估算模型范文

估算模型范文（精选10篇）

估算模型 第1篇

随着时代的发展, 建设项目规模变得越来越大, 工艺过程越来越复杂, 社会上对HSE (健康、安全和环保) 的要求也越来越严格, 项目建设单位将面临巨大的压力, 这迫使建设单位重视HSE问题, 以避免各类重大事故的发生。在石化工程项目建设过程中, HAZOP技术的目的是确定工程设计中存在的危害及操作问题。通过熟悉工艺过程, 包括各种设计条件和意图, 系统地检查工艺过程, 找出对原设计条件可能发生的种种偏差, 确定哪些偏差可能导致危害或引起操作问题, 为项目的HSE风险管理提供依据[2]。也正是由于这种需要, 国内各个设计院陆续开展了HAZOP工作[2]。

人们在HAZOP应用方面已经做了大量的工作[2,3], 但是在HAZOP时间估算方面所做的工作还很少, 而HAZOP时间估算正是实现有效规划管理的关键。本文的工作主要是提出一个数学模型来预测HAZOP分析的时间。HAZOP分析的全过程被分为三个不同的时间阶段, 即:准备阶段、分析/会议阶段、事后分析及报告编写阶段。下文简单介绍了每个阶段以及估算时间的方法。

1 准备阶段

在开始讨论或开会之前, 分析小组的组长和组员需要做很多工作。首先分析组长应规划并决定分析会议的议程和时间, 并安排必要文件, 如:工艺管路和仪表流程图 (P&ID) 、工艺流程图 (PFD) 、平面布置图、操作规程、设备表等。然后, 分析组长进行节点划分, 即决定分析的起点 (范围) 与边界。

在头脑风暴式的讨论中, 组长应确保目标明确并且不会超越节点及假想情景的有效性。每一次讨论中发现的问题和含糊不清的事项都应记录下来, 并将此内容列入下次会议的议事日程。这一阶段的工作主要是获得相关信息及澄清未尽事宜。大量的P&ID意味着更多的信息搜集工作及大量需澄清的问题, 这些准备工作都需要大量的时间。因此, 准备时间 (T1) 是一个关于P&ID张数及其复杂程度的函数, 可以表述为:

式中:

T1:准备时间, h;

nc:不同复杂度的图纸张数;

c=1, 2, 3, 4:复杂度 (见表1)

公式 (1) 是笔者在实际工作中发现, 准备时间 (T1) 与图纸的复杂程度和图纸的张数呈正比, 继而通过近20个HAZOP分析的统计结果得出系数1.76。在实际工作中可根据项目的特点调整此系数。对于复杂度 (c) 的划分则根据图纸中设备数量、管道数量或难度系数确定, 取值时应以三者中的最大值来确定复杂度。难度系数的取值在后文中详述。

2 分析/会议阶段

分析/会议的时间即头脑风暴型的讨论时间, 同时也是HAZOP中最重要的活动。因此, 它是HAZOP总时间的主要部分。这一时间阶段 (会议时间) 的长短取决于三个重要参数:

1) HAZOP组长的效率或能力

2) P&ID图纸的数量

3) P&ID图纸的复杂程度

分析会议的总时间是这三个参数的非线性函数。下面将简短讨论每一个参数。

2.1 HAZOP组长的效率或能力

HAZOP组长的效率 (能力) 是HAZOP成功与否的主要因素, 同时也是影响会议时间的主要因素。一个熟练的组长可以减少冗长而不相关的讨论, 并确保讨论内容不偏离主要议题。除此之外, 一个经验丰富的组长可以控制各个组员的参与程度, 从而提高会议的效率。因此, 一个熟练的组长可以减少分析的工作量, 缩短会议时间并提高分析的效率。

为了量化分析组长的能力, 以经验为依据定义一个技能因数“”, 这个因数与组长主持HAZOP的经验成反比。技能因数“”可以被分为四类 (见表2) 。

*:200张P&ID以上的装置

本表中的取值为根据经验及统计数据取值, 可在实际操作中适当调整。

2.2 P&ID或PFD图的数量

HAZOP分析中使用的P&ID张数是决定会议时间长短的第二重要因素。会议的时间直接和流程图的数量成正比。

2.3 P&ID图的复杂程度

决定会议时间的另一个因素是P&ID图纸的复杂程度。按照每张图中的节点数量、装置数量和管线数量为复杂程度分类 (见表1) 。为了确定P&ID复杂程度对会议时间的影响, 把复杂程度分为四类:简单、标准、复杂、非常复杂。

可以通过不同参数的组合来估算HAZOP分析会议的时间:

式中:

T2:HAZOP会议时间, h;

Fskill:主持人技能因数;

Dc:P&ID难度系数;

nc:不同复杂度的图纸张数;

c=1, 2, 3, 4:复杂度。

根据实际HAZOP分析耗时的统计, 发现上述决定因素均与耗时成正比, 因此预测公式型为, 通过实际数据带入后发现, 不同类型的工业数据不同, 但有很强的趋同性, 即同一类型工业的HAZOP分析耗时近似, 因此在公式中增加一系数用于反应不同工业之间的差异。最终估算方程:

式中:

T2:HAZOP会议时间, h;

k:工业系数 (其中一般化工业为1, 炼油工业为1.38, 石油化工为1.6, 公用工程为1.2) ;

Fskill:主持人能力系数;

Dc:P&ID难度系数;

nc:不同复杂度的图纸张数;

c=1, 2, 3, 4:复杂度。

3 事后分析及报告编写阶段

一份编写完整的HAZOP分析报告是整个HAZOP小组的“输出”。HAZOP分析报告有标准格式, 报告应做到清晰简明, 从而清楚哪部分是重点、哪部分是分析结果。为了消除或控制分析过程中发现的问题, 报告还应包含建议措施。建议措施的后续追踪完全建立在报告和可行性分析的基础上。

根据实际经验, 报告编制所需的时间近似为准备时间的30%~45%。笔者认为, 报告的编写取决于所有组员的反馈, 并且强烈依赖于组员的参与程度。因此它应当是一个关于准备时间的函数, 同时也应当考虑到报告修改所需时间。

式中:

T3:HAZOP分析报告编制时间, h;

T1:准备时间, h。

式中的0.5为经验值, 可根据实际情况调整。

4 总体时间估算

最终, 以小时计算的HAZOP分析的总时间是所有有效时间 (会议, 准备, 报告编制) 的总和, 并可写为:

式中:

:HAZOP分析总人工时;

Xj:不同HAZOP阶段的人数, j=1, 2, 3……。

Tj:不同HAZOP阶段的时间, j=1, 2, 3。

5 对数学模型的检验

上文所述的HAZOP时间估算模型, 已经过一些案例的检验。通过此模型获得的结果, 将和实际分析时间进行比较。

6 结语

从上节的对比表格中可以看出, 估算时间还是较为准确的, 其中的误差有一部分是因为实际分析时间统计的是实际天数, 因此造成大项目可能误差较大。对于小型项目 (P&ID张数少于30张) 本文所建议的模型很适合估算HAZOP分析的时间。在P&ID张数多于30张时, 特别是大于100张时, 准备时间 (T1) 和报告编制时间 (T3) 计算数值偏大, 在使用时应适度核减。HAZOP会议时间 (T2) 估算公式计算结果与实际偏差不大。

本文提出的公式只是一个估算总人工时数的思路, 式中的系数均根据笔者进行HAZOP分析的统计数据得出, 在使用时应根据实际情况予以调整。

参考文献

[1]Kletz, T.A..Hazop and Hazan-Identifying and Assessing Process Industry Hazards, 3rd ed., Institution of Chemical Engineers, Rugby, 1992.2.Elliott, D.M.&Owen, J.M., Critical.

[2]李少鹏.苯酐装置氧化反应器系统HAZOP分析[J].石油化工安全环保技术, 2007, 23 (6) :12-15.

估算模型 第2篇

环境污染经济损失估算模型的构建及其应用

基于污染物的环境污染损失机理性模型,Logistic方程及环境价值的相关理论,建立了环境污染经济损失估算模型.该模型不仅能反映出污染物浓度、污染物排放量、环境资源价值与经济价值损失间的关系,而且利用该模型可以定量地反映环境污染对环境资源价值造成的损害.将该模型用于估算福州市工业水污染造成的.经济损失,其估算量与利用经济计量法计算出的结果进行比较发现:二者评价结果较为一致,但前者略大.

作 者：张江山 孔健健 ZHANG Jiang-shan KONG Jian-jian  作者单位：张江山,ZHANG Jiang-shan(福建师范大学,环境科学研究所,福建,福州,350007)

孔健健,KONG Jian-jian(沈阳师范大学,化学与生命科学学院,辽宁,沈阳,110034)

刊 名：环境科学研究  ISTIC PKU英文刊名：RESEARCH OF ENVIRONMENTAL SCIENCES 年，卷(期)： 19(1) 分类号：X196 关键词：环境污染   经济损失   经济计量法   工业水污染  

估算模型 第3篇

关键词：公路工程;造价管理;快速估算

1 公路工程造价管理中的快速估算分析

1.1 快速估算

快速估算一般是以模糊数学理论，灰色理论，神经网络等为理论基础，通过工程实际运算，许多模型已经建立，并取得了很好的效果，并且也在不断的成熟完善中。在欧洲快速估算得到了快速的发展，而在我国受到各种原因的阻碍发展的比较缓慢，现在正处于起步阶段。

1.2 公路工程造价管理重的快速估算

工程造价估算是建设项目前期可行性研究阶段以及投资决策阶段的一个重要的部分，它体现了建设项目的资金构成以及总的造价，是投资决策和后续几个阶段造价控制的重要依据。我国现阶段运用的各种投资估算方法，比如根据经验估算造价、因素估算法等，都是比较常用的方法，但是这些方法都只是考虑项目本身存在的一些特征因素，其实项目在建设过程中还有很多的不确定性因素，这些都没有考虑在内，造成了前期造价估算与最终的造价相差比较大，给建设方甚至施工方都会造成损失。

由于公路的建设周期都是比较长，施工的条件都是比较复杂，可变的不确定性的因素随时出现，同时公路的建设一直是我国经济发展的根本，但是在计划经济的推行过程中不断受到阻碍。例如对于政府投资的项目，只是对于建设比较重视，对于后期的项目回报问题很少考虑，也就是忽略了建设过程中的管理问题，最终造成超额投资，浪费现象普遍存在。由于前期的造价估算方法的不够系统化才造成了这些问题，估算的结果缺乏定性化和定量化结合。

2 公路工程造价快速估算模型的建立探讨

2.1 人工神经网络模型概述

近年来，神经网络应用于各个领取，取得了比较满意的效果。神经网络具有很好地记忆力，并且运算速度快、精确度高、泛化能力比较好等优点。因此，随着学者的不断研究，逐渐应用到建筑领域，在工程造价的快速估算方面应用的比较多，人工神经网络比较适合于应用到那些难以建立数学模型的领域中，而工程造价的估算就是适合的，因此也取得了很好的效果。在收集大量已竣工工程项目资料的基础上，对模型进行重复训练，当训练结果达到允许的误差范围时，就可以用来估算待建工程的造价，中间不需要进行繁琐的计算过程。

2.2 神经网络模型工程特性的选取

公路工程项目的成本不同程度的受到了其特征的影响，将工程特征转化为具体的数值输入模型，就能计算出项目的总投资，建立模型的意义也就在于此。如何选取有用的工程特征作为输入向量是建立该模型的重中之重，工程特征选取的好了，得出的结果比较接近于实际，就能说明这个模型的实用性和可推广性，反之则不然。

模型输入数据要尽量准确，所以要全面的搜索和考察公路的工程特征，对于工程的所有特征要逐个进行全面的分析统计。要想模型有比较贴近实际的计算结果就必须对项目的特征选取的适当，工程造价存在很多特征，例如相比于其他事物具有特殊性，与其他的财务费用也存在着很大的差异性，所以工程的各项特征要尽量考虑到，否则这些特征就无法具体展现，同时模型的预测能力会受到严重影响。对于影响程度比较大的要重点考虑，对于影响程度比较小的次之考虑，一些微乎其微的影响因素可以忽略考虑，对每一个因素设置相应的权重。

结合建设工程项目的投资组成，将各个部分计算出加和就能得到总的工程造价。通过概算以及预算的编制过程，其他各项费用的计算是以建筑安装工程费为计算基数采用不同的计算标准和方法计算得出的，从建筑安装工程费，就能得出工程项目的总投资。可见建筑安装工程费对于项目的总投资的计算起着至关重要的作用。公路工程建筑安装工程费用主要包括路基工程、桥涵工程、桥隧互通工程、路面工程、其他工程及沿线设施等，只要知道了几项的费用也就知道了整个公路建筑安装工程费用的95%以上。

路基工程主要包括：横断面类型、横断面高度、横断面宽度、地基处理类型等四个工程特性。在实际的建设过程中可以用路基土石方和路基宽度来概括这四个工程特征。

路面工程就是指路的表面构建形式，是采用沥青混凝土构筑路面还是采用水泥混凝土来构筑路面。

桥隧互通等结构物包括桥梁数量（其中包括特大型桥梁、大型桥梁、中型桥梁和小型桥梁）、隧道数量、通道数量和互通立交数量共四个工程特征。

2.3 神经网络模型原始数据的处理

因为神经网络模型的输入层和输出层之间有隐含层的连接，它们之间存在着复杂的关系，而该网络的训练过程就是从给定的样本数据中总结出这种关系，样本数据只有尽量的接近实际才能对造价进行准确的估算，要对其进行处理和核对，工程中有些数据是不真实的，还有一些是文字描述，无法直接输入模型，需要对这些语言文字进行数值的转化处理，所以使用的数据尽可能的是从工程的预决算文件中得来的。

根据确定了的工程项目的主要特征，然后将这些主要的工程特征作为人工神经网络模型的输入层数据。但是各个工程特征代表不同的元素，它们表达的含义对造价的影响以及取值范围有相当大的区别。工程特征的主要描述方法：一种是用语言文字来表述的，例如路面形式、地貌特征、时间因素等;另一种是以数值来表示的，像路基土石方、路基宽度、隧道数量、通道数量、公路长度等用实际的数据来表示。

2.4 神经网络模型的计算

（1）将选取的工程特征的数值归一化处理到[0，1]的范围，也就是隶属函数值的确定。

（2）利用模糊数学的基本原理，根据公式依次计算出待估算工程与其他工程的贴近度，将计算出的贴近度按照数值大小依次排列，选取其中的N个最大值作为训练样本。

（3）贴近度最大的也就是与待估算样本最接近的，将最接近的几个样本在训练样本中重复出现三次，也就是训练样本现在是N+2+2。这样能够提高训练的准确度。

（4）将这N+2+2组数据，一组一组的重复进行训练，重复100次，等网络训练结果达到一定的精度之后，也就是该估算系统可以投入测试，再将待估算的样本数据输入系统，这样就能得到待估算工程的造价。

（5）将输出的结果与实际值进行比较，看两者的误差是否在10-15%之间，如果是就满足要求，可以运用到实际中去;反之，就要对网络重新训练，增加重复训练的次数并且检查输入的样本数据是否合理，可以适当调整或者删除掉不合理的数据。

结语

如何控制和降低公路工程的造价是公路建设中一个突出的问题，快速准确的估算出工程造价是立项、评估及投资控制的依据。通过对影响公路造价因素的全面考虑，构造出进行造价的快速估算模型，通过不断地实践应用进行检验，分析得出具有客观性和准确性的方法，将会带来很强的理论和现实应用意义。

参考文献：

[1]彭丹，徐静竹，曾子莹，熊凡.浅谈人工神经网络在建设工程造价估算中的应用.金田.2011年10期

[2]孟庆款.改进的BP算法在建筑工程造价估算中的应用.工业控制计算机.2013年10期

软件项目维护成本估算模型研究 第4篇

关键词：软件维护,工作量,估算模型

0 引 言

软件维护是指为保持系统持续运行所做的修改,其中包括bug修复、技术性改善、环境改变导致的修正等。软件维护是软件生命周期的重要环节,随着国家(工业化与信息化的)两化深度融合,软件系统应用规模与范围持续攀升,社会对软件服务业的重视日益提高,软件维护的投入也越来越高。之前的文献[1]表明,在整个软件生命周期中,软件维护成本占比高达20%50%。为此,对软件维护工作量进行必要的估算和度量已变得越来越重要。

软件工作量的定量化估算一直是软件工程领域的重要研究课题。著名的COCOMOⅡ模型可对软件开发工作量和开发周期进行估算,但所需的参数多达15个而且均要量化,为此对一般公司而言,收集如此多的数据是非常困难的[2]。不少学者和工程界人士对COCOMOⅡ模型做了很多改进,文献[3]将贝叶斯推理融进了该模型,通过线形回归方法提高精度,文献[4]提出了神经网络和COCOMOII结合的估算方法。

软件项目工作量估算在没有先验模型的情况下,多采用神经网络的方法进行模型提取,但这种方法提取的模型不可见,推理结果可解释性差,大大影响模型的实用价值,而且神经网络需要大量的学习数据,而这些学习数据未必具有普遍性。

对于软件项目工作量的估算,人们在长期的软件项目实践中,已经积累了一定的经验,如何充分利用人类专家的这些知识进行工作量的预测,也是研究的一个方向[5]。但由于软件项目的复杂性,这些经验还不足以满足实际的需求,于是人们开始借助数学工具来辅助预测,文献[5,6]虽然引入了统计学工具,但是由于数据的量化困难,影响项目工作量的因素太多,使得模型的提取复杂度变高,准确性受到影响[7]。

对预测模型的获取,我们在使用数学工具的同时,借助专家的经验进行变量的分析和数据的前期处理,这样可以降低运算的复杂度,提高模型的精度[8,9]。

另外,由于不同软件公司管理体系的不同,收集数据的类型不同,项目的特点不同,用一个通用的数学模型来进行预测是不可取的,也是非常困难的,在实际应用中,用户希望能根据自己的数据提取出针对性比较强的预测模型,这样既可以提高模型的准确度,又可以提高模型的可用性[10]。

基于统计学原理,本文提出了一种软件维护工作量预测模型的提取方法,旨在利用人们的经验和统计算法结合,寻求一种软件项目中工作量的估算方法。利用专家的经验解决难以模型化或自动化的问题,如参数的筛选、区间的选取等,同时借助数学方法来处理一些数据量大,计算复杂的问题,如线性回归、相关系数的计算等。作者重点在论述模型的具体提取过程,而不仅仅是模型的本身,希望该过程能对各公司提取各自预测模型有启示。

1 样本模型

每个样本项目可表示为:P=<T,f,s>其中:

T={t1,t2,,tm}为自变量,是若干个已知的信息量(如:软件规模、用户数、系统架构等)的集合。s为因变量,即需要预测的软件维护工作量。f为从T到s的映射函数:s=f(T)。

由于在项目管理中,全部定量化管理是非常困难的,所以在收集的数据中,除了连续型变量如程序规模、工作量外,还有一些取值离散的离散变量[11],这些变量包括:

编号 诸如应用程序类型、数据库类型等变量,这些变量的值仅仅表示不同类别,不存在数值大小与优先高低之分。比如客户服务、事务处理等应用程序,可用401、402来标识。

顺序 该类型变量的值可以按顺序排列。例如开发规范变量,开发规范标准为5的项目开发规范高于开发规范标准为4的项目,但是这里的数值5、4并不是经过计算得到的,只是一个标记而已。

等距离量 等距离量变量的值可以顺序排列,但距离量的比例没有任何意义,如项目的交付年份,2005和2006的比值是没有意义的。对于这类变量,在模型分析时我们常常把它转换为顺序变量。例如:

D=当前年-交付年

这样等距离量交付年就变成了顺序变量:系统的运行时间。

因为不同类型变量间的关联关系计算方式是不同的,所以区分这些变量的类型,在模型提取过程中是很重要。定量模型提取就是根据已知数据T和s,获得影射函数f的近似函数f,其主要过程包括数据前期的分析、模型提取、残差分析,下面给予分别讨论。

2 数据前期分析

在进行模型抽取前,首先必须进行数据检查,数据检查包括样本的筛选,变量的分布分析,以及变量间的相关性计算等。

2.1 分布分析

统计分析技术中,底层数据一般应满足正态分布[12],如果样本数小于30,可以以t分布为标准。因此首先要检验向量T中的每个分量ti的数据是否满足正态分布,如果数据分布不满足正态分布,可以对该变量采用自然对数转换等方法进行函数转换,使其分布规律符合要求。

在正态分布检验过程中,对与中心点偏离过大的离群数据,应再次核实,确定它们是否存在其它特别原因,如不是普遍性的特殊原因,应将该项目剔除。

2.2 相关性分析

对于相关性强的两个变量不应当同时出现在模型中,在进行模型提取前,应当分析向量T中所有ti间的相关性。不同类别的变量,其关联性的检测方法也有所不同。Spearman秩相关系数和Person相关系数是相关性分析常用的两个指标,此外对于数值变量和类别变量间的相关性,可采用F比值的判定。下面分别论述几种关联性检测的方法。

2.2.1 Spearman秩相关系数

当数据是顺序型变量时,通常使用Spearman秩相关系数进行相关性计算。按照某一变量对样本进行排序,某一个样本的排序位置就是该变量在这个样本中的秩,Spearman秩相关是用于比较在同一样本数据中两个变量的秩差来判定这两个样本的相关性,具体计算公式为:

$\rho =1-\frac{6{\displaystyle \sum D}{}^2}{n(n{}^2-1)}(1)$

其中D是在同一样本项目中,两个变量秩的差,n是样本项目的数量。

2.2.2 Person积距相关系数

当数据是等距或数值类变量时,常使用Person积距相关系数来判定变量的相关性。Person积距相关系数使用的是变量实际值,而不是变量的秩来计算的,具体计算公式为:

$r=\frac{{\displaystyle \sum _{m=1}^n(}t{}_{im}-\overline{t}{}_i)(t{}_{jm}-\overline{t}{}_j)}{(n-1)s{}_{i}s{}_j}(2)$

其中$\overline{t}{}_i$、$\overline{t}{}_j$分别是变量ti和tj的均值,si、sj分别是变量ti和tj的方差,n是样本数目,tim、tjm分别是变量ti 、tj在第m个样本中的取值。

2.2.3 F方法

对于数值变量和类别变量间的相关性,可采用F比值的判定。首先根据类别变量tj对数值变量ti进行分组,然后分别计算变量的组间和组内方差,如果数据分成n组,则组间方差为式(3):

$s{}_{bg}^2=\frac{n{\displaystyle \sum _{m=1}^n(}\overline{t}{}_m-\overline{t}){}^2}{n-1}(3)$

其中$\overline{t}{}_m$为ti数据在第m组的均值,$\overline{t}$为所有样本数据的均值。

组内方差为:

$s{}_{wg}^2=\frac{{\displaystyle \sum _{i=1}^{n}S}{}_i^2}{n}(4)$

F比值为:

$F=\frac{s{}_{bg}^2}{s{}_{wg}^2}(5)$

F越大,相关性越强,如果F小于1则说明两者不相关。

对于不同的类型,其相关性的判别方法也不同, 表1表明了不同类型变量间相关性检测的方法。

测试独立性的卡方检验是通过对实际和期望频率进行比较,以判断两个类别变量是否独立。

3 模型提取

在对观测变量分析处理后,开始预测模型的提取。预测模型的精度往往和观测变量集T的维度(即T中参数的个数)成正比,但是观测参数越多,需要收集的数据越多,收集难度加大,影响模型的实用性,同时模型提取的复杂度就越高。为了在精度和参数个数之间寻求一种平衡,我们采用“逐步递进法”模型提取法进行模型提取。具体算法如下:

1) 在模型M=(T,f,s)中,判定s是否符合正态分布,如不符合,则通过函数转换使其符合正态分布或t分布。

2) 对T=<t1,t2,,tn>的每个变量ti进行分布分析,对不符合正态分布(或t分布)的变量,对其进行函数转换,使其符合正态分布或t分布。

3) 对T=<t1,t2,,tn>的变量,根据前述方法进行两两相关性分析,进行变量的约简,降低T的维度得到 T′=< t′1,t′2,,t′m >。I=T′的维数,Z=空。

4) 对T′中的每个变量t′i ,计算其与s的相关性,找出和s相关性强的变量t′j,Z=Z+{tj},T=T-{t′j}。

5) 对s和Z中的变量进行回归分析,提取预测模型$\text{y}=\widehat{f}{}_{(\text{Ζ})}$。

6) 对模型$\widehat{f}$进行误差和精度分析,看是否满足要求。若满足要求,$\widehat{f}$就是所需模型,系统退出。

7) 如果T=Φ,说明没有找到适当的模型,程序退出;否则进入第5)步。

4 模型误差分析

对于样本项目P=<T,f,s>,通过分析后,得到映射函数$\widehat{f}‚\widehat{f}$为f的近似,根据$\widehat{f}$可得到预测量s的近似值$\widehat{s}$:

$\widehat{s}=\widehat{f}({\rm T})(6)$

$\widehat{s}$与s的误差反映了映射函数$\widehat{f}$对f的近似度,考察估算模型的误差就是考核$\widehat{s}$与s的距离,通常有以下几个指标:

1) 相对误差量:对于样本项目i,其相对误差为:

$E{}_i=\left|\frac{S{}_i-\widehat{S}{}_{\text{i}}}{S{}_i}\right|(7)$

其中$\widehat{s}$i为估算值,si为真实值。

2) MMRE相对误差平均值:

${\rm M}{\rm M}RE=\frac{{\displaystyle \sum _{i=1}^{n}E}{}_i}{n}(8)$

其中n为样本项目的数量。

3) Pred(0.25):相对误差量Ei≤0.25的项目占全部项目的百分比。当一个模型的Pred(0.25)>75%时,可以认为该模型良好。

以上三个指标反映的是一个模型的平均误差情况,但不能反映出误差分布和产生的原因,为了更好地考核一个估算函数,需要对误差做进一步的分析。

在进行回归分析时,模型应该满足以下假设条件:

① 存在某种线性关系;

② 残差具有恒定的方差(同方差性);

③ 残差是独立的;

④ 残差是正态分布的。

如果满足这些条件,系统的残差$\frac{(S{}_i-\widehat{S}{}_{\text{i}})}{S{}_i}$在T的一个子空间上的投影应是一组随机点,如果残差分布有一定的规律性,则说明估算模型存在某种问题。

5 实例分析

现通过具体实例说明整个分析过程,本例总共收集了76个项目,经过人工筛选,最后选定了65个项目作为样本,表2是部分参数及其说明。本文所述的维护不包括日常运营所需的投入,也不包括增强系统功能和性能所作的投入。

其他变量包括系统架构(B/S、C/S)、编程语言、企业经验、操作系统等。

Effort和Size这两个变量的分布如图1、图2中曲线所示,它们并不满足正态分布,为了接近正态分布,我们对这些变量进行变换,取其自然对数作为新变量,变换后分布如图3、图4曲线所示,趋近正态分布。

根据表1的规定和变量的类型,选用不同的方法计算变量间的相关性。以测试强度和开发时间约束为例,两者都是顺序量,故采用Spearman系数进行相关性分析,表3 是这两个变量在各个项目中的秩。

根据表3,他们的相关系数:

$\rho =1-\frac{6{\displaystyle \sum D}{}^2}{n(n{}^2-1)}=-0.89$

由此可以得到开发时间约束和测试强度表现较强的负相关性。

通过计算还发现:1) 开发规范标准和文档规范的Spearman相关系数为0.96,是完全正相关;2) 系统规模和开发工作量相关系数为0.88;3) 系统规模和开发周期相关性只有0.6;4) 测试强度和开发规范的相关度为0.87。所以我们保留了变量开发工作量,舍去了变量系统规模;在测试强度、开发规范、开发时间约束、文档规范变量中,我们只保留了文档规范变量。

经过对变量的前期分析,最终选择的自变量包括:开发工作量(effort)、用户数、系统结构(frame)、开发语言(language)、 文档规范(document)、数据量、数据库平台、使用年限。系统预测变量为年维护工作量,由于其不符合正态分布,首先对它进行转换,取自然对数ln(mainmadEffort),变换后分布接近正态分布,这样预测变量就变成了ln(mainmadEffort)。

按照和预测变量维护工作量(mainmadEffort)相关性从大到小排序为:开发工作量、系统架构、用户数(终端数)、使用年限、开发规范、时间约束、数据量。按照逐步递进法,首先通过回归分析,得出年维护工作量和开发工作量的单变量模型。

ln(mainmadEffort)= 0.79803ln(effort)

对此模型在变量系统结构(B/S和C/S)上进行残差分析的结果如图5所示。图5表明残差和系统结构具有相关性:在B/S区误差偏正,在C/S区误差偏负。为了提高模型精度,把项目分成B/S和C/S两类,分别进行模型提取。

在C/S架构的样本中,模型为:ln(mainmadEffort)=0.76701ln(effort),对该模型进行分析,可求得:MMRE = 0.067, 方差S=0.443。即开发工作量可以反映维护工作量的44%的变化。

对此模型的残差分析表明:残差和用户数、使用年限具有一定的函数关系(如图6所示),此模型不能满足客户需求。我们在自变量中加入用户数,继续进行回归分析,得到新的模型再进行误差分析,如此重复,直到得到满足要求的模型。

ln(mainmadEffort)=0.76701ln(effort)- 0.5510AppYears + 0.3310Users - 0.2810Document

按照逐步递进法,首先通过回归分析,得出年维护量的估算模型为:

C/S架构:ln(mainmadEffort)= 0.76701ln(effort)-0.5510AppYears+0.3310Users-0.2810Rule +0.0891Document

B/S架构:ln(mainmadEffort)= 0.8011ln(effort)-0.5810AppYears+0.1510Users-0.290Document

对于嵌入式系统同样也可以进行相关分析,可以得出:

嵌入式系统:ln(mainmadEffort)= 0.9011ln(effort)-0.210AppYears+0.21Users-0.10Document

从模型可以看出,软件维护的工作量主要取决于系统的规模和使用年限,使用时间越长,软件越成熟,年维护工作量越小。在开发阶段对时间约束过于紧张,也会增加维护的成本。

6 结 语

针对软件维护工作量预测模型,在统计学的基础上,本文从数据转换、变量筛选、模型提取、误差分析各阶段,详细论述了模型的提取过程,给出了模型提取和模型评价的具体算法。本过程把专家的判断和数学推理相结合,通过适当的数据得出合理模型,虽然获取模型的复杂度有所提高,但简化了模型本身,减少了估算所需要的数据量,提高了模型实用性。

工程项目的特点是不具备重复性,也即每个项目都有其特殊性,再加上软件项目复杂度高、技术性强,主要依靠脑力劳动完成,对软件项目各个环节进行精确量化估算是十分困难的,也是不必要的,在可接受的误差范围内,估算模型的可用性更加重要。本文的“逐步递进”算法和“逐步递减”算法就是基于这一思想而产生的。

本文的整个模型提取过程依然存在一些不足,其自动化程度不够,许多环节还需要人的参与,例如关联性的比较、模型的评价等,具体过程还有待完善。另外对于不同企业、不同类型的项目,各参数的重要性和参数间的关联性也有差别,如何区别对待,也需要进一步考虑。

参考文献

[1]叶飞,朱小冬.基于GRASP的软件维护过程仿真研究[J].计算机仿真,2007(11):103-106.

[2]周海玲,孙涌.关于基本COCOMO模型参数校准的探讨[J].微电子学与计算机,2005(12):59-61.

[3]丁岳伟,马亦舟.贝叶斯校正算法在软件估算模型COCOMOⅡ中的应用[J].计算机应用与软件,2007,24(1):153-159.

[4]Huang Xishi,Ho Danny,Ren Jing,et al.Improving the COCOMOModel Using a Neuro-fuzzy Approach[J].Applied Soft Computing,2007(7):1-7.

[5]唐颖,陆力.提高估算软件成本精度的方法研究[J].科学技术与工程,2006(4):105-108.

[6]李虎雄,李虎俊.Web系统软件开发项目的成本估算模型[J].计算机工程,2007(16):274-276.

[7]Karpistsenko A.Enhancement of Development Technologies for Agent-Based Software Engineering[C].Lecture Notes in Computer Science,2006:38-44.

[8]MacDonell S G.The Viability of Fuzzy Logic Modeling in Software De-velopment Effort Estimation:Opinions and Expectations of ProjectManagers[J].International journal of software engineering and knowl-edge engineering,2005,15,PART 5.

[9]李锋,王勇军.贝叶斯网在软件项目管理中的应用[J].计算机应用与软件,2008,25(2):61-64.

[10]梁昌勇,王红星,刘业政.一种改进的软件项目成本估算方法[J].价值工程,2006(8):58-62.

[11]武占春,王青.一种基于PDCA的软件过程控制与改进模型[J].软件学报,2006(08):13-24.

估算模型 第5篇

中国农业植被净初级生产力模拟(Ⅱ)-模型的验证与净初级生产力估算

利用我国若干代表性区域6种主要作物(水稻、小麦、玉米、棉花、大豆、油菜)生产力的田间试验及统计数据,对中国农业植被净初级生产力模型Crop-C进行了验证.结果表明,该模型能利用常规的气象和土壤资料、化肥氮施用量等较好地模拟我国6种作物主产区的.净初级生产力,模拟值与观测值的相关系数(R2)为0.80(n=786).将Crop-C模型与GIS空间数据库耦合,估计了1980-中国农业植被净初级生产力.模拟结果表明,自1980年以来,中国农业植被净初级生产力呈增加趋势,从1980年的472.9Tg C增加到20的607.2Tg C,秦岭淮河以北的华北地区和西北部分地区增加最为明显.

作 者：王 黄耀 张稳 于永强 王平WANG Yu HUANG Yao ZHANG Wen YU Yong-qiang WANG Ping  作者单位：王,王平,WANG Yu,WANG Ping(南京农业大学,资源与环境科学学院,南京,210095)

黄耀,张稳,于永强,HUANG Yao,ZHANG Wen,YU Yong-qiang(中国科学院,大气物理研究所大气边界层物理和大气化学国家重点实验室,北京,100029)

刊 名：自然资源学报  ISTIC PKU英文刊名：JOURNAL OF NATURAL RESOURCES 年，卷(期)： 21(6) 分类号：Q94 关键词：作物   模型   验证   地理信息系统  

工程项目建设成本优化估算模型 第6篇

近年来研究人员在测算工程项目建设成本引入人工智能库, 主要方法有:神经网络技术和基于案例推理技术。利用神经网络来测算建设成本, 为确保网络模型的准确度, 要求选择的工程特征能够充分体现工程本质, 选取的训练样本要和待测工程类似, 且需要提供足够的样本数量来训练神经网络。而基于案例推理技术的建设成本测算, 在建模之初, 对样本数量的要求不高, 但现有的研究成果主要集中在案例库的建设和案例检索, 案例推理过程中没有紧密结合工程项目的技术经济特点, 导致当项目环境变化较大时, 推理的结果偏差很大。

考虑到工程建设环境的不确定性和成本影响因素的随机性, 拟综合利用模糊数学、基于案例推理技术和计算机仿真技术来进行建设成本的测算。模糊数学的优点:能够较为精确地描述建设项目环境的不确定性;基于案例推理技术的优点:少样本, 自学习, 推理时间短;计算机仿真技术的优点:能够描述建设项目成本影响因素的随机性, 对备选方案进行有效评价优化备选方案。充分利用上述方法的优点来切实反映工程项目建设的技术经济特点, 提高建设成本测算的准确度。

一、成本测算模型的设计

(一) 模型设计流程

通过模糊案例推理仿真数学方法建立测算工程成本的流程如图1:

模型输入:待测项目的技术指标和各造价影响因素的预期影响程度;

利用案例推理技术得到待测项目的主要工、料、机消耗量和主要工、料、机费用系数, 利用计算机仿真技术对预测结果进行评价后, 模型输出:待测项目的主要工、料、机消耗量和主要工、料、机费用系数;

将主要工、料、机消耗量乘上工、料、机的当期预算价格, 得到待测项目的主要工、料、机费用, 在此基础上, 除以主要工、料、机费用系数, 即得到待测项目的建设成本。

(二) 案例库资料收集要求

案例库中存有的为主要工、料、机消耗量费用指数。因为工、料、机价格对建设成本的决定性影响, 工、料、机价格波动性大且难以准确地进行趋势预测, 因此不直接预测建设成本, 而是通过预测工、料、机消耗量, 再结合当期市场价格来测算建设成本, 从而提高了建设成本测算的准确性。

利用该方法来测算建设成本, 首先需要基于已完成的道路工程项目成本信息构建案例库。需要的主要成本信息如下:已完成工程的技术指标、经济指标, 以及各造价影响因素对这个工程的影响程度。需要输出的信息为:已完成工程消耗的主要工、料、机数量和这些工、料、机费用占总造价的比例 (称为主要工料机费用系数) 。

二、工程项目成本估算模型建立

(一) 采用模糊数学方法找类似工程

在案例库中找与待测工程紧密结合, 贴近度最高的工程项目作为备选案例。先对待测工程进行模糊化描述, 然后根据描述的特征找类似工程。假定已建工程有A1, A2, , An, 则待测工程B与A1, A2, , An的贴近度分别为:

根据已建工程的特征元素, 如按路基土石方量, 路基宽度 (暂时不考虑修建年份) 等方面确定模糊关系, 假定A1, A2, , An的特征元素的模糊关系系数分别为a11, a21, an1, a1n, a2n, ann, 待测工程的模糊系数为b1, b2, , bn,

那么Ai和B的贴近度

若ti=max (t1, t2, tn)

则工程B与已建工程Ai最相似。

(二) 待测案例的修正

根据已候选的工程集与待测工程之间的不同, 对候选案例进行评价优化得出最优方案, 但需要根据拟建项目的实际情况对最优工程方案需要进行修改, 修改的方法有两种:结构修改和诱导修改。结构修改就是直接应用规则或公式修改候选案例的结论以适应新的问题。诱导修改就是重用得出以前案例结果的规则或公式, 这里将采用结构修改的方法。

步骤为先对得出的候选方案利用计算机仿真技术和人工相结合对预测结果进行多目标评价, 如满足要求度较高则利用该数据。由候选案例经过评价和修正后得出待测项目的主要工、料、机消耗量和主要工、料、机费用系数。再根据市场的工、料、机的价格乘以得到待测项目的主要工、料、机费用, 在此基础上, 除以主要工、料、机费用系数, 即得到待测项目的建设成本。

(三) 候选方案的评价

在基于案例的推理的工程造价估算系统中, 用户通常会提出多个目标要求, 由工程估价对工程造价的控制作用, 希望的是工程总估价的最小, 再次, 显示施工状况, 会对各分项工程的估价提出相应的不同要求, 先检查现有解决方案对该问题各项要求的满足情况, 给出相应结论, 当前方案是否足够优化。这一过程由系统自身的评价机制和人工评价相结合的方式来完成。

面对工程造价估算这样一个多目标决策问题, 为解决多个目标之间的冲突, 运用目标规划方法来解决。

根据待求解工程问题的已知条件, 建立如下形式的目标规划数学模型:

其中, 公式 (1) 是目标规划的目标函数, 表示要求尽可能达到目标、缩小偏差, 其基本形式为minz= (d+, d-) , 由偏差变量、优先因子及权系数构成。偏差变量d+、d-表示决策值与目标值的偏差量。正偏差变量d+表示决策值超过目标值的部分, 负偏差变量d-表示决策值末达到目标值的部分;优先因子Pt表示多个目标之间的主次或轻重缓急的不同, 用来将目标按优先次序排列出优化等级, 并且认为只有上级目标达到后, 才能考虑下级目标的优化;权系数Wlk用来区别具有相同优先因子的多个目标的差别, 以示重视程度。

公式 (2) ～ (5) 为该目标规划的约束条件。

公式 (2) 是目标约束 (软约束) , 指为达到目标值而给出的约束。约束左端项是用线性函数方式给出的约束条件;约束右端项gk可看作要追求的目标值;在达到此目标值时允许发生偏差, 因此往往含有偏差变量d+、d-。公式 (3) 是绝对约束 (硬约束) , 指必须严格满足的等式约束和不等式约束。决策变量而表示其中一个解元素, 即第j个工、料、机元素的配额。由所有决策变量构成的解向量[x1, x2, ..., xn]T代表一个具体解决方案, 得到当前工程的一种工、料、机使用方案。

公式 (4) 、 (5) 分别是决策变量、偏差变量的非负约束条件。运用单纯形法求解该目标规划问题, 得到其满意解, 即为综合考虑一系列约束条件限制时该工程工料机配备的较为合理的方案。然后将该工、料、机配备方案与经过方案调整后得到的工、料、机配备方案进行比较, 权衡之间存在的差异, 考虑是否可以接受调整后方案。若调整后工、料、机配备方案具有一定的置信度, 则可予以接受, 案例推理成功, 得到当前工程问题的最终解决方案, 输出结果;否则, 还须重复以上步骤, 不断地修补、改善当前工程的问题描述和解决方案, 直至方案评价通过, 方才得到适用于待求解工程问题的最终解决方案。

(四) 拟建工程造价求解

对案例库搜寻备选方案进行评价得出最有类似方案, 通过计算机技术模型输出根据类似工程造价的资料只有人工、材料、机械台班费用和措施费、间接费, 可按下式得出拟建方案造价。

式中D拟建工程单方概预算造价

A类似工程单方概预算造价

K综合调整系数

a%, b%, c%, d%, e%类似工程概预算的人工费, 材料费, 机械台班费, 措施费, 间接费占预算造价的比重, 如a%=类似工程人工费/类似工程概预算造价*100%, b%, c%, d%, e%类同。

K1, K2, K3, K4, K5拟建工程与类似工程预算造价人工费, 材料费, 机械台班费, 措施费和间接费之间的差异系数, 如:K1=拟建工程概算的人工费/类似方案人工费, K1, K2, K3, K4, K5类同。

三、结论

运用模糊数学、案例推理以及结合计算机仿真技术提出的新的工程造价优化估算方法充分考虑了工程建设环境的不确定性和成本影响因素的随机性, 通过给出的特征因素进行模糊推理能够自动快速得到备选案例进行参考, 对备选案例进行多目标控制评价得到最优备选案例并结合案例工、料、机相应费用指数进行拟建项目工程造价测算。通过对案例库不断补充以及把握现行工程市场费用价格情况逐渐提高工程成本估算结果的准确程度, 适应现今工程市场不断发展的形势和要求。

摘要：该估算模型运用模糊案例推理及计算机仿真系统方法对所选方案进行优化, 从而得到测算项目成本。该模型用于建设成本测算时的一般流程是:利用已完成工程项目的成本资料建立案例库;对待测项目的工程特性进行特征描述;在案例库中检索与之相似的旧案例, 根据多目标决策规划对备选案例进行系统评价和人工评价, 从而达到优化目的;通过目标函数得出的最优方案案例, 比较其与待测项目的异同, 基于比较结果再对案例方案进行调整, 从而得到待测项目的成本。

关键词：模糊贴近度,案例推理,成本估算模型,优化目标函数

参考文献

[1].林杰等.基于模糊推理的案例支持系统[J].系统工程, 2000 (5)

[2].罗杰文, 施智平, 何清等.一种CBR与R BR相结合的快速预案生成系统[J].计算机研究与发展, 2007 (4)

[3].夏勇其, 吴祈宗.一种混合型多属性决策问题的TOPSIS方法[J].系统工程学报, 2004 (6)

[4].杨晓莉.混合多属性决策理论方法与应用研究[D].武汉:华中师范大学, 2007

浅谈工程造价的估算模型 第7篇

工程造价是指进行工程项目建设所需要花费的全部费用。它包括建设工程费、设备器具购置费、工程建设其他费、预备费、建设期贷款利息、固定资产投资方向调节税等。工程造价估算的准确性和高效性, 直接影响着项目的投资决策和投标的竞争力。随着我国工程建设的快速发展及招标投标制的逐步推行, 工程造价估算模式在不断深化, 如何快速而且准确的进行工程造价估算成为当今热点研究课题之一。

本文讨论了工程造价的作用, 总结了定额法、实物法、回归分析法、模糊数学法、灰色预测法和人工神经网络法在工程造价估算中的应用现状及其特点, 期望为实际工程应用和理论研究提供可参考的综合分析资料。

2工程造价估算的作用

在整个工程项目建设过程中, 工程造价是贯穿始终的主要影响因素之一。工程项目建设具有很大的不确定性, 使建设价格时常发生改变, 因此合理的进行工程造价估算是工程项目可行性研究的基础, 其作用范围和影响程度十分巨大。

2.1 投资决策方面

工程造价估算对建设项目的投资具有指导作用。现阶段, 我国市场经济竞争十分激烈, 能否快速而且准确的进行工程造价估算成为投资方所要面对的首要问题。工程造价决定着项目的一次投资费用, 因此工程造价估算的结果将直接反应出工程项目建设所需的投资金额及经济收益, 给投资方在项目投资决策阶段提供重要依据。

2.2 工程成本控制方面

工程造价估算是工程项目建设过程中必不可少的关键环节, 其估算结果是工程项目建设成本控制的基点。工程造价估算对工程项目建设成本的控制主要体现在两个方面。对于投资方, 在不同的阶段进行工程成本估算并对其进行控制, 最后通过竣工决算确定工程项目的最终成本。对于施工企业, 可根据工程造价估算内容, 挖掘降低工程造价的潜力, 为成本控制计划提供依据。

2.3 筹集建设资金方面

工程造价估算[1]是投资方筹集建设资金的依据。高效的工程造价估算方法能够比较准确的计算出工程项目所需的建设资金, 为投资方提供一个准确的筹集资金额度。当向金融机构进行贷款时, 金融机构也需对工程项目的工程造价进行估算, 以便对工程项目的偿贷能力进行评估。

3工程造价的估算模型

3.1 定额法

定额法[1]是通过事先编制的分部分项工程的单位估价表和工程量乘积的总和来计算工程造价的方法。其估算步骤主要分为三步: (1) 对工程项目的规模、结构情况及工程特征等进行分析, 利用定额法对投资进行估算; (2) 根据其相应的估算指标, 算出直接成本, 间接成本, 利润和税收等; (3) 对各项成本进行汇总得出工程项目估算。现阶段, 我国基本采用定额法来确定工程造价。定额是根据各地行业平均生产率水平及国内自产设备生产率进行制定的, 基本反映了各地和各行业的技术经济水平与特点。

定额法的优点主要体现在两个方面: (1) 采用定额法估算的工程造价能够反映当时的技术经济水平及平均劳动生产率, 有利于对工程造价的水平进行宏观调控; (2) 定额法的思路简单明了, 对编制人员的知识结构要求不高。然而定额法也存在着不足之处: (1) 定额存在滞后性, 不能反映当前科学技术的最新成果; (2) 定额采用国家或地方政府制定的统一工程造价, 招投标时不利于竞争; (3) 定额法估算工程造价不能反映质量目标和进度目标。

3.2 实物法

实物法[1][2]又称实物量分析法, 是通过计算各种资源的消耗量及单价来确定工程造价的方法。其基本思路主要分为三步: (1) 分析各分部分项工程所需的材料、人工和机械的消耗量及其单价, 计算其直接成本; (2) 计算管理费、财务费等间接成本; (3) 对直接成本和间接成本进行汇总, 求得总工程造价。

相比于定额法, 实物法的价格根据市场的变化而定, 资源消耗量根据工程的实际建设条件而定。因此, 实物法能够真实的反应出市场的变化情况和技术管理水平, 是一种切合实际、合理、准确的估价方法。然而, 实物法并未得到普及, 其主要原因在于实物法估算工程造价过程复杂, 工作量大;对工作人员的知识水平要求较高;需要较多的工程资料, 不利于投资决策和可行性研究阶段的工程造价估算。

3.3 回归分析法

回归分析法是根据比较完备的历史统计数据, 运用统计学方法进行加工整理, 得到有关变量之间的关系, 用于预测未来变化情况的一种工程造价估算方法。在20世纪七十年代[3], 作为一种工程造价估算方法, 回归分析法便开始快速发展。随着越来越多的学者对该方法进行研究, 回归分析法被逐步完善。2003年, R.Martin Skitmore[4]等基于93个澳大利亚详细的工程资料提出了有关实际工程周期及造价的回归预测模型。其模型表达式为

y=α0jβ0+α1jβ1x1j+α2jβ2x2j++αnjβnxnj (β≥0) (1)

式中, (0j、 (1j (nj为回归系数;x1j、x2jxnj为各工程变量值; (0、 (1 (n为使残余平方和最小的拟合系数。

通过分析得出, 该模型具有很好的拟合效果, 对于工程周期, 其最小的残余平方和为1.77817, 对于工程造价, 其最小的残余平方和为0.56923。2009年, 陈小龙[5]等基于解释结构模型, 对18个上海地区小高层住宅项目工程造价进行多元线性回归估算。结果表明结合解释结构模型和多元线性回归方法能够快速而准确的估算工程造价, 估算误差控制在5%以内。

以上分析可知, 回归分析法简单易行, 能够较快的对工程造价进行估算, 但是需根据类似的工程样本进行分析, 其准确程度取决于样本的大小及工程项目的相似程度。

3.4 模糊数学法

模糊数学法是以一组与拟建工程类似的已建工程为基础, 运用模糊数学理论, 定量地确定工程项目间的相似程度, 建立相应的数学模型, 推算出拟建工程造价的估算值。史亮[6]指出在工程造价快速估算中, 模糊数学法主要分为四个步骤: (1) 建立工程造价快速估算数学模型; (2) 确立模糊关系系数; (3) 计算加权海明贴进度; (4) 工程造价估算。

计算加权海明贴进度是模糊数学法中最为重要的步骤, 只有选择的相似样本是合理的, 估算出来的造价才会比较精确。经研究表明, 样本相似程度和公式参数估计系数比较合理, 工程造价估算精度将控制在5%之内。

3.5 灰色预测法

部分信息已知, 部分信息未知的系统称灰色系统。灰色理论的微分方程模型简称GM模型, 基于灰色系统理论的GM模型的预测, 称灰色预测。采用灰色预测法估算工程造价就是从已建工程中找出与拟建工程最相似的若干工程, 进行工程间的灰色关联分析, 利用相似的已建工程造价资料估算拟建工程的造价。灰色预测法的计算步骤主要分为四步[7]: (1) 确定系统的主导因素和关联因素; (2) 对主导因素建立GM (1.1) 模型, 对关联因素建立GM (1, N) 模型; (3) 根据GM模型, 建立系统状态方程; (4) 求解状态方程, 并对其解果进行累计还原, 即求得各因素拟合值和预测值。

作为工程造价的一种新方法, 灰色预测法具有快速、简便的特点。然而, 值得注意的是影响工程造价的因素很多, 对不同的因素进行预测得到的结果也会不同。因此, 为了获得更为准确的预测效果, 合理优化预测因素显得至关重要。

3.6 人工神经网络法

人工神经网络模型是由大量、简单的神经元广泛地互相连接而形成的复杂非线性自适应动态网络系统。从20世纪九十年代[8]以来, 神经网络法就开始应用于工程造价估算之中。G H.Murat[9]等指出, 采用人工神经网络法对工程造价进行估算主要分为模型建立、训练以及测试三个模块。模型建立模块主要包括数据分析、造价影响因素的确定、网络结构体系和内部规则的选择。网络结构体系由输入层、隐含层和输出层组成, 如图1所示。造价的主要影响因素通过输入层进入神经网络结构体系, 而后隐含层提取和记忆信息中有用的特征及其次要特征, 最后通过输出层将所提取的信息进行汇总并输出工程造价。训练模块要求收集数据并确定网络学习准则。在训练模块中, 将收集的训练数据样本按照网络学习准则进行网络学习, 通过反复的训练, 提取其有用信息, 可得到一个训练好的造价预测样本, 通过必要整理加工后, 最终得到预测的工程造价。测试模块是将预测的工程造价与实际工程造价相比较, 评价预测模型的精度。

人工神经网络法具有良好的自组织自适应和很强的学习能力, 对造价估算的精度远高于回归分析法、模糊数学法和灰色预测法。但是人工神经网络法可能陷入局部极小点, 使误差变大。如何克服算法的这一缺陷是今后需要研究的一大课题。

4结语

无论是建设单位进行投资决策, 还是施工单位进行成本控制, 快速而且准确的进行工程造价估算具有十分巨大的作用。随着工程建设的兴旺发展, 工程造价估算的重要性日趋显著, 国内外学者对估算模型的研究也越来越深入, 包括定额法、实物法、回归分析法、模糊数学法、灰色预测法、人工神经网络法等。本文对这些方法进行了总结, 并指出主要思想及特点, 为实际工程应用和理论研究提供可参考的综合分析资料。

参考文献

[1]郭琦.工程造价管理的理论与方法[M].北京:中国电力出版社, 2003.

[2]朱光明, 钱善扬.实物量法-国际社会编制工程造价的惯例[J].中国建设信息, 2002.2 (3) :55～57

[3]McCaffer R.Some examples of the use of regression anal-ysis as an estimating tool[J].Quantity Surveyor, 1975, 32:81-86

[4]R.Martin Skitmore, S.Thomas Ng.Forecast models for actual construction time and cost[J].Building and Environment, 2003, 38 (8) :1075-1083.

[5]陈小龙, 王立光.基于建筑设计参数分析模型的工程造价估算[J].同济大学学报 (自然科学版) , 2009, 37 (8) :1115-1121

[6]史亮, 周钧, 杨亚辉.模糊数学在工程造价快速估算中的应用[J].山西建筑, 2005, 31 (2) :147-148

[7]孙涛.灰色系统预测理论在建筑工程造价中的应用[D].西北工业大学, 2006.

[8]Hoijat Adeli, Mingyang Wu.Regularization neural net-work for construction cost estimation[J].Journal of Construction Engineering and Management, 1998, 124 (1) :18–24.

流域非点源污染负荷估算模型的研究 第8篇

水环境污染可分为点源污染 (PSP) 和非点源污染 (NSP) , 点源污染易于识别和治理, 且随着PSP控制能力的提高, NSP的严重性逐渐显现出来。研究表明:即使PSP得到全面控制, 水环境也得不到根本改善, 水质达标率仅达42%~65%[1]。

我国属农业大国, 随着人口的持续增加以及人类不合理活动的增多, 更加剧了水体NSP, 导致可用水资源量愈加减少。因此, 加强对NSP的研究对解决人类面临的水危机具有重要意义。

1 非点源污染负荷估算模型

目前针对流域NSP的估算、模拟有多种模型和方法。总体来说有两种途径: (1) 通过分析水文、水质数据, 用径流分割法来估算流域NSP的输出量; (2) 分析污染源与控制断面之间的响应关系建立NSP模拟模型, 进而估算NSP负荷。

常用的NSP模型分为两大类:集总式模型和分布式模型。

有代表性的集总式模型有:降雨量差值法[2]、相关关系法[3]、平均浓度法[4]、污染分割法[5]、水质水量法[6]、输出系数法[7]等。

降雨量差值法[2]认为:NSP的产生受降雨量和降雨径流过程的影响, 其负荷与降雨量的大小密切相关。任意两场洪水 (或任意两年) 产生的污染负荷 (包括点源和非点源) 之差应为这两场 (或这两年) 降雨量之差引起的NSP负荷, 即:

在暴雨径流过程中, N、P等颗粒态污染物的迁移与泥沙输移有密切关系, 可以建立NSP负荷-泥沙相关关系[3]。

平均浓度法[4]根据各次降雨径流过程的水量、水质同步监测资料, 计算各污染物NSP的平均浓度, 以各次暴雨的径流量为权重, 求加权平均浓度作为地表径流的平均浓度, 与地表径流之积为NSP负荷量。

污染分割法[5]以流域出口断面的径流、水质及径流在年内的分配为基础, 进行流域的PSP和NSP负荷的分割, 属水文学方法, 机理明确, 资料易得。

水质水量法[6]根据典型流域各次暴雨水质水量同步监测资料, 忽略地表径流迁移过程, 利用统计分析方法, 建立水质水量之间的相关关系。

输出系数法的一般表达式[7]如下:避开了NSP发生和发展的复杂过程, 且所需参数少, 操作简便易行, 又具有一定的精度, 适合水文水质资料缺乏的地区以及大尺度流域, 因此得到了广泛的应用。

集总式水文模型 (包括经验类模型) 主要是通过回归分析的手段建立污染源和监测断面之间的关系, 得出污染源合理的相关输出系数, 估算整个流域的污染物输出量。

这类模型的精度较低, 优点是对数据的需求也比较低, 能够简便计算出流域出口或区域单元总污染负荷, 表现出较强的实用性和一定的准确性, 但由于难以描述污染物迁移的路径与机理, 使模型应用受限, 且所取经验系数受限于区域, 阻碍了系数的通用性和模型的可转移性。因此, 这类模型的关键在于如何合理地确定相关经验系数。

在近年NSP负荷的研究中, 蔡明[8]对输出系数法进行了改进, 利用长年的资料加入了降雨因子和流域损失对于经验系数的影响。

杜娟[9]利用连续多年的实测资料以及两种方法估算结果的比对中, 考虑到输移损失的影响, 对于已建模型进行修正系数的重新确定, 使其更符合流域实际情况。

分布式模型常见的有ANSWERS[10]、BASINS[11]、SWAT[12]、GLEAMS[13]、Ann AGNPS等。主要是对流域产汇流过程、水土流失过程和污染物迁移转化过程进行机理层次上的模拟, 估算污染源的强度和输出负荷量。NSP模型一般是由四个子模型系统构成的, 分别是:降雨径流模型、侵蚀和泥沙输移模型、污染物转化模型、受纳水体水质模型。

分布式模型虽然有较好的耦合作用, 模拟精度较高, 也可在后期加入LID以及BMPs措施进行具体的流域模拟, 但模型前期所需数据庞大 (如长期的气象、地形、地表资料, 及实测的长期水文、水质监测数据) , 且建模时要求拟合程度高 (需进行反复多次的率定、验证) , 才有模拟流域 (区域) 的可行性, 估算成本较高, 但估算结果的实际意义较大。故而在应用分布式模型模拟流域状况时, 关键是采用长期的动态跟踪以获得上述的各类参数。

2 结论

变电站分地区造价估算模型的探讨 第9篇

关键词：变电站造价,地域系数,估算,电网规划

在电网规划以及电网理论研究中, 往往需要对变电站造价进行测算。实际测算中, 通常将变电站造价拟合为线性模型。但因变电站造价存在地区差异, 所以若要拟合建立起不同地区的造价计算模型, 需要分别采集各地区的大量实际工程的概、预算数据。这不仅工作量巨大, 而且某些局部地区因数据缺乏而无法完成。本文提出了一种新方法, 该方法只需根据典型地区的数据, 便可构造出通用的造价计算模型, 再通过地区差异系数的引用, 便可快速估算出其他地区的造价结果。

1 变电站的投资构成分析

在传统估算方法中, 变电站的总投资与总容量通常拟合为线性关系:

式中:a与变电站容量无关部分的造价, 万元;

b与变电站容量直接相关部分的系数, 万元/k VA;

SB变电站的容量, k VA。

通过对《国网公司变电工程典型造价》中资金的构成和流向进行分析和归类后, 发现其具有以下特征: (1) 变电站固定投资主要为场地征用、基础土建、场地清理及相应的管理等费用, 该部分受变电站容量的影响不大, 但受当地经济状况、物价水平影响较大, 故地区间的差别大。 (2) 变电站造价中的设备购置费、建工费和安装费均同变电站容量关系较大, 其中设备购置费因系统内实施统一采购, 地区差别相对较小, 而另两项的地区差别则较大。

2 新模型的提出与构建

2.1 变电站造价模型

在以上分析的基础上, 针对典型地区的变电站造价资料, 将其受地区影响的投资部分分离出来, 然后通过体现地区差别系数的引入, 进而得出适用于不同地区的通用造价估算公式。

变电站造价中与变电站容量SB相关而地区差异又较大部分的投资所占比重可用下式计算:

c= (建工费+安装费) / (工程总造价) . (2)

因此, 在原有模型的基础上, 不难建立计及地区差异

的变电站造价模型:

式中:Kd地域系数;

c比重系数, 由典型地区数据算出。

2.2 模型中系数的确定

制定各地区某一电压等级变电站造价的步骤: (1) 确定a、b、c常数值:选取某个较易统计且数据详实的典型地区, 并取该地区Kd=1.0, 统计典型地区内同一电压等级各容量下的变电站造价, 然后根据容量与造价拟合计算出a、b值。统计此典型地区变电站工程造价明细, 按照公式 (2) 计算得出c值。 (2) 确定其他地区的Kd值:综合比较其他地区与典型地区的经济水平及劳动力价格水平得出。也可针对同样的变电工程项目, 分别计算其他地区和典型地区的建工费及安装费总和, 两地区的费用总和之比即可作为相应地区的Kd值。 (3) 估算其他地区该电压等级变电站造价:将典型地区的a、b、c值及所得各地区的Kd值代入公式 (3) 得出相应地区的造价计算公式, 代入不同容量, 得出该容量变电站造价, 即可制定各地区该电压等级变电站的造价估算表。

3 算例分析

下面以《国网公司输变电工程典型造价10 k V及以下配电工程分册》 (华北地区) 数据为例, 对原方法与新方法进行比较验证。在华北地区各典型造价资料中, 天津地区数据最为详实, 涉及配电站容量多, 造价拟合更为准确, 因此以天津为典型地区, 算出造价模型的基本系数, 故取天津地区Kd=1.0。通过计算, 得出华北其他地区的地域系数, 从而估算出各地区造价。

3.1 系数a、b、c的计算

根据表1数据求取各容量水平的平均值, 使用最小二乘法拟合得出天津地区10 k V配电站造价估算式为:

即a=66.06、b=0.054, 然后根据公式 (2) 求取c值, 得c=0.24。

3.2 Kd的计算

在此用各地区建造单座量2630 k VA配电站的建工费及安装费的总和除以天津地区的该部分费用来计算Kd, 华北地区Kd估算值见表2。

3.3 计算结果对比分析

以山东为例, 对原方法估算结果与改进方法估算结果进行比较。

3.3.1 原方法分析

为避免采集大量各地区基础数据并对其分别拟合, 原方法通常用统一造价估算公式对各地区造价进行估算。根据《国网公司输变电工程典型造价10 k V及以下配电工程分册》 (华北地区) 中详细数据, 如按原估算方法, 华北各地区造价均拟合为函数:

若按此统一拟合公式对山东地区10k V配电站造价进行估算, 原模型山东10 k V配电站估算结果分析见表3。

3.3.2 新模型分析

从表2中可得, 山东地区Kd=0.6, 故根据公式 (3) , 山东10 k V配电站估算公式为:

按新模型对山东地区造价进行估算, 新模型山东10 k V配电站估算结果分析见表4。

从表3及表4中不难算出, 原模型相对误差平均值为21.65%, 而新模型相对误差平均值为5.67%, 可见新方法优于原方法。

同理可得其他地区的造价估算值, 通过新方法计算出的估算值与真实值比较发现, 华北地区按新方法估算得出的10 k V配电站造价与实际值相对误差平均值均在15%以内。可见, 新模型估算方法合理可行, 准确度比原有方法有较大提高。

4 结束语

估算模型 第10篇

关键词：速度估算,模型参考自适应,积分误差,电压模型

0 引言

在电机的高性能控制领域方面,矢量控制策略研究已经比较成熟并被应用于高性能变频器中,矢量控制的闭环控制系统依赖于反馈速度的精度,速度检测器毫无疑问会增加系统成本,故无速度检测的矢量控制成为近年研究的热点之一[1,2,3]。目前,研究比较多的无速度传感器控制策略有:利用基于PI闭环控制构建转速计算公式策略[4,5,6,7]、电机数学模型直接计算转速以及利用电机结构特征计算转速。使用较为广泛的速度辨识方法是第一种方法中的模型参考自适应(MRAS)方法。

MRAS方法一般采用电压模型来进行磁链估计,但电压模型的纯积分环节的直流分量一直困扰着MRAS方法在低速时的控制性能,为此,许多学者提出了各种改进方法[8,9,10,11]。

在本文的参考文献[8]中采用了高通滤波器对直流进行过滤,参考文献[9]采用了可变截止频率的低通滤波器代替纯积分环节,但低通滤波器在低速下依然面临两难局面。参考文献[10]和参考文献[11]采用坐标变换到同步旋转坐标下进行滤波,解决了幅值补偿问题,但还是无法彻底消除直流分量误差。

1 传统MRAS模型原理

异步电动机在两相静止坐标下转子磁链可由下列表达式计算[2]:

其中:。

由此式建立的模型转子磁链电压观测模型如图1所示,其输入分别为usα、isα和usβ、isβ,输出分别是ψrα、ψrβ,如图1所示。

转子磁链电流模型公式如公式(2)所示:

根据公式(2),可以建立的转子磁链电流观测模型如图2所示。

电压观测模型和电流观测模型有相同的输出物理量,以电压模型为参考模型,电流模型为可调模型,比较共同输出,调节电流模型参数,使共同输出差值趋近为零,则认为此时的转速为实际转速。其结构框图如图3所示[9]。

为消除电压模型直流分量对积分的影响,有人提出对电压模型的积分采取高通滤波器过滤等措施,但随着转速降低,滤波器截止频率的选择将陷入两难境地。本文将积分型的电压模型变成微分型,从而彻底消除直流分量的影响,提高低速性能。

2 微分型MRAS速度估算模型

将公式(1)变成微分形式,如公式(3)所示:

依据公式(2)构建电流模型,依据公式(3)构建电压模型,为了简化usα、usβ统写us,isα、isβ统写is,ψrα、ψrβ统写ψ,据此构成的微分型MRAS速度观测器结构如图4所示。

在微分型MRAS转速辨识算法中,将以电流作输入,得到磁链计算值ψ',再以磁链作为电压模型的输入,得到电压的计算值u's,与实际检测的电压值us进行比较。如果实际转速与计算转速相等,则计算电压值等于实际电压值,如果不相等,则将两者差值经过自适应调节器,改变计算的转速。依据公式(3)得到的电压模型是由磁链值计算电压值,与传统模型相比较不再含有积分,解决了积分带来的初值影响。

3 仿真结果分析

为了验证本文提出的估算方法的效果,本文用Matlab做仿真实验。仿真的参数电机参数为:电动机采用380 V、50 Hz、2对磁极,Rs=0.43Ω,Rr=0.82Ω,Llr=0.002 m H,Lls=0.002 m H,Lm=0.07 m H,J=0.19 kg·m2。定子绕组自感Ls=Lm+Lls=0.072 m H;转子绕组自感Lr=Lm+Llr=0.072 m H;漏磁系数δ=1-Lm2/LsLr=0.054 78;转子时间常数Tr=Lr/Rr=0.072/0.43=0.167 4。初始负载为0,在0.3 s时加负载20 N·m,分别验证设置转速为1 000 rad/s和转速为30 rad/s时的效果,转速仿真效果如图5所示。

图5 a)是设置转速为1 000 rad/s时传统方法的电机转速曲线图,图5 b)是设置转速为1 000 rad/s时传统方法实际转速与估算转速差,图5 c)是设置转速为30 rad/s时传统方法的电机转速曲线图,图5 d)是设置转速为30 rad/s时传统方法实际转速与估算转速差,图5 e)是设置转速为1 000 rad/s时改进方法的电机转速曲线图,图5 f)是设置转速为30 rad/s时改进方法的电机转速曲线图,图5 g)是设置转速为1 000 rad/s时改进方法实际转速与估算转速差,图5 h)是设置转速为30 rad/s时改进方法实际转速与估算转速差。

从仿真图5 a)和图5 e)可看出:传统方法和改进方法在高速都体现比较好的性能,但图5 b)中传统方法的估算转速与实际转速误差最大30 rad/s,图5 g)中改进方法的估算转速与实际转速误差最大20 rad/s,改进方法还是优于传统方法;图5 c)可以看出在低速时,传统方法性能很差,图5 f)反映出改进方法即使在低速时依然表现良好的性能,体现改进方法在低速性能上远远超过传统方法。

4 结语

本文针对传统MRAS转速辨识方法电压模型中存在的直流偏移和积分初值偏差,设计了新的电压模型和转速辨识方法,由电流模型计算出磁通,将磁通做输入,通过新型电压模型计算出电压,然后通过与测试电压进行比较并校正。新型电压模型不存在积分,故能有效解决积分误差,提高系统的低速性能。最后在Simulink环境下分别对模型进行了高、低速的仿真,仿真结果表明,改进方法在全速范围都保持比较准确转速辨识能力。

参考文献

[1]MAITI S,CHAKRABORTY C,HORI Y,TA M.Model Reference Adaptive Controller-Based Rotor Resistance and Speed Estimation Techniques for Vector Controlled Induction Motor Drive Utilizing Reactive Power[J].IEEE Transactions on Industrial Electronics,2008,55(2):594-601.

[2]陈健强,黄劭刚,洪剑锋,等.基于无速度传感器的异步电机控制方法探讨[J].煤矿机械,2015,36(1):121-124.

[3]宋文祥,周杰.感应电机磁链观测及矢量控制低速发电运行控制方法综述[J].电机与控制应用,2013,40(11):1-7.

[4]武卯泉,王军,李旭霞,等.基于模型参考自适应的无速度传感器研究[J].电气传动,2008,38(10):13-15.

[5]王耀南,王辉,邱四海,等.基于递归模糊神经网络的感应电机无速度传感器矢量控制[J].中国电机工程学报,2004,24(5):84-89.

[6]刘丽娟,童军,乔江,等.一种在线辨识定子电阻的MRAS转速估算方法[J].电机与控制应用,2015,42(10):1-5.

[7]陈伟昌,王孝洪,田联房.基于DSP的无速度传感器异步电机矢量控制[J].电机与控制应用,2015,42(3):20-23.

[8]高东龙,何平,王志成.一种基于MRAS模型的转速估算方法的改进[J].组合机床与自动化加工技术,2014(2):1-3.

[9]曾树华,李目.基于转子磁链误差的MRAS速度观测器优化设计[J].煤矿机械,2016,37(2):5-7.

[10]黄劭刚,宋凤林,洪剑锋,等.基于变参数MRAS法的异步电机矢量控制研究[J].微特电机,2016,44(2):62-66.