做工程预算竣工资料

工程预算随着我国经济的迅速发展 加强了基本建设力度在取得巨大成就的同时也出现了一些值得重视的问题。如某些施工单位为了追求自身的利益，在基建工程上营私舞弊，频频出现高估冒算的现象。根据以往工作经验，进行工程决算审计常发现的问题有：多列工程项目、工程量不实、高套定额、乱取费用等问题。为了管理好并合理使用基建资金提高投资效益和维护建设方利益加强基建工程决算的审计工作非常重要。开展工程决算审计主要从以下几个方面入手。

陕西工程预算估算模型。基于BP神经网络，构建公路陕西工程预算快速估算模型。针对以往工程案例，开展估算研究，将工程特征定量化数值，设为Xij(i=123?n;j=123?n)，将相应的陕西工程预算定额预算相关资料，设为yis(i=123?n;s=123...n)，不考虑市场价格调整。明确BP神经网络结构系统参数，包括输入层节点数m、输出层节点数n、隐层节点数L。以Xij为输入，以yis为输出，开始神经网络训练，获得新建工程的造价估算神经网络，反向估算新建陕西工程预算。以某省道一级公路和二级公路工程为例，其中一级公路使用的是沥青混凝土路面，记为T19；二级公路使用的是水泥混凝土路面，记为T20，检验18个样本陕西工程预算数据，基于检验结果能够了解，T19造价指数是0.98，T20造价指数为0.96，获得预算资料如下：T19路面类型是半柔性路面；基层为水泥稳定碎石；底层材料为石灰土；路面结构为沥青混凝土；面层厚度为15cm；基层厚度为14cm；底层厚度为10cm；T20路面类型是刚性路面；基层为工业废渣稳定土；底层材料为石灰土；路面结构为水泥混凝土；面层厚度为12cm；基层厚度为16cm；底层厚度为12cm。将获得的预算材料和表1资料进行对比分析，能够明确T19工程特征定量化描述是T19=(3122262.5)，T20工程特征定量化描述是T20=(5473434.1)，将T19与T20，输入到经过训练的BP神经网络中，获得的结果为T19=(0.40290.40560.50050.4365)T20=(0.62770.61560.42900.5661)，经过反算，获得陕西工程预算资料预测值，其中V19=(481.7416.440.0046145.85)V20=(1185.8237.160.0033247.07)，预测的相对误差O19=(1.61%4.65%4.15%1.40%)，O20=(3.76%3.67%5.70%1.84%)，由此能够看出，基于BP神经网络预测的陕西工程预算估算精度。

适应性强公路陕西工程预算具有动态变化特性，模糊神经网络模型能够很好地适应此特性。此估算方法的应用，主要是依靠计算机，不仅运算速度快，而且运算精度较高。模糊神经网络估算方法较多，文中选择BP神经网络法，是基于仿人脑的神经系统结构，具有较强的学习能力，为非线性自适应动态系统[1]。现对其在公路陕西工程预算估算中的应用，做以下的分析。公路工程构件主要包括底层、基层、面层等，陕西工程预算是由各构件类型与价格等因素决定，实物工程量取决于工程结构设计参数。已建陕西工程预算变动，主要是受到构件因素的影响，被称作是工程特征。基于工程特性，将公路工程划分为不同类别，若按照路面形式划分，主要包括沥青路面和水泥路面等，为特征类目。对于工程定量化，是按照特征类目，依据定额水平与工程特征，填入相关数据，如表1所示。由表1能够看出，每个公路工程模式均可以利用表格的形式来定量化描述，一个特征可以由多个类目组成，按照比例来计算量化结果。在BP神经网络中，需要将信息传递到网络隐节点上，使用S型函数，把信息传出，接着发挥函数的作用，成功输出结果。在网络隐节点以及输出节点位置处，选择S型函数，即f（x）=11+ex，若此结果未能按照正常程序开展，此时要转变成反向传播。假设存在N个样本，定义描述为（Xk，yk)(k=12?N)，其中某个输入值为Xk，对应的神经网络输出值是yk，而隐层节点I的输出值是Oj。

工程预算编制的流程： 1.预算部经办人根据招标谈判约定条件，结合公司前期合同样本起草合同草案（技术质量及工期指标由工程部提供），该草案内容是经施工单位认可的内容。 2.将合同草案交律师审阅。 3.施工单位工程预算签字盖章后的合同，签交与律师审核见证。 4.合同经办人、工程预算主管、总经理助理签字认可。 预算部根据采购计划会同工程部拟定招标文件（预算部拟定经济费用指标、工程部拟定技术质量指标），向合格供方单位发放招标通知（电话或书面均可）工程分类定标：由工程部和预算部在合格供方单位中选择1~3家进行比较分析，然后共同确定中标单位。