Open Journal of Transportation Technologies
Vol.04 No.04(2015), Article ID:15759,9 pages
10.12677/OJTT.2015.44008

Analysis of the Factors Affecting the Cost of Subway Project and the Price Forecast of Main Materials

Di Zhang1, Shizhuo Zhang2

1College of Civil and Safety Engineering, Dalian Jiaotong University, Dalian Liaoning

2Dalian Yiwang Technology Co., Ltd., Dalian Liaoning

Email: 2789639652@qq.com

Received: Jul. 2nd, 2015; accepted: Jul. 24th, 2015; published: Jul. 27th, 2015

Copyright © 2015 by authors and Hans Publishers Inc.

This work is licensed under the Creative Commons Attribution International License (CC BY).

http://creativecommons.org/licenses/by/4.0/

ABSTRACT

There are many factors that affect the subway project cost, which lead to a breakthrough in the total cost of the project. According to this phenomenon, this paper discusses the main factors which influence the construction cost. While I am studying, I find that many influencing factors are subject to the influence of material price, and subway project construction period is generally longer. In this period, artificial material mechanical price fluctuations will be great. From the angle of qualitative and quantitative, the paper takes the ARIMA model to predict the price of the main material, and then, the purpose of the initiative and the dynamic control is reached.

Keywords:Metro Engineering, Main Factors, Cost, Main Materials Price, Prediction, The ARIMA Model

地铁工程造价影响因素分析及主要材料 价格预测

张迪1,张诗卓2

1大连交通大学土木与安全工程学院,辽宁 大连

2大连益网科技有限公司,辽宁 大连

Email: 2789639652@qq.com

收稿日期:2015年7月2日;录用日期:2015年7月24日;发布日期:2015年7月27日

摘 要

影响地铁工程造价的因素很多,从而导致突破工程总造价的现象频繁发生。针对该现象,本文对影响地铁工程造价的主要因素进行了探讨。在探讨的过程中发现,很多影响因素都受到材料价格的影响,而地铁工程项目施工工期一般较长,在这期间人材机价格波动必定很大。故本文从定性、定量的角度出发,利用ARIMA模型对主要材料价格进行预测,达到主动、动态控制的目的。

关键词 :地铁工程,主要因素,造价,主要材料价格,预测,ARIMA模型

1. 地铁工程造价影响因素分析

由于地铁工程的固定性,使得地铁工程不能批量生产,只能单独计价、施工。在地铁工程建设前,首先应确立项目的轮廓设想及目标要求,依据国家相关的技术经济政策,对项目在技术和经济上是否可行进行科学分析和论证,再经过勘察设计、准备、施工等一系列阶段形成实体投入运营。在此过程中,影响地铁工程造价的因素繁多,从而导致突破工程总造价的现象频繁发生。因此,必须认真分析影响地铁工程造价的主要因素,并加以研究。

1.1. 投资决策阶段影响地铁工程造价的主要因素

项目投资决策是选择和决定投资行动方案的过程,是工程造价控制的源头。据有关资料统计,在项目建设各大阶段中,投资决策阶段影响工程造价的程度最高,达到80%~90%,是地铁工程造价管理的一个很重要的阶段[1] 。在该阶段,影响工程造价的主要因素包括以下几个方面:一是地铁工程项目资金来源的确定,若筹集方法不经济,资金结构不合理将直接导致造价偏高;二是地铁工程项目合理规模的确定,即解决客流量预测问题,规模偏大资金投入大,反之,会导致乘车拥挤,相应的服务质量下降[2] ,必须进行扩建;三是建设标准水平的确定;四是建设地区及建设地点的选择。

1.2. 设计阶段阶段影响地铁工程造价的主要因素

在地铁工程项目经过投资决策阶段后,设计阶段就成为影响工程造价的关键阶段,设计阶段的影响度为35%~75%,它对工期、质量、工程造价及建成后能否产生较好的经济效益和使用效益,起着决定性的作用。在该阶段,影响工程造价的主要因素包括以下几个方面:一是地质条件的掌握程度,地质条件信息掌握不正确而导致的设计变更屡见不鲜,导致工程造价提高;二是设计概算的编制,直接套用相应概算定额单价难免会造成信息失真,材料费用在地铁总工程项目中的费用占到70%左右,合理准确地预测材料的价格可以作为建设项目决策阶段的投资估算文件中的一部分,确保投资估算的编制质量。如若编制不准确,资金分配就会不合理;三是造价计划的拟定;四是造价工程师是否参与全过程设计。

1.3. 招投标阶段影响地铁工程造价的主要因素

实行招投标制是我国建筑市场迈入规范化的一个重要标志,推行工程招投标制对降低工程造价具有非常重要的影响。推行招投标制基本形成了市场定价的价格机制,使得报价更趋于合理,还能够不断降低社会平均劳动消耗水平,亦便于供求双方能更好的相互选择。在此阶段影响工程造价较大的因素主要有:一是承发包模式的选择;二是工程计量方法和报价方法的确定;三是招标控制价的编制,编制招标控制价的部门掌握了未来材料价格的走势,所编制的招标控制价就具有一定的前瞻性和合理性,可以作为投标报价是否合理的参考依据。

1.4. 施工阶段影响地铁工程造价的主要因素

施工阶段是实现建设工程价值的主要阶段,同时也是资金投入最大的阶段。在这个阶段,影响地铁工程造价的主要有以下三个方面因素:一是资金使用计划的编制,可对拟建工程项目的资金使用和进度控制进行预测,消除不必要的资金浪费和进度失控,减少盲目性;二是施工组织设计的优化,一项工程项目的建成,可能会有多种施工方案可供选择,但每种施工方案所消耗的人工、机械台班与材料是不同的,合理准确的预测主要材料的价格就可以避免在高价时购入发生的成本上涨,在低价时储备物料,制定合理的物资采购策略,降低企业的成本[3] ;三是工程变更,变更处理不好便会引起纠纷,也很容易引起停工、返工,导致进度滞后,项目管理费用大幅度增长,不利于项目目标的控制。

2. 基于ARIMA模型的地铁工程主要材料价格预测

目前价格的预测方法主要分为两类:定性分析,如经验法等;定量分析,如灰色预测、马尔科夫、时间序列及神经网络等,这些方法或关注市场价格与相关市场要素的关系、或发掘市场价格自身的变化特点,有各自的使用范围和优势[4] 。笔者通过查阅相关文献及调研,发现时间序列法在市场价格预测方面的应用有着很强的优势并且研究空间较大。目前对人材机价格预测研究相对较少,基于时间序列法预测的更是少之又少。本文针对这个现象,在此提出一套完整的建模方法和详细的操作流程,对模型进行拟合、检验、预测和评价进行说明,并和传统的指数平滑法预测结果对比。

2.1. ARIMA模型

全称为自回归积分滑动平均模型(Autoregressive Integrated Moving Average Model,简记ARIMA),是由博克思(Box)和詹金斯(Jenkins)于70年代初提出一著名时间序列预测方法,所以又称为box-jenkins模型、博克思–詹金斯法。其中ARIMA(p,d,q)称为差分自回归移动平均模型,AR是自回归,p为自回归项;MA为移动平均,q为移动平均项数,d为时间序列成为平稳时所做的差分次数。所谓ARIMA模型,是指将非平稳时间序列转化为平稳时间序列,然后将因变量仅对它的滞后值以及随机误差项的现值和滞后值进行回归所建立的模型。ARIMA模型根据原序列是否平稳以及回归中所含部分的不同,包括移动平均过程(MA)、自回归过程(AR)、自回归移动平均过程(ARMA)以及ARIMA过程。

即若一个时间序列的d次差分是一个平稳的ARMA过程,则称为自回归移动平均模型。若服从ARMA(p,q)模型,则称是ARIMA(p,d,q)过程 [5] 。用公式表达如下:

(1)

其中,实参数称为自回归系数,实参数称为滑动平均系数,为白噪声序列。如果定义为延迟算子,即: [6] ,有:

(2)

2.2. 实例分析——以圆钢筋为例

ARIMA预测分析方法(图1)。

Figure 1. The framework of market material price prediction model

图1. 材料价格市场预测模式框架

2.2.1. 数据分析

圆钢筋季度价格来源于《大连市工程造价信息网网刊》,具体如表1所示。

首先对S序列取对数ln(S),取对数目的是为了清除数据的异常值(outlier)。当用log后,这些异常点会变得比较小,会缩回期望范围内。取对数后的时序图如图2所示。从图中可以看出大连市圆钢价格波动很大,并伴有一定的季节变动,季节性变动的发生,不仅是由于气候的直接影响,而且社会制度及风俗习惯也会引起季节变动。因此,在进行经济增长分析时,必须去掉季节波动的影响,要进行季节调整(Seasonal Adjustment)。对调整后的序列进行平稳性检验、建模等。

2.2.2. 平稳性检验及处理

图2时序图可以该序列不平稳,为了对数列进行有效的分析,采用差分法对ln(s)序列进行平稳化处理,一阶差分形如,经过处理发现一阶差分序列虽然平稳,但是是一个白噪声序列不能进行ARIMA分析,所以进行二阶差分,差分后时序图如图3所示,从图3可以看出已没有趋势,初步判断为平稳序列。接下来采用ADF进一步检验,对任意序列ADF检验是通过以下三个模型进行检验的:

模型1 (3)

模型2 (4)

模型3 (5)

模型3中的t是时间变量,代表了时间序列随时间变化的某种趋势。模型1与另两模型的差别在于是否包含有常数项(intercept)和趋势项(Trend),实际检验时从模型3开始,然后模型2、1。在本文中,常数项和趋势项均不显著,所以选择模型1,ADF统计量 = −5.291521 < −1.952910 (5%显著水平值),因此拒绝原假设,接受不存在单位根的结论,即是平稳的。

2.2.3. ARIMA时间序列模型的构建

通过对序列进行白噪声检验,若其为非白噪声序列,根据其自相关图和偏自相关图的性质进行下一

Table 1. 2006-2015 Dalian City round steel market prices (Unit: Yuan)

表1. 2006~2015大连市圆钢筋市场价格(单位:元)

Figure2. The timing diagram of Dalian City steel market price

图2. 大连市圆钢市场价格时序图

Figure 3. The timing diagram of two order differential

图3. 二阶差分时序图

步的模型识别。从图4可以看到Q统计量的伴随概率P均小于α = 0.05,因此应拒绝原假设(原假设为:序列为白噪声),即序列是非白噪声的。

1) 模型识别

ARMA(p,q)参数的确定可以从图4中序列的自相关函数和偏自相关函数得出,如果样本(偏)自相关系数在最初的d阶明显大于两倍标准差范围,而后几乎95%的自相关系数都落在2倍标准差的范围以内,

Figure 4. auto correlation graph

图4.自相关图

而且通常由非零自相关系数衰减为小值波动的过程非常突然。这时,通常视为(偏)自相关系数截尾。截尾阶数为d。本文中p和q参数均为1,因此可以选择MA(1)、AR(1)、ARMA(1,1)模型进行拟合,相应的S序列可选择ARIMA(0,2,1)、ARIMA(1,2,0)、ARIAM(1,2,1)模型。

2) 模型的估计

通过估计得出ARIAM(1,2,1)模型中MA(1)的实参数,得出该模型不可逆,无效,故应对ARIMA(1,2,0)、ARIMA(0,2,1)模型进行检验,这两个模型参数估计如图5图6所示。

3) 模型的检验

由于ARMA(p,q)模型的识别与估计是在假设随机扰动项是一白噪声的基础上进行的,因此,如果估计的模型确认正确的话,残差应代表一白噪声序列。本文用Q统计量进行残差项检验,Q统计量与显著值α (α一般为0.05)比较,若Q统计量的p值均大于α,则残差序列为白噪声序列,拟合模型显著有效。所得结果如图7、图8所示。

4) 模型的优化

常用的模型选择的判别标准有:赤池信息法(Akaike information criterion,简记为AIC)与施瓦兹贝叶斯法(Schwartz Criterion,简记为SC)。在选择可能的模型时,AIC与SC越小越好。

(6)

其中,n为待估参数个数(p+q+可能存在的常数项),T为可使用的观测值,RSS为残差平方和(Residual sum of squares)。

通过计算分析得到如表2,根据AIC和SC准则,模型ARIMA(0,2,1)优于ARIMA(1,2,0),我们选择ARIMA(0,2,1)为预测模型。

ARIMA(0,2,1)模型为:

(7)

Figure 5. ARIMA(1,2,0) model parameters analysis results

图5. ARIMA(1,2,0)模型参数分析结果

Figure 6. ARIMA(1,2,0) model parameters analysis results

图6. ARIMA(0,2,1)模型参数分析结果

Figure 7. ARIMA(1,2,0) residual test

图7. ARIMA(1,2,0)残差检验

Figure 8. ARIMA(0,2,1) residual test

图8. ARIMA(0,2,1)残差检验

Table 2. AIC and SC values

表2. AIC和SC值

将对数形式的ARIMA(0,2,1)模型指数化得到最终的ARIMA(0,2,1)模型如下所示:

(8)

2.2.4. ARIMA(0,2,1)模型预测

通过Eviews软件进行预测,在Eviews中有两种预测方式:“Dynamic”和“Static”,前者是根据所选择的一定的估计区间,进行多步向前预测;后者是只滚动的进行向前一步预测,即每预测一次,用真实值代替预测值,加入到估计区间,再进行向前一步,本文中采用“static”方式进行预测,预测结果如表3所示。

拟合的误差很小,基本上满足了模型的精度要求。从表中还可以看出,2015年的拟合数据偏差比2014年的拟合数据大,说明该模型更适合短期预测。

2.3. 指数平滑预测

指数平滑是可调整预测的简单方法。当只有少数观测值时这种方法是有效的。与使用固定系数的回归预测模型不同,指数平滑法的预测用过去的预测误差进行调整。常用的指数平滑是单指数和双指数平滑。

1) 单指数平滑(一个参数)

平滑后的序列计算公式如下

(9)

Table 3. Actual forecast data (ARIMA model)

表3. 实际预测数据(ARIMA模型)

其中,为平滑因子,越小,越平缓,重复迭代,可得到

(10)

2) 双指数平滑

序列y的双指数平滑以递归形式定义为

(11)

(12)

其中:是单指数平滑后的序列,是双指数平滑序列。

双指数平滑的预测如下:

(13)

最后一个表达式表明双指数平滑的预测有线性趋势,截距为,斜率为,T是估计样本的期末值。

3) 分别应用单指数和双指数进行预测

为了更有效的比较这三种预测方法的优劣,在进行指数平滑预测时都对原始序列进行同样的季节调整。将预测结果同ARIMA模型预测结果进行对比如表4所示。

表4可以看出,基于时间序列模型进行预测误差最小,固时间序列法在市场价格预测方面的应用有着很强的优势。

3. 结论

1) 本文从四个阶段探讨了影响地铁工程造价的影响因素,针对这些影响因素,在地铁工程项目建设过程中分别进行控制,可将地铁工程造价降到最低,为政府、地铁部门提供参考。基于ARIMA模型构建的大连市圆钢筋市场价格预测模式为企业分析物资市场价格提供了借鉴,对工程造价管理工作来说是切实可行的。

2) 从本文研究的估计结果可以看出,平均相对误差在3%以下,表明此方法预测比较精确,可信度较高。采用时间序列模型不用考虑影响预测变量的相关因素,可以通过既往数据快速预测,这是其他预测方法所不能比拟的。

3) 本文的圆钢市场价格受季节影响不是很大,只对数据进行了季节滤波处理,若受季节因素影响很大,需要对序列进行季节差分处理,建立ARIMA(p,d,q) (P,D,Q)模型。此外,确定模型阶数时有一定的困难,一方面要确定AR的阶数,同时也要确定MA的阶数,另一方面还要进行组合,最后进行模型的选优。

Table 4. Comparison of results of three forecasting methods

表4. 三种预测方法结果对比图

4) 该预测模式存在一定的不足,它不用考虑影响预测变量的相关因素是一项优势,也正是这项优势使它具有一定的局限性,不能体现材料价格与经济的关系,导致外部干预事件失效,因此需要结合其他的预测方法进行改进和补充。

文章引用

张 迪,张诗卓, (2015) 地铁工程造价影响因素分析及主要材料价格预测
Analysis of the Factors Affecting the Cost of Subway Project and the Price Forecast of Main Materials. 交通技术,04,48-57. doi: 10.12677/OJTT.2015.44008

参考文献 (References)

  1. 1. 张万梅 (2008) 高速公路项目决策和设计阶段工程造价控制方法研究. 硕士论文, 西南交通大学, 四川.

  2. 2. 高婧, 王元丰 (2007) 地铁前期工作对地铁造价的影响分析. 铁路工程造价管理, 1, 38-40.

  3. 3. 陆红梅, 唐艳娟, 姜曙光 (2013) 人材机价格预测在工程量清单计价模式下的应用. 安徽建筑, 1, 190-191.

  4. 4. 王春宝, 刘若阳 (2013) 基于ARIMA的油田A类物资市场价格预测. 运筹与管理, 5, 160-165.

  5. 5. 祁伟玲 (2012) 基于ARIMA模型的西安市居民住房支付能力研究. 硕士论文, 西安建筑科技大学, 陕西.

  6. 6. 刘斌 (2006) 基于ARIMA模型的中国钢铁价格分析预测. 硕士论文, 辽宁工程技术大学, 阜新.

期刊菜单