CC BY
26------ЖИЛИЩНОЕ ' —
СТРОИТЕЛЬСТВО
Economy and management
УДК 347.214.2:657.922
Л.В. БРЕЗГИНА1, директор (brezgina@yandex.ru); Л.М. ПЛЮСНИНА2, канд. экон. наук
1 Учебно-производственный центр подготовки и повышения квалификации кадров строительной отрасли и ЖКХ «Сметная школа» (614039, г. Пермь, Комсомольский пр., 59) 2 Пермский Национальный Исследовательский Политехнический Университет (614039, г. Пермь, Комсомольский пр., 29)
Стоимостный инжиниринг инвестиционных строительных проектов объектов недвижимости на основе нейросетевых моделей
Рассмотрен стоимостный инжиниринг инвестиционного строительного проекта объекта недвижимости на основе учета производственных, рыночных и поведенческих факторов. В качестве оптимальной стоимости принят наилучший стоимостный показатель инвестиционного строительного проекта объекта недвижимости, определяемый на основе равновесия интересов всех участников, в том числе, инвесторов, производителей и потребителей строительной продукции и услуг. Аргументировано использование нейросетевого подхода к стоимостному инжинирингу. Предложена пентаграмма стоимостного инжиниринга. Разработана нейронная сетевая модель стоимостного инжиниринга для инвестиционного строительного проекта объекта недвижимости. Выявлено влияние на стоимость не только внутренних, но также внешних факторов. Обоснована эффективность использования нейронных сетей при управлении стоимостью инвестиционного строительного проекта во всех фазах жизненного цикла с целью ее оптимизации.
Ключевые слова: объект недвижимости, факторы, стоимостный инжиниринг, нейросетевая модель, инвестиционный строительный проект.
L.V. BREZGINA1, Director (brezgina@yandex.ru), L.M. PLYUSNINA2, Candidate of Sciences (Economics) 1 Training and Production Center for Training and Advanced Training of Cadres of Building Industry and Housing and Public Utilities «School of Estimate»
(59 Komsomolsky Avenue, 614039, Perm, Russian Federation) 2 Perm National Research Polytechnic University (29 Komsomolsky Avenue, 614039, Perm, Russian Federation)
Cost Engineering of Investment Building Projects of Real Estate Objects on the Basis of Neural Network Models
Cost engineering of an investment building project of a real estate object on the basis of taking into account production, market, and behavioral factor is considered. As an optimal cost, the best cost indicator of the investment building project of the real estate object which is determined on the basis of the balance of interests of all participants including investors, manufacturers, and consumers of building products and services has been adopted. The use of a neural network approach to the cost engineering is argued. The pentagram of cost engineering is proposed. The neural network model of cost engineering for the investment building project of the real estate object has been developed. The influence of not only internal but also external factors on the cost is revealed. The efficiency of using neural networks when managing the cost of the investment building project at all stages of the life cycle with the purpose of its optimization it is substantiated.
Keywords: real estate object, factors, cost engineering, neural network model, investment building project.
Формирование стоимости в настоящий момент происходит в новых условиях, которые выражаются в первую очередь увеличением количества участников, занятых в процессе производства и потребления строительной продукции. До конца ХХ в. система производства и потребления строительной продукции была представлена одним участником в лице государства. В настоящее время в нее включено большое количество участников, начиная от инвесторов и его агентов (заказчиков, застройщиков), далее подрядчиков и субподрядчиков до конечного потребителя строительной продукции. Увеличение количества участников в процессе создания и потребления строительной продукции лежит в основе изменения характера производственных отношений, который в свою очередь отражается на процессе формирования ее стоимости.
В период государственного производства и распределения строительной продукции формирование стоимости осуществлялось только путем расчета затрат, учитывающих производственные факторы. В современных условиях можно зафиксировать наличие рынка строительной продукции, поэтому неизбежно влияние на стоимость рыночных, а так-
12 2015 ^^^^^^^^^^^^^
же поведенческих факторов. Таким образом, стоимость формируется как интегральный показатель, учитывающий не только затраты, но и ценность самого объекта для потребителя, основанную на оценке его полезности. Формирование оптимальной стоимости осуществляется посредством решения задачи моделирования, процесса, относящейся к области инжиниринга [1-3].
Под стоимостным инжинирингом авторы понимают моделирование оптимальной стоимости как показателя равновесия интересов всех участников инвестиционного проекта, в том числе инвесторов, производителей и потребителей формирующегося под влиянием производственных, рыночных и поведенческих факторов. Стоимостный инжиниринг должен учитывать множество факторов, воздействующих на стоимость, однако при моделировании оптимальной стоимости усиливается действие таких факторов, как уровень неопределенности среды, наполнение информационной базы, сто-хастичность процессов. Сложность решения задачи заключается: во-первых, в большом количестве разнообразных факторов, влияющих на стоимость; во-вторых, строительный рынок достаточно динамичен, что влияет на быстрое
- 13
Экономика и управление
Н|Н
I
Блок Р1
Потребительская ценность(цена] (объекты-аналоги] Нейросеть (МР и ЯВР]
О
Блок Р2 Стоимость безопасности (Затраты на строительство] ^
БлокР5 Оптимальная стоимость ^ Нейросеть Эптона
•
Блок Р3 Рыночная цена Нейросеть (ЯВР]
>о
Блок Р4 Инвестиционная стоимость Нейросеть(ЯВР] Рис. 1. Пентаграмма стоимостного инжиниринга
изменение ценовых параметров продукции; в-третьих, для формирования обучающих выборок приходится использовать большой разброс параметров инвестиционных проектов объектов недвижимости, что может приводить к противоречивым результатам. В этих условиях для решения задачи как нельзя лучше подойдут свойства интеллектуальных систем, в частности искусственных нейронных сетей.
Искусственные нейросетевые модели используются для планирования и управления сложными процессами в сферах экономики, финансов, производства. Фундаментальные исследования в области нейронных сетей принадлежат У. Мак-Каллоку, У. Питтсу, Ф. Розенблатту, Дж. Хопфилду. Разработки моделей нейронных сетей для прогнозирования оценки недвижимости изложены в трудах отечественных исследователей, таких как С.А. Герасимов, К.К. Борус-няк, А.И. Богомолов, В.А. Ежов, Т.П. Жукова, Л.В. Люто-ва, С.Г. Нечаев, Б. Одинцов, О.И. Пятковский, В.И. Костю-нин [4-6]. В данной статье авторы обосновывают использование искусственных нейронных сетей в области стоимост-
ного инжиниринга инвестиционных проектов объектов недвижимости.
Модель комплексной системы оптимизации стоимости можно получить последовательным введением в расчет факторов, используя архитектуры нейронных сетей прямого и обратного распространения сигналов с линейной, сиг-моидной и пороговой функциями возбуждения нейронов. Задача обучения нейронной сети заключается в том, чтобы научить сеть давать оптимальную стоимостную оценку инвестиционного проекта на основе инвестиционных интересов, а также производственных, рыночных и поведенческих факторов. Информационной базой для определения количественных значений факторов являются данные конкурсов инвестиционных строительных проектов, рыночные цены на объекты недвижимости, а также макроэкономические показатели, характеризующие благосостояние населения [7-9].
В программах расчета стоимости с использованием нейронных сетей необходимо задействовать несколько функций возбуждения нейронов. Для моделирования оптимальной стоимости выбираем архитектуры RBF-сети и сети Эл-мана. RBF-сеть в качестве функций активации имеет радиальные базисные функции и характеризуется одним скрытым слоем, нейроны которого имеют нелинейную активаци-онную функцию, а синаптические веса входного и скрытого слоев равны единице. Рекуррентная сеть Элмана представляет собой многослойный персептрон с обратными связями, которые идут от выходов внутренних нейронов. Это позволяет учитывать предысторию исследуемых процессов и накопить информацию для выработки стратегии управления. На рис. 1 предложена пентаграмма стоимостного инжиниринга, состоящего из логистически связанных блоков, представляющих собой отдельные программы системы моделирования стоимости [10].
ВХОДНОЙ СЛОЙ
СКРЫТЫЙ СЛОЙ ВЫХОДНОЙ СЛОЙ ВХОДНОЙ СЛОЙ
СКРЫТЫЙ СЛОИ
ВЫХОДНОЙ СЛОЙ ,,_I—
ВЫХОД »Г--1--1
Технические факторы Х1
Поведенческие факторы Х2
Объективные факторы Х'1
Поведенческие факторы Х'2
Рисковые факторы Х'з
Х'4
Х'5
Х''1 Х'2
Запросы инвесторов Х'4
Группа нейронов (Программа Р1]
Группа нейронов (Программа Р5]
ОС
■- У
Рис. 2. Нейросетевая модель стоимостного инжиниринга инвестиционных проектов объектов недвижимости
Х
И|Н
I
Economy and management
Программа расчета потребительской цены (Р1). Потребительскую стоимость необходимо рассматривать с точки зрения ценности объекта недвижимости для инвесторов, которая учитывает их максимальные интересы и предпочтения по полезности. Поэтому ее рассматриваем как потребительскую цену (ПЦ). Такая потребительская цена будет определяться прогнозированием на основе объектов-аналогов. Для ее определения можно использовать пакет программных средств STATISTICA Neural Networks. Первичный набор факторов включает входные технические факторы, такие как тип объекта, местоположение, технико-экономические показатели (конструктивное решение, энергоемкость, экологичность). Выходной переменной является максимальная потребительская цена. Для нейронной сети подходит использование пороговой функции возбуждения нейронов и архитектуры с различным количеством входных нейронов и нейронов в скрытом слое на основе двух типов нейронных сетей: многослойный персептрон (МР); радиально-базисная функция (RBF).
Программа расчета стоимости безопасности (Блок Р2) основывается на учете влияния производственных факторов. Под стоимостью безопасности автор понимает стоимость минимальных затрат на создание безопасного объекта недвижимости, соответствующего потребительским запросам по полезности как совокупности требований по комфорту, качеству и надежности. В настоящее время используются информационные программы для расчета стоимости безопасности (СБ) в виде сметной стоимости строительства объекта недвижимости (ГОССТРОЙСМЕТА, ВИЗАРД). Следовательно, моделирования с помощью нейронной сети на данном этапе не требуется.
Программа расчета рыночной стоимости (Блок Р3) выполняет задачу прогнозирования рыночной цены, которая будет устанавливаться в ходе согласования интересов участников рынка. При определении рыночной цены учитывается влияние следующих факторов: количество участников, рейтинговая оценка претендентов, возможности снижения цены. Минимальным значением цены выступает стоимость безопасности. Выходной переменной является рыночная цена инвестиционного строительного проекта. Таким образом, выходной параметр рыночной цены в результате моделирования сети не должен быть выше потребительской цены и ниже стоимости безопасности. Используется пороговая функция возбуждения нейронов и архитектуры с различным количеством входных нейронов и нейронов в скрытом слое на основе многослойного персептрона и радиально-базисной функции (RBF).
Программа расчета инвестиционной стоимости (Блок Р4) учитывает интересы и определяет верхнюю границу запросов инвесторов. В качестве входных факторов принимаем выходные параметры блоков программ Р1, Р2, Р3. На данном этапе используем архитектуру радиально-базисной функции сети. Функция возбуждения нейронов остается пороговой, однако мы выходим на новый уровень, задействовав дополнительные факторы, такие как запросы инвесторов, показатели благосостояния населения. Выходным параметром является инвестиционная стоимость.
Программа расчета оптимальной стоимости (Блок Р5) нелинейно изменяется в зависимости от изменения потребительской цены, стоимости безопасности, рыночной цены и инвестиционной стоимости. Оптимальная стоимость имеет интегральный характер, так как учитывает ценность и стоимость
12 2015
объекта недвижимости. На данном этапе используется модель нейронной сети Элмана с обратными связями и сигмоид-ная функция возбуждения нейронов.
Модель нейронной сети стоимостного инжиниринга является многоуровневой и состоит из отдельных взаимосвязанных нейронных сетей, выполняющих локальные задачи, комплексное решение которых даст необходимый результат. На рис. 2 автор предлагает схему стоимостного инжиниринга инвестиционных проектов объектов недвижимости с использованием нейронных сетей. Входные слои нейронных систем составляют группы факторов, определяющих заданный результат (один из видов цены или стоимости: потребительская цена (ПЦ), стоимость безопасности (СБ), рыночная стоимость (РЦ), инвестиционная стоимость (ИС), оптимальная стоимость (ОС)). Скрытые слои представляют группы нейронов (Н1, Н2, Н3, Н4) - локальных нейронных сетей (программы Р1, Р3, Р4, Р5), обрабатывающих сигналы входных слоев.
Применение данной схемы нейронной сети стоимостного инжиниринга позволит:
- управлять факторами стоимости для получения оптимального стоимостного показателя;
- проводить сравнительный анализ ценности объекта недвижимости с точки зрения качества и надежности;
- моделировать оптимальную стоимость как показатель равновесия интересов инвесторов и их агентов, подрядчиков и потребителей;
- повысить ценность объекта недвижимости с точки зрения потребительских предпочтений и инвестиционных целей.
Использование нейросетевых систем для моделирования стоимости инвестиционных проектов объектов недвижимости повышает уровень технико-экономической оценки проектов, так как позволяет эффективно анализировать результаты их реализации и принимать необходимые решения. Особенно эффективно использование нейронных сетей для оптимизации стоимости инвестиционного проекта на всех стадиях его жизненного цикла. Вводя необходимые параметры в сеть, можно выявлять резервы, риски и добиваться получения необходимых результатов, тем самым управляя стоимостью. С помощью нейросетей возможно выявление отклонений технических и стоимостных параметров в ходе реализации инвестиционного проекта, что дает возможность своевременного управления изменениями.
Список литературы
1. Брезгина Л.В. Концепция стоимостного инжиниринга инвестиционного строительного проекта // Сборник материалов IV научно-практической конференции с международным участием «Инновационное развитие экономики: тенденции и перспективы». Пермь. 2015. С. 13-16.
2. Брезгина Л.В., Плюснина Л.М. Управление стоимостью строительной продукции в условиях поведенческой экономики // Икономика и менеджмънт на иновации-те - съвременни теории и практики: Материалы Х международной научно-практической конференции. Варна. 2014. С. 57-62.
3. Цветков В.А. Основы комплексного управления стоимостью. М.: ЗАО «ПМСОФТ», 2013. 315 с.
4. Галушкин А.И. Нейронные сети. М.: Горячая линия - Телеком, 2012. 496 с.
5. Герасимов С.А. Моделирование нейронных сетей для оценки стоимости офисной недвижимости с наимень-
- 15
Экономика и управление
Н|Н
I
шей ошибкой // Горный информационно-аналитический бюллетень. 2011. № 12. С. 146-148.
6. Лютова Л.В., Пятковский О.И. Применение нейросете-вого подхода для построения модели оценки стоимости жилой недвижимости на примере задачи «оценка планировки» // Ползуновский альманах. 2013. № 1. С. 156-159.
7. Мунерман И.В., Борусняк К.К. Особенности нейросе-тевого моделирования в задаче массовой оценки муниципальной недвижимости г. Москвы // Сборник материалов XI апрельской международной конференции «Модернизация экономики и общества». Москва. 2011. С. 72-76.
8. Редько В.Г. Эволюция, нейронные сети, интеллект: Модели и концепции эволюционной кибернетики. М.: URSS, 2015. 224 с.
9. Хелдман К. Профессиональное управление проектом. М.: БИНОМ. Лаборатория знаний, 2015. 728 с.
10. Брезгина Л.В. Стоимостный инжиниринг в инвестиционно-строительной деятельности // Инновационное развитие строительных саморегулируемых организаций. 2013. № 3. С. 32-41.
References
1. Brezgina L.V. Concept of cost engineering of the investment construction project. Collection of materials IV of scientific and practical conference with the international participation «Innovative development of economy: tendencies and prospects». Perm. 2015, pp. 13-16. (In Russian).
2. Brezgina L.V., Plusnina L.M. Management of the cost of construction production in the conditions of behavioural economy. Ikonomika and менеджмънт on an inovatsiita
- sjvremenn of the theory and practice: Materials X of the international scientific and practical conference. Varna. 2014, pp. 57-62.
3. Tsvetkov V.A. Osnovy kompleksnogo upravleniya stoimost'yu [Bases of integrated management of cost]. M.: ZAO «PMSOFT», 2013. 315 p. (In Russian).
4. Galushkin A.I. Neironnye seti [Neural networks]. M.: Goryachaya liniya - Telekom, 2012. 496 p. (In Russian).
5. Gerasimov S. A. Modeling of neural networks for estimation of cost of office real estate with the smallest mistake. Gornyi informatsionno-analiticheskii byulleten'. 2011. No. 12, pp. 146-148. (In Russian).
6. Lyutova L.V., Pyatkovsky O. I. Application of neural network approach for creation of model of estimation of cost of residential real estate on the example of a task «a planning assessment». Polzunovskii al'manakh. 2013. No. 1, pp. 156-159. (In Russian).
7. Munerman I.V., Borusnyak K.K. Features of neural network modeling in a problem of a mass assessment of municipal real estate of Moscow. The Collection of materials XI of the April international conference «Modernization of Economy and Society». Moscow. 2011, pp. 72-76. (In Russian).
8. Red'ko V.G. Evolyutsiya, neironnye seti, intellekt: Modell i kontseptsii evolyutsionnoi kibernetiki [Evolution, neural networks, intelligence: Models and concepts of evolutionary cybernetics]. M.: URSS, 2015. 224 p.
9. Heldman K. Professional'noe upravlenie proektom. [Professional management of the project]. M.: BINOM. Laboratoriya znanii, 2015. 728 p.
10. Brezgina L.V. Cost engineering in investment and construction activity. Innovatsionnoe razvitie stroitefnykh samoreguliruemykh organizatsii. 2013. No. 3, pp. 32-41. (In Russian).
Научно-практическая конференция
Современные проблемы истории и теории архитектуры (ХХ век: итоги градостроительного и архитектурно-планировочного развития)
27-28 апреля 2016 г.
Санкт-Петербургский государственный архитектурно-строительный университет
(190005, Санкт-Петербург, 2-я Красноармейская ул., д. 4)
Кафедра истории и теории архитектуры
Планируется работа конференции по следующим секциям: «Политика градостроительного развития в ХХ в.» «Исторические территории в контексте мировосприятия ХХ в.» «Архитектура и эстетика городской среды ХХ в.»
По итогам проведения конференции планируется издание сборника статей. Статьи, рекомендованные организационным комитетом, будут опубликованы в журнале «Жилищное строительство» в 2016 г.
За дополнительной информацией обращаться к канд. архитектуры Золотаревой Милене Владимировне
Тел.: +7-921-39167388, e-mailgoldmile@yandex.ru www.spbgasu.ru;раздел «Конференции и семинары»
шш»
•упгасу
