市政道路工程是土木工程的一个分支，是城市基础设施建设的重要组成部分，是保障城市正常运转和经济发展的物质基础和基本条件。

　　一、引言

　　市政道路工程是土木工程的一个分支，是城市基础设施建设的重要组成部分，是保障城市正常运转和经济发展的物质基础和基本条件，市政道路建设问题是关系到国计民生的重要问题，市政道路建设行业的成熟和发展对于维持经济快速发展和改善人民生活具有重要的保障作用。目前，随着国民经济的飞速发展，我国的城市化进程也不断加快，各级政府均投入了大量人力、物力和财力进行市政道路工程等城市基础设施的建设。然而，市政道路项目建设资金的投入依然是非常有限和匮乏的，资金短缺己成为制约城市建设与发展的瓶颈。因此，市政|建设工程教育网|道路工程造价管理就成了人们关注的焦点，也是工程建设领域的一项非常重要的研究课题。

　　工程造价估算是工程造价控制的前提，是工程项目可行性研究的基础，也是招投标制定标底的依据，因此工程造价估算成为工程造价管理中应首要解决的问题。只有确保投资决策阶段工程造价估算的及时性和准确性，才能对工程造价管理全过程中工程造价的发生进行有效的控制，才能提高投资效益和社会效益，减小我国固定资产投资领域的损失。鉴于此，本文提出了市政道路工程造价估算的研究课题。

　　二、市政道路工程造价估算存在的问题及其方法

　　在我国，随着各种工程建设的蓬勃发展，工程造价的估算问题也越来越受到关注。除了几种常见的估算方法外，对于条件极其复杂的市政工程，近几年来出现的几种新的估算类型：数理统计、模糊数学、自适应过滤技术、专家系统和人工神经元网络技术。

　　1、数理统计类型，是根据以往工程的历史资料进行分项统计、回归分析，可以找出工程数量或工程造价与某个单项因素或诸影响因素之间的函数关系。其函数关系一般表示为如下的形式②：

　　Eij= b1f1（z1） + b2f2（z2） + b3f3（z3） + …

　　式中 Eij——第i章第j节的工程数量或工程造价；

　　bk——第k项影响因素的影响系数；

　　fk——第k项影响因素的隶属函数；

　　zk——第k项影响因素的取值。

　　用这种方法可以清楚地看出各影响因素对工程数量或工程造价的影响程度。它使用方便，计算量较小。然而数理统计方法的估算精度，取决于所搜集样本的数量和对相应数据的回归处理技巧。当没有足够的样本数目时，单纯用数理统计方法，就难以得到令人满意的函数关系，估算的准确度就大大下降。

　　2、模糊数学类型③，是运用模糊数学理论，通过确定特征向量、计算工程间特征对比的模糊隶属度及贴近度，从众多己知造价的典型工程中找出待估工程的若干个相似工程，利用相似工程的造价作为原始资料，采用某种可行的预测技术，结合模糊数学的某些方法，对待估工程进行造价估算。

　　该方法对模糊信息进行处理，使当前工程和己建工程之间的相似度定量化，并以此为依据估算工程造价，具有可行性。但该方法不能准确反映出工程造价的实际变化特性，为确保工程造价估算的准确性，必须考虑各个工程建造年价，即使是在物价相对稳定时期。因此，在原有方法基础上，还须补充考虑资金时间价值因素，以某一时间为基准，计算当前工程与己建工程之间的相似度，从而选择其中的典型工程来估算工程造价。

　　3、基于神经网络的工程造价估算方法。

　　分析研究神经网络数学理论，发现由于神经网络是由大量处理单元（神经元、处理元件、无电元件等）广泛互连而成的网络，它是一个非线性动力学系统，并以分布式存贮、并行协同处理和自适应学习为特色，直接使用样本数据实现输入层与输出层之间的非线性映射，因此不需要建立精确的计算方程或规则，非常适用于难以建立精确数学模型但易于收集学习样本的问题。而工程造价估算正是这样一个问题。

　　这种方法通过实例训练学习来确定模型的权重，避免了某些方法的人为计取权重的主观影响，计算简单、准确，非常适合快速估算工程造价；并且造价中隐性考虑了不同时期主材价格，使造价更加符合实际。然而，基于神经网络的工程造价估算方法的主要限制在于工程特征的选取和训练样本的选取上。这两个方面的选取工作，目前只能凭借经验来完成，缺乏理论的指导，因此，极易造成个别输出目标值偏离实际值。

　　此外，鉴于市政道路工程造价估算是在投资决策阶段进行的，在此阶段由于受掌握工程资料详尽程度的制约，许多工程

[1] [2] 下一页