文档介绍：2
绿色建筑造价成本研究
摘要：绿色建筑是“低碳环保、资源节约”理念下提倡的产物，是将来建筑市场的重要前进方向。绿色建筑造价成本对于项目投资、施工管理等环节具有着重要影响。本文通过对绿色建筑造价成本进行概述，分析建筑项目投资的结构组，一些购房政策的出台会直接影响到绿色建筑工程的成本。此外，随着近年来房地产行业的蓬勃进展，一些新的投资模式受政策影响相继涌现，如“ppp”项目等。因此，造价预估需要开率具体地区的地方法律和政策导向，可以提高工程造价成本的效率和质量。（2）地区与市场因素受地区环境影响，建筑材料的费用、人工费用和机械燃料费用等也有较大的波动，这些费用价格受当地进展水平凹凸直接影响。受时间、空间和市场因素影响，工程造价管理应当切实考虑这些条件因素。（3）设计因素建筑工程的设计方案也直接影响到建筑工程的造价成本，在进行建筑工程设计环节，高质量建筑难度大的项目往往需要花费较大的费用，因此，业主也可托付不同专业水平的设计人员对项目进行设计考虑，可在多组设计项目的必选下，选择合适的建筑方案。（4）施工单位因素施工单位的建筑力气水平与造价成本相关，假如施工单位整体的业务力气水平高，则可以降低因缺陷返工等因素造成的额外费用。施工单位业务水平强，可以缩短施工周期，保证建筑产品质量，提升施工单位在建筑市场的形象。（5）建筑面积因素建筑面积的大小是影响造价成本波动的根本因素。对于建筑面积较小的工程，工程造价成本的预估难度相对来说就小很多，且预估造价与最终决算费用的误差也较小。而对于建筑面积较大的工程，受建筑材料、人工费用等因素价格波动影响，其最终的造价成本预估也较难把握。
5
4绿色建筑工程造价成本估算的基本方法
7
绿色建筑造价成本的预估途径可以有多种选择，针对绿色建筑工程造价成本的费用预估，可以以下几种方案推举：（1）单位生产力气预估法，该方法通过选取和拟建设项目匹配度较高的历史项目，通过历史项目的投资与生产力关系模型修正拟建项目的预估模型，该方法默认将生产力气和造价成本建立线性数学关系。该方法要求拟建项目与历史项目具有较高的匹配度，使用的条件和范围相对来说比较苛刻，与此同时，认为生产力气与造价成本之间是线性关系，与现有的一些建筑造价实际状况有出入，所以适应性有待进一步论证。（2）生产力气指数法。该方法是单位生产力气预估法的改进版，考虑了生产力气和造价成本之间是非线性关系。它的最大优点就是预估速率相对来说比较快，但也存在精确性不高的问题。（3）郎格系数法。该方法是将建设项目过程中的直接费用和间接费用进行汇总，两者相加得到整体工程的预估费用。但是该方法有忽视建筑过程中一些其他因素的干扰，如材料类型、设备规格等，这些因素也会对造价成本产生确定波动影响。（4）比例估算法。该方法还是以历史数据参考为基础，主要应用于项目的可研分析阶段，它通过对历史项目的造价成本进行综合考量，预估拟建项目的造价。它的缺点是需要大量的历史项目造价数据进行支撑，才能保障预估的精确性。（5）利用模糊数学法猜想工程造价。该方法是以模糊数学理论为基础，通过指数平滑法建立预估模型，通过计算得到模糊贴近度进行综合排序，从中预估出拟建工程的造价成本。（6）灰色猜想模型。该方法是以局部信息为参考基础建立数学模型，该方法可以在历史项目数据不全的基础上，进行确定的预估，但预估的精确性有待进一步考量。（7）神经网络法，神经网络是通过数据训练、检验、猜想为基础的数学模型，具有较强的可行性和可信度，以神经网络法为基础衍生的系列改进神经网络方都可以结合具体工程项目进行选择。
7
5基于BP神经网络造价成本估算模型的应用
BP神经网络是以一般人工神经网络为基础进行改进的猜想数学方法，它具有反向传播的特征，是由20世纪80年月国外专家提出的，通过神经元之间的权值调整，把握预估值与实际值之间误差比例，当预估值与实际值误差缩小到规定范围内，则默认训练达到目的，该模型具有较高的精确度。在此基础上，进行预估可到达较为理想的猜想效果。
8
通过对历史工程项目造价成本进行综合分选，选取了以下具体参数作为BP神经网络的参考指标：建筑面积、层数、基础类型、层高、门窗、装饰材料、屋面工程、造价指数、室内水暖气电、设备及安装费、弱电系统费用。网络结构选择为11-3-1的单隐层神经网络模型，其构成的BP神经网络结构模型。
在Matlab数值分析软件选用神经网络工具箱进行神经网络的模拟，将BP神经网络所需要的数据集汇总，将输入向量和