四川鼎鑫工程建设管理有限公司 四川成都 610036
摘要：本文从一元线性回归模型出发，结合工程量清单计算规则，推导出框架结构住宅项目中主要工程量参数指标的影响因素。以建筑中的砌体工程为例，借助四个案例指标参数，得出一元线性回归公式，对一栋6层楼住宅建筑的砌体工程量进行预测，再通过传统建模得出精确工程量，对预测结果进行验证，最终得出预测工程量可行的结论。运用此方法可以快速对目标项目工程量进行预测，也可以对某项目已有工程量进行快速复核。
关键词：数据库；一元线性回归模型；工程量预测
引言
随着大数据时代的来临，很多建筑咨询企业都建立起了建筑工程造价数据指标库。通过软件辅助收集的数据指标能反映出各个案例的工程量、单方造价以及材料设备价格等参数。由于工程建筑体本身具有单一性，这些造价指标数据不能简单的套用，因此在指标使用中还需要借助工程师的专业经验进行分析判断。如何更科学、客观、准确地使用这些数据指标是我们需要思考的问题。
1 工程造价估算需要的基本数据
1.1我国现行建设项目总投资构成
根据建筑项目总投资组成分析，建筑安装工程费的测算最为复杂，同时建筑安装工程费往往也是其他各项费用取费的基础。首先，详细分析建筑安装工程费用的组成。
1.2按造价形成划分建筑安装工程费用项目的构成
按造价形成划分建筑安装工程费用，分为：分部分项工程费、措施项目费、其他项目费、规费和税金。不宜计量的措施项目费、规费及税金通常是以定额人工费为基础计取；分部分项工程费与单价措施费的计算需求确定各工程量与综合单价。分部分项工程费通常用分部分项工程量乘以综合单价进行计算：分部分项工程费=∑（分部分项工程量*综合单价）；应予计量的措施项目费通常用措施项目工程量乘以综合单价进行计算：措施项目费=∑（措施项目工程量*综合单价）。因此，在进行工程造价估价的过程中，合理的估计工程量和综合单价很重要。在具备了基本工程量预估和综合单价预测的基础之上，再结合当时当地的政策文件，对不宜计量的措施项目、规费及税金进行测算，以及其他项目费的预估，就能比较准确的预测出目标工程的工程造价。在建筑安装工程费的计算中，实体工程量的计算是首要工作，本文将重点研究如何借助数据指标库快速预测目标项目工程量。
2 造价企业现有数据库情况
2.1 造价企业现有数据库结构
工程类型对造价指标的影响很大，在进行造价数据指标库建设时，通常会对工程类型进行细分，包括：民用建筑工程、工业建筑工程、道路工程、构筑物工程、轨道交通工程、桥涵工程、隧道工程、综合管廊工程、水利工程、矿山工程、单独安装工程等。对于大型、综合性项目，以单项工程为单位进行划分；不同类型的工程数据，在对应类型中进行分析汇总。数据库类别细分举例如下：
2.2 造价企业现有数据库类别
目前大多企业已建立的数据库包括工程单方计量指标库、单方造价指标库、材料设备价格库等。工程单方计量指标库主要根据《建设工程工程量清单计价规范》中分部分项工程项目编码的规则，对比类似单位工程清单编码前9位相同的分部分项工程的单方工程量指标；通过数据库中案例数的增加，可供参考的分部分项工程量指标也越多。工程师可以借用这些指标进行工程量复核以及估算预测工作。工程单方造价指标库主要是对每个单项工程的单方造价进行细分。通过工程单方造价指标库，工程师可查看案例的各项单方造价，包括各单项工程、单位工程、分部工程及分项工程的单方造价。材料设备价格库主要在于积累目标案例中各种材料及设备的价格，同时赋予每种材料设备所对应的地区和价格采集时间。
2.3 现有数据指标库的使用情况
通过企业搭建的数据指标库平台，工程师可以分析出某类型单体建筑的单方造价区间；对于同一建设项目中类似单体建筑物，可以通过数据库分别对比各栋的各项工程量单方指标以及单方造价指标；通过对材料设备的价格积累，可以很快完成材料和设备的价格搜寻工作。但工程项目具有单一性，项目工程造价不可复制，如何在数据指标库平台中选取合适的指标数据还需要依赖造价工程师自身的经验判断。运用数据指标库对目标项目进行预测一定程度上还是带有主观性。如何跳出人为主观判断、科学的运用这些造价指标是数据指标库运用的核心意义。
3 线性回归分析法基本介绍
在科学运用指标库过程中，我们需要借鉴一些数据分析预测方法，其中，线性回归法就是一种常见的定量因果分析预测法。
3.1 线性回归分析基本公式
如果预测对象与主要影响因素之间存在线性关系，将预测对象作为因变量y，将主要影响因素作为自变量x，则它们之间的关系可以用一元线性回归模型表示为如下：
y = a + bx + e
式中，a和b是揭示x和y之间关系的系数，a为回归常数，b为回归系数，e是误差项，是用a+bx去估计因变量y的值而产生的误差。在实际预测中，e是无法预测的，回归预测是借助a+bx得到预测对象的估计值y：
y = a + bx
通过确定a和b，从而揭示变量y与x之间的关系，利用普通最小二乘法原理求出回归系数：
3.2 在工程量估算中准确寻找出预测对象的主要影响因素
在建设项目中，建筑面积是一个规模参数，对各分部分项工程量的影响都很大，但由于建筑物（构筑物）是立体的，很多工程量不仅与建筑面积有关，还跟层高、结构层厚度等竖向参数联系紧密。因此，在选取预测对象的主要因素时，要全面考虑竖向参数与建筑面积规模参数。以《建筑工程工程量清单计价规范》中各分部分项计算规则为基础，结合实践经验，我们以民用建筑中的框架结构的住宅为例，通过敏感性分析选取了以下参数作为预测对象的主要影响因素：
4 线性回归分析法在工程量指标数据测算中的运用
在以往的工程量预测中，我们仅仅是在数据库给定的指标区间中，选取适中的指标数据，借助工程师的经验调整使用。借助一元线性回归公式，我们可以根据目标工程的建筑特征缩小预测区间，更科学更客观地对目标工程进行快速预测或检验。
4.1 修正一元线性回归模型中的因变量y与自变量x
在主要影响因素的选取中，很多主要影响因素不唯一，但在一元线性回归模型中，自变量只有一个，因此我们需要对主要影响因素进行整合。由于主要影响因素中都涉及建筑面积参数，我们将这一参数进行整合，将预测对象由工程量绝对值替换为单方工程量指标数，即用单位建筑面积工程量来表示因变量。例如预测的砌体工程量用每1平方米建筑面积所对应的砌体工程体积量指标表示，这样也符合现有数据库中工程量的指标形式。整合后的自变量与因变量如下表所示：
4.2砌体工程量预测应用
下面我们以砌体工程总量预测为例，演示一元线性回归模型的应用。我们将预测一栋建筑面积1561.36平方米的六层住宅楼砌体结构工程总量。目标工程标准层建筑面积为259.81平方米，标准层外墙中心线长77.31米，内墙净长线长107.00米。将数据库中与目标工程类似的住宅建筑及其对应参数提取出来，如下表：
通过EXCEL中的数据分析功能，使用回归分析，得出下列数据。
通过上表可以得出结论：若设“（标准层外墙中心线+内墙净长线）/标准层面积”为自变量X，“砌体总量/建筑面积”为因变量Y，则X与Y存在线性回归关系。一元线性回归模型为：
Y = 0.665214 X - 0.17819
从预测项目的基础数据可以得出其（标准层外墙中心线+内墙净长线）/标准层面积=0.70940，将这个数据代入上式，得出Y=0.29371。Y=砌体总量/建筑面积，其建筑面积为1561.36平方米，即得出砌体总量=458.59立方米。通过传统建模精确计算出预测项目的砌体体积为437.95立方米，预测值与实际值的偏差为4.71%，此结果在合理偏差范围内。传统建模工程量明细表如下：
由此可见，在未建模的情况下，利用一元线性回归模型能快速推测出砌体工程量数据，且数据误差在合理范围内。这种方法在快速预测目标项目工程量或者快速复核某项目的工程量时，可以广泛运用。
5 结语
数据库的建立需要广泛收集项目数据参数，不仅需要收集工程量清单数据，还应该对项目的特征参数进行收集。科学的分析这次特征参数，客观的使用这些指标参数，是数据指标库建立的核心意义。
参考文献：
[1]全国咨询工程师（投资）职业资格考试参考教材编写委员会.现代咨询方法与实务.北京：中国计划出版社，2016.
[2]全国造价工程师执业资格考试培训教材编审委员会.建设工程计价.北京：中国计划出版社，2017.
[3]中华人民共和国国家标准.建设工程工程量清单计价规范.北京：中国计划出版社，2013.
论文作者:李知行,黄怡
论文发表刊物:《基层建设》2019年第24期
论文发表时间:2019/11/22
标签：工程量论文; 指标论文; 工程论文; 数据论文; 造价论文; 线性论文; 项目论文; 《基层建设》2019年第24期论文;