基于BP神经网络的建筑工程承发包价格预测

文章编号:100926825(2008)0620008203基于BP 神经网络的建筑工程承发包价格预测收稿日期:2007210230作者简介:闫文周(19622),男,硕士生导师,教授,西安建筑科技大学管理学院,陕西西安　710055张建新(19812),男,西安建筑科技大学管理学院硕士研究生,陕西西安　710055闫文周　张建新摘　要:通过分析已有的承发包价格预测方法,选取BP 神经网络对承发包价格发展变化进行预测,并建立基于BP 神经网络的建筑工程承发包价格预测模型,以西安市砖混结构住宅为例,证明了该模型具有很好的实用性和可操作性。

关键词:BP 神经网络,承发包价格,预测中图分类号:TU723文献标识码:A引言建筑工程承发包价格管理关系到国家建设资金的合理利用,关系到维护建筑市场的秩序以及承发包双方的合法权益,是国家有关主管部门和建筑各方都非常关心的问题。

因此,研究建筑工程承发包价格的发展变化规律,从而制定和预测科学的建筑工程承发包价格已成为建筑市场上各利益主体的迫切需求。

目前,可用于承发包价格预测的方法很多,比如回归分析法、因果分析法以及灰色系统等各种预测方法。

预测方法的选择直接关系到预测目标的实现和预测结果的精确程度,因此必须结合建筑工程承发包价格自身的特点来选择合适的预测方法。

文中选择BP 神经网络进行承发包价格预测。

1　建筑工程承发包价格影响因素确定影响承发包价格的因素复杂、多变,要将所有因素都进行分析研究是困难的。

但是可以认为在一段经济、政治比较平稳时期,承发包价格的变动是由一些基本因素决定的。

为了对建筑工程承发包价格预测研究,选择的因素有:1)人工单价:为了使人工单价可以对比,便于统计和计算,采用综合工日单价进行统计计算;2)钢筋价格:采用的钢材价格是螺纹钢年平占总灾害点数的60.5%,千枚岩具有独特的千枚状构造,且易于风化,风化后松脆,最容易导致地质灾害的发生。

2.5　地质灾害诱发因素清楚,宏观前兆明显,可预防性较强在地质灾害的控制与影响因素中,当地形地貌、地层岩性、地质构造、斜坡类型等集结到一定程度后,降雨和人类工程活动则成为其最活跃的诱发因素。

由调查得知,所发生的地质灾害都或多或少与人类工程活动有关,农户耕种、采矿、修路及城镇建设等,破坏了境内地质环境,导致地质灾害频繁发生。

所调查的76处滑坡中,47处与人类开挖坡脚及破坏植被诱发有关,18处与水库蓄水有关,11处与人类的不合理开采有关。

地质灾害发生前常有某些易为人类感知的斜坡变形或其他伴生现象(后缘张拉和前缘鼓起、变形破坏的声音、房屋窑洞裂缝等)[5]。

3　结语1)地质灾害的发育具有点多面广的特点,但灾害规模以小型为主,其中滑坡、崩塌、不稳定斜坡占总灾害点的89.5%,发生的斜坡类型以风化堆积层为主。

2)地质灾害发育具有群发性特点,在空间上可见明显的三个发育密集的灾害分布群。

3)地质灾害多在志留系千枚岩地层中且海拔600m ～900m 发育。

4)地质灾害主要因暴雨、人类工程活动诱发所致,因此只有增强大家防灾减灾意识,规范人类工程活动,杜绝不合理的工程活动,才能有效地避免和控制地质灾害的发生。

参考文献:[1]张茂省,校培喜,魏兴丽.延安市宝塔区崩滑地质灾害发育特征与分布规律初探[J ].水文地质工程地质,2006(6):72279.[2]白云峰,周德培.武隆至涪陵乌江两岸地质灾害发育特征[J ].自然灾害学报,2005,15(5):7211.[3]张春山,张业成,马寅生,等.黄河上游地区地质灾害分布规律与区划[J ].地球学报,2003,24(2):1552160.[4]许丁丁.地质灾害的研究现状[J ].山西建筑,2006(11):68269.[5]伏永朋,常　宏,李　逵.湖北省谷城县地质灾害易发程度分区评价[J ].地质调查与研究,2007,30(1):70275.[6]韩金良,吴树仁,李东林,等.秦巴地区地质灾害的分布规律与成因[J ].地质科技情报,2007,26(1):1012108.The geological disease develop characters of one county in the province of SichuanZHANG Yi L IN H ao 2pingAbstract :It introduces the environment general situation in geological disease generating area ,analyses the characters ,develop character and the reasons of geological disease ,and puts forward that it is relative express of the macroscopic precursor of the generation of geological disease in the area ,and the prevention if strong and it can supplies reference to decrease the fire.K ey w ords :geological disease ,geological environment ,develop character・8・第34卷第6期2008年2月 山西建筑SHANXI ARCHITECTURE Vol.34No.6Feb.　2008 均价格;3)水泥价格:以普通硅酸盐325水泥的平均价格作为研究对象;4)木材价格:采用东北松原木的平均价格;5)红砖价格:采用机制红砖的平均价格;6)玻璃价格:采用的是δ=3的开片平板玻璃的平均价格;7)陶瓷价格:采用300×300的地砖半瓷的平均价格;8)防水材料价格:采用4mm 厚的聚酯胎SBS 防水卷材的价格。

2　建筑工程承发包价格BP 神经网络预测模型的建立2.1　BP 神经网络结构的设计BP 神经网络结构的设计,其实就是层数的确定和各层神经元个数的选择。

一般只有一个输入层和一个输出层。

输入层的神经元个数由建筑工程承发包价格的影响因素数量确定,根据分析,输入层的神经元个数为8。

以建筑工程承发包价格作为网络的输出,其神经元个数为1。

1989年Robert Hecht 2Nielson 证明了对于任何在闭区间内的一个连续函数,都可以用一个隐含层的BP 网络来逼近[4],因而隐含层数确定为1。

隐含层节点数可通过经验公式:N h =N 1+N 0+a 确定为12个。

其中,N h 为隐含层节点数;N 1为输入层节点数;N 0为输出层节点数;a 为调节常数,在1～10之间取值[3]。

所以BP 网络的结构为:821221,即8个输入节点,12个隐节点,1个输出节点的BP 神经网络。

2.2　激活函数的选择一般情况下,隐含层使用Sigmiod 激活函数(如对数Sigmiod 函数和正切Sigmiod 函数),输出层则是使用线性激活函数。

因为Sigmiod 函数具有非线性放大系数功能,它可以把输入从负无穷大到正无穷大变换成-1～1之间输出。

对较大的输入信号,放大系数较小;而对较小的输入信号,放大系数则较大[5]。

因此,Sig 2miod 函数可以用来处理和逼近建筑工程承发包价格和影响因素之间的非线性关系。

线性激活函数可以保证网络的输出取任意值,因此符合承发包价格预测的需求。

对数Sigmiod 传递函数的激励作用使得隐层节点和输出层节点的输出限制在(0,1),当研究对象特性在正负区间变化时,采用对数Sigmiod 传递函数作为激活函数的神经网络,不能映射对象在负区间特性的变化,失去了以任意精度逼近非线性函数的特性。

因此,隐含层的激活函数选用正切Sigmiod 传递函数,该函数具有收敛误差小的优点,其表达式为:f (x )=1-e -x1+e -x,在Matlab神经网络工具箱中对应函数为tansig 。

输出层的激活函数采用纯线性传递函数,其表达式为:f (x )=x ,Matlab 神经网络工具箱中对应函数为purelin 。

2.3　BP 网络创建及训练在确定了BP 网络的结构和各层的激活函数之后,利用Mat 2lab 神经网络工具箱中的工具建立建筑工程承发包价格预测的BP 神经网络。

采用newff 函数生成BP 网络。

在BP 神经网络的训练算法中,都是通过计算性能函数的梯度,在沿负梯度方向调整权值和阈值,从而使性能函数达到最小。

Matlab 神经网络工具箱提供了多种训练函数,但是它们都是属于批处理模式的训练函数,它由函数train 触发。

这里选择动量批梯度下降函数(traingdm )进行训练,该函数在对权值和阈值更新时不仅考虑当前的梯度方向,而且还考虑了前一时刻的梯度方向,从而降低了网络性能对参数调整的敏感性,有效地避免了局部最小问题在网络训练中的出现[6]。

BP 网络创建及训练命令格式:net =newff (minmax (pn ),[12,1],{′tansig ′,′purelin ′},′traingdm ′)。

3　建筑工程承发包价格预测模型的应用3.1　建筑工程承发包价格因素数据收集整理及归一化以西安市砖混结构住宅为例,对建筑工程承发包价格进行预测研究。

根据西安市统计年鉴,1998年～2006年陕西建设工程材料信息价以及调研得到影响建设工程承发包价格因素的相关数据。

用Matlab 工具箱归一化命令premnmx 编写程序实现数据的归一化,样本数据归一化后分布在[-1,1]之间。

命令格式:[pn ,minp ,maxp ,tn ,mint ,maxt ]=premnmx (p ,t )。

3.2　建筑工程承发包价格预测模型训练及预测选用结构821221的BP 神经网络来建模,将西安市建筑工程承发包价格的影响因素作为网络的输入变量,建筑工程承发包价格作为网络的输出量。

用Matlab 语言编写程序来实现,BP 网络在经过4513次训练之后达到精度要求。

利用BP 神经元网络的预测模型,预测出西安市砖混结构住宅2005年,2006年承发包价格分别为800.59元/m 2和856.29元/m 2。

根据西安市某房地产公司提供的数据,2005年和2006年西安市砖混结构住宅平均承发包价格为792元/m 2和824元/m 2,与预测值相对误差分别为1.08%和3.92%(检验误差均在5%以内),说明模型预测具有良好的准确性,可进行下一步的预测。

3.3　建筑工程承发包价格的BP 网络预测以统计平均增长率的方法获得2007年～2010年各输入变量估计值(见表1)。