本文是一篇企业管理论文，本文从园林绿化施工企业角度出发，着眼于投标报价阶段，以工程量清单对园林绿化工程子目的划分为依据，结合园林绿化项目的工期长、难度高、原材料特殊等特点。
第一章绪论
1.1选题背景及意义
1.1.1选题背景
园林绿化作为综合性行业，融合多种产业特性，对于改善城市环境、美化景观至关重要，同时是生态文明建设的核心，也是推动绿色可持续发展的重要举措。园林绿化施工企业因“绿水青山就是金山银山”的战略理念而迎来了崭新的发展机遇和蓬勃的生机。2013年我国颁布并实施了《建设工程工程量清单计价规范》(GB50500-2013)，提出了“量价分离，自主报价”。工程量清单计价模式的推行为施工企业进行投标报价提供了更多自由，但优胜劣汰的严酷市场规则同时也给投标企业带来了更大的挑战和压力。根据国务院与住建部于2017年联合颁布的相关条例，园林绿化工程的施工要求已有所变动，现不再强制要求必须委托持有特定资格证书的单位进行，与此同时，“城市园林绿化企业资质”这一制度亦被废止。这一变革深刻影响了园林绿化建设市场的原有规则与准入机制，致使众多非专业施工企业涌入市场。由于当前市场竞争激烈，呈现出“僧多粥少”的局面，企业中标率普遍偏低、失标现象严重，或为中标而盲目大幅压价，导致项目亏损严重。据统计，2022年27家园林上市企业共亏损128.2亿元，截至2024年1月31日，A股发布2023年度业绩报告的21家园林上市企业中18家亏损，预计亏损总额超过100亿元，其中东方园林位于预亏总额首位，达到-44.5亿元至-38亿元。以上问题虽有客观原因，但究其施工企业本身主观原因是当前园林绿化施工企业投标报价预测和决策过程中缺乏准确可靠的数据来源，大多施工企业没有自己的企业预算定额体系，不知道自己企业的成本平衡点，而单纯依靠地区园林绿化统一颁布的预算定额和统一的施工图预算编制方法估算投标工程量清单报价。
1.2主要研究内容
1.2.1园林绿化工程影响因素分析及历史数据库构建
通过文献检索、分析工程量清单历史数据、咨询专家三种方法收集园林绿化工程预算成本影响因素，然后发放问卷，进行统计分析。在此基础上，广泛收集整理施工企业自身、地区其他施工企业和地区统一预算定额、国内外施工企业园林绿化项目已完工程投标报价和实际成本数据，形成历史数据库，再按照时间调整系数和地域调整系数对数据库进行调整，实现不同地区、不同年代的绿化工程项目数据统一化，建立access数据平台，实现不同类型数据的统一呈现，结合BIM技术，实现历史案例的三维可视化视图，为预测和决策模型提供真实可靠的数据来源。
1.2.2园林绿化工程预算成本预测模型
在已完工园林绿化工程历史数据库的基础上，根据前文确定的影响因素，使用余弦相似度方法在已有数据库中提取预算子目相似案例，筛选出的子目实际成本历史相似案例若满足大量数据支持（数量≥30）的条件，采用WOA-BPNN优化算法对子目预算成本进行预测，若满足少量数据支持（0<数量<30）的条件，采用SVM方法进行预测，若无相似案例数据采用三点估算法进行预测。最后将所有预算子目逐个预测成本后汇总累加得出园林绿化工程的总预算成本即企业进行投标报价的成本平衡点。
第二章文献综述
2.1投标报价数据库构建研究现状
2.1.1国外研究现状
基于已竣工的工程数据库，Larry G.Crowley等[1]利用统计学方法识别异常项，以测试报价的分布情况，进而评估企业的报价是否合理。Abraham[2]通过分析已完工工程的结算价格数据，并将其分解为工料机消耗指标，构建了可供预测类似工程建设成本的数据库。Jan Emblemsavg[3]曾明确提出，为提供全面而详尽的工程造价信息，澳大利亚建立了一个可用于工程造价历史数据分析的专业平台，旨在帮助用户轻松获取所需的造价数据，从而更精准地进行工程预算和成本控制。这一举措不仅提升了工程造价管理的效率，也促进了工程造价领域的信息化和智能化发展。Hwang[4]详细阐述了美国在工程案例造价信息管理方面的做法。具体而言，美国设立了专门负责收集、处理工程案例造价信息的部门。该部门不仅致力于搜集全面的案例信息，而且对这类信息进行详尽的分析和整合。在信息处理环节中，部门根据基础工程、装饰工程等不同的工程类别，对案例造价信息进行细致的分解，从而构建了一个全面且结构化的数据库。当需要进行工程造价估算时，该部门便能够在数据库中迅速检索到与待估工程相似的案例，以此作为参考，进而进行准确而高效的造价估算。由于招投标参与主体违法违规行为隐蔽性强，Dilla和Raschke[5]提出构建数据库分析投标报价异常，利用交互式可视化工具将数据以图片形式进行表示，同时筛选掉交易子集，并分析投标交易中存在的欺诈行为。
2.2成本预测方法模型研究现状
2.2.1国外研究现状
Erfan Hosini[16]研究了项目执行阶段的建设方和承包方的性价比及成本变动情况。通过案例分析发现，承包商在技术和政治因素的影响下，存在乐观偏见，导致机会主义行为，这些发现有助于实践者避免偏见，提高成本预测的精确性。Lihua Wu[17]研究分析了BIM技术在工程建设各阶段的应用效果，其认为应用BIM可以帮助解决施工进度中成本控制、沟通不畅等问题，并针对目前的发展现状提出了建议。Kleopatra等人[18]对隧道土建施工与机电安装运维成本的主要影响因素进行了深入的剖析，并在此基础上，提出了一种基于神经网络的公路隧道全生命成本估算模型。该模型通过利用神经网络的强大学习能力，能够更准确地预测和估算隧道项目的全生命周期成本，从而为项目决策提供科学依据。Chakraborty Debaditya等人[19]利用网络编码平台，成功构建了六种不同的机器学习智能算法。随后，他们通过对比分析这些算法在预测能力方面的表现，以期找出最适用于特定任务的算法模型。这一研究不仅丰富了机器学习算法的应用场景，还为相关领域的研究提供了有益的参考。Ahn S J等人[20]针对装配式建筑项目，提出了一种创新的交通运输方法。该方法基于GPS时空数据的过滤与抽象技术，旨在精确预测构件的运输成本。通过运用先进的数据处理和分析手段，该方法能够实现对运输过程的实时监控和成本预测，为装配式建筑项目的成本控制和效率提升提供了有力支持。经实验证明，该方法较传统成本预测方法更准确。UGUR L.O[21]基于自适应网络构建了住宅的成本预测模型，通过比较与实际值间的误差表明预测效果较好。Haekyung等人[22]开发出一种新型方法，该方法旨在在满足施工信息使用需求的同时，显著提升施工项目成本管理的效率。通过这一方法的应用，不仅优化了施工项目的成本管理流程，还进一步规范了施工领域成本估算的知识结构，为行业内的成本管理实践提供了更为清晰和系统的指导。
第三章投标报价影响因素分析与历史数据库构建...........................14
3.1园林绿化工程相关概念..............14
3.1.1园林绿化工程概念.................14
3.1.2园林绿化工程内容.........................14
第四章园林绿化施工企业预算成本预测模型构建与实证......................35
4.1相关概念理论简介................................35
4.1.1余弦相似度....................................35
4.1.2鲸鱼算法-BP神经网络...........................35
第五章园林绿化施工企业投标报价决策模型构建与实证.................................56
5.1相关理论简介.............................56
5.1.1投标报价相关理论..........................56
5.1.2博弈论基本理论..........................60
第六章基于PYTHON的计算机辅助智能预决策软件系统研究
6.1 Python编程语言功能及作用
Python是一种功能强大的高级编程语言，具有许多突出的功能优点。首先，Python拥有简洁清晰的语法，使得代码易于阅读和理解，有助于开发人员快速编写出高质量的程序。其次，Python拥有丰富的标准库，涵盖了各种各样的功能模块，极大地提高了开发效率和灵活性。另外，Python具有跨平台特性，可以在不同的操作系统上运行，包括Windows、Linux、MacOS等，使得开发者可以更加方便地部署和分享自己的代码。最后，Python易于学习和使用，语法简单直观，具有丰富的学习资源和社区支持，综合来看，使用Python作为标准库可以满足不同程序的运行需求，设计出高效的计算机程序。
第七章结论与展望
7.1结论
本文从园林绿化施工企业角度出发，着眼于投标报价阶段，以工程量清单对园林绿化工程子目的划分为依据，结合园林绿化项目的工期长、难度高、原材料特殊等特点，以文献分析、网络爬虫、现场调研、专家访谈四种方式收集国家和地区历史案例数据，从成本预测和投标决策两个方面入手，构建了企业预算成本预测模型和投标报价决策模型，力图解决园林绿化企业投标体系混乱、中标率低下、亏损严重等问题，为企业进行投标报价，提高中标利润提供理论性借鉴和参考。主要研究结论如下。
(1)构建园林绿化工程工程量清单子目预算成本影响因素分析方法模型。运用文献分析法、历史数据统计、专家问卷和SPSS方法，分析验证确定了工程量清单子目投标报价个性影响因素即工程特征和共性影响因素类目并量化赋值。
