基于bp神经网络的公路工程造价预测

《基于bp神经网络的公路工程造价预测》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BP神经网络的公路工程造价预测：介绍了BP神经X络的X络结构以及学习过程，并对BP神经X络在工程造价预测方面的应用进行了研究。　　关键词：BP神经X络造价预测研究　　Abstract:thispaperintroducestheBPneural)，表示输入层、输出层分别有n、m个节点输入输出向量分别是n维和m维。　　　　图1BP神经X络结构示意图　　2BP神经X络的学习过程　　简单说来BPX络的整个学习过程就是权值与阈值的不断修正过程，BPX络的整个学习过程的步骤如下图：　　　　图2BP神经X络学习过程　　3B

2、P神经X络在工程造价预测中应用　　工程造价预测是一个十分复杂的模式识别问题，特别是预测中存在广泛的非线性问题，这增加了模式识别的复杂性。BP神经X络由于其本身信息处理的特点，使其能够出色解决那些传统识别方法难以解决的问题，近年来工程领域的仿真预测成为神经X络的重要应用领域之一。　　对于一般的神经X络预测，诊断工作可以分为测前工作与测后工作两部分工作。测前工作，根据经验在一定的条件下，将常见的各种费用超支情况及正常情况所对应的理论值用实验或理论计算求出。并以此作为BP神经X络的样本及样本期望,输入特定的BP神经X络，

3、进行神经X络训练，实际预测时，在同样的条件下，将实际数据经处理后输入特定的BP神经X络。其输出即是对应的预测值。神经X络具有推论联想的能力，具有很强的泛化能力，不仅能识别已经训练过的样本，而且能通过推论联想识别为出现过的样本。综上所述，用BP神经X络进行公路工程造价预测，步骤可以总结为：建模、参数选定、预测模型结构确定。　　3.1神经X络建模步骤　　在实际应用中，面对一个具体的问题，首先需要分析利用神经X络求解问题的性质，然后依据问题特点，确立X络模型。最后通过对X络进行训练、仿真等，检验X络的性能是否满足要求。主

4、要步骤包括：确定信息表达式、X络模型的确定、X络参数的选择、训练模式的确定、X络测试。　　3.2模型参数的确定　　（1）实际完成金额　　公路工程造价的发展具有连续性，其数量特征呈相对稳定，或者与其他经济现象之间的相互联系具有相对稳定的模式，因而有可能对其发展过程加以模拟，利用实际完成金额等历史资料比较准确地推断其将来。　　（2）主要材料价格　　由于公路工程涉及工程材料种类多，工程施工经历时间跨度大，期间材料价格波动影响因素较多，要综合考虑这些因素进行预测往往要大量的基础资料。　　（3）天气状况　　由于公路项目施工主

5、要是在野外作业，所以受天气影响比较大，所以天气状况也是影响工程造价的一个因素。　　（4）进场主要施工机械设备数量　　设备材料费，是工程造价的主要组成部分。因此，施工设备投入数量，是影响工程造价增减的重要动态因素　　4结语　　基于BP神经X络的公路工程造价预测，能够充分利用公路工程造价的历史数据，通过高度的非线性映射，得到预测结果。与传统的工程造价方法相比较，该方法具有自组织、自学习、自适应和泛化能力，因而有广泛的应用前景。而BP神经X络的精确预测需要真实、可靠、准确的样本输入数据以及相对应的样本期望数据，就需要我国

6、公路工程造价历史数据的不断积累，公路工程造价制度的不断完善。