基于工程量清單的投標成本價界定研究

羅道儒, 黃喜兵

(西南交通大學土木工程學院， 四川成都 610031)

經評審的最低價中標法是我國應用最廣泛的一種評標辦法，即在所有的投標人中，選擇能滿足投標文件實質性要求且投標報價最低者，成為工程的中標人。該方法有利于充分發揮市場經濟的競爭優勢，提高投標人的成本管控能力。但是，由于我國建筑市場競爭激烈，市場機制還不完善，因此許多投標人為了能中標而不惜以低于成本的報價參與競爭，導致偷工減料，建筑產品質量不斷下降，不僅埋下了嚴重的安全隱患，也極大地損害招標人的利益[1]。

為了防止惡意低價中標的現象，維護招投標雙方的利益，評標委員會需要對投標人的工程量清單報價是否低于成本進行分析和評審，以剔除不合格的投標人。但是，在實際評標過程中，由于工程量清單中的項目數量比較多，在沒有量化的評判標準的情況下，僅僅依靠評標專家的工程實踐經驗進行評審往往不夠全面。因此，文章以MLP神經網絡為數學工具，提出一種用于界定投標報價是否低于成本價的模型。

1 MLP神經網絡模型的建立

1.1 成本價的影響因素

由于工程建設項目的體量一般都比較大，因此影響工程成本的因素十分復雜，而且各個因素之間有些又是互相關聯的[1]。因此，需要對各項因素進行深入分析，確定影響建筑成本的主要因素，才能對項目的成本價做出較為準確的預測。工程清單計價模式下，一般要重點審查投標總報價Y和各清單項目的綜合單價V，據此，文章將影響因素分為兩部分，第一部分為工程特征因素，第二部分為清單項目特征描述。

(1)工程特征。文章結合文獻研究分析和總結，遵循系統性、科學性、可操作性等指標選取原則，選取了8個工程特征指標(表1)，其中5個定量指標，分別為建筑高度、建筑總面積、標準層建筑面積、地下室層數、工期；還有3個定性指標，分別為建筑功能、結構類型、基礎形式。

(2)清單項目特征描述。根據《建設工程工程量清單計價規范》的附錄，每個清單項目均有各自相應的項目特征。目前，由于規范對項目特征描述不具有強制性，許多招標人對項目特征的描述比較隨意[3]，不利于計算機對其進行分類和量化。因此，招標人應重視分部分項工程項目特征的描述，與規范保持一致。文章以010401003實心磚墻和010505001有梁板這兩個清單項目為例，作為MLP神經網絡輸入的項目特征描述部分(表1)。

表1 模型的輸入輸出變量

1.2 神經網絡參數設置

采用雙隱藏層的全連接MLP模型，根據經驗總結發現，在高維輸入時，第一隱藏層對第二隱藏層的最佳節點數的比例為3: 1，因此，設置第一隱藏層的節點數為12，第二隱藏層的節點數為4，網絡模型的結構為15-12-4-3(圖1)。

圖1 MLP網絡結構

當神經網絡模型的層數增多時，在反向傳播的過程中會出現梯度消失和梯度爆炸等問題，因此，建立MLP模型時通常采用Relu作為激活函數，這樣可以有效地減少這兩種情況的發生，其函數如圖2所示。

圖2 Relu函數

MLP神經網絡模型的程序在Spyder集成開發環境下編寫，模型的訓練算法采用增加動量項的改進BP算法，動量項的加入可使網絡在訓練過程中盡量避免陷入局部極小，獲得更優解[4]。學習率η=0.001，動量系數α=0.8，迭代次數為1 000次，目標誤差為ε<0.001。

2 樣本數據處理

通過造價信息網站收集和整理了某地區近年來的20組工程造價結算數據作為樣本，19組作為訓練樣本，1組作為測試樣本。由于工程結算價并不是成本價，因此需要對樣本數據進行處理。

根據綜合單價分析表可以看出，綜合單價由人工費、材料費、機械費、管理費和利潤構成。相關研究的結果表明，人工費一般不能低于社會平均成本的85 %，材料消耗量跟施工現場管理水平和進貨量等有關，一般不能低于社會平均成本的98 %；施工機械費一般不低于社會平均成本的70 %；企業管理費與企業的管理水平有關，一般不低于社會平均成本的70 %；考慮到某些企業為打開市場，有的企業采取零利潤，因此不計項目的利潤[5]。

所以，樣本數據中的綜合單價成本價V1可通過下式計算。

其中ai，ki為V1中的人工費、材料費等5項費用及相應的折減系數，V1r為綜合單價結算價。

3 模型預測結果

從20組樣本中隨機挑選1組數據作為測試樣本，輸入訓練完成的MLP神經網絡模型中，其預測結果如表2所示。

表2 測試樣本的相對誤差

從表2可以看出，神經網絡模型得到的輸出值與真實值之間的相對誤差均在10 %以內，其中總報價的相對誤差為8.45 %，兩項綜合單價的相對誤差分別為9.07 %、8.16 %，這表明神經網絡模型能夠大致預測出擬建工程的成本價。

在評標過程中，評標委員會可將模型預測的成本價與投標人的報價逐項進行對比，報價低于成本價的，評標專家可對投標人進行質詢，若投標人不能給出合理的解釋，評標委員會可判定其報價低于成本價，作廢標處理。

4 結論

低于成本價競標的惡性競爭行為一直是招投標的痛點。針對評標過程中對低于成本的評審沒有統一標準的難題，文章基于工程量清單計價模式，以神經網絡為工具，提出一種科學合理的量化方法，用于界定投標報價是否低于成本。結果表明，模型的預測結果與真實值差距不大，可以作為界定成本價的參考標準，有效防止惡意低價中標。