建筑技术丨面向工程造价优化的成本控制策略研究

1 工程概况

本研究以门头沟区龙泉镇大峪化工厂及周边地块棚户区改造及环境整治项目为例，从施工进度角度出发，分析控制工程造价的策略。在本项目的施工过程中，存在如下工程难点。

（1）工期紧张。本工程为装配式住宅项目，且地下室层数较多，住宅楼地下室均为4层，施工难度大，技术要求高，对施工工期要求较高。且由于开工时间为8月，土方开挖正值雨季，施工进度受很大影响。按照工期要求，本工程施工将经历3个雨季、3个冬季和3个春节，同时受政策性停工和扬尘管控影响，工期压力非常大。

（2）雨期施工。雨期施工阶段一般为6~9月，根据施工总体进度计划，本工程将经历雨季施工，主要涉及地基与基础、主体结构施工、二次结构砌筑、装饰装修施工、机电设备安装施工等。

（3）冬季环境管控。经历3个冬季，该期间正处于冬期施工环保管控最严的时间，由于环保管控将对施工效率产生巨大影响。

（4）临建设施布置受限。根据现场实地勘察情况，地块红线内不具备项目长期办公和工人住宿等临建设施的条件，施工现场场地严重不足，也且存在过程二次搬迁的情况。

2 工程造价评估指标体系

根据本项目的工程难点，本节系统梳理工程造价的评估指标体系。首先明确指标体系的建立原则，在此基础上构建指标体系。

2.1 指标体系建立原则

造价评估指标体系的确定原则对于确保评估结果的准确性、科学性和实用性至关重要。指标体系构建思路如图1所示。

图1 指标体系构建思路

（1）全面性原则。造价评估指标体系必须全面考虑影响工程造价的各种因素，包括与工程项目直接相关的设计、施工、材料等因素，同时也需要综合考虑外部环境、宏观经济发展情况、政策变动等间接因素。只有全面考虑各种因素，才能确保评估结果的全面性和准确性。

（2）系统性原则。造价评估指标体系应形成一个有机整体，各个指标之间应具有一定的逻辑性和层次性。从项目立项、可行性研究、设计阶段到招标投标和施工阶段，每个阶段的评估指标都应紧密相连，形成一个完整的系统。这样有助于从整体上把握工程造价的变化趋势，提高评估的科学性。

（3）科学性原则。在确定造价评估指标体系时，应基于科学原理和工程实践经验，确保指标选取的科学性。指标应具有明确的定义和计算方法，能够客观反映工程造价的实际情况。同时，指标的选取应具有代表性，能够准确反映工程造价的主要影响因素。

（4）独立性原则。在构建造价评估指标体系时，应确保各个指标之间的独立性，避免指标之间存在重复或相互干扰的情况，以提高评估结果的准确性。

（5）可操作性与实用性原则。造价评估指标体系应具有可操作性和实用性。指标数据的获取应相对容易，方便评估人员使用。同时，指标体系应能够满足实际工程管理的需求，为项目决策和管理提供有力支持。

2.2 指标体系构建

建筑工程造价评估指标体系首先包括项目基础信息评估，涉及项目的规模、地理位置、建设标准等基本信息，这些信息对于初步估算项目的总体成本至关重要。

（1）设计阶段评估，包括设计方案的复杂度、材料选择、技术难度等因素。设计阶段的决策直接影响后续施工阶段的成本，因此必须对其进行细致评估。

（2）施工阶段的评估指标体系则更为复杂，包括人工费用、材料费用、机械费用等直接成本，以及管理费用、税费等间接成本。此外，还需考虑施工周期、工程质量等因素对成本的影响。

（3）竣工验收阶段的评估主要关注项目的实际完成情况与预算的对比，分析成本偏差的原因，并为未来项目的成本控制提供经验教训。

本研究面向工程实践，重点考虑建筑、结构和工程管理，建立了指标体系所包含的关键要素，如图2所示。

图2 指标体系所包含关键要素

3 基于PSO–LSSVM的建筑工程造价评估模型

根据建筑工程造价评估指标体系，基于PSO–LSSVM建立智能化评估模型，为各类施工方案下施工成本的分析提供工具。最终给出最佳的控制策略。PSO–LSSVM结合了PSO的全局搜索能力和LSSVM的高效建模优势，能够自动优化模型参数，提高预测精度与泛化能力，适用于复杂非线性系统的建模与预测，展现出强大的应用潜力。

3.1 基于粒子群优化算法的最小二乘支持向量机关键参数优化

在建筑工程造价管理中，精确的造价预测和成本控制是确保项目经济效益的关键。传统的造价管理方法往往依赖于历史数据和经验，但在复杂多变的工程项目中，这种方法可能难以达到理想的预测和控制效果。为了解决这个问题，越来越多的研究者开始探索基于智能优化算法和机器学习技术的造价管理方法。其中，粒子群优化（PSO）算法和最小二乘支持向量机（LSSVM）的结合，为建筑工程造价管理提供了一种新的思路。

在建筑工程造价管理中，可以将LSSVM的关键参数作为PSO算法中的粒子，将造价预测的精度作为适应度函数。然后，通过PSO算法迭代搜索最优的LSSVM参数组合，使造价预测的精度达到最高。

（1）初始化粒子群。在参数空间中随机生成一定数量的粒子，每个粒子都代表一组LSSVM的参数。

（2）计算适应度。将每个粒子所代表的LSSVM参数组合应用于造价预测模型，计算预测的精度，并将精度作为粒子的适应度。本研究选择利用预测结果的均方误差（MSE）作为评估模型的性能指标，在进行适应度评价时，误差越小则粒子位置越优异，模型的评估能力越强。

（3）更新个体最优和全局最优。比较每个粒子的适应度，更新每个粒子的个体最优位置和全局最优位置。

（4）更新粒子速度和位置。根据粒子的个体最优和全局最优位置，以及粒子的速度和位置更新公式，更新每个粒子的速度和位置。

（5）迭代优化。重复步骤（2）~（4），直到达到最大迭代次数或满足其他停止条件。

通过基于PSO的LSSVM关键参数优化，可以得到一组最优的LSSVM参数组合，使造价预测模型具有更高的精度和更好的泛化能力。这不仅可以提高建筑工程造价管理的准确性，还可以为项目管理者提供更加科学的决策支持，有助于实现项目成本的有效控制和优化。

3.2 基于PSO–LSSVM的建筑工程造价评估流程

依托所优化的模型参数进行工程造价评估，包括具体设计数据准备、LSSVM模型构建、PSO算法优化LSSVM参数、模型训练与验证、造价评估与决策支持和模型更新与维护6个步骤。基于PSO–LSSVM的建筑工程造价评估流程如图3所示。

图3 基于 PSO–LSSVM 的建筑工程造价评估流程

（1）数据准备。在建筑工程造价评估中，数据是核心。首先，需要收集大量的历史建筑工程项目数据，包括项目规模、结构类型、材料价格、人工成本等。这些数据将被用作训练和测试LSSVM模型的基础。同时，对数据进行预处理，包括数据清洗、缺失值填充、标准化等，以确保数据的质量和准确性。

（2）LSSVM模型构建。在数据准备完成后，开始构建LSSVM模型。LSSVM是一种基于结构风险最小化的机器学习算法，通过最小化误差平方和与正则化项之和求解最优的模型参数。在LSSVM中，需要设置关键参数，如正则化参数和核函数参数，这些参数的选择将直接影响模型的性能。

（3）PSO算法优化LSSVM参数。为了得到最优的LSSVM参数组合，采用粒子群优化（PSO）算法进行参数寻优。PSO算法通过模拟鸟群捕食的行为，在参数空间中搜索最优解。在PSO中，每个粒子代表一组LSSVM参数，粒子的适应度函数即为LSSVM模型在验证集上的预测精度。通过不断更新粒子的速度和位置，最终找到最优的LSSVM参数组合。

（4）模型训练与验证。使用PSO算法得到的最优LSSVM参数组合，对LSSVM模型进行训练。在训练过程中，采用交叉验证等方法评估模型的性能，并调整模型参数，以达到最佳效果。训练完成后，使用独立的测试集对模型进行验证，以评估模型在实际应用中的性能。

（5）造价评估与决策支持。基于训练好的LSSVM模型，可以对新的建筑工程项目进行造价评估。通过输入项目的相关特征数据，模型将输出预测的造价。同时，可以根据预测结果对项目进行成本分析和决策支持，帮助项目管理者制订更加合理的预算和成本控制策略。

（6）模型更新与维护。随着建筑工程市场的变化和数据的积累，需要定期对LSSVM模型进行更新和维护。这包括收集新的项目数据、重新训练模型、评估模型性能等步骤。通过不断更新和维护，可确保LSSVM模型始终保持在最佳状态，为建筑工程造价评估提供准确可靠的支持。

4 面向施工过程的成本控制策略

在本项目的施工进度管理中，由造价的评估给出了成本控制策略。在工程桩基础及土方开挖施工阶段进度计划风险分析中，根据工程特点、工期目标、场地条件确定出本工程存在以下风险因素，见表1。

表1 工程桩基础及土方开挖施工阶段进度计划风险

为了控制施工成本从以下两个方面进行决策。

（1）工序穿插配合保证措施，桩基施工阶段穿插基坑围护施工；围护施工达到分区范围即进行土方开挖。

（2）合理选择施工方法保证措施。地上主体施工阶段进度计划风险主要有安全和专业配合两种因素，风险分析具体如下。

1）在探讨本建筑的施工过程中，注意到在主体施工阶段，给排水、消防、电气安装、智能化及弱电等预埋工作被有序地插入其中。这些穿插作业工序不仅涵盖了粗装修、避雷系统等关键施工内容，而且其交叉施工的特性使工作面的展开范围广泛，从而显著增加了施工管理的复杂性。由于这些交叉施工内容的多样性以及工作面的广泛分布，安全管理面临着极大的挑战，无疑对施工进度产生了显著的影响。因此，在项目的整体规划和执行过程中，必须充分考虑这些因素，以确保施工的高效、安全和顺利进行。

2）在本工程主体施工过程中，对于给排水、消防、电气安装、智能化、弱电、装修以及避雷系统等不同专业领域间的协同配合要求极为严苛。这种跨专业的协作不仅要求各个专业之间能够紧密衔接、相互支持，更需要在施工过程中进行精准对接和高效沟通。这种协同配合的质量对于本工程的整体进度具有显著影响，任何环节的疏漏或配合不当都可能导致施工进度受阻，进而影响项目的整体效益。因此，确保各专业之间的有效配合，对保障工程顺利进行、提高施工效率具有重要意义。

同时，给出了相应的控制措施。通过给出安全及专业配合两个主要方面的进度控制措施，保证施工成本在合理范围内。

在安全因素的考量上，针对地上主体施工阶段，本研究采用了严谨且系统化的进度计划保证措施。具体而言，现场设立专门的安监部门，并按照楼号及楼层进行细致的分工管理，确保每一区域的安全状况均得到实时监控。必要情况下，实施旁站监督，以及时发现并解决潜在的安全隐患。

针对专业配合方面，本研究在主体施工阶段采取了定期召开专业协调会的策略。会议涵盖了所有相关专业，包括给排水、消防、电气安装、智能化、弱电、装修及避雷系统等，旨在解决这些专业之间可能存在的交叉与协调问题。

通过高效的沟通与交流，显著缩短了协调时间，从而有效加快了施工进度，确保了工程的顺利进行。虽然面向施工过程的成本控制策略能有效降低直接成本，但在应对材料价格波动、劳动力市场变化等外部不确定因素时存在局限性，且难以全面考虑施工安全与质量的长期成本影响，需结合更灵活的风险管理与长期规划策略进行补充。

5 结论

本研究以北京市门头沟区龙泉镇大峪化工厂及周边地块棚户区改造及环境整治项目为例，深入探讨了面向工程造价优化的成本控制策略。通过构建完善的工程造价评估指标体系，明确了指标体系的建立原则，并详细阐述了指标体系中的关键要素。

本研究提出的建立原则包含全面性、系统性、科学性、独立性、可操作性与实用性5个层面。在关键要素中包含建筑、结构和工程管理3个主要指标。所建立的要素不仅为项目施工成本的准确评估提供了有力支撑，也为后续的成本控制策略制订奠定了基础。

在研究方法上，本研究创新性地采用了基于PSO–LSSVM的智能化评估模型，该模型能够高效、准确地分析各类施工方案下的施工成本，为成本控制策略的制订提供了科学依据。通过该模型的应用，得出了针对项目桩基施工和地上主体结构施工的最佳控制策略，这些策略从进度控制的角度出发，有效实现了成本控制的目标。

本研究不仅为门头沟区龙泉镇大峪化工厂及周边地块棚户区改造及环境整治项目的成本控制提供了具体指导，也为其他类似项目的工程造价优化与成本控制提供了新的思路和方法。通过工程应用验证，本研究方法在提高项目经济效益、降低施工成本等方面展现出了显著的优势和潜力。

未来，面向工程造价优化的成本控制策略的研究应着重于大数据与人工智能技术的集成应用，以实现成本数据的深度挖掘与智能分析，同时探索跨项目、跨阶段的成本协同控制机制，推动工程造价管理的智能化与精细化发展。