人工神经网络在建筑材料价格预测中的应用
BP人工神经网络模型在建筑物沉降预测中应用
为 了确保建筑安全 ， 建筑 物周 围共布 设 了 ｌ 在 ４个沉 降观 测 点， 主要 布设于房 屋四角 ， 伸缩缝两侧 ， 主要承重 的构造柱 上。并 采用二等水准测量 的标准进行 了 １ ２期观测 ， 历时 １ 年半 。 网 络 输 入 与 输 出 由于单 隐层 Ｂ Ｐ网络 的非线性 映射 能力 比较慢 ， 以我们 采 所
带状 图中公里格 网的 自动生成及标注
马 云 岗
摘 要： 主要介绍 了在带状 图测量 中， 公里格网 自动生成及 标注的 一种 方法 ， 对这种 方法的原理及 使 用进 行 了详 细的说 明， 包括设计要求 ， 设计 步骤及设 计要 点等 内容 ， 以期指导 实践 。 关键词 ： 带状 图， 量， 测 拓扑
Ｂ Ｐ人工神 经网络模 型在建筑物沉降预测 中应 用★
尚 纪 斌
摘 要： Ｂ 以 Ｐ人工神经 网络模型为基础 ， 建立预 测模 型 ， 以小区某栋 建筑物 ｌ ～８期的 沉降观 测数据 为输入数据 和输 期
出数 据 ， 网络 模 型进 行 训 练 ， 对 ９期 ～ｌ 实 际 观 测 值 与 预 测 值 进 行 了比 较 ， 果 比较 理 想 ， 而 验 证 了采 用 Ｂ 对 并 ２期 结 从 Ｐ人 工神 经 网络 模 型 进 行 建 筑 物 沉 降 的预 测 是 可行 的 。 关键 词 ： Ｐ人 工 神 经 网络 ， 测 模 型 ， 筑 物 沉 降 Ｂ 预 建
第３ ７卷 第 ３ ４期 ２０１１年 １ ２月
山 西 建 筑
ＳＨＡＮＸＩ ＡＲＣＨＩ ＥＣＴＵＲＥ ｒ
Ｖｏ ． ７ Ｎ ． ４ １３ ｏ ３
Ｄｅ ． ２ １ ｃ ０１
・１ ９１ ・
文章编号 ：０ ９ ６ ２ （ ０ ）４ ０ ９ —２ １０ —８ ５ ２ １ ３ — １ １０ １
神经网络方法在钢筋混凝土工程估价中的应用1
神经网络方法在钢筋混凝土工程估价中的使用摘要：在发展中国家，神经网络方法可以为混凝土工程的造价分析提供一种指导性的工具，以克服各种变化因素已经主观因素的影响。
本文中，提出3中神经网络方法来评价一个发展中建筑市场里模板工程、钢筋工程以及混凝土工程的生产率。
18名专家被分在6个项目中手机数据，92项数据被收集用于分析。
使用了商业软件进行神经网络的计算。
处理过的数据被用于建立、训练、检验神经网络。
神经网络产生的框架显示出足够的收敛性已经相对较强的普遍适用性。
当对输入数据进行敏感性分析时，本框架也能对变化趋势的做出很好的表示。
关键词：神经网络；混凝土；生产率；计算机辅助；发展中国家；项目管理前言投资估算对于顺利完成建设工程项目是很必要的内容。
对建筑工程的估算可以分为对直接费用、间接费用、不确定费以及利润等。
直接费用包括材料费、人工费和机械费。
直接费是指构成工程实体的各项费用，它由各项定量指标和定性指标构成。
定量因素包括单位材料价格、单位人工工资、单位设备租赁费用和折旧。
定性因素更难确定，包括各种生产率以及建设风险等。
有经验的估价师依靠他们的经验对定性因素做出判断。
而相对缺少经验的估算师则可以通过工具来组合各种不确定因素。
神经网络方法是通过模仿人脑的功能，像人脑一样，通过对以往的学习，对数据做出归纳和总结。
数据网络在建设工程方面得到很多的使用。
Portas和Abourizk（1997）设计了一套神经网络系统对梁、板、墙工程中模板的生产率进行分析。
Sonmez和Rowings（1998）发展了对模板组装、混凝土浇捣、凝固过程的估算。
Arditi和Tokdemir（1999）试图用神经网络预测建筑工程诉讼的结果。
Alsugair和Al-Qudrah （1998）则用神经网络决定公路的翻新和否。
Hegazy和Ayed（1998）则用神经网络对高速公路进行估价。
Li et al（1999）则对建筑项目的投标确定进行顺利网络分析。
人工神经网络在建筑工程估算中的应用研究的开题报告
人工神经网络在建筑工程估算中的应用研究的开题报告一、研究背景和意义建筑工程估算是建筑工程的重要组成部分，在建筑工程的各个阶段，都需要进行估算。
传统的建筑工程估算一般采用人工的方法进行计算，效率低而且易出现误差，难以满足快速而准确的计算要求。
而人工神经网络作为一种新的计算方法，具有极高的学习能力和适应能力，可以有效地解决传统建筑工程估算中的问题。
因此，本研究旨在探索人工神经网络在建筑工程估算中的应用，提高建筑工程估算的效率和准确性。
二、研究内容和关键技术本研究将采用基于神经网络的建筑工程估算方法，通过构建合适的神经网络模型，利用神经网络的优秀的非线性映射能力，对建筑工程估算进行建模学习，从而实现高效、准确的估算。
研究将重点研究以下内容：1. 建筑工程估算的真实数据采集和预处理；2. 人工神经网络中神经元的数量和层数的优化；3. 神经网络的训练算法的选择与优化；4. 建筑工程估算的预测结果验证和分析。
三、研究方法和流程本研究将采用实证研究方法，通过数据分析和数学建模的方式，实现对建筑工程估算的实际应用和分析。
研究流程分为以下几个步骤：1. 数据的采集和预处理；2. 神经网络的构建和优化；3. 神经网络的训练和优化；4. 建筑工程估算的预测结果验证和分析。
四、预期成果和意义通过本研究，可以实现建筑工程估算的高效率和准确性，提高建筑工程的工作效率和经济效益，减少建筑工程的成本和风险，提高建筑工程的质量和安全。
此外，本研究可以为深入研究神经网络在建筑工程领域的应用提供参考，并在其它领域广泛应用。
五、研究计划和进度安排1. 建筑工程估算的数据采集和数据预处理（3个月）；2. 构建神经网络模型和进行优化（2个月）；3. 实现神经网络的训练和优化（3个月）；4. 对建筑工程估算的预测结果进行验证和分析（2个月）；5. 撰写论文并进行口头答辩（3个月）。
六、研究难点和解决方案人工神经网络作为一种复杂的计算方法，在应用过程中可能存在以下难点：1. 网络的过拟合和欠拟合现象；2. 选择合适的训练算法；3. 数据的选择和处理方法。
人工神经网络用于建筑工程领域的数据处理方法
人工神经网络用于建筑工程领域的数据处理方法摘要:本文在阐述人工神经网络的发展过程中，对其在当前建筑工程领域的应用进行分析和探索，通过对当前建筑工程实际操作过程中存在的欠缺和不足进行分析，探究人工神经网络能够对建筑工程带来的重要意义和影响，并为人工神经网络在今后诸多领域的应用提供相应的参考。
关键词：人工神经网络；建筑工程；处理方法人工神经网络是对人脑或自然神经网络的抽象和模拟，其结构由神经元、互连模式和学习规则构成，其核心组成部分即是人工神经元。
人工神经网络每个神经元接收其相邻神经元的输入，每个输入量对应一个相关联的权重，加权值之和通过激活函数后的结果即是该神经元的输出信号。
人工神经网络首先为神经元之间的连接权重分配随机值，在训练过程中，根据所定义的损失函数不断调整神经元权重和阈值，直到输出误差缩小到预期内结束。
损失函数是将随机事件或其有关随机变量的取值映射为非负实数以表示该随机事件的“风险”的函数，用来评估神经网络输出值与真实值的偏差程度。
通过这种学习规则，神经网络调整权值向目标假设空间不断优化，实现不同的功能。
人工神经网络是基于多系统单元结合成为的密集型网络，去其构建与发展旨在通过对人脑组织信息进行探索与研究总结人脑的主要特点，并通过对人体大脑系统进行仿真模拟，实现具备自主化学习的非线性持续变化过程。
神经元网络的发展需要借助多向神经元都有数据信息，在建筑工程的发展应用中主要通过元件搭设的方式来实现信息的交流与采集。
一、人工神经网络的发展人工神经网络的发展源自上世纪40年代，然而直到40年过后，神经网络才真正意义上进入高速发展的时期，自此之后的相关数据研究和技术分析也都呈现出更加宽广的发展形势其所涵盖的内容与专业也在逐步增加。
现如今随着神经网络分析都不断发展壮大，其目前主要涵盖了包括人工神经、电子信息以及智能设备等专业，并且通过与数学与计算机网络技术相辅相成，在智能设备终端领域取得了蓬勃的发展态势。
人工神经网络在材料科学与工程中的应用
ANN的信号传递过程
如果输入神经网络一组数据（或输入模式或矢量），在网络输入层 的每个单元都接受到输入模式的一小部分，然后输入层将输入通过连 接传递给中间层。
中间层接受到整个输入模式，但因输入信号要通过单元间加有权重 连接的传递，到中间层的输入模式已被改变。由于权重的影响，中间 层单元有的更加活动，中间层的输出就与输入层大不相同，有的单元 没有输出，有的单元输出则很强。 一般情况下，中间层单元将输入信号传递给输出层的全部单元。输 出单元从中间层单元接受输出活动的全部模式，但中间层往输出层的 信号传递仍要经过有权重的链接，所以输出层单元接受到的插入模式 已与中间层的输出不同。输出层单元有的激发、有的抑制，产生相应 的输出信号。输出层单元的模式就是网络对输入模式激励的总的响应。
θi
αj
yj
式中αj（t）和 θj（t）分别表示神经 元的一个与时间有关的活动状态和 阈值，Wij表示神经元之间的连接强 度的权值。
其中，f，g为某一函数，当神经元没有内部状态，即g（ αj）= αj 时，神经元的输出为：
y j f (Wij X j i )
i 1
n
该模型表明：神经元可以有许多输入，所有这些输入 都是同时传送给神经元的。神经元是否被激发、激发的 强弱强度，取决于输入信号的权重和、阈值和传递函数。
材料设计的范围 材料设计的工作范围可用下图表示，它包括 材料的制备到试用的整个过程。 对于合金而言，人们已经从大量的合金元素 含量、各种工艺参数及组织参数和性能参数中找 到一些“性能——显微组织——成分、工艺”之 间的相互关系。借助这些关系，人们可以合理设 计合金、优化工艺参数，以获得所需要的性能。
X1
左图中神经元j有一个输入集合 {X1，X2，…Xn}和一个单位输出 yj，其数学描述如下式：
人工神经网络在建筑工程中的应用
简而言之 ， Ｐ Ｂ 算法的基本思想 ， 是根据 网络实际输 出与期
技 术 研 发
Ｔ Ｃ Ｅ ＨＮ０Ｌ ｏＧＹ ＡＮ ＡＲ ＥＴ Ｄ Ｍ＿ Ｋ
Ｖｏ ．８ Ｎｏ １ ． ０１ １１ ． ． ２ ２ １
＼／
衬砌质量 。移动仓位 、 端模封堵 、 浇筑 等速度均较快 ， 浇筑质 量
ｄ ｉ ０３ ６ ／ｉ ｎ１ ０ — ５ ４２ ｌ ．２ ４ ｏ １ ． ９ｊｓ ．０ ６ ８ ５ ． １１ ． ３ ： ９ ．ｓ ０ ０
０ 引 言
望输 出的误差 ， 从输 出层 开始 反过来调整 网络 的权值 ， 最终 使
输 出的均方误差最小。
２ 人工 神 经 网 络 在 建 筑 工 程造 价 中的 应 用
人 １神经网络（ Ｎ ） Ａ Ｎ是近年 来发展起来 的一 门学科 ， 模 它
拟 人腑 的 作方式， 由大量的基本单元经过复杂的互相连接而 成 的 一种高度复杂 、 － 非线性 、 并行处理 的信息处理系统 ， 具有很 好 的曲线拟 合能力 、 优化能力和模式分类 能力 ， 建筑 工程造 在 价、 建筑结构 、 建筑管 理 、 建筑施 工等方 面具有广 阔 的应 用前
为网络训 练的样本值输入 ， 并且 以单方造价 、 砼用量 和钢筋用 量３ 因素作为样本 的输 出，利用Ｂ 人 工神 经网络进行训 练 ， 个 Ｐ 最后得 到了较为满意的效果。 明了人工神经 网络在建筑工程 说 造价中应用 的可行性。
３ 人 工神 经 网络 在 建 筑 结 构 中 的应 用
博． ．
１ ＢＰ人 工神 经 网 络
我们对建筑工 程 中影响工程造 价的各种因素进行评定 打
分 ， 选择 了１个 因素 ： 最后 Ｏ 基础类型 、 建筑高度 、 高 、 层 主体结构 类型、 建筑面积 、 墙体类 型、 内外墙作法 、 门窗类别 、 工程造价年 综合 指数 、 施工企业 资质 等级 ， 中后两个 因素分别 是考虑到 其 估算 的时间因素差 别 、 工单 位的施工水平 和管 理水平 ， 施 暂时 以造 价指数和资质等级来评定 。在此情况下 ， 以上 ｌ个特征作 ０
基于人工智能的工程造价估算方法研究
基于人工智能的工程造价估算方法研究摘要：随着科技的进步，人工智能（AI）在众多领域都开始显现出其巨大潜力，工程造价估算也不例外。
本文主要探讨了人工智能在工程造价估算中的应用方法，如基于深度学习的估算、基于机器学习的回归分析以及基于神经网络的造价预测。
这些方法不仅提高了估算的准确性，还大大提高了效率。
同时，我们也分析了在应用这些先进技术时可能遇到的挑战，如数据问题、技术和实施挑战，以及这个领域的未来机遇和发展趋势。
尽管存在一些挑战，但随着技术的进一步发展，人工智能在工程造价估算中的应用将更为广泛和深入。
关键词：人工智能；工程造价；估算方法1 引言工程造价估算是建筑领域中的一个重要环节，它直接影响到项目的经济效益和决策。
传统的估算方法往往依赖于经验和人工计算，这不仅效率低下，而且容易出现误差。
随着人工智能技术的发展，它为工程造价估算带来了革命性的变化。
这种技术可以自动化地处理大量数据，为决策者提供更准确、更快速的估算结果。
本文将深入探讨AI在工程造价估算中的应用方法，挑战及机遇。
2人工智能在工程造价估算中的应用方法2.1 基于深度学习的估算方法深度学习是机器学习的一个分支，其特点在于使用了多层神经网络模型来处理数据，使得计算机可以模拟人脑对数据进行分析和学习。
与传统的机器学习方法相比，深度学习能够自动地从数据中提取特征，而不需要人为地设定。
这一特性使得深度学习在工程造价估算中具有很大的优势。
传统的造价估算方法通常依赖于大量的人工输入和专家经验，而深度学习可以通过分析历史数据，自动地学习到工程的各种特征和其与造价之间的关系。
比如，通过深度学习，我们可以自动识别一个工程项目的类型、规模、位置、材料选择等关键因素，并根据这些因素预测其最终的造价。
这种方法大大提高了估算的准确性和效率，特别是在处理大规模和复杂的工程项目时。
不仅如此，深度学习还可以对不同的工程项目进行分类和聚类，帮助决策者更好地理解项目的性质和风险。
人工智能技术在建筑工程预算中的应用
人工智能技术在建筑工程预算中的应用摘要:随着经济和科技的不断发展，我国在人工智能技术领域的应用越来越广泛。
尤其是在建筑工程的预算方面，人工智能技术起到了重要的推动作用。
在工程的预算当中，经验是非常重要的因素，在一定程度上决定着工程的质量水平。
本篇文章主要围绕着人工智能技术在建筑工程预算中的应用进行了分析，对于各方面存在的问题进行了深入研究，提出了一些解决问题的方法和策略，希望可以为相关工作者提供一些借鉴。
关键词:人工智能；建筑工程；工程预算建筑工程预算必须具备一定的经验基础，因为工程预算是一项经验性很强的工作，比较注重实践性，即使具有一定的理论基础，对于理论非常精通，如果没有足够的经验作为支撑，也不能够做好工程预算这项工作。
工程预算要求工作人员对于建筑的背景要进行详细的了解，并且要掌握基本的规律和规则。
从表面上看，这些规则似乎是不灵活且固定的，但是在真正的实践当中，可以发现这些规则其实是相对的且灵活的，所以可以看出经验是多么的重要。
1.开发技术的选择选择一个良好的开发技术首先必须要懂得其中的道理，利用其中的原理。
开发一个新型的知识系统，首先需要解决的第一个问题是开发技术问题，必须确定一个科学合理的开发技术，才能保证建筑工程的质量。
与国外的建筑工程预算体系相比，我国的建筑体系存有着很大的优势。
国外建筑工程预算是一项极其不稳定，并且结构化差，风险很大的工作，被称为是一半科学一半艺术的工程，建筑工程进行的整体预算所需要的信息是随着建筑的周期发展而逐渐产生的，是逐渐变得精确以及科学的。
在进行预算的前期，预算人员必须参考多方面的资料信息，包括自己和他人之前做过的预算，由于这项工作非常的复杂，所以神经网络被大量的应用，应用于工程造价的预算当中。
而我国目前进行工程预算时所采用的体系是非常科学且具体的，因为在工程预算的前期，工作人员已经将影响工程造价的各种因素进行了严格的规定，将各种数据信息也进行了具体的分析，明确了相关人员的职责以及权利，这些权利是无法变动的，必须严格地按照规定的程序走，正是这种严格的体系，决定了我国工程造价预算的工作性质。
人工智能技术在建筑工程造价估算中的应用
人工智能技术在建筑工程造价估算中的应用摘要：建筑工程管理中，重要的工作是加强建筑工程造价估算，建筑工程前期阶段，实施造价估算可以保证企业的经济效益，促进企业发展和进步。
因为建筑项目现场施工，容易受到很多因素干扰和影响，所以建筑工程项目造价估算无法达到精确性的要求。
人工智能技术在建筑工程估算中影响较大，可以大幅提升数据精度和准确性。
本文主要分析人工智能技术，了解其在建筑工程造价估算的作用，研究主要的应用方式，总结出具体的应用措施，目的是提高建筑工程造价估算的准确性，给企业带来较高的经济效益。
关键词：人工智能；建筑工程；造价估算建筑工程项目管理中，造价估算是极为重要的，保证估算数据的准确性，保证项目成本预算处于合理的范围内。
传统的建筑工程造价估算是通过手工方式进行的，估算数据精度较低，数据误差比较严重，从而导致企业面临着严重的损失。
建筑工程的造价估算环节，通过使用人工智能技术进行，选择科学合理的计算方法，保证工程项目造价估算更加精确，提高数据的精度水平，保护企业经济效益，对于建筑领域的稳步、健康发展产生积极的作用。
1人工智能技术概述1.1人工智能技术概念现代科学技术高速发展，计算机技术水平得到全面提升，其广泛应用到人们的工作与生活中，而计算机是人类智能活动的重要工具之一，取代传统人类手工生产方式，是科学技术发展之下的产物。
计算机技术的高水平发展，让计算机设备广泛应用到实践中，对于人类智能技术的发展产生积极作用。
人工智能是人类智能行为，根据智能生活发展的规律，通过计算机编写出特定的程序代码，可以有组织、有计划的完成各项人类活动。
利用计算机建立人工智能系统，以帮助人们完成各种特定的行为。
人类智能化技术是利用计算机技术研发和使用，进行智能行为模拟分析。
人工智能技术的高速发展，智能化系统水平不断提高，可以模拟人类的行为。
在人工智能技术的合理应用，应用到建筑工程估算分析，实现应用效果的提升。
从这些方面出发，人工智能技术应用到建筑工程项目造价管理中，落实监督管理措施，促进估算数据精度的提升。
人工神经网络技术在材料科学中的应用
人工神经网络技术在材料科学中的应用人工神经网络技术在材料科学中的应用1、用人工神经网络方法实现材料设计与优化1.1材料设计简介“材料设计”的设想始于20世纪50年代，其目的是通过理论设计来“订做”具有特定性能的新材料，按生产要求“设计”最佳的制备和加工方法。
20世纪80年代以来，解决这类问题的条件渐趋成熟，初步成果日益增多。
今天，研究者已处在应用理论和计算来“设计”材料的初期阶段。
1.2材料设计的范围材料设计的范围包括材料的制备到试用的整个过程。
从实用出发，制成的材料必须通过实用的考验，而实用系统（如航天飞机、可控热核反应炉）的设计要以材料能达到的性能为依据，材料的性能依赖于材料的结构（包括使用过程中的结构变化），而为了制备预定结构的材料，又必须设计出该材料的制备方法。
1.3材料设计专家系统材料设计专家系统是指具有相当数量的与材料有关的各种背景知识，并能运用这些知识解决材料设计中有关问题的计算机程序系统。
在一定范围和一定程度上，它能为某些特定性能材料的制备提供指导，以帮助研究人员进行新材料的开发。
材料设计专家系统大致有以下几类：（1）以知识检索、简单计算和推理为基础的专家系统；（2）以计算机模拟和运算为基础的材料设计专家系统；（3）以模式识别和人工神经网络为基础的专家系统。
1.4利用材料数据库和知识库辅助材料优化设计此设计的典型例子是日本三岛良绩和岩田修一等建立的计算机辅助合金设计系统。
该系统任务是为未来的可控热核反应炉设计和选择材料。
在大型计算机中储存了各种与合金设计有关的信息，其中包含各种元素的基本物理化学数据，合金相图，合金物性的各种经验方程式，各类合金体系的实验数据，各种合金的性能、用途以及有关文献目录等。
步骤如下：（1）输入对材料性能的要求；（2）检索材料信息，找寻符合要求的资料；（3）计算所选材料的性质；（4）在计算性质的基础上找寻指标高的未知材料，将预报点规定为初步选定材料；（5）应用演绎法、归纳法和数据库中的资料，试图改善初步选定材料的性能，以推荐最终选定的材料；（6）计算最终选定材料的性能。
建筑工程造价中BP神经网络的有效应用
建筑工程造价中BP神经网络的有效应用摘要：本文通过对BP神经网络在我国运用现状的分析，对BP神经网络的结构作了介绍和举例说明，提出了建筑工程造价中神经网络的重要作用，以及为有效地将神经网络运用到建筑工程造价中提出一定的建议。
关键词：建筑；工程造价；BP神经网络；应用一、神经网络在建筑工程中的运用现状目前，我国社会经济的发展越来越快，城市化进程也在不断加快,诸如地铁工程的建设也已经成为我国城市基础设施的一项重要发展领域。
可是,我国工程建设资金条件还比较短缺,建筑工程高昂的造价限制了大部分城市的地铁等工程的发展。
所以,如何采取有效的措施来降低地铁工程造价,越来越成为加快工程建设的首要课题。
在建筑工程造价管理中,关于可行性研究阶段的造价估算对于项目的决策和工程造价的控制起着至关重要的作用,因此研究该阶段的造价估算方法具有重要的现实意义。
最近几年来,人工神经网络凭借其强大的学习、联想以及自适应能力被广泛地应用在工程造价估算领域当中。
许多相关研究成果也应运而生，很多学者通过大量查阅与深入研究国内外建设工程造价估算方法，并针对不同工程造价的特点,提出将BP神经网络结合的工程造价估算模型。
第一,利用模糊数学方法对工程造价估算样本进行筛选,从而提高工程造价估算模型的准确度；第二,综合分析不同建筑工程的主要特征,然后将这些特征与它的工程造价相联系,构建出基于BP神经网络的建筑工程造价估算模型。
在实现模型方面,利用相关语言对模型进行训练与仿真测试,并运用工程实例进行验证,最后结果表明了，该模型具有较好的泛化能力,并且能够比较准确地估算建筑工程的造价。
二、BP神经网络模型结构1、网络结构人工神经网络系统，即模拟人脑中神经元的工作原理的一种方法。
一个典型的生物神经元都具有称之为树突的部分，树突从细胞体中伸到其它神经元，在突触的联结点上接受信息，接着将这些信息累加起来。
如果细胞体中累加的激发信息超过了某一阀值的时候，细胞就会被激活，那么，该细胞的轴突部分就会向其他神经细胞发出相应的信息。
基于人工神经网络的工程估价预测应用研究
基于人工神经网络的工程估价预测应用研究摘要：在建筑工程估价中，人们利用传统的计算工具来计算工程造价，已经不能适应信息化迅速发展的时代，人们迫切需要一种新的方法来代替原来的传统的计算方法。
一个有经验的预算师或者估算师，根据某个工程的类别、特征，参照已建工程的数据资料，运用某种方法就能较准确地计算出该工程的造价，误差比较小，这种专家的大脑思维方式值得我们学习。
本文引入人工神经网络中的bp网络模型，介绍该模型工程估价的计算过程，指出该模型可对不同情况的工程造价进行合理的预测，并能取得良好地效果，为工程估价带来巨大变化。
关键词：工程估价人工神经网络 bp网络估价预测中图分类号：tn711文献标识码：a 文章编号：1 前言随着信息技术的日新月异，工程造价的传统管理方式已经跟不上时代的发展。
工程造价管理信息化作为建设工程领域信息化的一个重要组成部分，将在工程造价管理活动中发挥重要作用，成为工程造价管理活动的一个重要支撑，并主导未来工程造价管理活动的发展方向。
在工程造价信息量急剧增加且不断变化的过程中，工程造价管理信息化面临着挑战与创新，急需运用一种新的估价方法来替代传统的估价方法，来打破传统估价方法存在的种种弊端。
人工神经网络是一种应用类似于大脑神经突触联接的结构进行信息处理的数学模型。
在工程与学术界也常直接简称为神经网络或类神经网络。
神经网络是一种运算模型，由大量的节点（或称神经元）和之间相互联接构成。
近几年，它开始被广泛应用于建筑工程领域。
由于它分布式存储、并行处理和自适应学习的特点，可以直接使用样本数据实现输入层与输出层之间的非线性映射，而不需要建立精确的计算方程，非常适用于难以建立数学模型但易于收集学习样本的问题。
目前，一些学者和工程设计人员尝试运用神经网络方法进行结构的初始设计、结构优化及结构选型等工作，取得了满意的效果。
传统的工程估价参考以往类似的工程数据，运用一定的模型进行计算，这种方法要考虑到诸多复杂因素的影响，以及运用传统的工具计算关联性不强，这些工具基本上都局限于各自狭小的功能范围，缺乏连贯性和整体关联性，解决的问题都比较单一，也就是比较的静态，这些缺点的存在，使得计算出的数据难以达到人们满意的精确程度，所以对以后的工程应用参考价值不大。
改进的BP算法在建筑工程造价估算中的应用_孟庆款
《工业控制计算机》2013年第26卷第10期摘要建筑工程造价估算是项目可行性研究阶段的重要内容。
研究了工程造价及其影响因素之间复杂的非线性关系，改进了人工神经网络BP 算法，在此基础上建立建筑工程造价估算模型。
为了验证模型的正确性，收集了莱芜市20个典型建筑工程项目，并选取其中18个作为训练样本，2个作为测试样本，运用MATLAB 建模分析，测试结果表明，预测精度与实际值偏差不大，精度满足要求。
神经网络在工程造价估算方面具有良好的发展前景。
关键词：工程造价估算，人工神经网络，估价模型，BP 算法AbstractThe complex nonlinear relationship between engineering cost and its influencing factors is studied and the artificial neural network BP algorithm is improved in this paper,besides,the construction engineering cost estimation model is estab-lished according to the study above．An example is included in this paper in order to verify the correctness of the model．This paper select 20typical construction project in Laiwu City．By using 18of them as training samples and the rest as test samples with the help of MATLAB software programming analysis,get a satisfying result．Keywords :engineering cost estimation,artificial neural network,valuation models,BP algorithm传统的BP 神经网络算法通常具有学习速度慢、易陷入局部极小值等缺点，降低了其适应能力。
基于人工神经网络的钢材价格预测
基于人工神经网络的钢材价格预测自改革开放以来，中国钢材市场规模不断扩大、市场活跃度不断增强。
近几年来，钢材价格的波动性问题也日益突显，给钢材行业的生产经营者和消费者带来了不利的影响。
据此，在对价格预测方法研究的基础上，构建了时间序列的BP神经网络预测模型，通过对钢材价格的实证研究，对钢材价格变化的预测得到了良好的效果。
标签：人工神经网络；价格预测1 引言中国是钢铁大国，钢铁产业在我国市场经济体系中占有重要的地位。
中国的钢铁产业仍在稳步的前进，但是在发展的过程中也遇到了挑战。
由于国际间贸易额的不断增长以及产业结构的不断调整，加之国内国外复杂的环境，我国钢铁产业供求失衡、价格波动等情况时有发生。
钢铁价格的下降，造成企业获利空间明显下降，人们也认识到钢铁价格预测的必要性。
对钢铁产品价格较准确的预测能帮助钢铁企业把握市场先机，合理控制生产，提高经济效益。
2 价格预测方法研究随着社会的不断向前发展，针对商品价格进行预测的活动越来越广泛，价格预测研究已得到了一定的成果。
根据价格预测原理不同，大致可分为定性预测、定量预测和智能预测方法。
2.1 定性预测方法所谓定性预测方法，是指人们凭借知识和经验，在对现有信息分析的基础之上，对未来的发展趋势做出大致的判断。
常见的定性预测方法有德尔菲法、主观概率法、情景预测法等。
2.2 定量预测方法定量预测法是根据已经掌握的比较详备的统计数据，通过科学的方法对数据进行加工与处理，借以揭示有关变量之间的联系，对事物未来发展变化情况做出预测和推测。
常见的有时间序列预测法和因果关系预测法两大类。
2.3 智能预测方法所谓的智能预测方法就是运用智能信息处理的理论与方法，进行信息分析预测的体系。
近几年在价格预测方面，应用比较广泛的智能方法有人工神经网络、遗传算法、粗糙集、小波分析等。
登文，蒋红妍等（2010）将人工神经网络应用于建筑材料的预测中，对未来的价格预测做出预测，取得了很好的效果。
神经网络在建筑设计中的应用有哪些
神经网络在建筑设计中的应用有哪些在当今科技飞速发展的时代，神经网络这一前沿技术正逐渐渗透到各个领域，建筑设计也不例外。
神经网络为建筑设计带来了全新的思路和方法，极大地拓展了设计师的创作空间和可能性。
首先，神经网络在建筑形态生成方面发挥着重要作用。
传统的建筑设计往往依赖设计师的经验和直觉，通过手绘、模型制作等方式来探索建筑的形态。
而神经网络可以基于大量的建筑数据进行学习，从而能够生成新颖独特的建筑形态。
例如，通过输入特定的设计要求，如场地条件、功能需求、建筑风格等，神经网络模型可以快速生成多个初步的建筑形态方案。
这些方案可能是设计师从未想到过的，为他们提供了全新的灵感和选择。
其次，在建筑性能优化方面，神经网络也表现出了强大的能力。
建筑的性能包括采光、通风、能耗等多个方面，这些因素对于建筑的舒适度和可持续性至关重要。
神经网络可以通过模拟和分析不同的设计参数对建筑性能的影响，帮助设计师找到最优的设计方案。
比如，在采光优化方面，神经网络可以预测不同窗户位置、大小和形状对室内光照分布的影响，从而指导设计师进行合理的窗户设计，以最大程度地利用自然采光，减少人工照明的需求，降低能耗。
再者，神经网络在建筑结构设计中也具有很大的应用潜力。
建筑结构的安全性和稳定性是设计中必须考虑的关键因素。
传统的结构设计方法可能需要大量的计算和反复的验证，而神经网络可以快速评估不同结构方案的可行性和可靠性。
它能够学习和理解复杂的结构力学原理，并根据输入的建筑形态和荷载条件，预测结构的受力情况，为结构工程师提供有效的设计建议。
另外，在建筑材料选择和成本估算方面，神经网络也能提供有价值的帮助。
建筑材料的种类繁多，性能各异，价格也不尽相同。
神经网络可以根据建筑的设计要求和预算限制，推荐合适的材料组合，并对建筑成本进行较为准确的估算。
这有助于设计师在保证建筑质量的前提下，控制成本，提高项目的经济效益。
而且，神经网络还能够辅助建筑空间布局的设计。
神经网络方法在钢筋混凝土工程估价中的应用
神经网络方法在钢筋混凝土工程估价中的应用引言钢筋混凝土工程估价是建设项目中的重要环节之一，它对于工程投资和成本控制具有关键作用。
传统的估价方法往往依赖于专业人员的经验和主观判断，存在估算偏差大、效率低等问题。
随着人工智能技术的发展，神经网络方法逐渐应用于估价领域，极大地改善了估价的准确性和效率。
本文将介绍神经网络方法在钢筋混凝土工程估价中的应用，并探讨其优势和挑战。
神经网络方法概述神经网络是一种模仿生物神经系统结构和功能的数学模型，由多个神经元相互连接而成。
神经网络具有自学习和适应性强的特点，可以通过对大量数据的学习和训练，自动识别模式和规律，并用于预测和决策。
神经网络方法在钢筋混凝土工程估价中的应用数据集准备神经网络方法在钢筋混凝土工程估价中的应用首先需要准备大量的数据集，包括工程特征参数、材料性能数据、工时和成本等信息。
这些数据将作为神经网络训练的依据，用于建立估价模型。
特征参数提取在钢筋混凝土工程估价中，需要考虑多个特征参数，如工程规模、结构形式、材料类型、施工难度等。
神经网络可以通过多层次的特征提取和组合，自动学习并识别这些特征的重要性和相互关系。
训练和优化将准备好的数据集输入到神经网络中进行训练和优化。
神经网络通过不断调整连接权值和阈值，使得输出结果与实际成本尽可能接近。
训练过程包括前向传播和反向传播两个阶段，通过反复迭代来提高神经网络的性能。
预测和估价训练好的神经网络模型可以用于预测和估价。
通过输入工程的特征参数，神经网络能够输出一个与实际成本相对应的估价结果。
相比传统的估价方法，神经网络方法更加准确和高效。
神经网络方法的优势神经网络方法在钢筋混凝土工程估价中具有以下优势： 1. 高度自适应：神经网络能够自动学习和调整模型的参数，适应不同类型和规模的工程估价任务。
2. 高准确性：神经网络通过大量的数据学习和训练，能够识别模式和规律，提高估价的准确性。
3. 高效性：神经网络方法可以并行处理多个任务，并能够实时地进行预测和估价，提高估价的效率。
人工神经网络在建筑管理中的应用
人工神经网络在建筑管理中的应用浙江省杭州市 310000摘要：建筑管理是一个复杂的系统工程，包括施工、维护、运营等多个环节，需要大量的数据进行分析和处理。
人工神经网络是一种模仿人类神经系统的计算模型，可以对大量数据进行学习和处理，因此在建筑管理中有着广泛的应用。
本文主要介绍了人工神经网络的基本原理和应用方法，探讨了人工神经网络在建筑管理中的应用前景和优势。
研究结果表明，人工神经网络可以有效地解决建筑管理中的问题，提高建筑管理的效率和质量，具有重要的应用价值。
关键词：人工神经网络；建筑管理；数据分析；智能化；效率提升引言：建筑管理是一个复杂的系统工程，包括施工、维护、运营等多个环节。
在建筑管理中，需要大量的数据进行分析和处理，以提高管理效率和质量。
随着计算机技术和数据分析方法的不断发展，人工神经网络成为了建筑管理领域的研究热点。
人工神经网络是一种模仿人类神经系统的计算模型，具有学习、自适应和泛化能力。
它可以对大量数据进行学习和处理，从而解决建筑管理中的复杂问题，提高管理效率和质量。
一、人工神经网络的基本原理人工神经网络是一种模仿人类神经系统的计算模型，由大量的神经元和连接组成。
它可以对大量数据进行学习和处理，从而解决复杂的问题。
（一）神经元的基本结构神经元是人工神经网络的基本单元，它由输入、输出和权重三部分组成。
神经元接收多个输入信号，通过权重进行加权和，经过激活函数处理后输出一个结果。
一个神经元的基本结构包括输入信号 x1、x2、x3、...、xn、权重 w1、w2、w3、...、wn 和激活函数 f(x)。
其中，输入信号和权重的乘积之和即为神经元的激活值，可以表示为：a=激活函数 f(x) 用于将激活值转化为神经元的输出值 y，通常选择 sigmoid 函数、ReLU 函数、tanh 函数等。
sigmoid 函数的数学表达式为：f(x)=1/1+e−xReLU 函数的数学表达式为：f(x)=max(0,x)tanh函数的数学表达式为：f(x)=（e x+e−x）/e x−e−x（二）神经网络的基本结构人工神经网络由多个神经元组成，可以分为输入层、隐藏层和输出层。
人工神经网络在建筑工程造价预算中的应用
人工神经网络在建筑工程造价预算中的应用摘要：科学技术的快速发展带动我国整体经济建设发展迅速，在建设工程发展中，工程造价预测是造价管理的基础，在实际应用中有非常重要的意义。
在实务中，造价工程师主要依据行业和地区的消耗量定额，通过测算拟建项目的人材机等消耗量，结合人材机单价情况，估算房屋建筑工程造价。
关键词：人工神经网络；建筑工程造价预算；应用引言时代的进步，科技的发展使我国建筑行业有了新的发展空间和机遇，建筑工程造价预算对企业来说至关重要，其造价预算的准确性直接影响到建筑企业的利润率。
影响建筑工程造价准确性的一个重要因素是建筑材料的价格波动，采用人工神经网络开展建筑材料价格的预测。
1人工神经网络神经系统广泛存在于人和动物等生物体内，能够为生物提供外界环境识别、记忆、逻辑分析等功能。
利用仿生学，McCulloch和Pitts两位学者最早在1943年提出了人工神经网络的概念，他们将生物的神经系统抽象成“M-P神经元模型”，这一模型由大量具有计算功能的神经元节点连接组成，每一个节点模拟神经元的电信号传播，其输出由激活函数(activationfunction)来实现，神经元节点之间通过一定的权值来连接。
利用这一模型，人工神经网络在优化问题、信号处理、大数据处理、图像识别、人工智能等领域逐渐获得了广泛地应用。
到了20世纪80年代，Rumelhart首次提出了反向传播算法(BackPropagation)，针对这种算法建立的神经网络又被称为BP神经网络系统。
BP神经网络系统是以误差信息逆向传播为基础的多层前馈神经网络系统，由输入层、输出层及隐含层构成，经过数学分析可以证明，一个具有三层深度的BP神经网络能够以任意精度逼近一个连续函数，且该网络具有结构简单、容易编程、计算精度高的优点，从而得到了广泛的应用，也为后续人工神经网络的构建提供了理论基础。
BP神经网络算法整体上可以分为前向传播和后向传播，其中，信号的前向传播依次经过输入层神经元、隐含层神经元及输出层神经元。
(建筑工程管理)神经网络方法在钢筋混凝土工程估价中的应用
（建筑工程管理）神经网络方法在钢筋混凝土工程估价中的应用神经网络方法在钢筋混凝土工程估价中的应用摘要：在发展中国家，神经网络方法能够为混凝土工程的造价分析提供壹种指导性的工具，以克服各种变化因素已经主观因素的影响。
本文中，提出3中神经网络方法来评价壹个发展中建筑市场里模板工程、钢筋工程以及混凝土工程的生产率。
18名专家被分在6个项目中手机数据，92项数据被收集用于分析。
应用了商业软件进行神经网络的计算。
处理过的数据被用于建立、训练、检验神经网络。
神经网络产生的框架显示出足够的收敛性已经相对较强的普遍适用性。
当对输入数据进行敏感性分析时，本框架也能对变化趋势的做出很好的表示。
关键词：神经网络；混凝土；生产率；计算机辅助；发展中国家；项目管理前言投资估算对于顺利完成建设工程项目是很必要的内容。
对建筑工程的估算能够分为对直接费用、间接费用、不确定费以及利润等。
直接费用包括材料费、人工费和机械费。
直接费是指构成工程实体的各项费用，它由各项定量指标和定性指标构成。
定量因素包括单位材料价格、单位人工工资、单位设备租赁费用和折旧。
定性因素更难确定，包括各种生产率以及建设风险等。
有经验的估价师依靠他们的经验对定性因素做出判断。
而相对缺少经验的估算师则能够通过工具来组合各种不确定因素。
神经网络方法是通过模仿人脑的功能，像人脑壹样，通过对以往的学习，对数据做出归纳和总结。
数据网络在建设工程方面得到很多的应用。
Portas和Abourizk（1997）设计了壹套神经网络系统对梁、板、墙工程中模板的生产率进行分析。
Sonmez和Rowings（1998）发展了对模板组装、混凝土浇捣、凝固过程的估算。
Arditi和Tokdemir（1999）试图用神经网络预测建筑工程诉讼的结果。
Alsugair和Al-Qudrah（1998）则用神经网络决定公路的翻新和否。
Hegazy 和Ayed（1998）则用神经网络对高速公路进行估价。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
包人 与承包人签订 的合 同中， 对材料价格上涨的 处 理 主要有 两种 方式 ， 一 是材 料价 格完 全不 调整 ； 二是 对 材料 价格 有 限度地 调整 ｊ 。所谓 材 料 价
Ｄ１ … ｍ … ０
价风险由承包商承担 ， 而 限额 以外的涨 价风险由 业主承担 ， 这种调价方式充分体现了风险分担 的
原则 ， 因而在项 目上被 普遍 采用 。不 管 哪种方 式 ， 承 包 商都要 承 担 一 定 的材 料 涨 价 风 险 ， 如果 承 包 商 在 投标 时 ， 能充分 了解市 场行 情 ， 并 能准 确 预测 出未来 的价格 走 势 ， 无 疑 对 提 高 中标 的 可能 性 以 及 中标 后 的获利 能力 有 较大 的 帮助 。通过 检
格不 调 整 ， 顾 名 思义 ， 是 指在整 个施 工期 间所有 材 料都 不 因市 场价 格 上 涨 而 作 出调 整 ， 故 承 包 商 承
组织与 自 适应性特征 以及较强的非线性映射和泛 化能力 ， 特别适合解决市场预测问题 。
担了材料价格上涨的风险。材料价格有限度地调 整是指在工程施工期间 ， 当材料价格波动达到一 定幅度时， 如上涨部分超过报价 的 １ ０ ％或 １ ５ ％，
一
０ ‘
其中 为输入层到隐含层中第 个神经元 的权向
第３ ５ 卷 第１ 期
２ ０ １ ３ 年２ 月
武 汉理工大学 学报 （ 信息 与管理工程版 ）
Ｊ Ｏ Ｕ Ｒ Ｎ Ａ Ｌ Ｏ Ｆ ＷＵ Ｔ （ Ｉ Ｎ Ｆ Ｏ Ｒ Ｍ Ａ Ｔ Ｉ Ｏ Ｎ＆Ｍ Ａ Ｎ Ａ Ｇ Ｅ Ｍ Ｅ Ｎ Ｔ Ｅ Ｎ Ｇ Ｉ Ｎ Ｅ Ｅ Ｒ Ｉ Ｎ Ｇ ）
性 较 大 。笔者 另辟 蹊径 ， 着 重研 究 未 来 建 筑 材 料 的涨跌 对 当前投 标 报价 的影 响 ， 辅 助 决 策 者 进 行 正 确决 策 。之所 以选择 Ｂ Ｐ神 经 网络 预测 建 筑 材 料 价格 走 势 ， 是 因为 Ｂ Ｐ神 经 网络 具有 自学 习 、 自
测是合理报价并确保 中标 的重要前提 ， 也是确保 企 业盈 利 的关 键一 环 。工程 项 目的施 工周 期一 般
作者简介 ： 欧 阳红祥 （ １ ９ ６ ９ 一） ， 男， 湖北汉川人 ， 河海大学商学院讲师 ； 博士研究生
基金项 目： 国家 自然科学基金资助项 目（ ７ １ １ ０ ２ ０ ７ ２ ） ．
１ １ ６
武汉理工 大学学报 （ 信息与管理工程版 ）
＿ ，忱，
１ ． ０
２ ０ １ ３年 ２月
（ １ ． 河海大学 商学 院， 江苏 南京 ２ １ ０ ０ ９ ８ ； ２ ． 金 桥房地 产开发有限公 司 ， 江苏 常州 ２ １ ３ ０ ０ ０ ）
摘
要： 在分析未来 材料 涨跌 对施工利润影响 的基础上 ， 提 出以材料 的历史价 格信息 为样本 ， 借助 Ｂ Ｐ神
经 网络 预测 材料 价格的模型 。案例表 明 ， 该模型具有较强 的非线性 映射能力 和容错能 力 ， 可成为建筑 企业投 标报价 时正确 预测材料价格走势 的可靠方法 。 关键词 ： 人工神经 网络 ； 材料价格预测 ； 投标报价
对超 过 的部 分 进 行 调 整 。因 此 ， 限 额 内的 材料 涨
１ Ｂ Ｐ神经 网络模型
１ ． １ Ｂ Ｐ神 经 网络 结构
采用 Ｂ Ｐ算法 的多层感知器 ， 简称 Ｂ Ｐ神经网 络， 是迄今为止应用最广泛 的神经网络之一 ， 尤其
以 ３层感 知器 应 用 最 为 普 遍 。３层 Ｂ Ｐ神 经 网络 的结 构 如 图 １所示 。
Ｖｏ １ ． ３ ５ Ｎ ｏ ． １ Ｆ ｅ ｂ ． ２ ０ １ ３
文章编号 ： ２ ０ ９ ５— ３ ８ ５ ２ （ ２ ０ １ ３ ） ０ １ — ０ １ １ ５— ０ ４
文献标志码 ： Ａ
人 工神 经 网络在 建筑 材 料 价 格 预 测 中的应 用
欧 阳红祥 ， 李 欣 ， 张信 娟
中 图分 类号 ： Ｆ ２ ８ ４ Ｄ Ｏ Ｉ ： １ ０ ． ３ ９ ６ ３ ／ ｊ ． ｉ ｓ ｓ ｎ ． ２ ０ ９ ５— ３ ８ ５ ２ ． ２ ０ １ ３ ． ０ １ ． ０ ２ ９
建筑 工程 中材 料 费 的高低对 工 程造 价有 时起
标， 如基 础 类 型 、 基底标高、 工程 类 别 、 层数、 层 高
决定性的作用… 。面对建 筑市场 激烈竞 争 的形
势， 投 标人 做好 工 程 编 标 前 的 材 料 价格 调 查 与 预
和建筑面积等 ， 选取一定 的样本 ， 训练 Ｂ Ｐ神经 网 络， 将主要特征指标值映射到造价指标 ， 从而可实 现工程造价的快速预 测 ； 其不足之处在于特 征指标 的选取 不 统 一 ， 且 特 征 指标 的定 量 化 随 意
在 上 述 ３层 感 知 器 中 ， 输 入 层 输 入 向量 为
Ｘ＝（ ， ， …， Ｙ＝（ ｙ ， Ｙ ， …，
一， ） ， 隐含 层 输 出 向 量 为 一， Ｙ ） ，输 出层 输 出 向量 为
一
Ｏ＝（ ｏ ， ｏ ， …， ｏ ， …， ｏ ） 。输 入 层 到 隐 含 层 的 权值 矩 阵 用 表 示 ， ：（ １ ， ｌ ， ２ ， …， Ｖ 一， Ｍ ） ，
输出层
隐含层
ห้องสมุดไป่ตู้
索《 中国期刊全文数据库 》 发现 ， 关于神经网络在
建筑材料价格预测中的应用研究成果较少 。大多
ｌ ２ … ， … ＸＮ． Ｉ
输入层
数文献侧重于 以建 筑结构参数作 为主要特 征指
图１ ３层 Ｂ Ｐ神经 网络结构
收稿 日期 ： ２ ０ １ ２－ ０ ９－ ０ ８ ．