欢迎来到天天文库
浏览记录
ID:55063087
大小:132.48 KB
页数:2页
时间:2020-05-08
《建筑工程实际造价的动态预测-论文.pdf》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、建筑工程实际造价的动态预测自改革开放以来,我国建筑事业的发展速度明造价控制的结果以及决策进行全面的分析。以造价显加快,建筑工程的数量、规模都在不断地增加。控制的历史数据为依据,运用BP神经网络模型对在建筑工程施工建设的全过程中,需要控制的实际造价的资金发展变化情况进行预测。再通过造内容很多,工程造价就是其中最为主要的一个方价预测数据与造价计划的比较,明确建筑工程计划面。造价预测是造价控制的主要内容之一,可分为值。采取有效的改进措施,确保建筑工程实际造价静态预测与动态预测。动态预测是在静态预测的基预测结果的真实性和可靠性。础上,根
2、据国家的政策内容以及市场经济的具体情况,对与建筑工程相关的价格进行合理的调整以及二、建筑工程实际造价动态预测模型预测。通过对实际造价的动态预测,可以向社会各的结构层定期或是不定期发布建筑工程的经济指标以及1.建筑工程BP神经网络的结构设计造价指数。所谓的建筑工程BP神经网络的结构设计,就是指确定神经网络的结构层数以及每层神经元的一、建筑工程实际造价预测模型具体个数。通常情况下,BP神经网络只存在一个输在建筑工程中,其实际造价预测是极其重要入层以及与之相对应输出层。本文所分析的BP神的,对于提高建筑企业对工程造价的控制力度有着经网
3、络结构,其输入层中的神经元个数的多少,关极其重要的作用。要进行工程造价的动态预测分键要看影响建筑工程实际造价的因素。以某站外管析,首先必须要通过相关的平台收集详细具体的工线工程为例,可将管理水平、土壤等级、单位造价、气程项目进度信息以及工程项目的造价信息。然后再候情况作为BP神经网络中输入层中的4个神经通过科学的评估法,分析施工建设环境(经济环境、元,将站外管线的总体费用作为网络输出层中的惟政策环境、自然环境等)以及建筑材料的市场价格一神经元。波动情况对实际造价预测的影响。另外,还要兼顾在上世纪80年代,RobertHecht-
4、-Nielson就对建筑施工设备的投入情况以及施工人员情况对工在闭区间内的任何连续函数做了研究。他表示,在程造价的影响。结合施工建设单位历史造价的相关闭区间内的任何连续函数都可以用一个隐含层的资料,以BP神经网络为基础建立起科学合理、切实BP网络来逼近。由此可见,隐含层的个数通常为1。可行的预测模型。在对未来工程造价进行预测的同而隐含层的节点可以通过公式Nl=√N1+N0+a时,还要以预测结果为基础对潜在的、可能遇到的进行计算,得出结果为12。公式中的N为节点数造价控制问题进行预测。寻找问题,并对这些问题目,N为BP神经网络中输
5、入层的节点数,N。为BP进行预防和处理。神经网络中输出层的节点数,a为调节常数(取值范在建筑工程施工阶段,项目部必须要以合同为围在l—l0之间)。通过分析可以得知,站外管线BP基础对工程造价进行有效的预测。通过统筹论证对网络的结构为“4—12一l”。具体而言,就是BP神经造价控制进行分析,确保工程的实际造价始终处于网络中有4个输入节点,l2个隐含层节点以及1个可控状态。通过上交的造价控制表以及报告表,对输出节点。28黼叠~~⋯⋯硼2.建筑工程实际造价动态预测BP神经网络的说,主要是针对管理水平、土壤等级、单位造价、气候创建情况这
6、四项指标进行分析,将上述四项指标作为BP通过上文的分析,建筑工程BP神经网络的结神经网络输入层中的4个节点。然后再将站外管线构已经明确。然后要在此基础上,利用Matlab网络实际造价的预测值设为输出层中惟一的节点,中间工具构建建筑工程实际造价动态预测的神经网络。的隐含层节点数以及层数。根据上文中的分析,使再通过与之相对应的函数(Newf),进而形成相应的用1层12个节点,建立起“4—12—1”的三层网络。BP神经网络。一般而言,在训练BP神经网络时,可利用该网络,对2013年8月份的建筑费用进行采取计算机梯度方式,通过调整梯度权
7、值和阀值,从预测,计划费用为2434万元。然后再建立建筑工程而保障性能函数达到最小。在Matlab网络工具中提实际造价动态预测模型的训练样本,固定其预测值供了很多函数可以进行训练,不过这些函数大多属的偏差范围为[0,2]。于批处理模式的训练函数,一般都是由Train触发。2.训练与测试在建筑工程实际造价动态预测BP神经网络中,通(1)训练常都是选择rI’raingdm函数进行训练。该函数在对梯将相关的数据输入到BP神经网络中,采用学度权值以及阀值进行更新时,必须要考虑梯度方向习算法进行反复运算。检测结果显示,其实际输出(包括现在
8、的梯度方向以及前段时间的梯度方向)。值与其计划值非常接近。起均方差D<0.0002,证明以此降低参照函数调整对网络性能造成的影响,避其符合要求。免局部小问题的出现。(2)测试在设计完建筑工程实际造价动态预测BP神经因为误差小,故可以使用该BP神经网络对建网络以后
此文档下载收益归作者所有