欢迎来到天天文库
浏览记录
ID:21000190
大小:67.50 KB
页数:4页
时间:2018-10-18
《建筑工程实际造价的动态预测分析》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、建筑工程实际造价的动态预测分析(南京松虎建筑装饰工程有限公司,江苏南京210000)摘要:经济的快速发展促进了建筑行业的兴起,尤其是随着城市化建设的不断推进,对商业和民用建筑的需求量大幅提升。但是在实际的施工过程中,受到各种人为和环境以及市场环境变化等因素的影响,导致预算造价和最终的实际需要造价不符,建筑企业的经济收益也会相应发生改变。在这种情况下,需要相关人员对建筑工程实际造价的动态进行科学合理的预才能够提升成木控制能力,以保证企业经济效益不会出现太大的波动。木文分析了建筑工程实际造价动态预测的模型以及模型结构的只体构成要素,并通过在案例中的应用分析强化
2、了其实际作用。关键词:建筑工程;实际造价;动态预测.1八—刖目实际造价的动态预测工作在建筑工程开发以及实施阶段都起到非常关键的作用,而随着建筑市场的竞争愈加激烈,很多建筑商都在考虑如何通过对工程的实际造价进行动态预测而提高对成木的控制能力,进而降低工程投入、减少资源浪费,在激烈的市场竞争中赢得优势。但是在实际的造价预测过程中,受到多种因素的影响,预测结果很难保证可靠性和准确性,下文分析了BP神经网络模型在建筑工程实际造价的动态预测中的应用,为后期的造价预测工作提供参考和借鉴。1动态造价预测的概述实际造价的动态预测是建筑工程中一项非常重要的工作,对保证工程施
3、工质量、控制施工进度和提升企业经济效益都起到关键作用。动态造价预测也是建筑工程造价控制工作的一个重要环节,关系着其控制质量和有效性,动态预测是在静态预测的基础上建立的,在预测过程中,必须要依据国家的政策规定和市场环境以及各种自然和人为因素,比如施工期间的气候条件、企业的管理水平、施工人员的技术能力等,进而对与建筑工程相关的价格进行合理的调整以及预测。2动态造价预测模型的建立方法及原则动态造价预测模型的建立必须要基于相关平台上的数据信息,以及建筑工程项0具体的进度和相关的造价信息,并通过科学的分析评估,对施工环境和施工材料的市场价格变化情况进行研究,进而得出
4、两者对实际造价预测的影响。同时,要注意实际施工过程中的施工技术、施工进度和施工设备等对于工程造价动态预测的影响,最后结合建筑工程施工企业的历史造价的相关信息,在遵循科学性、合理性和可行性的原则上,建立以BP神经网络为基础的预测模型。需要注意的是,在预测工程的实际造价吋,要充分考虑到在工程施工过程中可能会遇到的问题,以及其对造价控制会产生的影响,并通过分析找出相位的解决对策,避免为后期的顺利施工带来影响。为了提高对建筑工程实际造价的控制能力,需要相关管理部门在合同的起草、商议以及签订、实行阶段对工程造价进行有效的干预和管理,并通过统筹论证分析工程造价控制。同
5、时,根据上交的工程造价控制表和报告表,科学合理的分析工程造价控制的结果以及决策。以建筑工程施工企业历史的造价数据信息为基础,运用BP神经网络模型对实际造价的资金发展以及变化情况进行分析预知。然后比较造价预知的数据与造价计划,确定建筑工程施工的计划值,并对施工中可能会出现的问题进行分析,奋针对性的采取改进措施,确保建筑工程实际造价预知结果更加真实、可靠以及准确。3建筑工程实际造价动态预测模型的结构3.1BP神经结构网络在建筑工程实际造价动态预测中的应用通过对神经结构层数和每层神经元的具体个数进行确定,能够冇效构建建筑工程的BP神经网络。由于在通常情况下,BP
6、神经网络只存在于一个输入层或与之相对的输出层,因此决定建筑工程BP神经网络结构输入层神经个数的重要因素就是建筑工程实际造价的因素。比如在对建筑工程的管线进行施工时,其施工进度和效率会受到天气状况、地形地势、以及各种施工材料和施工管理水平的影响,因此可以将这四个影响因素作为BP神经网络输入层的4个神经元,并将管线施工的预算费用作为网络输出层中唯一的神经元。1989年相关的专家学者就证明了对于任何在闭区间内的连续函数都可以用一个隐含层的BP网络来逼近,因此可以确定隐含层的个数为1,隐含层的节点可以通过经验公式确定为12个。其中隐含层的节点数为输入层的节点数,而
7、输出层的节点数为调节常数。因此站外管线BP神经网络的结构为:4-12-1,即该BP网络有4个输入节点,12个隐含层节点,1个输出节点。3.2建筑工程实际造价动态预测BP祌经网络的创建和训练一般情况下,在对BP神经网络进行算法的训练的过程中,可以通过计算机梯度方式,对阀值和梯度权值进行科学合理的调整,从而确保性能函数值达到最小。Matlab网络工具可以为构建BP神经网络结构提供较多的可训练函数,但是由于这些函数模式的适用性不强,需要通过Train对其,然后才能进行运用。正是考虑到这种影响因素,在建筑工程实际造价动态预测BP神经网络中,一般会选择Traindm
8、函数对其进行训练,这样就可以对阙值和梯度值进行及吋的更新,进而有效
此文档下载收益归作者所有