本文是一篇工程管理论文，本文以专家问卷调查、典型案例分析等方式得出影响园林绿化工程施工图预算计价单元以及各预算子目的主要影响因素，通过收集典型历史案例，以道路交通、公园绿化工程为主，建立历史数据库，充分利用现有技术和经验，提出了园林绿化工程施工图预算智能估算系统。
第一章绪论
1.1选题背景及意义
1.1.1选题背景
随着绿水青山就是金山银山的理念不断深入人心，我国园林绿化工程也迎来了蓬勃发展，人们越来越重视园林绿化工程的建设，园林绿化工程不仅在社会经济活动中扮演着重要角色，而且在促进经济文化发展、丰富人们精神生活中起到关键作用。但随着我国园林绿化工程的迅猛发展，其造价估算和控制中存在的问题也随之凸显，概算超估算，预算超概算、决算超预算等“三超”现象时有发生，尤其是施工单位，大多在没有自己企业定额情况下，依据地区统一预算定额进行施工图预算编制，没有真正反映施工企业本身的施工成本和个别消耗水平，而且在确定投标报价时，一般仅凭借经验和粗略的成本测算，为中标而比较盲目的压低投标报价，导致实际成本超支、项目亏损等，再加之园林绿化工程建设造价不确定性影响因素较多，如：当地水文地质条件、苗木价格地域差异性、施工人员的栽植及养护水平差异性、管护时间长、风险高等等，给园林绿化工程造价估算准确性带来了很大的难度和挑战。而且我国住房和城乡建设部办公厅在2017年发布了取消城市园林绿化企业资质的通知，并指出各级住房城乡建设主管部门不得以任何方式强制要求将城市园林绿化企业资质或市政公用工程施工总承包等资质作为承包园林绿化工程施工业务的条件[1]。至此园林绿化行业招投标格局被打破，各类施工企业纷纷参与到园林绿化工程建设的竞争中，给园林绿化施工企业带来了很大的竞争压力。
为解决上述问题，本文从园林施工企业的角度，以施工企业历史数据为基础，以施工图预算为研究对象，首先构建已完园林绿化工程的施工图预算及成本历史数据库，并在大量数据支持的基础上，运用更具有普适性、针对性、可操作性的非线性智能估算方法，预测拟建园林绿化工程的计价单元工程造价以及各预算子目的造价，以实现在招投标阶段能够快速、智能、科学、准确地进行拟建园林绿化工程的施工图预算智能估算，估算结果更接近施工企业的实际成本，为园林绿化工程施工企业施工图预算编制和制定投标策略提供决策支持和理论建议，并且为有效解决实际园林绿化施工企业造价估算不准确的问题提供估算方法系统支持和数据支撑。
..............................
1.2主要研究内容及思路
1.2.1基于数据分析、SPSS的园林绿化工程施工图预算影响因素分析
在对大量类似已完工程施工图预算及成本数据广泛收集、整理、分析基础上，运用统计分析、文献搜索、专家问卷以及历史案例分析等方法，挖掘分析园林绿化工程施工图预算影响因素，采用SPSS因子分析法进行影响因素准确性、关联性、独立性检验，挖掘出影响园林绿化工程施工图预算的主要因素，并进一步分解施工图预算组成部分，对预算子目的影响因素进行深入挖掘，为后续构建园林绿化工程智能估算模型提供依据。
1.2.2构建园林绿化工程施工图预算历史数据库
通过文献搜索和数据收集，形成园林绿化工程初步的基础数据库，根据地域调整和时间调整的方法，将历史数据做统一化处理，消除因地域及时间不同引起的数据偏差，确保历史数据的合理性和可利用性，在此基础上构建园林绿化工程施工图预算历史数据库。
1.2.3园林绿化工程施工图预算估算方法系统的研究
运用余弦方法在数据库中，进行拟建工程类似已完工程类似度判别和数据归集，根据类似已完工程数据的数量和类型，采用不同的数据分析和估算方法：
在大量数据下，人工神经网络能够模拟人脑信息通过简单算法指导处理一些高度复杂非线性系统问题，是体现人脑本质特征的一种复杂的网络系统[2]。BP神经网络作为人工神经网络的一个分支，其主要运用误差的反向传播完成训练，进行自我学习，具有非线性映射能力、泛化能力以及容错能力。将BP神经网络技术应用于园林绿化工程估算中，可以提升工程估算的精度和合理性，增强工程估算的指导意义。
在少量数据下，运用案例推理方法预测估算指标。案例推理（CBR）是一种在问题求解的基础上进行的一种模糊推理的方法，首先建立历史案例数据库，再通过计算目标案例数据和历史案例数据的相似度，得到与目标案例最为相似的案例数据，在此基础上进行相应的修正，得到较为准确的预测指标，为解决目标工程案例的相关问题提供了方法。案例推理方法逻辑清晰，实用性强，可以削弱工程估算过程中的主观性。
............................
第二章国内外研究现状
2.1工程造价估算方法发展现状
2.1.1国外发展现状
在美国，由于其高度市场化的经营管理模式导致了政府部门不会针对工程量计量规则和工程定额制定统一的标准进行发布，而是通过由各专家协会和各大咨询企业发布的商业刊物，为工程估算提供依据，美国各地政府也会将以上文件再进行分析研究，在此基础上公布工程成本的价格指导。
美国根据项目进展阶段的不同，将工程造价估算以及对应精度要求大致分为5个级别[3]，如表2-1所示。
工程管理论文怎么写
美国工程估算方法大致可以分为产出函数法、成本指数法、单位成本法、混合成本分配法[4]。根据资料的详细程度来选取适合的估算方法。成本指数法是根据以往年份的成本数据乘以变动指数得到的，美国常用的指数是美国商务部定期编辑的GDP通货紧缩系数，以及美国劳工部定期编辑的消费价格指数（CPI）。单位成本法是各项产品的数量与其相应的单位成本的乘积之和，在设计资料表达详尽，工程量清单表达的各组成部分能够明确，并且是在美国工程估价体系中统一的工程造价编码的基础上编制的。工程成本编码指的是把一个普通的工程按照它的工艺特征划分成几个分部分项工程，并为每一个分部工程制定一个专门的编号，以作为这个分部工程的代码。根据工程成本编码将工程细分，再将每项工程任务量与单位估算价格相乘，从而得到整个项目的估算价格。
........................
2.2工程造价领域人工智能估算方法研究现状
2.2.1国外研究现状
Thomas H.Naylor等将计算机仿真预测技术引入到了经济领域上，经过验证，表明该技术也可以运用到经济的预测方面，同时还说明，计算机仿真预测技术发展迅速，并且具有广泛的应用范围，比如，可以用到工程技术、科学实验、军事领域、金融方面、生产项目等行业中[10]。
Mair,C.等(2005)将回归估计与软件估计的理论进行了比较，并对其一致性进行了分析，两种方法在实证检验的过程中存在着不足之处[11]。
M.E.GEORGY等人(2005)[12]从理论上分析了人工神经网络的合理性和可行性，并将其应用于建设项目造价阶段的成本预测中。与此同时，还使用了BP神经网络算法，以MATLAB为基础，对其进行编程，将样本案例进行输入并训练学习，经过检验样本在人工神经网络系统的不断地进行训练学习，得到估算模型，在此基础上进行实例验证发现该模型对拟建工程进行运算得到的估算值，与实际值之间的误差在允许范围内，且比传统方法的估算结果更为准确。
Shi H等(2008)以粗糙集理论和人工神经网络为基础，构建了一个建设项目成本的估算模型，对工程建设成本进行了估计和预测[13]。由于影响建设项目造价的因素较多，各因素之间存在着相互影响的关系，因此，作者引进了粗糙集理论，并以此为基础，对人工神经网络进行了改进，使人工神经网络预测模型的运算速度大大提高。最后，用实例进行验证，表明了将Rough Set Theory与ANN相融合的合理性与可行性。
在国外，随着信息化进程的加快，人工智能已经被越来越多地运用到工程施工中，极大地提高了工程造价预测的精度和速度。从模糊逻辑、人工神经网络、支持向量机、混合模型等方法对人工智能方法进行优化。Haytha对工程成本估计的人工智能技术和参数化方法进行了深入研究，通过分析论证得知：利用计算机技术和人工智能等技术，可以建立一个更加精确、速度更快的成本估算模型；在未来，进行费用估算时，运用混合模型对成本估算进行参数化建模是一种发展方向，使用这种技术能够有效提高估算模型的效率和精确度[14]。
.....................................
第三章 园林绿化工程施工图预算相关概念及理论概述 .................... 14
3.1 园林绿化工程及造价相关概念 ......................... 14
3.1.1 园林绿化工程相关概念 ........................ 14
3.1.2 园林绿化工程造价相关概念 ....................... 15
第四章 园林绿化工程施工图预算智能估算系统 ................................ 24
4.1 园林绿化工程施工图预算智能估算系统构建思路 .................... 24
4.1.1 构建思路 .................................... 24
4.1.2 模型架构 ........................................ 24
第五章 模型实施 ............................. 41
5.1 目标案例—ZD公园绿化工程概况 ....................... 41
5.2 计价单元工程特征量化与案例相似度计算 .................. 41
第六章园林绿化工程计算机辅助三维和智能估算模型应用
6.1构建BIM三维模型
本文使用广联达BIMMAKE软件建立三维模型，主要包括植物、景观小品、铺装道路等内容，以上文中目标案例ZD公园为例，根据实际设计方案及相关标准建立模型构件，在设计图纸的基础上进行构件配置以及定位，将案例信息与BIM软件相结合。建模过程如图6-1所示。
工程管理论文参考
.......................
第七章结论与展望
7.1主要结论
本文结合园林绿化工程建设内容繁杂、定额子目多样化等特点，基于园林绿化工程施工图预算以及工程量计算规范，对园林绿化工程进行分析，以专家问卷调查、典型案例分析等方式得出影响园林绿化工程施工图预算计价单元以及各预算子目的主要影响因素，通过收集典型历史案例，以道路交通、公园绿化工程为主，建立历史数据库，充分利用现有技术和经验，提出了园林绿化工程施工图预算智能估算系统。主要研究结论如下：
（1）运用问卷分析和SPSS分析确定园林绿化工程施工图预算影响因素
以园林绿化工程施工图预算为研究对象，以调查问卷的方式征集相关学者以及相关经验从业人员的观点数据，并采用SPSS因子分析剔除影响程度较小的因素，最终确定具有研究价值的影响计价单元的主要影响因素，并通过一致性信度和效度检验，确保调查问卷的规范性和合理性。同时充分挖掘施工图预算子目的影响因素，并对典型历史案例进行造价分析，得出影响施工图预算各预算子目的主要影响因素。
（2）构建了以真实、可靠数据为基础的园林绿化工程施工图预算历史数据库，弥补了统一预算定额的固定性和滞后性缺陷。
以道路交通、公园绿化工程为主，广泛收集历史数据，采用时间调整和地域调整方式对历史数据统一化处理，消除了一定的差异性。并根据上述主要影响因素的研究结果对历史数据进行特征量化分析，建立以施工企业为基础的园林绿化已完工程的施工图预算历史数据库，为施工图预算智能估算提供了可靠、真实的数据来源基础，为园林绿化工程施工单位提供了可靠投标报价依据，弥补了统一预算定额的固定性和滞后性缺陷。
参考文献（略）