bp神经网络在建筑工程估价中的应用1

《bp神经网络在建筑工程估价中的应用1》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第37卷第2魏西安建筑科技大学学技(自然科学版)Vol.37No.22005年6月].Xi'anUniv.ofArch.&.Tech.(NaturalScienceEdition)Jun.2005BP神经网络在建筑工程估价中的应用周ãã萍1，2，胡拣锋2(1.西安建筑科技大学土木工程学院，陕西商安710055;2.西北工业大学力学与土木建筑学院，陕西西安710002)摘要z在建设项目管理中前期工程估价是一项十分重要的工作，根据神经网络的原理和工程造价估算的特点，通过研究工程造价的构成，特别是建筑工程结构和主要分项工程的特征在工程造价中所起的作用，确定了7个主要因

2、素，作为神经网络的输入变蟹，提出了基于BP神经网络的工程估价模型.共收集了20个住宅工程估价实例，其中18个作为训练样本，2个作为检测实例，经测算其精度蒸本可以满足实际工程投资估算的需要.因此，神经商络在这方面有很好的应用前景.关键词g工程千金价:神经网络z估价模型;BP算法中图分类号:F283，TP183文献标识码:A文章编号.1006-7930(2005)02-0262-04TheapplicationofneuralnetworkinthecostestimationofconstructionZHOULi-ping,HUZhen-feng(1.Schoo

3、lofCivilEng.,Xi'anUniv.ofArch.&.Tech..妃'an710055,China;2.SchoolofMechanìcsandCivilEng.,NorthwesternPolytechnicalUníversity,Xi'an710072,China)Abstract:CostestimatìonofconstructÎonprojectsisaveryimportanttaskforman阜gementofconstructionprojects.Accordíngtothebasicprinciplesoftheneuralne

4、tworkandthecharacteristicsofprojectcostestimation,withthebreakdownofprojectcostandfactorshavin富effectonthem,andthefunctionsòfstructuresandtheírcharacteristicsreviewedindetail,sevenmajorfactorsareidentifiedasneuralnetworkinputvariables.Ûnthebasisofthetheoreticalanalysis,thepaperbrings

5、upthemodelofcostestimationofconstructionengineeringbasedontheBPNeuralNetwork.Eighteenactualconstructionprojectsareusedastrainingsamplesandtwoprojectsareusedastestsamples.Testresultsshowthattheprecisionmeetstheestimationrequirementswell.Therefore，也必methodshowsthepromisin窑perspectivein

6、costestimationofconstructionproject.Keywords:constructioncostestimation1neuralnetwork;estimationmodel;BPcalculatío甜method.确定工程造价是建设工作中十分蠢娶的…环，在不同的设计盼段有着不阔的万法z如韧步设计盼段编制慨算，施工商设计阶段编制旗算，部最为关键的则是在建设前期的工程造价估算.因为工程的估算价是整个成本管理过程的起点，是成本控制的基础.在黯息万变的市场经济环境中，探替一套快速、简捷、实用的工程造价估算方法已成为建筑行业的迫切需要(1)众

7、所周知，工程造价受多方面因素影响，其梅成比较复杂，然随一个有丰富经验的造价师，根据工程类型、特征及其相关情况，参照以往经验和工程数据资料，就能大激桔算出其遗骨，雨先需进行大量繁杂计算，而且经验越丰富，资料积累越多，格算的收稿臼剿:2004制12-13作者简介s周丽善事(1963心，女，陕商赂!la人，副教授，博士研究生，从事建筑经济与管理方面的教学和研究.第2期周丽萍等:BP神经网络在建筑工程估价中的应用263造价就越准确.模仿这种大脑思维模式，正是人工神经网络所擅长的.神经网络模型通用性、适应性强，它不但不排斥新样本，相反它会随着样本数的不断增加而提高自身的概

8、括能力和预测能力.这正好