摘要：由于传统工期预测的模糊性和随机性，不适合建造大型工程项目工序工期的预测。首先分析了大型工程项目工期预测的基础理论和特点，其次剖析了大型工程项目工期预测的基本理论，再次提出了多元线性回归模型和BP人工神经网络系统分别预测线性建造和非线性建造工序的工期，最后得出这两种方法在大型工程项目工序工期预测中具有一定的指导意义和价值。
关键词：大型工程项目；精准建造；多元线性回归；
人力的多重复杂性导致工期的各种可能性，因此工期成为一个模糊的随机变量。BPX工神经网络系统进度计划是大型工程项目进度控制的指挥棒，而各工序的建造工期精确程度直接影响整个进度控制。论文考虑大型工程项目工期的随机性和模糊性，综合分析影响工期的诸要素，从精准建造角度提出了大型工程项目工期预测概念，并用神经网络系统对大型工程项目工序工期进行预测，从而编制科学合理的进度计划，使大型工程项目建造过程稳定均衡、工作流持续，建造周期缩短，建造成本降低，产品质量和客户满意度提高。
一、基于精准建造的大型工程项目工期预测概述
1、工期预测理论基础——精准建造
精准建造(Lean Construction)是一种基于建筑产品管理，通过精准的建筑产品定义、合理有效的建造单元分解、精准产品策划、精准设计，在材料的精准供应、全过程的产品控制、及时的信息流通和反馈、全体人员早期介入下实现建筑产品的精准施工，达到建筑产品的成功交付、资源浪费的最小化、价值创造的最大化的建造管理方法。
2、工期预测特点
基于精准建造的大型工程项目工期预测具有以下三方面的特点。
(1)综合考虑大型工程项目工期的各种影响因素，影响大型工程项目的工期的因素有工程量、可调用的人员、可调用的材料可调用的设备、可利用的工作面、以及施工水文条件。而基于精准建造的大型工程项目工期预测，将各影响因素作为学习、训练、预测的参数，可使工期的预测更加符合大型工程项目实际状况。
(2)保证单项工序工期预测和整个进度计划科学合理单项工序的工期预测，一般结合定额与工程师的实践经验而编制，主观性很强，偏差较大。但是基于精准建造的大型工程项目工期预测，综合考虑类似工程项目实际经验和工程项目本身固有的特点，更加科学合理地预测工期。另外，在工序间逻辑关系优化的条件下，整个建造进度计划更加科学合理。
(3)便于工程项目整个建造过程的控制综合考虑建造工程本身的特点和各参与主体自身能力，使单项工序建造工期和整个进度计划更加科学合理，有利于各参与主体在建造工期内对建设工程诸要素进行合理控制。
二、大型工程项目工期预测理论
1、大型工程项目建造类型的假设
可将大型工程项目工序分为线性建造和非线性建造两类，响因素呈线性增长、递减或者匀速状态；非线性建造即建造强度与进度影响因素程非线性增长或者递减状态。其中线性建造又可分为线性均衡建造、线性递增建造和线性递减建造影响因素
2、工期预测方法的选定及流程
多元线性回归模型是处理两个及两个以上变量间线性依存关系的统计方法，可以说明线性建造工序的关系。因此对线性建造工序，可采用多元线性回归模型对其工期进行预测。人工神经网络系统，是一种为模仿人脑神经系统的工作机制而建立的网络模型，可将一组复杂关系的输入数据和正确结果引进网络中，经过神经元的反复学习训练、预测，将解决方案输出。因此，对于非线性建造工序，可采用人工神经网络系统预测工期，本文选用了BP人工神经网络系统。BPA工神经网络系统是一种基于误差反向传播算法的多层前向的神经网络系统，由一个输入层、一个或多个隐含层和一个输出层构成，不同层次的神经元之间互相连接，同层次之间无连接。对于线性建造工序，首先采用多元线性回归模型对各因数进行学习和训练，当回归显著时，采用该模型预测建造工期，反之，说明该工序是非线性建造类型，转入神经网络系统模型预测。对于非线性建造工序，直接采用神经网络系统预测工期。
三、BP人工神经网络系统预测
1、BP人工神经元网络参数的确定与初始化对于“非线性建造”工序，或者“线性建造”假定不成立的工序，采用神经网络系统预测工期。首先是确定神经元网络的输入参数并初始化。
2、BP人工神经网络系统的学习与训练
学习模型的建立将标准化后的6个输入层神经元，设置6个中间层神经元数，作为输出层神经元，构建“非线性建造”工序BPA工神经网络模型，选择某—工序的N组工程数据，并初始化。采用BPA工神经网络系统预测。允许误差e设置为0.0001，最大迭代次数为1000，经过标准变换以后，经过964次模拟，拟合残差为0.0003，其预测结果如表4所示。
故5.150 2天是该工序在Q为100、P为50、M为200、E为2.12、C为3，S为200的条件下的施工工期，作为该工序的预测工期。
四、结论与展望
要全局优化大型工程的进度计划，不仅仅在WBS分解和工序间逻辑关系上进行优化，而且应该根据工程本身的属性，并结合影响工期的相关因素，提高工期预测的精度。采用传统的工期预测方法编制的进度计划并不符合大型工程实际施工状况，导致进度计划与进度实施脱节；对类似工程或者同一大型工程的类似工序的进度执行状况进行学习，采用线性回归模型以及神经网络系统等方法预测即将实施的大型工程的工序工期，符合实际工期控制的要求。
笔者将进一步研究Q、P、M、E、C、S对工期的贡献度以及各要素之间的关联度，届时可以更加清楚的显示各影响因子对工期的贡献度，从而更加准确的估计工期。另外，论文仅仅是对大型工程项目工期预测做了理论研究，至于如何采用计算机管理系统实现，也是笔者下一阶段重要的研究任务。
参考文献：
[1]陆歆弘，模糊假言推理确定施工工期，1999，20(5)：18 2ILU Xii~hong Fuzzy Reasoning and Constructlon Duratlon，Optimlzatlon construction，1999，20(5)：18-21基建优化， Idenfifying of Capital
[2]方子帆，郑霞忠，朱乔生，工程项目建设工期模糊性研究，三峡大学学报(自然科学版)，2001，23[5)：442-445.
[3]祁神军，陈峰，丁烈云，建筑施工企业精准物流管理，价值工程，2006，15(7)：114-116
[4]王悦，人工神经网络系统在经济效益综合评价中的应用，北京广播电视大学学报，2003，(3)：39-44.
[5]陈惠娥，陈长征，基于神经网络系统评标方法的建立与应用，建筑经济，2006，279(1)：56—59.
[6]李文华，王双庆，基于人工神经元网络的煤立井施工工期预测方法研究，煤炭科学技术，1999，(6)：44—47，
[7]OSJ，Solomon A.G.Site ImplementaUon andAssessment 0fLeanConstructionTechniques， LeanConstruction J0ufrlal，：2005，3(2)：1-21.
