高铁工程全生命成本智能预测模型与实证研究_喇海霞.pdf

科技管理研究Science and Technology Management Research2023 No.72023 年第 7 期doi:10.3969/j.issn.1000-7695.2023.7.024高铁工程全生命成本智能预测模型与实证研究喇海霞，段晓晨，牛衍亮（石家庄铁道大学管理学院，河北石家庄050000)摘要：为提高高铁工程成本估算的准确性，简化高铁工程成本估算程序，提出基于显著性成本理论的高铁工程全生命成本智能预测模型。首先，结合已完同类工程量清单，运用显著性成本理论，确定同类工程显著性成本项目与显著性因子；其次，运用余弦相似度法，结合已完工程与拟建工程的工程特征数据，完成相似工程的筛选；再次，结合相似工程数量的多少，分别选用基于 PSO-RBF、PSO-LSSVM、FCM 聚类、FIS 的模糊推理预测模型进行高铁工程全生命成本预测；最后，通过实例验证该模型的准确性与可行性。研究结果表明，该模型的运用确保了估算的精度，并提高了高铁工程成本估算效率。关键词：显著性成本理论；高铁工程；RBF 神经网络；最小二乘向量机；模糊推理中图分类号：F52；O242；TB11；O29 文献标志码：A 文章编号：1000-7695（2023）7-0213-08 Intelligent Prediction Model and Empirical Study on Life-circle Cost for High-speed Railway ProjectLa Haixia,Duan Xiaochen,Niu Yanliang（School of Economics and Management,Shijiazhuang Tiedao University,Shijiazhuang 050000,China）Abstract:In order to improve the accuracy of the cost estimation of high-speed railway engineering and simplify the cost estimation procedure of high-speed railway engineering,proposes an intelligent prediction model of the whole life cost of high-speed railway engineering based on the significance cost theory.Firstly,determine the CSIs and csf of similar projects by using the significance cost theory combined with the completed list of similar projects.Secondly,select similar projects combined with the characteristics of completed projects and planned projects by Cosine Similarity.Then,forecast the whole life cost of high-speed railway projects by selecting different estimation models based on PSO-RBF,PSO-LSSVM,FCM clustering and FIS,combined with the number of similar projects.Finally,verify the accuracy and feasibility of the model by an example.The results show that the prediction model ensures the accuracy of estimation and improves the efficiency of cost estimation of high-speed railway engineering.Key words:significance cost theory;high-speed railway;RBF;LSSVM;FIS收稿日期：2022-08-12，修回日期：2022-10-27基金项目：国家自然科学基金项目“国际高铁联营体竞合机理与策略研究”（72071133）；河北省自然科学基金项目“高铁投资与运营收入三维非线性智能估算方法研究”（G2019210226）根 据 国 际 铁 路 联 盟（International Union of Railways,UIC）2021 年 6 月份最新统计数据显示，目前全球正在运营的高速铁路有 56 130 km，加上在建的、已规划、长期规划的高速铁路总计达 131 803 km。由此可见，在未来十几年，全球高铁还处于黄金发展期，我国在高铁建设领域还存在重大机遇与挑战。虽然我国在高铁智能建造、智能装备、智能运营方面取得了显著成绩，但在高铁工程全生命成本智能预测方面还远远落后于欧美一些国家，目前，我国高铁在设计阶段所进行的概预算工作，仍然采用定额的方法，虽然进行一定价差调整，但由于其定额及人、材、机价格公布的滞后性与静态性远不能满足高铁工程成本影响因素复杂性、非线性、自组织等特点，不仅存在准确度不高，工作量巨大的问题，且概算内容仅限于建设成本，不能从全生命的角度去考虑工程成本。在工程成本估算方面，国内外学者均有一定研究。陈虎1通过分析铁路运输成本主要影响因素,运用 RBF 神经网络对铁路客运成本进行预测，通过实际案例验证了 RBF 模型较强的学习能力和适应能力。Kleopatra 等2详细分析了隧道土建施工和机电安装运维成本的主要影响因素，提出了基于神经网络的公路隧道全生命成本估算模型。秦中伏等3将 SVM 和 LSSVM 运用到住宅工程成本估算中，通过实例验证了两种方法的精确214喇海霞等：高铁工程全生命成本智能预测模型与实证研究性。杜艳超等4提出了基于 BIM 的建筑项目全生命预测方法，将整个建筑模型全生命成本分解为若干预测单元，并通过仿真模拟验证了预测结果的精确度。熊志伟等5运用基于 PSO 的最小二乘支持向量机法，构建了变电站全寿命周期成本预测模型，并结合实际数据将该模型与传统支持向量机、神经网络预测模型进行精确度对比，验证了预测模型的可行性与精确性。段晓晨等6提出了将显著性成本理论与 Hopfield 神经网络综合运用到基础设施建设项目投资估算的理论模型，并通过公路路基工程进行实证，取得了良好效果。段晓晨等 7提出了基于SOM-RBF 网络的道路全生命估价模型，通过研究论证了该模型的精确度和较高的估算效率。综上所述，国内外学者将相关智能估算方法运用到铁路、公路、房建等领域取得了一定研究成果，但基于显著性成本理论，对高铁工程全生命成本智能预测的研究还未见相关报道，本文拟在显著性成本理论基础上，构建一套普适性的高铁工程全生命成本预测模型。1高铁工程全生命成本定义结合美国国家标准和技术局手册对全生命周期成本的定义8，本文将高铁工程全生命成本定义为：高铁工程在其寿命周期内建设成本、运维成本以及最终弃置回收全部费用的折现值，可用公式（1）表达:（1）式（1）中，PVj表示高铁工程全生命成本的折现值，T1表示高铁建设结束年份、T 表示运营结束年份，i 表示折现率，NDj表示最终弃置回收净现值。但因精力所限，本文主要将高铁土建工程建设成本和运维成本预测作为研究对象，其他部分暂不作为本文研究范畴。另外，结合高铁工程设计规范，除高铁轨道工程外，高铁路基、桥梁、隧道工程其结构设计使用年限均应为 100 年，研究将结合具体工程确定其寿命期。2基于显著性成本理论的高铁工程全生命成本智能预测模型构建通过上文分析，我国现阶段高铁工程全生命成本估算存在计算过程复杂、估算内容不全面、估算精度不高等问题。为此，本文提出一套基于历史数据库的智能预测模型，其整体构建思路如图1所示，主要包括 5 方面内容，下文对各部分内容进行较为详细阐述。图 1高铁工程全生命成本估算理论模型2.1高铁工程全生命成本预测基础数据库构建高铁工程全生命成本估算基础数据库的构建是高铁智能估算的必要前提与重要基础。目前，国内还没有任何机构建成较为完善的铁路工程成本智能估算数据库，这也成为制约我国高铁成本智能估算发展的重要因素。本文主要依托国家自然基金项目国际高铁联营体竞合机理与策略、河北省自然科学基金项目高铁投资与运营收入三维非线性智能估算方法研究，发挥团队成员力量，通过线上线下调研（勘测设计院、国家铁路局、工程咨询单位、国家铁路局等相关单位）、网络爬虫、文献阅读、UIC 数据库、公众号(国际工程项目管理、国家重大建设项目库、复杂工程视点)等多种方式进行相关数据收集、处理、整理，最终完成高铁工程全生命成本预测基础数据库的构建。因数据库构建相关内容较多，本文不详细赘述，下文实证部分，将结合文章需要对部分数据库内容进行展示。2.2显著性成本理论运用2.2.1显著性成本理论基本思想19 世纪，意大利经济学家、社会学家 Vilfred Pareto 通过统计观察发现：社会上 80%的财富被大约仅占人口数量 20%的人所占有。之后，人们又发现了许多遵循该规律的社会现象，并将这类现象统喇海霞等：高铁工程全生命成本智能预测模型与实证研究215称为“帕累托法则”，也称为“显著性理论（cost significant,CS）”。随着对显著性理论的不断深入研究与运用，很多学者将其推广运用到工程领域，通过研究发现：一个工程可以分解为若干个分部分项工程，而存在着这样一些分部分项工程，其在数量上仅占分部分项工程 20%左右，成本上却几乎占到 80%，于是把这些分部分项工程称为“显著性成本项目”（cost significant Items,CSIs）9。本文拟将该理论推广运用到高铁工程全生命成本预测中，在运用该理论基础上，进一步根据相似显著性项目数量的多少选择不同的智能预测方法，既能保证估算的精确度，同时可极大简化当前估算工作量。运用显著性成本理论，如果求得显著性成本项目以及显著性因子，则可根据公式（2），求得高铁工程项目全生命周期成本10。（2）式中：PVj为 j 工程全生命周期成本现值之和；C(csi)jt为第 t 期第 j 项工程建设成本、运营成本的显著性成本项目费用；csf 为项目的显著性因子，其为显著性项目成本总和与项目总成本的比值；n 为显著性项目的个数；i为第t年折现率；T为项目寿命期。2.2.2显著性项目的确定国外相关研究表明：虽然不同的工程量清单，其显著性成本项目可能不会完全一致，但同类工程具有几乎一样的显著性成本项目10。对于已完工程显著性项目确定，本文采用“均值理论”，主要结合所收集到的已完工程量清单作为分析对象，结合项目工程量清单，确定项目总成本 C 以及分项数量 N，将分项成本大于平均成本的分部分项工程作为显著性成本项目。当所确定的显著性项目大于总量N的30%时，需要对已确定的CSIs进行再次平均，直到基本接近二八原则11。2.2.3显著性因子的确定本文采用留一交叉验证法（leave-one-outcross validation，LOO-CV）来确定同类工程的显著性因子。其具体步骤如下：（1）将收集数据分为训练集与验证集两部分。（2）求出训练集的显著性因子，即训练集的显著性成本项目成本求和与其对应总成本求和的比值，将该比值带入验证集进行验证，当计算得到的相对误差在允许范围内，则继续计算下一个项目的显著性因子，如此循环。其中，csf 的计算如公式（3）：（3）式中：csf显著性因子；SEi训练样本工程显著性项目的成本；Ej训练样本工程项目总成本；n训练样本工程项目显著性项目的个数；m训练样本所属工程所有分