英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料
基于大数据的建筑工程投标报价系统
张永成骆汉宾何意 华中科技大学 中国武汉
绪论
投标报价是控制工程建设成本控制很重要部分。然而，以往对项目成本数据的不充分利用使得新项目的投标价格评估缺乏有效的评价标准，给成本控制带来了挑战。随着企业信息技术应用的不断完善和大数据时代的到来，项目成本相关数据可以实时、系统地记录下来，并可以充分利用来支持建设项目成本管理决策。本文提出了一种基于大数据的建筑工程投标价格评估系统，目的是利用大数据相关技术分析项目成本数据，给出合理的成本范围，从而获得支持投标价格控制的评价标准。本文分别介绍了该系统的数据源、数据提取、数据存储和数据分析。以地铁车站项目为例，对系统进行了评价。结果表明，基于大数据的系统对工程造价评价具有重要意义。
关键词:系统;投标价格评估;建设项目;大数据
1介绍
在投标阶段进行施工成本管理，对客户建设项目的成功具有重要意义。客户希望用有限的经济资源来建设项目;而投标人追求最大的经济效益。因此，在建设项目投标阶段，客户评估投标人提交的标书，我们称之为评标，由经济基础上考虑的，并在经验丰富的技术专家的支持下，对技术标准的评价往往能取得好的结果。但是，项目成本对于技术依赖，以及与市场相关的价格等经济招标的特点而进行对经济投标的评价。叶昆辉在2013年指出目前的经济评价与编制投标价格的因素比较复杂，运用了综合研究方法得出的结果。在评标中采用了投标价格中限值的方法，为参与评标的投标价格设定了控制范围(通常为 3%至-8%)内。投标价格若超过此范围的投标人将丧失评标资格和投标报价。这种评估方法增加了显示基本价格的风险。目前我国建筑工程中采用了合理的低价评标方法。它也被称为多准则法，侧重于对价格的评价。竞标者的算术平均价格和成本咨询公司的价格是获得投标价格的两种主要方式。前一种方法通常在不完全竞争市场的条件下，人为地抬高标价，使竞买人的利益和价格“扭曲”二人合谋。后一种方法在成本咨询公司编制的定额成本参考资料中产生了一段时间滞后。一定的局限性，主要集中在评价总价和不平衡的报价，以及对工程项目总价格与各项目的价格的评估十分困难。如何评价投标报价的合理性已经成为成功投标的一个重要问题。解决这一问题的方法是充分利用前期的项目成本数据，进行数据挖掘分析，为新建设项目的投标评价提供参考。在大数据时代到来之前，建设项目成本数据并没有得到应有的重视，这反映在项目成本数据常常被狭义地认为是项目成本报告数据。数据存储格式和存储介质不同,以及严重的数据分区,Ballesteros佩雷斯等科学家在(2014)年建立了一个新的竞价模型,作为一个实用的智能模型, 基于经验和成本数据去用来提高投标人战略和增加他们的机会投标之前在赢得合同,,但该模型主要用于限制投标。
从大数据的角度来看，项目成本数据的来源与成果概括，工程信息数据、建设成本数据和技术方案数据等种类，形式有文档、表单和其他类型。而从数据的数量和更新来看，项目成本数据与大数据典型特征:大、快速、多源、异构大致相同。大数据技术在互联网、医药等领域的应用可以为建设成本管理提供参考。最典型的例子是目前谷歌预测流感的发生和沃尔玛销售啤酒和尿布，在建设成本管理领域的投标阶段进行成本控制的传统关系型数据库的相关存储和分析技术的引进是很少见的。
本文的主要目的是利用大数据技术研究施工招标阶段的成本控制报价。对项目成本数据的采集、提取、存储、传输和分析进行了分析，得出了合理的价格区间，合理地评价了投标人的投标价格，并开发了决策支持系统平台。
2大数据和相关技术
2.1大数据
随着传感器、服务器等网络和硬件设施的全面发展，大数据时代已经到来。大数据技术促进了许多企业整合自身需求，创造了难以想象的经济效益，实现了具有商业潜力的巨大社会价值。不同的行业使用大数据来产生巨大的价值和效益，这显示出前所未有的社会潜力，而不仅仅是数据本身。至于学术界，自然杂志于2008年推出了一个关于的大数据专题。而在2011年2月，科学杂志发布了利用数据处理特殊问题，主要讨论大数据科学的问题，解释大数据科学的重要性。
大数据还没有被一个公认的定义，其中3V的定义更具有代表性，认为大数据应该满足三个特征:体积、变化和速度。另外，4V的定义也被其他人提出，试图在3V的基础上添加一个新功能。国际数据公司(IDC)已经同意，数据也应该具有一定的价值。大数据的价值往往表现出稀疏性的特征。通过使用新的处理模式，大数据具有更多的决策能力和洞察力，可以优化流程以实现高增长率，并处理大量不同的信息资产。大数据可以被定义为一个社会过程，在合理的时间内收集大规模数据，并成为帮助用户的更有效的决策。表1是典型大数据应用程序的比较。
|
应用 |
实例 |
用户数量 |
反应时间 |
数据规模 |
可靠性 |
精准度 |
|
物联网 |
传感器网络 |
大 |
快 |
TB |
高 |
高 |
|
手机数据 |
手机 |
极大 |
快 |
TB |
高 |
高 |
|
社交 |
脸书 |
极大 |
快 |
PB |
高 |
高 |
|
经济 |
交易 |
大 |
极快 |
GB |
极高 |
极高 |
|
科学 |
生物信息 |
小 |
慢 |
TB |
中等 |
极高 |
2.2大数据科技
大数据的巨大价值体现需要多种技术的协调。文件系统提供对底部存储的支持。为了管理数据，需要在文件系统上建立数据库系统。通过建立索引和提供高效的数据查询功能，利用数据库中的分析技术从大数据中提取有用的知识。大数据技术是一系列的集合、存储、管理、处理、分析和可视化技术。
云计算是一个庞大的数据库平台和支持技术，涉及大量的技术和算法。2006年，谷歌首先提出了云计算的概念。在谷歌中，各种大数据内部应用程序的开发是由一系列云计算开源工具支持的，这些工具集成到一个名为Hadoop 的平台上。Hadoop 已经成为一个完整的生态系统，包括文件系统(HDFS)、数据库(H Base、Cassandra)、数据处理(Map reduce)和其他功能模块。数据处理涉及一系列的算法，如遗传算法、神经网络、回归分析、聚类分析和关联规则学习。在某种程度上，可以说Hadoop已经成为处理大数据工具的真正标准。
此外，大数据技术还包括遗传算法、神经网络、数据挖掘、回归分析、聚类分析和关联规则学习、分类分析、数据集成与融合、机器学习等系列算法。这些算法可以进行评估和扩展，这些算法涉及到数据挖掘的大部分算法。云计算和算法是大数据挖掘的重要支撑。
3基于大数据的建筑工程投标价格评价系统设计。
3.1系统框架
系统框架为系统软件开发提供了重要的基础。基于大数据的投标价格评价系统包括四个层次:建设成本数据采集层、数据采集与集成层、数据分析层和面向用户的应用层。图1给出了项目投标价格评估的系统框架。
1数据采集层是系统的基本层，主要关注与项目成本数据相关的数据采集。包括项目的基本信息建设技术方案信息和项目成本信息。结构化、半结构化和非结构化数据是信息的主要类型，通过自动收集机制，将已完成的项目成本数据连续收集到系统中。
2在确定数据来源后，需要提取和集成建筑成本数据，包括自动数据提取、关系构建、数据清理、数据质量评估等。它的目标是将原始数据转换为那些存储在特定规则和形式大数据中心的数据。
3数据分析层。利用数学和统计方法、数据挖掘和机器学习算法等方法，对业务应用进行进一步的数据处理和分析，可以为管理者决策提供成本数据中发现的相关规律。同时，数据可视化技术被认为是最容易理解的分析结果。
4顶层是用户层，即人机交互层，包括数据输入、数据输出、统计分析结果等。
3.2大型工程造价数据采集系统的研究
(1)建设成本数据来源。
成本数据的收集是建设成本数据分析的第一步。目前，建筑成本数据主要来源于以下三个方面。第一个方面是团队在实际项目上积累的研究案例。第二个方面的数据来自与公司签订的合作协议，从包括客户、承包商和成本咨询公司成本数据中挖掘价值。第三方面是与政府建设项目管理部门签订合作协议，分析这些建设成本数据。数据来源的三个方面构成了数据采集的来源，大数据在一起。为了确保数据源的及时性和准确性，相关方的成本数据可以直接链接到系统，并在与各方签订合作协议后导入系统。因此，建筑成本数据可以继续增加。
(2)大数据采集建设成本的内容。
工程造价数据采集包括基础工程信息、施工技术方案信息和工程造价信息。基本项目信息收集包括项目编号、项目名称、项目年度、施工现场、施工公司以及基本项目概况的总持续时间。项目特征信息基于不同类型的项目。以地铁车站工程为例，其特征信息包括工程类型、车站类型、车站开挖深度、车站平面形状、周围环境、土壤条件、水文、施工方法等。施工技术方案信息主要是完成建设工程过程工程的方法、机械、材料等信息。项目成本信息主要包括总价、单位建设成本、部门分项工程成本、主要数量和价格。收集的数据将被集成和合并，然后在集成的环境中形成数据立方体和维度。图2显示了一个本地项目成本数据集。
(3)施工成本数据提取方法。
目前，不同结构形式的建筑成本数据存储在不同的数据库中，包括存储在系统中的格式化报表数据、存储在计算机上的文本数据、表格数据、图片数据和各种项目的数据存储在纸上。不同类型的数据需要不同的数据处理方法。通常的方法是将非结构化数据转换为半结构化数据或结构化数据。半结构化数据能够满足存储在大数据中心的数据处理需求。相反，采用人工分拣等处理方法，自动处理人工智能算法，如自动文本扫描、文本识别、图像识别、文本挖掘方法、转换为结构化数据，可以使用这些适当的方法提取项目成本数据。
3.3。建设成本数据安全分析。
建设成本数据是企业的商业秘密，是企业数据的核心。因此，项目成本数据的安全管理是非常重要的。为了加强项目成本数据的安全管理，主要关注数据加密处理、权限设置管理水平和问责机制。首先，利用加密算法对项目成本数据进行匿名化处理。其次，所有相关方都可以访问数据和负责人的访问权限。最后，为相关方和责任人建立了问责机制。因个人原因对项目成本造成负面影响或造成数据泄露损失的单位和个人应当受到处罚。通过三个层次的设计，保证了项目成本数据的安全性。
3.4施工成本数据方法。
成本管理由不同算法分析的成本数据支持，包括时间序列分析、聚类分析、统计算法、案例推理等人工智能算法。
基于案例的推理方法是常用的相关分析算法之一。一个流行的解释是找到一个新的解决实际问题的方法。首先，在过去的解决方案中存在类似的问题，并将其作为解决实际问题解决方案的起点。解决方案是通过适应新问题获得的。图3是基于案例推理的过程。
问题⟶小事件⟶解决问题⟶确认解决方案
检索 重新确认 重新确认
小事件
CBR的步骤如下
步骤1:案例表示。该案例是一些解决应用程序问题的解决方案的结构化描述。描述方法确定了案例索引、案例检索和案例存储方法等。所有知识表示方法都可以在案例中使用，根据应用领域的特点选择不同的知识表示方法。案例知识表示方法主要包括两类，即逻辑方法和基于逻辑的方法。
步骤2:案例检索。案例检索的目的是搜索和计算与当前问题最相似的案例。最近临近的算法，决策树方法和知识指导方法是常用的案例检索方法。
步骤3:修改。在基于案例的推理中，很难找到与新问题相同的问题，因此经常需要修改重用案例解决方案以适应新的问题。在案例修订中可以使用多种方法，如归纳学习法和满意度算法。
步骤4目的:重新界定。案例研究的最终目标是将新方法、解决方案和事件信息一起存储，使系统获得学习的能力。此外，它还将增加系统的知识和经验。
时间序列分析是动态数据处理的一种统计方法。时间序列是一组时间序列的数字。时间序列分析利用这个集合和数理统计的应用来预测事物的未来发展。该方法易于掌握，但精度较差。一般只适用于短期预测。该方法可用于项目子项目价格合理区间计算和分析的决策。以单元素回归模型为例，假设有n个数据点{(L, L \)， i = 1hellip;n }。描述x和y的函数是。
Y i=a bxi
目标是求出直线的方程。
Y=a bx
这将为数据点提供
全文共6219字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[15099]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
