基于﹢BP﹢神经网络的住宅项目工程造价估算模型研究

《基于﹢BP﹢神经网络的住宅项目工程造价估算模型研究》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、２０１５年第１６期（总第１６９期）江西建材建设经济基于ＢＰ神经网络的住宅项目工程造价估算模型研究■刘嘉威■同济大学经济与管理学院，上海２０１８０４摘要：给出了用ＢＰ神经网络技术建立住宅项目工程造价估算模型的基本思想１ＢＰ神经网络模型的建立和具体实现方法，采用ＭＡＴＬＡＢ软件编程实现了住宅项目工程造价估算１．１ＢＰ神经网络原理模型的算法，用实例工程样本数据对建立的ＢＰ神经网络模型进行了训ＢＰ神经网络有输入层、隐含层和输出层，网络由两部分组成：信息练和结果检验，证实了模型可以满足实际工程要求，能够较为准确地

2、估的正向传递与误差的反向传播。在正向传递中，输入信息从输入层经算出住宅项目工程造价。隐含层逐层计算传向输出层，如果在输出层没有得到期望的输出，则计关键词：住宅项目工程造价估算模型ＢＰ神经网络ＭＡＴＬＡＢ算输出层的误差值，然后反向传播，通过网络将误差信号沿原来的连通路反传回来，修改各层神经元的权值直至达到期望目标。在住宅项目中，项目前期的投资估算是较为重要的一环。投资估１．２网络结构的选取算是整个项目投资控制的起点，是实施阶段投资控制的基础。同时，投输入层单元数的选取与影响造价的主要工程特征因素有关，本模

3、资估算也是业主对于项目方案是否可行的重要评价依据，对于业主融型中选取工程因素为结构类型、土方工程、基础类型、砌筑工程、门窗工资方式的选取以及招标方案的选择也有重要意义。因此，采用合适的程、内墙装饰、外墙装饰、楼地面工程、安装工程、建筑层数、建筑面积，方法快速准确地估算出住宅项目的造价对于业主而言有着极为重要的故选择输入层的单元数为１１。现实意义。为了更加直观地得出模型估算出的造价值，可以将输出层输出的大量住宅项目的资料表明，住宅项目的造价与工程特征因素之间信息选择为住宅项目的工程造价，因此，选择输出层的

4、单元数为１。存在联系，这种联系表现为高度的非线性和不确定性。而ＢＰ神经网络可以根据大量实践得出的经验公式：Ｎ＝槡Ｌ＋Ｍ＋α，确定隐含层是一种智能仿生模型，具有自组织、自适应、非线性映射能力以及高容单元数的大致范围，然后结合试凑法确定最合适的隐含层单元数，式中错性，能够完成任意复杂函数关系的映射。因此本文将利用已建住宅Ｌ是输入层单元数，Ｍ是输出层单元数，α是１～１０之间的常数。项目的资料，选取影响住宅造价的主要工程特征因素，然后选取若干已１．３模型自变量数据的处理竣工备案的相似住宅工程，利用这些工程的数据

5、，在ＭａｔｌａｂＲ２０１２ａ环由于ＢＰ神经网络的输入数据必须为实数，而自变量中除了建筑层境下对ＢＰ神经网络进行训练，建立住宅造价与各工程特征因素间的关数和建筑面积均为定性因素，故首先需要对这些自变量进行定量化处系模型，并借助建立的模型对住宅项目造价进行估算，通过估算造价与理。自变量的定量化处理规则如表１所示。实际造价的比较，分析模型是否可行。表１自变量的定量化处理规则结构类型土方工程基础类型砌筑工程门窗工程内墙装饰外墙装饰楼地面工程安装工程建筑层数建筑面积序号Ｘ１Ｘ２Ｘ３Ｘ４Ｘ５Ｘ６Ｘ７Ｘ８Ｘ９Ｘ１０Ｘ

6、１１混凝土空心砌胶合板门铝合１砖混结构人工挖土满堂基础抹灰墙面砖水泥砂浆面层简单块金窗胶合板门塑钢保温砂浆、面２框架结构机械挖土独立基础多孔砖抹灰涂料水磨石面层一般窗砖面层胶合板门甲乙人工挖土，机加气混凝土砌水泥砂浆面层水泥砂浆面３剪力墙结构带形基础级木质防火门抹灰块料较齐全械挖土块水泥漆罩面层、块料面层铝合金门窗胶合板门塑钢多孔砖、混凝一般抹灰外墙水磨石面层、直接输入直接输入４框架砖混结构筏板基础门窗防盗门、抹灰涂料块料齐全土空心砌块涂料石材面层块料面层具体数值具体数值钢制防火门铝合金门窗防水泥砂浆涂

7、料框架剪力墙结桩承台、带形抹灰涂料块料水泥砂浆面５火卷帘门防护饰面保温层隐很齐全构基础吊顶层、石材面层密闭门框玻璃幕墙桩承台、满堂６基础７满堂带形基础１．４ＢＰ神经网络模型的训练ｎ输出层节点：Ｏｊ＝ｆ（∑ＷｋｉＹｊ－αｋ）１．４１信息的正向传递ｊ＝１样本输出点的误差为：设Ｘｊ表示输入层第ｊ个单元的输入，ｊ＝１，２…，Ｌ；ｗｉｊ表示隐含层第ｍＬｉ个单元到输入层第ｊ个单元的权值；θ表示隐含层第ｉ个单元的阈值；ｍｍ２ｊｅ＝１（ｔ－Ｏ）２＝１{ｔｋ－ｆ[∑Ｗｊｋｆ（∑Ｗｉｊｘｉ－θｊ）－αｋ]}２∑ｋｋ２∑ｊ

8、＝１ｕ＝１ｗｋｉ表示输出层第ｋ个单元到隐含层第ｉ个单元之间的权值；αｋ表示输ｋｋ出层第ｋ个单元的阈值，ｋ＝１，２，…，Ｎ；Ｏｋ表示输出层第ｋ个单元的输ｐ出，ｔ为输出层第ｋ个单元的期望输出，ｐ为样本数，所有样本的误差所有样本的误差为：Ｅ＝∑ｅｉｋｉ＝１为Ｅ，ｎｏ为迭代次数。１．４２误差的反向传播１－ｅｘｐ（－ｘ）输出层节点与隐含层节点间，误差计算公式为：传递函数：ｆ（ｘ）１＋ｅｘｐ（－ｘ）σｋ＝（ｔｘ－Ｏｋ）Ｏｋ（１－Ｏｋ）ｎｐ隐含层节点：