接影响着城市的可持续发展和居民的生活质量。地铁作为一种高效、环保的交通方式,在城市建设和管理中扮演着重要的角色,因此,确保地铁车站项目按计划顺利进行、控制投资成本的合理性至关重要[1]。通过全面研究地铁车站建设进度及投资控制,可以更好地理解和应对城市交通基础设施建设中的问题,推动城市交通系统的可持续发展。

1 工程概况

某地铁车站工程位于当地城市交通网络中的关键节点。该地铁车站的工程规模庞大,涉及多方面要素。该地铁车站站点总长284 m,工程的投资金额达数亿元,站点面积广泛,包括车站大厅、站台、通道、出入口、候车区域等多个功能区域,主要构成部分包括地下结构、站点设施、轨道系统、通信信号设备、供电系统、安全系统等。隧道采用了BIM 技术,提高了设计和施工的协同性,降低了项目风险。

2 地铁车站工程结构分解

地铁车站工程的结构分解是确保项目管理和实施成功的关键步骤,通过按照系统原理将项目细化分解,可以更好地理解各个组成部分的相互关系和依赖性[2]。目前,项目管理主要采用三种不同的分解结构方法,分别是项目分解结构(Project Breakdown Structure,PBS)、工作分解结构(Work Breakdown Structure,WBS)和组织分解结构(Organization Breakdown Structure,OBS)[3]。PBS 是将项目分解成若干部分或细项,以确保捕捉完成项目工作范围所需的工作要素,更好地控制和监督项目的执行。WBS 是按照从总体到细节的原则,根据项目的总任务和工程系统的范围,将项目逐层分解,确保项目的目标和范围得到清晰定义。OBS 则是根据不同的工作分工和类别,对工作的层级结构进行设计,并将工作包与项目不同部门或单位有机联系在一起,以便更好地协调和合作。

该文采用WBS 对地铁车站工程进行分解,主要分为以下部分:场地平整、围护结构、土方开挖、主体结构和附属结构。以便于管理和组织地铁车站工程的各个方面,确保项目能够按照既定的目标和范围顺利进行。地铁车站的工作分解结构见图1。

图1 地铁车站土建工程工作分解结构图

3 地铁车站建设进度及投资影响因素分析

地铁车站建设进度和投资控制的影响因素较多,特别是在建设前期,各种因素可能对项目的进展和投资目标产生深远的影响。该文选取并分析一致性影响因素和差异性影响因素,具体见表1。

表1 地铁车站进度及投资建设影响因素

综合考虑一致性和差异性因素,地铁车站建设的进度和投资目标应在项目初期进行全面评估和规划,同时,项目管理过程中,需要灵活应对各种变化和挑战,以确保项目按计划推进并保持投资控制。

4 进度及投资目标预测

地铁车站工程项目具有独特性、复杂性和多样性,根据该地铁车站的工程特点,由于该地铁车站工程进度和投资的影响因素较多,而BP 神经网络具有传统方法无法比拟的优势,即BP 神经网络具有强大的非线性映射能力,能够有效地反映各种因素之间的非线性关系。因此,该文采用BP 神经网络预测地铁车站工程的进度和投资控制目标。

BP 神经网络是一种常用的人工神经网络模型,用于解决回归和分类问题,它由输入层、隐含层和输出层组成,通过权重调整和反向传播算法来训练网络,使其能够从历史数据中学习并做出预测[4],其结构如图2 所示。

图2 BP 神经网络结构示意图

4.1 预测模型构建

为了建立预测模型,需要准备历史数据,包括地铁车站建设项目的进度和投资数据包括已完成的项目、各个阶段的进展情况、实际投资金额以及项目特征(如地理位置、规模等)。采用MATLAB 软件创建BP 神经网络模型,输入层节点数根据项目特征确定,隐层节点数通常需要经过实验来确定,而输出层节点数取决于要预测的变量,即进度和投资金额。使用历史数据对模型进行训练,在训练期间可以使用以下优化算法来最小化预测误差,如梯度下降法、Adam、RMSprop 等[5]。训练过程需要迭代多次,直到模型的性能达到满意水平。模型训练完成后,需要使用测试集来评估模型的性能。常用的评估指标包括均方误差(MSE)、均方根误差(RMSE)、决定系数(R-squared)等[6]。通过比较模型的预测结果与实际值,可以评估模型的准确性和泛化能力。

4.2 模拟结果分析

采用MATLAB 软件运行该模型,得到网络收敛和训练数据拟合情况分别如图3~4 所示。

图3 网络收敛过程

由图3、图4 可知,实际值与预测值之间的误差较小,这表明BP 神经网络预测能够满足实际工程进度和资金投入的要求。为了进一步验证模型的可靠性,对检验样本进行预测和验证。考虑BP 神经网络的预测结果具有随机性,该次进行20 次BP 神经网络模型运行,取其平均值,将运行结果平均值作为最终的预测结果。将预测值与实际值进行对比,验证BP 神经网络模型的有效性和可行性。结果见图5。

图4 进度和单价训练结果

图5 训练检测结果

由图5 可知,进度和投资的实际值与预测值之间的相对误差均在±5%以内。根据预测结果,车站的土方开挖工程进度目标为852 m3/d,投资目标为56.24 元/m3。通过此方法,还可以预测其他分部分项工程的进度和投资目标,最终得出整个车站的总工期目标为642 d,总投资目标为10 751.28 万元。

5 地铁车站建设进度及投资控制对策

5.1 进度控制

采用严格的进度控制措施,包括制定详细的工作计划、监督施工进展、定期召开项目会议以协调各方的工作,使用项目管理软件来跟踪任务和资源的分配,以及项目的关键路径,提前识别可能的延误,并采取适当的行动来加快进度。

5.2 投资控制

为了控制投资,制定严格的预算和财务计划。每项支出都经过精细核算,并严格审批,同时,采用成本效益分析来确保每笔支出都是合理的,与供应商和承包商建立合同,明确费用、付款和交付的条款,以避免潜在的额外开支。

在项目立项阶段,应对地铁车站的工程规模、技术标准和预期投资进行准确估算。在预算编制过程中,应综合考虑施工、设备采购、人力资源等各方面的费用,确保预算合理且可行。地铁车站建设涉及诸多领域和环节,需要对各项费用进行精细化管理。通过制定有效的成本控制策略,如制定详细的工程清单、强化合同管理和实施有效的资源配置,以减少成本超支和资源浪费。

5.3 风险评估

地铁车站建设过程中存在多种风险,如工程施工风险、技术风险和市场风险等,应在项目前期全面分析和评估可能面临的风险,并制定应对策略。可采用风险分级管理的方法,对不同风险进行分类、评估和应对,以降低风险带来的不确定性。

5.4 变更管理

变更管理是处理地铁车站建设过程中变更请求或变更需求的重要手段。建设过程中可能会因为设计变更、技术改进或其他原因而出现需求变化,通过建立有效的变更管理机制,明确变更的程序和责任,并进行成本和进度的再评估,能够及时应对变更带来的影响。

6 结语

综上,在地铁车站建设项目中,进度和投资控制对工程建设有重要影响。该文主要对某地铁车站工程项目建设进度及投资控制进行了分析,采用MATLAB 软件创建了BP 神经网络预测模型,通过数据分析、模型训练和优化,得到进度及投资目标预测结果,并在此基础上提出进度控制、投资控制、风险评估和变更管理等控制方法,以提高地铁车站建设的效率和质量,降低项目风险,为类似工程实践提供参考。

猜你喜欢

车站神经网络预测
无可预测
选修2-2期中考试预测卷(A卷)
选修2-2期中考试预测卷(B卷)
神经网络抑制无线通信干扰探究
车站一角
在北京,一个车站的治理有多难
不必预测未来,只需把握现在
基于神经网络的拉矫机控制模型建立
热闹的车站
热闹的车站