基于PSO-ACO-BP神经网络的EPC造价指数预测研究
发布时间：2021-10-24 17:26
EPC工程总承包作为覆盖项目建设全生命周期的建设工程组织实施方式,备受市场青睐。在EPC工程总承包模式的应用中,投资形式多数是以国家或集体投资为主。因此,项目的造价控制和管理与国有资产的合理利用有着重要的联系,而我国现行的工程计价计量体系主要是建立在施工图的基础之上,可以确定较为准确的工程量和综合单价。对于采用EPC工程总承包模式的项目,在建设项目被批准立项后、或方案设计被批准后、或初步设计被批准后的三个阶段,建设单位都可以采用工程总承包的方式发包。而此时项目详细的施工图并未设计,导致不能确定项目准确的工程量和详细设计标准对应的综合单价,工程造价就无法精确的确定,不利于发包人控制项目投资,也不利于承包人优化设计和改进施工,制约了工程总承包模式的推行。根据“住房城乡建设部办公厅发布的建办标函[2018]726号《房屋建筑和市政基础设施项目工程总承包计价计量规范》（征求意见稿）”表明,发承包阶段建安费的确定可以参照同类或类似项目的此项费用并考虑价格指数计列。鉴于我国对EPC总承包模式下的造价指数并未做出相关的研究,在结合EPC总承包项目的相关文件的基础上,建立EPC总承包造价指数体系并对造...
【文章来源】：西华大学四川省
【文章页数】：86 页
【学位级别】：硕士
【部分图文】：
技术路线图
基于PSO-ACO-BP神经网络的EPC造价指数预测研究12图2.1指数的分类Fig.2.1Classificationofindices（4）工程造价指数的分类根据不同的工程造价指数分类方式，工程造价指数可以分为以下三类：一是按照造价指数发布的周期可分为月度造价指数、季度造价指数、年度造价指数；二是按照造价指数形成过程中基数的不同又可分为定基造价指数和环比造价指数；三是按照工程计量与计价过程可分为单项价格指数和综合价格指数。（5）工程造价指数的作用作为把控建设项目在施工期间市场物价变动的利器，工程造价指数为了便于合理确定和有效控制工程造价的“数量”和“价格”，造价人员可以结合已建项目中“数量”和“价格”相结合的单一价格指数和综合价格指数进行判断当前项目工程造价，让工程造价在“量”与“价”上都具有可比性[37]。具体的作用是利用建设项目的工程造价指数
西华大学硕士学位论文13分析不同项目的价格变化趋势及变化趋势的原因；在政府部门制定宏观调控之前，项目成本指数可以预测宏观经济变化趋势，为政府部门进行预测和制定正确的政策提供依据。对于大型建设项目，由于建设周期长，市场价格变动影响很大。工程造价指数无论对承包商还是发包人在施工过程中进行前期成本预测或价格调整，都是一种科学有效的方法。项目成本指数能更准确地预测市场价格变化引起的项目成本变化，对项目的事前控制起着重要的作用[16]。（6）传统的施工阶段发承包模式下的造价指数体系传统的施工阶段发承包模式下的造价指数体系一般分为两类：一类按构成要素编制的生产要素价格指数，另一类是按造价形成方式编制的综合费用价格指数。具体如下图2.2所示。图2.2传统造价指数体系Fig.2.2Traditionalcostindexsystem2.1.2EPC造价指数根据“住建部发布的建办标函[2017]621号关于《建设项目总投资费用项目组成》《建设项目工程总承包费用项目组成》征求意见稿”第一条，表明建设单位可以在建设项目的可行性研究批准立项后，或方案设计批准后，或初步设计批准后采用工程总承包的方式发包。三个发承包阶段中，都未涉及施工图设计，导致如何在发承包阶段确定合理的工程造价成为一个难题。
【参考文献】：
期刊论文
[1]EPC工程招投标工作的关键环节分析[J]. 冀涛. 工程技术研究. 2019(24)
[2]建设工程造价指数分析及应用探究[J]. 朱海东. 住宅与房地产. 2019(22)
[3]乌兰察布市施工招标投标阶段工程造价指数预测研究[J]. 庞燕. 集宁师范学院学报. 2019(04)
[4]基于关键要素法的工程造价指数编制实证研究[J]. 王美华,莫旭琛. 建筑经济. 2019(01)
[5]浅谈EPC模式下工程总承包企业的造价和成本管控[J]. 韩世强. 项目管理技术. 2018(05)
[6]EPC总承包模式下的工程造价管理[J]. 冯甲林. 工程建设与设计. 2018(08)
[7]基于GA-BP神经网络的未来时期水电工程造价指数预测[J]. 郭琦,邓唯,姜章维. 水电能源科学. 2018(04)
[8]工程总承包项目招投标五大问题值得关注[J]. 韩如波. 建筑设计管理. 2017(10)
[9]建设工程造价指数在工程造价动态管理中的应用[J]. 邓嘉颖. 低碳世界. 2017(13)
[10]简析建设工程造价指数的编制及其应用[J]. 王玉明. 建筑与预算. 2016(04)
博士论文
[1]住宅工程造价指标及指数研究[D]. 吴学伟.重庆大学 2009
硕士论文
[1]我国工程造价信息的编制和应用研究[D]. 张新发.北京交通大学 2018
[2]基于BP神经网络的视觉类次任务驾驶安全性预测模型研究[D]. 郭柏苍.吉林大学 2018
[3]基于人工神经网络的MATLAB接触线磨耗预测模型研究[D]. 程泽华.中国铁道科学研究院 2018
[4]广州市住宅项目造价指标及指数的应用研究[D]. 刘练.华南理工大学 2018
[5]ACO-BP算法优化及其在入侵检测中的应用[D]. 陆胜雷.重庆师范大学 2018
[6]全球工程造价指数波动及成因研究[D]. 张芮郗.重庆大学 2017
[7]B公司EPC总承包项目成本控制研究[D]. 梁雅娟.华东理工大学 2017
[8]基于改进BP神经网络的住宅工程造价估算模型研究[D]. 杨帆.中国矿业大学 2016
[9]住宅建筑工程造价指数预测模型及应用研究[D]. 张宜龙.重庆交通大学 2016
[10]基于蚁群粒子群算法的无线多媒体传感器网络覆盖优化[D]. 王秀全.太原理工大学 2016
本文编号：3455676
【文章来源】：西华大学四川省
【文章页数】：86 页
【学位级别】：硕士
【部分图文】：
技术路线图
基于PSO-ACO-BP神经网络的EPC造价指数预测研究12图2.1指数的分类Fig.2.1Classificationofindices（4）工程造价指数的分类根据不同的工程造价指数分类方式，工程造价指数可以分为以下三类：一是按照造价指数发布的周期可分为月度造价指数、季度造价指数、年度造价指数；二是按照造价指数形成过程中基数的不同又可分为定基造价指数和环比造价指数；三是按照工程计量与计价过程可分为单项价格指数和综合价格指数。（5）工程造价指数的作用作为把控建设项目在施工期间市场物价变动的利器，工程造价指数为了便于合理确定和有效控制工程造价的“数量”和“价格”，造价人员可以结合已建项目中“数量”和“价格”相结合的单一价格指数和综合价格指数进行判断当前项目工程造价，让工程造价在“量”与“价”上都具有可比性[37]。具体的作用是利用建设项目的工程造价指数
西华大学硕士学位论文13分析不同项目的价格变化趋势及变化趋势的原因；在政府部门制定宏观调控之前，项目成本指数可以预测宏观经济变化趋势，为政府部门进行预测和制定正确的政策提供依据。对于大型建设项目，由于建设周期长，市场价格变动影响很大。工程造价指数无论对承包商还是发包人在施工过程中进行前期成本预测或价格调整，都是一种科学有效的方法。项目成本指数能更准确地预测市场价格变化引起的项目成本变化，对项目的事前控制起着重要的作用[16]。（6）传统的施工阶段发承包模式下的造价指数体系传统的施工阶段发承包模式下的造价指数体系一般分为两类：一类按构成要素编制的生产要素价格指数，另一类是按造价形成方式编制的综合费用价格指数。具体如下图2.2所示。图2.2传统造价指数体系Fig.2.2Traditionalcostindexsystem2.1.2EPC造价指数根据“住建部发布的建办标函[2017]621号关于《建设项目总投资费用项目组成》《建设项目工程总承包费用项目组成》征求意见稿”第一条，表明建设单位可以在建设项目的可行性研究批准立项后，或方案设计批准后，或初步设计批准后采用工程总承包的方式发包。三个发承包阶段中，都未涉及施工图设计，导致如何在发承包阶段确定合理的工程造价成为一个难题。
【参考文献】：
期刊论文
[1]EPC工程招投标工作的关键环节分析[J]. 冀涛. 工程技术研究. 2019(24)
[2]建设工程造价指数分析及应用探究[J]. 朱海东. 住宅与房地产. 2019(22)
[3]乌兰察布市施工招标投标阶段工程造价指数预测研究[J]. 庞燕. 集宁师范学院学报. 2019(04)
[4]基于关键要素法的工程造价指数编制实证研究[J]. 王美华,莫旭琛. 建筑经济. 2019(01)
[5]浅谈EPC模式下工程总承包企业的造价和成本管控[J]. 韩世强. 项目管理技术. 2018(05)
[6]EPC总承包模式下的工程造价管理[J]. 冯甲林. 工程建设与设计. 2018(08)
[7]基于GA-BP神经网络的未来时期水电工程造价指数预测[J]. 郭琦,邓唯,姜章维. 水电能源科学. 2018(04)
[8]工程总承包项目招投标五大问题值得关注[J]. 韩如波. 建筑设计管理. 2017(10)
[9]建设工程造价指数在工程造价动态管理中的应用[J]. 邓嘉颖. 低碳世界. 2017(13)
[10]简析建设工程造价指数的编制及其应用[J]. 王玉明. 建筑与预算. 2016(04)
博士论文
[1]住宅工程造价指标及指数研究[D]. 吴学伟.重庆大学 2009
硕士论文
[1]我国工程造价信息的编制和应用研究[D]. 张新发.北京交通大学 2018
[2]基于BP神经网络的视觉类次任务驾驶安全性预测模型研究[D]. 郭柏苍.吉林大学 2018
[3]基于人工神经网络的MATLAB接触线磨耗预测模型研究[D]. 程泽华.中国铁道科学研究院 2018
[4]广州市住宅项目造价指标及指数的应用研究[D]. 刘练.华南理工大学 2018
[5]ACO-BP算法优化及其在入侵检测中的应用[D]. 陆胜雷.重庆师范大学 2018
[6]全球工程造价指数波动及成因研究[D]. 张芮郗.重庆大学 2017
[7]B公司EPC总承包项目成本控制研究[D]. 梁雅娟.华东理工大学 2017
[8]基于改进BP神经网络的住宅工程造价估算模型研究[D]. 杨帆.中国矿业大学 2016
[9]住宅建筑工程造价指数预测模型及应用研究[D]. 张宜龙.重庆交通大学 2016
[10]基于蚁群粒子群算法的无线多媒体传感器网络覆盖优化[D]. 王秀全.太原理工大学 2016
本文编号：3455676
本文链接：https://www.wllwen.com/jianzhugongchenglunwen/3455676.html
