05yf.com
工程审计是控制工程预算的有效措施，它可以提高工程资金的使用效率，对整个工程项目起到了监督检查的作用。随着经济的快速发展，我国开展的大型工程也相应的增多，工程项目审计在工程建设经济活动中起了越来越重要的作用。我国在工程审计中也相应地借鉴了国外的一些先进的技术，通过科学有效的创新管理，不断的丰富工程审计的项目和类型，推动了我国工程建设方面的重大发展。接下来我们具体讨论工程审计在工程预算控制中的有效作用。
同时了解并熟悉这四个“新”，对于审核海南工程预算，特别是审核按照这四个“新”设计出来的海南海南工程预算，更是非常重要。海南工程预算审核人员不应满足于现有的知识水平，局限于只会看施工图、套预算定额、计算工程量，还应该了解并熟悉整个施工过程，熟悉每个项目所包括的工程内容和施工工序，才能较好地完成海南工程预算审核的任务。建设单位内部各职能部门之间只有经常互相通气，交换意见，才能搞好审核海南工程预算的工作海南工程预算审核管理部门及工作人员一要参加技术交底和工程验收，二要参与设计变更和经济洽商，三要参与制订材料采购计划，四要加强与财务部门的联系。仔细阅读并理解招标文件及设计图纸施工招标作为业主选择工程项目施工单位的手段，一般均要求投标人的标书要地响应招标文件的要求，预算报价也不例外。在阅读招标文件时，对招标文件中工程量清单项目的组成及包含的内容、套用定额的要求必须明确，否则容易造成报价偏离业主，或者与其他投标人的报价差距较大而出围或者成为废标。另外，在报价前要充分理解施工设计图纸，列出图纸中的所有项目，并将图纸中工程数量重新计算与清单相比，以供不平衡报价参考，特别注意其中的现状地面标高、设计地面标高、地质报告等内容，这些直接影响土方的数量、软基处理数量，对总体报价影响较大。
对换算的定额单价进行审核时，除上述要求外，还要弄清允许换算的内容是定额中的人工、材料或机械中的全部还是部分，以及换算的方法、采用系数是否正确，这些都将直接影响单价的准确性。第三，工程项目是否重复套用。例如，沥青卷材防水层、沥青隔气层下的冷底子油定额中已包含，不能在套冷底子油子目；预制构件中定额的铁件已包括，不能在重套铁件制作子目。海南工程预算采用的是费率海南工程预算，通过审核发现取费错误较少，容易出现在综合费率和分项费率让利前后计算不一致的问题，在结算时特别要注意变更或新增项目是否同比让利。主要经济指标见表1。主要材料单方耗用指标如下：每平方米耗用水泥0.1755吨、每平方米耗用钢筋0.0328吨、每平方米耗用木模0.0107m3、每平方米耗用石子0.2728m3、每平方米耗用砂子0.314m3、每平方米耗用机砖162块。施工区域共有28栋住宅楼，小区原报造价11719.5万元，审核造价10738.8万元（含基础处理193.9万元），核减金额980.7万元（含基础处理110万元），核减率达到8.4%。一期28栋楼通过以上的造价控制，海南工程预算合理，技术经济指标正常，把建设项目的造价控制在投资计划批准的限额范围内，在控制中隨时纠正发生的偏差，以保证实现项目管理目标。同时，工程建设的每一个阶段都存在造价控制，各阶段的造价控制环环相扣，从而要求必须建立一套科学完善的海南工程预算管理体系，使工程的计价、审查、结算、决算等实现制度化、规范化、系列化、科学化。小区工程由于在建设过程中加强了造价控制，使主体工程实际结算工程量与计划提供的工程量基本相符，工程总投资得到了有效控制。
海南工程预算估算模型。基于BP神经网络，构建公路海南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)，将相应的海南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，反向估算新建海南工程预算。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个样本海南工程预算数据，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，获得海南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神经网络预测的海南工程预算估算精度。
