基于神经网络在工程造价和主要工程量快速估算中的应用研究

《基于神经网络在工程造价和主要工程量快速估算中的应用研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于神经网络在工程造价和主要工程量快速估算中的应用研宄吴猛【摘要】建设工程是固定资产再生产过程屮形成综合生产能力或发挥工程效益的工程项目，其屮不仅包含新的固定资产的建设，还包括棊于原有固定资产而进行的改造。工程造价和工程量的快速估算，作为现代建设工程屮两个重要的组成元素，正发挥着口益重要的作用。出于在保证质量的前提K节约建设成本、降低工程预算、减轻工程作业量和提高建设效率的需要，本文通过对传统的工程估算方式的种种缺陷的研究分析，探讨丫基于BP神经网络建立工程造价和主要工程量快速估算系统的科学性和合理性。【关键词】神经网络；工程量；工程造

2、价估算随着世界经济的不断发展和科学技术口新月异的进步，人工祌经网络这一新兴领域的先进技术近年来正逐渐深入影响到我们生产生活的方方面面，基于此的工程造价和主要工程量快速估算技术正是最好的说明。一、传统工程造价和工程量估算方式的不足长久以来，在工程建设领域，我国大多数情况K都是采用传统的方式來计算工程造价、估算生产成本。这一方面是由我国的科学技术水平局限决定的，另一方面则是因为我国的现代化建设时间还很短，对于新技术的经验积累还远远不够。在传统的工程建设领域，工程项目的划分往往过于冗杂繁琐，工程造价计算工程量需要不菲的时间成本。此外，非常繁杂

3、的操作和计算方式也使得这一过程屮的误差甚至错误难以有效避免，造成工程建设时间成本和经济成本的堉加，所以自改革开放几十年来蓬勃发展的这一神经网络新兴技术更加凸显出重要的现实意义。二、工程造价与神经网络对于工程建设项目来说，对主要工程量和工程造价最直接也最显著的影响因素就是工程特征，这种影响的本质是一种映射影响的关联性。与传统的工程造价估算相比，神经网络具有精度高、实用性好、操作性强等显著特点。数学建模是神经网络技术进行工程造价分析和主要工程量快速估算的主要形式。这一形式的内容主要是：首先通过合理分析构建出合适的数学建模，把估算的工程造价和

4、工程量作为参考的方面，然后冋人工计算的工程造价预算结果与主要工程量结论进行分析比对，从而更加直观地了解手工计算结果的准确性，实现对工程造价成本的节约，防范了工程量索赔等等问题的产生。然而我们注意到，随着国际建设和社会发展的需要，我国工程建设的步伐越来越快，要求也越来越高，只是单纯针对工程造价进行估算的方式而进行的数字建模己不能满足现阶段对于工程量快速估算的客观要求。这就要求我们必须做到构建新的神经网络数字建模，主要就是基于原来的数字建模和算法的基础上，添加主要对于工程量的估算。同吋，要综合考虑工程硬件环境、软件环境、工程造价指数等多方面

5、因素的综合影响，不断提升调整后的新型神经网络建模方式的建设工程估算的精确程度，奋力防止由于人力估算误差而造成的不平衡报价与索赔，这一新型人工神经网络就是BP神经网络模型。三、BP神经网络3.1BP神经网络概述BP即为“BackPropagation”的缩写，我们一般称为误差反向传播网络。BP神经网络是迄今为止世界上应用范围最广的神经网络模型，BP网络的网络结构由输入层、隐层、输出层共同构成。这一网络模型的结构特点是：同一层单元彼此之间不是采用相互连接的方式工作，而是采用全互连接。此外三层的误差反向传播网络还可以与任何比较复杂的非线性函数

6、接近，由于这些比较明显的优点和特性，本文使用了三层误差反向传播网络模型进行了网络神经估算模型的建模。3.2BP祌经网络参数设置BP神经网络参数设置包括结构参数设置、节点函数和模型初吋权值三种重要参数。主要有以下几点：3.2.1定义BP网络模型结构参数定义BP网络模型参数与神经网络的表达能力总息相关，本次研究中选择了隐层建模的方式，同时从工程建设的实际需要出发，确定了输入层和输出曾所需要的盛景园的数量，同吋确保了隐层数量符合柯尔莫戈洛夫定理的要求，即为2N+1个，其中N代表了输入数据的数量。3.2.2节点函数的选择由于sigmoid函数是

7、神经元的非线性函数。既可以进行输入，又可以进行输出，II输入和输出的神经元数量与输入输出的分量数量呈现出一一对应关系。之所以选取这一函数是因为它能使输入的任何数据都具备转化成（0，+1）之间的数值的功能。3.2.3初吋权值选择神经元阀值以及连接权系数的初始值直接影响着网络模型训练吋间和收敛速度的大小，并对网络模型最小化影响明显，在选取本模型的初吋权值吋采用随机函数之间的随机数（（-1,1）之间随机数）进行了选择。3.3BP神经M络学算法BP神经网络的学AI算法主要包括输入模式过程、误差逆传播、记忆训练和学＞』收敛四大部分。其中输入模式过

8、程就是输出层将网络的实际输出与网络的期望输出之间的误差信号通过中间层向输入层修正连接权的过程；记忆训练过程就是指输入模式同误差逆传播两个过程之间反复进行的网络过程；学4收敛过程就是网络的全局误差不断向极小值