基于优化广义回归神经网络模型的EPC项目成本预测探讨
本文是一篇项目管理论文，本文选择的GRNN模型，准确性不受数据样本大小限制，且唯一人为确定的参数是光滑因子，选用多元宇宙优化算法对GRNN的光滑因子进行精准选择，并利用Matlab软件进行模型编程，建立EPC模式成本预测模型。
第一章绪论
1.1研究背景及意义
1.1.1研究背景
由2017年至2021年全国工程勘察设计统计公报显示，工程总承包签约合同由34258.3亿元增加至57885.8亿元，涨幅为68.97%；工程总承包收入贡献营业收入的50%以上。工程总承包模式，经过国家政策的大力推动，已实现了跨越式发展。工程总承包模式在实践中印证了其优越性，更多的项目选择工程总承包模式。EPC（Engineering Procurement Construction）总承包模式是总承包方以设计为主导，统筹安排项目采购和施工等各阶段的相关工作，完成对项目的质量、进度、成本、安全等各方面的管理和控制[1]。EPC模式在我国的总承包模式中不断发展成为主流模式[2]。相较于传统的施工总承包模式，EPC模式具有诸多的优势，将在今后的市场中占据越来越多的分量。
总结总承包模式发展阶段分为三个，1984—1991年--引进和试点阶段，首次提出在我国建设工程总承包的设想[3]，进一步规范公司的组建并确立改革总目标[4]，批准12家设计单位试点[5]和31家工程建设总承包试点[6]；1992—2005年--发展和推广阶段，内容主要有对企业资质进行管理[7]、为勘察设计单位提供改革方向[8]、转变原有体制融入国际市场[9]、提倡对建设项目实行工程总承包[10]，2005年管理规范的颁布[11]，是工程总承包在我国的里程碑事件，标志着工程总承包创造了一个新的历史起点；2006年至今--完善和成熟阶段，这段时期的任务集中在推动总承包的健康发展和创造良好的市场环境上，推出切实可行的政策，推进工程总承包发展，在施工许可[12]、计价计量规范[13]、管理办法[14]等方面做出响应。2020年建设项目工程总承包合同（示范文本）（GF-2020-0216）[15]的确定，将工程总承包的合同管理推向一个新的高度。历年政策颁布见图1.1。
项目管理论文怎么写
...................
1.2国内外研究现状
1.2.1国内外EPC模式研究现状
1.2.1.1国外EPC模式研究现状
总承包模式起源于20世纪60年代的美国，是发达国家对建设模式的创新，经过30多年的发展，总承包模式在国际工程承包中占据主要角色。1999年国际咨询工程师联合会（FIDIC）推出了总承包模式的合同范本，至此，该模式在世界范围内得到了推广。经文献搜集发现国外对EPC模式的研究主要集中在风险控制、成本与进度控制、管理等方面。
风险方面
风险识别--Sadeghi等[19]为了提供有限缓解风险的策略，引入“经常性风险”概念包括固有风险和外部风险，划分重复性风险为8类，最终得出在投标前实施FEED，增加合同条款以涵盖业主不可预测的波动因素最为突出的结论。风险分类--Nurdiana,A.等[20]通过结构方程模型分析不同业主对风险概率和风险识别，最终确定风险等级，得出业主方采购阶段的风险结果为46%低风险，27%中等风险，27%高风险，采购风险整体可控。风险分配--Valipour A.等[21]通过ANP方法通过文献回顾、访谈和发放调查问卷等方式对项目风险分配进行了探讨，将不同类型归为三方承担：开发商承担12个风险、开发商和承包商工程承担9个风险及承包商承担12个风险。风险管理--Ribas等[22]利用三角隶属函数将模糊性纳入比较过程，通过比较业主联盟和建筑商联盟识别的风险等级，建立风险管理模型，有效地将风险事件进行排序，其合理透明的特点更好地服务于大型项目风险管理。Bakr等[23]研究合同条件格式为对象，通过预定义风险评估的对应的合同条款对承包商选择风险管理战略的影响，根据诱发风险时间进行审查，创建模型跟踪合同风险，减少合同管理人员协调内容，完成合同管理数据库系统，创造完善的合同管理环境，加强风险管理。风险评估--Tetiana Zholonko等[24]从宏观和微观层面提出了投资公司和降低风险负面影响的方法，考虑因素包含项目环境、持续时间和范围、风险位置、概况、风险偏好、后果、能力和对投资项目影响的结果等。此方法考虑动态风险，结合上述因素，实现项目风险的识别、评估、监测和风险控制并减少负面后果的功能。
..............................
第二章EPC总承包模式及成本预测方法概述
2.1 EPC总承包模式概述
2.1.1 EPC总承包模式定义
EPC是Engineering Procurement Construction的简称，即设计-采购-施工，在我国的总承包模式发展过程中占据主流地位。EPC总承包以向业主交付最终产品为目的，对全生命周期进行整体筹划、全局安排的总承包体系，其中设计（Engineering）包括初期具体的各专业图纸设计工作和建设工程的总体规划以及后期施工过程中的策划与具体内容等；采购（Procurement）不限于大宗建筑材料、设备的采购，更倾向于专业材料、设备的选型和采购；施工（Construction）包括项目从施工、竣工、试运营到交接的全项工作。业主与总承包商签订合同，将设计-采购-施工相关任务委托给总承包商负责，业主仅完成大体上目标、原则的管理和把控。
设计与采购之间的关系--设计负责提供采购清单，并参与确认采购计划的可行性，在采购过程中，设计还要对采购提供图纸、现场安装、交接等提供技术支持；采购需参与设计在详细设计任务书阶段的编制，避免因采购商、商品质量等级问题对整体设计造成不利影响，当采购无法完成设计要求时，需及时反馈设计单位。
设计与施工之间的关系--设计的质量决定总承包项目的优劣，是决定性环节。设计方案需满足施工要求，提供详尽的图纸、文件及设计资料，做好技术交底工作，指导正确施工；施工是对设计的体现和执行，施工参与到设计前期，利用施工的相关知识和现场经验，透彻分析设计文件对施工的影响，减少设计漏洞和不合理的情况发生，提高设计文件质量，同时保障项目质量、安全、成本三大目标的实现。
...................
2.2 EPC总承包模式成本预测概述
正确的预测是进行科学决策的依据。无论是政府还是企业制定发展战略，编制计划以及日常管理决策都要以准确的预测作为基础[61]。经济全球化的大局势加之疫情的影响，建筑行业的竞争日趋激烈，企业想在严峻的市场中求得发展，就必须认识到预测在管理决策中的作用，成本作为影响项目成败的重要因素，更需要企业提高重视程度。
2.2.1成本预测的基本概念及流程
由定义可以得出，成本预测的主要内容包括建立工程成本数据库和选择适当的预测方法，因此在进行成本预测前，需要搜集大量相关的历史资料，挖掘数据之间的内部关系，建立完善的成本数据库，提取主要影响因素；在预测方法选择上，目前众多学者均认为影响成本的各因素呈非线性关系，更注重非线性关系的处理能力，大多借助计算机和现代优秀数学理论建立预测模型进行预测。为保证成本预测的准确性，需要对预测模型进行预测精度的提出要求，当预测精度无法达到要求，证明此预测模型预测结果没有实际参考价值。当预测结果正常输出之后根据预测值对项目的成本做出进一步计划，避免盲目决策的情况发生。待项目最终完工后，将实际发生成本与预测值进行对比，分析项目成本影响因素，当误差存在差距时，可通过修改成本影响因素和扩充成本数据库的方式，完善预测模型，提高预测准确度，为日后的项目成本预测打下良好的基础。
.............................
第三章 EPC项目成本影响指标体系构建 .......................... 25
3.1 指标体系构建原则 ..................................... 25
3.2 指标体系构建过程及最终指标体系建立 ............... 25
第四章 基于 MVO-GRNN EPC 项目成本预测模型构建 .................. 35
4.1 广义回归神经网络 .................. 35
4.1.1 广义回归神经网络介绍 ............................... 35
4.1.2 广义回归神经网络结构 ................................ 36
第五章 基于 MVO-GRNN EPC 项目成本预测模型应用研究 .......... 47
5.1 预测数据的获取与预处理 ................ 47
5.1.1 数据资料收集 .................................... 47
5.1.2 数据预处理 ........................................ 49
第五章基于MVO-GRNN EPC项目成本预测模型应用研究
5.1预测数据的获取与预处理
5.1.1数据资料收集
为保证数据资料之间存在可比性，尽可能消除建设地点和建设时间对成本的影响，本文选取的项目为近三年河北境内的EPC项目资料作为本文的研究对象。定量指标从图纸中提取，其中，建筑面积因设计相关的计算规则与造价上的计算规则不一致，不能直接提取图纸的信息，应重新计算，提高准确性。此外，针对定性指标，根据专家对项目实施的甲方、总承包单位、设计单位的前期文件、过程资料和竣工资料等综合评估，最终量化评分。评价标准保持一致，增加定性指标的可靠性和可比性。本文收集到工程数据共计34组，提取共计18项影响成本因素。原始数据见表5.1。
项目管理论文参考
..........................
第六章结论与展望
6.1研究结论
在国家政策的大力倾斜下，EPC总承包模式具有更大的发展空间，而高利润空间伴随着高风险，对业主和总承包商提出了严峻的考验。因此在项目前期，对项目造价做出准确预测，为决策者提供可靠支持。本文梳理了国内外EPC和成本预测研究的现状，通过传统预测方式与现代预测方式的对比，确定神经网络算法；然后根据文献收集成本指标，建立EPC模式成本预测指标体系；确定广义回归神经网络预测模型和多元宇宙优化算法结合并建立MVO-GRNN预测模型；最后利用实际数据验证模型的可行性，本文的主要研究成果和结论如下：
（1）建立EPC模式成本预测指标体系
通过对两种文献资料的收集，将EPC模式成本指标确定为建筑特征指标、结构特征指标、项目展现指标、项目环境指标四个大类，具体细化指标为建筑面积、层数、层高、安装工程、工程类别、基础类型、结构形式、楼面装饰、外墙装饰、门窗类型、工程用途、造价指数、风险水平、总承包管理能力、设计深化程度、联合体衔接程度、主要材料合作供应商家占比和BIM管理水平共计18个。通过定性指标和定量指标相结合，为EPC模式的成本预测建立较全面的预测指标，在今后的预测工作中，将以上18个指标作为基础，收集和扩充数据，为建立适合自身企业的成本指标体系提供参考。
（2）建立MVO-GRNN EPC模式成本预测模型
本文选择的GRNN模型，准确性不受数据样本大小限制，且唯一人为确定的参数是光滑因子，选用多元宇宙优化算法对GRNN的光滑因子进行精准选择，并利用Matlab软件进行模型编程，建立EPC模式成本预测模型。通过实际样本数据带入程序，对模型进行训练和测试，并与未优化GRNN模型对比，验证了MVO-GRNN在EPC模式成本预测中具有更高的准确性和适用性。
参考文献（略）
