公路工程造价估算中模糊神经网络的应用
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：随着我国经济不断进步，城市化过程不断发展，人们对于各类型建筑的需求也在日益提升，建筑企业得到了蓬勃发展。
与建筑企业盈利水平密切的工程造价也逐渐成为企业广泛关注的热点和难点问题之一。
建筑工程造价是指建筑活动中企业的总成本，建筑工程造价的准确预算能够减小企业不合理的投入，控制项目的支出，实现企业利润的最大化。
关键词：人工神经网络；工程造价；预算管理；应用分析1人工神经网络内涵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，美国学者最早在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，美国学者首次提出了反向传播算法，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。
同层神经元之间各不相关，而且神经元的输入输出信号只能从低层神经元传递到高层神经元，其中神经元是否被激活则通过激活函数作为判断标准。
激活函数种类较多，总体要求是该函数具有连续可微的特性，以方便后续的求导工作。
后向传播将进行权重系数的修正，即开展误差修正，以提高神经网络预测的精确度。
基于神经网络的建筑工程造价估计
基于神经网络的建筑工程造价估计摘要；在建筑工程施工过程中，工程造价对工程的施工质量、施工进度都有着重要的影响。
随着神经网络技术的发展，在工程造价方面逐渐使用了神经网络。
在建筑工程施工过程中准确的工程造价对建筑企业经营有着重要的影响，因此，在施工前要对建筑工程造价进行估计，以便能准确的掌握相关的信息。
关键词；神经网络；工程造价；估计一、我国建筑工程造价管理现状1、建筑工程造价管理监督做得不到位新时期，我国建筑市场正在处于上升期，但是其造价管理监督工作做得不到位，加剧了市场上不公平的竞争。
目前一些建筑企业中不规则的现象屡见不鲜，主要表现为：建筑过程中压缩工期、压低造价、拖欠公款等，严重影响了工程的效益和质量。
值得关注的是，建设中超预算等浪费现象也很严重，严重威胁到了整体工程的收益。
2、缺乏对建筑成本的重视度建筑工程施工的成本直接影响着建筑企业的收益，建筑造价的管理工作主要就是针对成本进行有效管理。
因此，建筑企业的工作人员必须要认识到这个问题的重要性，在做成本预算时就要考虑其重要性，力图最大限度提高经济效益。
如果这个问题没有受到重视，势必会影响工程的整体经济利益，在实际的造价管理工作中这种现象是很普遍的，严重不利于社会资源的节约，也不利于我国建筑事业的快速稳定发展。
3、我国建筑工程造价管理的计价方式落后目前，工程造价模式是我国建筑工程当中所使用的主要计价模式，它主要是以定额计价为主，但是随着经济的日益发展，这种计价方式已经不能满足现代经济发展的需求，也不能适应现代工程预期造价的需求。
在当今激烈的市场竞争中，现行建设主管部门编制的工程预算定额仅仅适用于当前的社会平均水平，要想把企业的实际消耗和技术管理水平有效地反应出来是真正难以实现的，这在很大程度上不利于企业的公平竞争。
二、神经网络分析法工程项目造价估算的方法有许多种，其中最常用的有以下几种：人工神经元网络技术、数理统计、定额计算、自适应过滤技术、经验公式、灰色理论以及模糊数学等方法，这些方法中目前采用最多的是人工神经元网络技术。
工程造价估算模型种类及神经网络法应用
系， 实现从输入 状态空 间到输 出状 态空 间的非 线性 映射 。 另一 种运 行方 式是 演化式 ， 在这 种 网络 中输入 相 当于 初始态 ， 网络演化 的终态是 输 出。 种网络 类似 于一个 耗散 的非线性动 力 此 学系统 。 态空 间在 演化 中不断 收缩 ， 终收 状 最 缩 到一个 小的吸 引子集 ， 个吸 引子集 都有一 每 定的吸 引域 ， 能量 函数 是此类 网络的一个 基本
了应 用 分 析 。采 用 科 学 的 ， 简 便 的 而 又 准 确 的 遗 价 估 算 模 型 具 有 重 要 的 工 程 意 义 ，以确 保 工 程 投 资 及 控 制 目 标 的 顺 利 完 成 。 关键词 ：工程 靠价 估算模型 神经 网络 洪 中图分类 号 ： ２ Ｇ４ ０ 文献标 识码 ： Ａ 文章编 号 ： ６ ４ ９ ｘ（ ０ ９ Ｏ （） １ ７ １ １ ７ 一Ｏ ８ ２ ０ ） ８ ｃ一Ｏ ２ —０
量 。
块 。 用ｎ ｗｆ函数 可以用 来生 成Ｂ 网络 。 采 ｅ ｆ Ｐ 在 Ｂ 神经 网络生成和初 始化 以后 ， Ｐ 即可利用现有 的 “ 入～ 一 目标 ” 练 样 本 数 据 对 网络 进 输 训 行 训练 ， 网络 的训 练通 常采 用ｔａｎ ｒ ｉ 函数 来完 成 。 用 网络 仿真 模 块 和数 据 处 理模 块 。 Ｐ 利 Ｂ
２工程造价估算法种 类
目前 ， 国内 外 已 出现 的投 资估 算 方 法很 多 ， 要 有 最 小二 乘 回 归模 型法 、 数 测 算 主 指 法 、 程 系数 估算 法 、 程 建 设 概 算 指标 估 工 工 算 法 及模 糊 类 比估 算模 型 等 等 。 种方 法 均 每 有一定 的优缺 点和适用 范围 ， 最小二乘 回归模 型克服 了单位 面积 法的 缺点， 准确 性较 高 ， 但 其外推性 较差 ； 模糊 类比估算模 型优点 是准确 性较好 ， 模型建立起 来后 ， 计算较 为简单 ， 点 缺 是 隶属 系数 、 模糊 关 系 系数 和权 重系 数等 由 经验 确定 ， 并且要 求 不断调 整 ， 增加 了模型 建 立 的难 度 。 着模 糊数 学 理 论和 计 算 方法 的 随 发展 ， 这种 方法运用 于工程造价 测算具 有独特 的优 势 。 对待 建 工程 和 已建工 程 的相 似 程 可 序 进行定量化 研究和对 比 ， 从而快速 地利用 类 似 已建工程 的造价资料 ， 估算 出待 建工程造价 的方法 。 方法 的最 大 优 点是 能 在待 建 工程 此 还 处于图纸不全 的初步 设计 阶段时 ， 或在施工 图纸 比较 齐全的 阶段 ， 不必计算 分部分 项工程 量 ， 必套用概预 算定额 即可迅速而较 准确地 不 估算 出工 程造价 。 不过 此 方法也 有其 缺 陷 ， 就 是需要 建立起广泛 的信息来 源 ， 建立完 备的信 息数据库 和信息管理 系统 ， 这样 才能保证 估算
基于BP神经网络的估算模型在工程造价控制中的应用研究
基于BP神经网络的估算模型在工程造价控制中的应用研究摘要运用BP神经网络方法，对工程造价做了深入的探讨。
并对样本选取、特征因素确定及处理等关键问题进行了分析。
关键词BP神经网络；网络结构；工程造价人工神经网络具有广泛的适用性。
由于工程投资估算中影响工程造价的因素众多，工程投资与这些因素之间表现出一种高度非线性的映射关系，因此有些学者和工程人员尝试利用BP（Back Propagation）神经网络对工程造价的估算进行研究，利用BP神经网络可以精确的描述复杂非线性对象建模、计算或推理，试验发现采用BP神经网络可以获取影响工程造价的不确定因素和工程造价之间的内在非线性关系，从而实现对拟建工程项目的投资进行估算，以达到简化估算程序、提高估算准确率的目的。
1神经网络在造价估算工程中的优势采用BP神经网络进行工程造价估算，主要是因其具有结构简单、工作状态稳定、易于实现；具有分布储存和容错性特点，可以处理与训练集中相同的数据，同时可以处理不完整的数据；神经网络的信息处理时大规模高度并行的，大量的独立运算可以同时进行；神经网络作为一个高度非线性系统，能够获取系统中复杂输入变量的相互关系，从而可以快捷、准确的处理工程造价估算这类多因素、非线性的问题。
可见如果我们利用BP神经网络建立建筑物的工程特征与工程量或造价之间存在的映射关系，且在应用中对神经网络进行专门问题的样本训练，就能够将此类特征反映在神经元之间，如果将实际问题的特征参数输入后，神经网络输出端就能够快速、准确的进行工程造价的估算。
2基于神经网络的造价估算模型简介1）工程造价受多方面因素的影响，构成复杂，但是都是由部分组合而成的，基于BP神经网络的造价估算实际上是将造价问题看成一种数学映射，其关键就是可以高度逼近任意两个不同维空间的非线性映射。
因此，建立工程造价特性信息，并将这些数据赋予向量X=（x1，x2，…，xm），即可利用输入层和输出层之间的非线性映射，建立精确的计算方程，最后将具体的工程造价、主要材料用量作为神经网络的输出Y=（y1，y2，…，yn）。
基于BP神经网络的高速公路工程造价估算模型研究
果某特 征 由几种 类 目混合 构成 ， 可按 比例计 算其 加权 平 均值作 为 该特 征 的量化结 果 。 其 中房 建工 程价格 指 数是根 据 中华 人 民共 和 国国家 统 计 局 中 的 固定 资 产 投 资 价格 指 数 中 的房 建安 装 工程 价格 指数得 到 。该指 数反 映 当年房 建 实 体 的钢 材 、 材 、 泥 、 方材 料 （ 木 水 地 如砖 、 、 、 、 等 ） 瓦 灰 沙 石 、
１ Ｂ Ｐ神 经 网 络估 算 模 型 构 建
１ １ 高 速公 路造 价特征 因素定量 化描 述 ． 首 先确定 基础 类 型 、 构形式 、 筑层 数 、 结 建 门窗类 型 、 墙 装饰 、 体材 料 、 面组 合 等 ７种 主 要 因 素 外 墙 平
作 为高 速公路 收 费站房建 工 程特征 。建筑 工 程 的工程 特 征 有 不 同 的类 型 ， 结 构 可 以是 框 剪结 构 、 现 如 全 浇框 架结 构等 。基 础可 以是 片筏 基 础 或 砖 条 基 础 等 ， 这 些 为 特 征 类 目。根 据 列 举 的工 程 特 征 不 同类 称 目， 据具 体 的定额 水平 及相 应 的工程 特 征 对 于造 价 影 响 的相 关 性 引起 每平 方 米 造 价 的 改变 量 ， 低 到 依 从
中 图分 类 号 ： Ｕ ２ ． 文 献标 识码 ： Ｔ ７３ ３ Ａ 文章 编 号 ： ０ ５ ０ ７ （０ １ ０ — ０ １ ０ ２９ — ３３ ２ １ ）２ ０ ６ —４
Ｕ ５Ｉ 吾 我 国高 速公路 建设 中一 个 突出 的问题 是如 何控 制 和 降低公 路 工 程 的造 价 ， 中有 效 的措 施是 快 速 准 其 确 地估算 出工 程造 价 ， 以此作 为项 目立项 、 估 及 投 资 控制 的依 据 ¨ 。 高速 公 路 工 程 造价 的估 算 问 题 并 评 ｊ 已成为工 程造 价管 理 的核心 问题 ， 估算 造价 的方 法也 有 很 多 ， 近几 年来 出现 的新 方 式 归并 为 七种 类 型 ： 数
基于神经网络的公路工程造价快速估算方法
管 理体制 和计 价方式 与 国际惯 例接 轨 。随着公 路工
程 Ｂ Ｔ及总承 包 制 的 推广 ， 资 企 业 、 承 包 商 以 Ｏ 投 总
工程 的具 体特征 ， 照 以往 的工 作 经验 和 已建 工 程 参
的资料 数据 ， 快速 估算 出该公 路项 目的大致造 价 ， 而
及 政府部 门的投资决 策都 在公 路工 程 的前 期 工作 阶
Ｄ Ｎ ａ ｂｎ ，Ｑ Ａ ｏｈ ｎ ， Ｉ ｅ Ｅ Ｇ Ｈｕ ｎ ｉ Ｉ ＮＧ Ｍａ ｓａ ２ Ｌ Ｕ Ｋ
（ ． ｕ ｎ ｄ ｎ ｒｖｎ ｅＨ ｉｈ ｕｃｔ ｃｍｍｕ ｉａｉｎｂ ｒａ Ｈｕｚｏ Ｇ ａ ｇ ｏ ｇ５ ０ Ｃ ｉａ ２． ｓ — １ Ｇ ａ ｇ ｏ ｇｐｏ ｉｃ ｕｚ ｏ ｉ ｏ ｙ ｎｃ ｔ ｕ ｅｕ， ｉ ｕ， ｕ ｎ ｄ ｎ ０ ３， ｈｎ ； ｏ ｈ １ ６ Ｔｉ ｎ
Ｔ ｅＭｅｈ ｄ Ｂ ｓｄ ｏ ｅ ｒｌ ｔ ｒ ｉｋＥ ｔ ｔ ｈ ｔｏ ａｅ ｎ Ｎ ｕ ａ ｗｏ ｋｉ Ｑｕｃ ｓ ｍａｅ Ｎｅ ｎ ｉ
Ｃｏ ｓｒ ｃｉｎ Ｃｏ ｔｏ ｇ ｎ ｔ ｕ ｔｏ ｓ ｆＨｉｈｗａ ｇｎ ｅ ｉ ｇ ｙ Ｅｎ ｉ ｅ ｒｎ
ｇｕ ｎｖｒｔ ｃｎｔ ｃｏ ａａｅ ｅｔ ｅａｔｅｔ Ｂ ｉｎ ０ ０４ Ｃ ｉ ； ３ Ｇ ａｇｏｇｐ ｖ ｃ ｏ — ｈ ａｕ ｉ ｓｙ ｏｓ ｕｔ ｎｍ ｎｇｍ ｎ ｄ ｐｒ ｎ， ｅ ｉ １０８ ， ｈｎ ． ｕｎｄｎ ｒ ｉ ｅｃｍ ｅ ｉ ｒ ｉ ｍ ｊｇ ａ ｏ ｎ
பைடு நூலகம்
ｍ ｎ ａ ｏ ｅａ ｍ ｎ，Ｇ ａｇｈｕ Ｇ ａｇｏ ｇ １１ １ Ｃ ｉ ） ｕ ｉ ｔ ｎｄｐｒ ｅｔ ｕｎｚｏ ， ｕｎｄ ｎ ０ ０ ， ｈｎ ｃｉ ｔ ５ ａ
造价估测方法的研究和BP神经网络模型的应用
第３ ４卷 第 ６期
２００８年 ２月
山 西 建 筑
ＳＨＡＮＸ Ｉ ＡＲ（ＨＩ （ ＵＲＥ ｎ
Ｖ０． ４ ＮＯ． １３ ６
Ｆｂ ２０ ｅ． ０ ８
・２ ９ ・ ５
文章编号 ：０ ９６ ２ （０ ８ ０ ．２ ９０ １ ０ —８ ５ ２ ０ ）６０ ５ —２
典Байду номын сангаас型的是英 国“ 工程造 价信 息服务 部 （ Ｃ Ｓ ” Ｂ Ｉ） 的造 价数 学模 的应用 ， 近年非确定性 工程 估测模 型发展 的重点。 是 型。它是用最类似 的一个 已完 工程 数据 ， 按六 个部 分分 别估算 ： 基础部 分 、 主体部分 、 内装修部 分 、 部工作 部分 、 外 设备 安装 部分 和公共 服务设施部分 ， 其模型为 ：
对 目建设过程 中的许 多 重要 问题 （ 如筹 资 、 资 控制 、 投 优选 施工 方 预估工程灵活性 比较差 ， 于任意工程估算精度很难满足要求 。
． 案 、 本控 制等） 策 的可靠 基础 。故 工程 造价 估测 方法成 为近 １３ 非确定 性 因素 法估测模 型 成 决 非确定 性因素法估算 模 型主要 是采用 计算 机模拟 技术 和人 期 工 程 实 际应 用 和理 论 研 究 的 焦 点 之 一 。
工程的差异性 限制了估算 的精度。 ｍｏ ） ｉ 函数压缩 Ｆ（ ＝１ ｘ （ ） Ｆ（ ∈［ ， ］ ｄ ｚ） 十ｅｐ 一ｚ ， ｚ） ｏ １ 。设 有 Ｐ个 输入样本 ， 当加入第 个样 本时 ， 对某层单 元 Ｊ来说 ， 设其上 一层
１２ 回归分析 法估 测模 型 ．
即：
Ｃ＝ａ ｏ＋ ａ ｌ ａ ２ ａ ３＋ ａ ｄ＋ａ ５ ｌ３ ＋ ２３ ＋ ３９ ７ ７ ７ ４ ５９。 ７
基于神经网络的公路工程造价快速估算方法_邓焕彬
128
中
南
公
路
工
程
第 31 卷
笔者利用模糊判别法 和神经网络的 BP 模型( 以下 简称模糊神经网络模型) , 提出了基于上述理论的公 路工程造价快速估算方法 。 估算模型总体流程 , 见 图1 。
线性关系的特征因素 , 其隶属度采用线性关系取值 。 如技术等级 、 基垫层性质 、 面层性质 、桥涵比重 , 这些 特征因素的隶属度等于其特征因素的代表值与最大 值的比值 。 ② 原始单位不是人民币元 , 且取值变化范围较 大的特征因素的隶属度采用该因素数值的常用对数 值 。 属于此类的特征因素有每公里土石方量 、 路基 宽度 、 路面宽度等 。 ③ 根据工程经验 , 人为设定隶属度 , 通过查表 求得 。 如建设性质和困难程度 。 由此 , 可建立起作为衡量相似程度标准的评价 指标体系 : S= { 技术等级 , 建设性质 , 困难程度 , 路 基宽度 , 每公里土石方 , 基垫层结构 , 面层结构 , 路面 宽度 , 桥涵比重 } 。 其中 S 表示公路工程项目特征 向量 , 用 s1 , s2 , …, sn 表示 S 中的各 元素 , 用 μ 1, μ 2 , …, μ n 表示 S 中各元素的隶属度 , 则该公路工 程的模糊特征变量表示为 : S = μ 1 μ 2 μ n + + Λ+ s1 s2 sn ( 3)
第3期
邓焕彬 , 等 : 基于神经网络的公路工程造价快速估算方法
129
含层包含 10 个元素和输出层包含 1 个元素 , 各层之 间实行全连接 , 模型见图 2 。
Vjt ( N +1)= Vjt ( N)+α · dk t · bj γ N +1)= γ N)+α · t( t( dk t j = 1 , 2 , … , p , t = 1 , 2 , …, q 式中 : α 为学习系数 , 0 <α < 1。
神经网络在工程造价及工程量快速估算中的运用探讨
3住宅工程造价பைடு நூலகம்征指标选取
根据建筑工程造价的含义可以将工程造价分为建设投资和建设期利息两部分，建设投资又包括工程费用、工程建设其他费用以及预备费，本文主要考虑项目立项以及设计阶段的工程造价费用，因而未考虑建设期利息部分。在项目立项以及设计阶段，建设用地费用基本确定，然而建筑工程的相关信息相对较少，往往只能通过初步确定的项目类型、工程结构等项目参数以及以往工程项目信息价格对工程造价进行估算。
4神经网络模型
4.1 MLP神经网络
多层感知器（Multilayer Perceptron，缩写MLP）是一种前馈神经网络，它可以被看做是一个有向图，包含对个节点层，每个节点都是一个神经元带有非线性激活函数，也可以叫做处理单元，节点从外部或者其他节点接收输入，经作用函数计算输出，基本结构如图1所示。其实质是通过大量样本学习训练自我调整连接权值，模拟非线性输入和输出。
基于BP神经网络的工程造价估算
目录一、建设项目的投资失控问题 (2)二、基于BP神经网络的造价模型 (3)三、基于BP神经网络的实例分析 (6)四、BP神经网络的利弊分析及相关建议 (9)五、总结 (11)六、后记 (11)参考文献： (12)摘要工程造价的估算是管理和控制整个建筑工程投资的重要经济指标，本文从投资失控角度引入快速精确造价估算模型——BP神经网络模型。
并对收集到的案例，建立BP模型，进行实证分析，表明该方法的优势和有效性。
同时从技术层面解读BP神经网络依旧存在的局限性和弊端，在此基础上结合造价本身特点提出相关的意见和建议。
关键词工程造价；造价估算；BP神经网络一、建设项目的投资失控问题1 投资失控问题的提出建设项目投资失控是我国固定投资领域存在的重要问题，其原因是多方面的，其中很重要的一个方面是存在着造价控制“重施工阶段”而“轻项目策划与可行性研究阶段和设计阶段”的问题。
建设项目实施包括项目可行性研究阶段、设计阶段、采购招标阶段、施工阶段、使用投产阶段。
如图1，从工程造价控制的阶段看，节约投资的可能性在项目策划与可行性研究阶段由100％迅速下降，至施工阶段已降至10％左右，其后变化就相当平缓。
影响项目投资最大的阶段，是约占工程项目建设周期 1/4的技术设计结束前的工作阶段。
因此，可行性研究阶段的投资估算控制就成为项目投资控制的重点之一。
2 投资估算现行方法及弊端投资估算是在建设项目的投资决策阶段，确定拟建项目所需投资数量的费用计算成果文件。
编制投资估算的主要目的，一是作为拟建项目投资决策的依据，二是若决定建设项目以后，则其将成为拟建项目实施阶段投资控制的目标值。
投资估算的现行方法主要有定额估算法和工程量清单估算法。
510费用立项 初步设计 施工图设计 开工 竣工 拆除1图1 节约投资可能性曲线我国的定额计价工程造价管理体系，一直是自上而下的计划管理模式。
所依据的各种概预算定额及相应的费用定额，仍然由建设部和各个省定额主管部门负责组织编制并颁布执行。
基于BP神经网络公路工程造价预测
基于BP神经网络的公路工程造价预测摘要：介绍了bp神经网络的网络结构以及学习过程，并对bp神经网络在工程造价预测方面的应用进行了研究。
关键词：bp神经网络造价预测研究abstract: this paper introduces the bp neural network of network structure and the learning process, and the bp neural network to predict the application of project cost.keywords: bp neural network cost prediction research中图分类号：tu723.3文献标识码：a 文章编号：bp神经网络的算法称为反向传播算法(back-propagation)简称bp算法，bp网络也由此得名。
bp网络的学习过程是由信号的正向传播与误差的反向传播两个过程组成。
在正向传播过程中，信号从输入层传入，经隐单元逐层处理后传向输出层，如果在输出层的实际输出与期望输出不符，则转入反向传播，将误差信号以某种形式由原来的连接通路返回，通过隐层向输入层反传，并在返回过程中修改各层神经元连接的权值。
这种过程循环进行，直到输出误差达到允许的范围或达到网络预先设定的学习次数。
1bp神经网络的网络结构bp 神经网络结构如图1所示，输入数据由输入层进入，输入层连接隐层，隐层连接输出层，输出数据从输出层导出。
输入层、输出层神经元个数根据具体实际情况设置，隐层可以是一层，也可是多层由相应的输入层、输出层神经元个数根据公式确定。
各层之间神经元连接强度的加权值（简称权值）允许不同，权值越大表示该输入的影响越大。
神经元的所有输入采用加权和的方式。
输入、输出向量分别用x和y，且x=(x1，x2，…，xn)，y=(y1，y2，…，ym)，表示输入层、输出层分别有n、m个节点输入输出向量分别是n 维和 m 维。
工程造价和主要工程量快速估算中神经网络的应用研究
Ｉ
，
瑰 Biblioteka ： ｌ ● ：
输入层
隐层
输 出层
图一
三层误差反向传播 网络模型结构图
种映射关 系可 以表示为 ： Ｍａ ｐ ｐ ｉ ｎ ｇ Ｌ ＝ ｛ Ｌ ｉ ｌ ｉ ＝ ｌ ， ２ ３－ ． ， ｎ 卜 Ｍ。相 对 于其他估 算方法而 言 ， 人 工神经 网络在建设 工程的工程 造价与 主要工程量 的估算 中 ， 具有客观性强 、 估算 精确性高且估算速度 非常快 ， 此外 ， 还具有提取建设工 程的特征的优势 ， 因此 ， 近年来 在建设 工程 的工程造价 与主要工程量 的估 算 中， 神经 网络被广
统 模 型 而言 ， 该 模 型 增加 了 工程 硬 件 环 境 与 工程 软件 环境 以及 工程 造 价 指 数 对 工程 造 价 的影 响 ， 并 以 桌 市 已 完工 工 程 为例 ， 验 证 该 模
型 的 实 用性 。
关键词 ： 工程造 价； 工程量 ； 神 经网络 ； 快速估算 中 图分 类 号 ： Ｔ Ｕ ７ ２ ３ １ ３ 文 献标 识 码 ： Ａ 文章 编 号 ： １ ０ ０ ３ — ５ １ ６ ８ （ ２ ０ １ ３ ） ０ ９ — ０ ０ １ ８ — ０ ２
人 工神经 网络 又称为连接模 型 ， 它是一种 通过模仿 动物神 经 网络行 为特 征 ， 进行分 布式 并行信 息处 理的算 法数学模 型 。 它 作为一 门新 兴的学科 ， 近年来得 到 了飞速 发展并被 广泛应用 于各个领域 ， 如 医学 、 机械 、 生物 、 数学 等领域 。在 工程建设 中 ， 由于建设工程 的分项工程数 目多 ， 使得工程 造价计算 中工程量 的计算时 间长 ， 计 算方式繁琐 ， 而 且容易 出现误差 ， 在 整个工程 造价估 算中 ， 工程量 的计算是其 重难 点。因此 ， 找到一种快速精 确的估算方 法进行工程 造价与主要 工程量 的估算 ， 对 工程造价 管理而言具有非常重要的意义 。 神 经网络在工程造价计算 中的运用 建筑工程的工程特征直接影响着这一工程 的主要工程量 以 及工程造 价 ， 即某一建设 工程 的主要 工程量或工 程造价与这 一 工程 的特征之 间存 在着 某种程度上 的映射关 系 ， 如果 以 Ｌ 表 示 这一工程 的工程特征 ， 以 Ｍ表示主要工程量或工程造价 ， 那么这
基于BP神经网络的建筑工程造价估算研究
工程建设领域存在许多因了解不充分而导致实际投资金额与估算值之间出现明显偏差的情况，这种偏差不仅会对投资者和施工企业造成巨大损失，还会影响整个工程项目的成功与盈利能力。
因此，项目成本估算变得至关重要，既涉及项目的盈亏状况，又直接影响项目方案的选择，为项目决策提供了可靠依据。
然而，成本估算本身充满了挑战，因为工程项目的特性和条件多种多样，充满了不确定性。
因此，准确估算工程造价一直是一项复杂而困难的任务。
考虑到估算结果的准确性对项目的投资和决策有着直接而深远的影响，工程造价估算模型的研究显得尤为重要[1]。
传统的成本估算方法通常依赖于统计分析和简单的回归理论。
然而，这些方法存在精度较低和耗时较长的缺点，限制了其在复杂工程项目中的应用。
近年来，随着计算机技术的飞速发展，新的估算方法被引入成本估算，为提高准确性和效率提供了新的途径。
这些方法包括遗传算法、神经网络和决策树等，借助计算机的强大计算能力，能够更好地处理大量的数据和不确定性因素，并取得了令人满意的成果[2]。
Yang [3]提出了一种用于环境治理成本估计的粒子群算法优化支持向量机(PSO-SVM)算法，并采用聚类分析对样本进行分类，通过实验结果发现，该方法对环境成本预测具有良好的指导作用；Wang [4]基于Fuzzy 数学估算了建设项目成本，通过案例分析验证该方法具有良好的适用性，有助于提高建筑企业的竞争力；El-Saw⁃alhi [5]利用SVM 回归器估算公路项目成本，确定了影响模型的12个主要因素，通过对70个实际案例的训练和测试，发现模型的预测精度达到95%；Ma [6]通过增强的回归树(Regression Trees)估计成本，并对234个实际成本数据进行了实验，证明了该方法在成本估计中的适用性；Sun 等人[7]利用遗传算法对神经网络进行了优化，建立了成本估算模型，实现了电力工程成本的估算。
本研究对建筑成本的影响因素进行了分析和筛选，建立了基于BP 神经网络的建筑成本估算模型，并通过实例分析证明了模型的有效性和准确性。
基于遗传神经网络的公路工程造价估算分析
小火灾危险性 ， 从而提 高外墙外 保温 系统 的整体 防火安全 性能 ，
有效减少火灾 的发生 。 参考文献 ： 暂行规定［ ］ Ｓ． 位消防安全 管理规定 Ｉ ｝ ｓ．
［］低温建筑技术 ，０ ２ ４ ：０２ ． Ｊ． ２ ０ （ ）２—１ ［ ］ 宋长友 ， ６ 陈丹林 ， 季广其 ， 外墙外保 温典型火 灾案例 选编 等．
关键词 ： 神经 网络， 造价估价 ， 遗传算 法
中图分类号 ： Ｐ ９ ． Ｔ ３ １４
文献标识码 ： Ａ
当前在我国公 路建设 中一个 突 出的问题是 控制 和降低 工程 合 ， 这正好 能满 足造价估 算 的要 求 ， 进行 准确 、 动态 、 自适应 地快
造价 ， 措施之一就是快 速准确 地估测 工程 造价 ， 以此 作为项 目评 速估算 。
求得全局最优的可能性 较小 ， 本文采用遗传算 法与神经 网络相结 的 隐节 点的层数 和个数 。遗 传算法 与神经 网络系统耦合 的混合 只有 四道防线 的严密设置 ， 层防控 ， 层 环环堵截 ， 才能从 根本上减 ［］ 司 戈 ， ５ 王健 民． 聚氨 酯泡 沫塑 料 的 火灾危 险及 消防 对策
基 于遗 传 神 经 网络 的公 路 工 程 造价 估 算 分 析 ＊
彭 军龙
摘
杨 柳
王 达
要： 从影响公路造价 的影响 因素 中提取特征 因子 为参数 ， 用历史数据 为依据 ， 用遗传神经 网络建 立 了公路 造价 快速
估测模 型， 最后用实例 验证 了遗传神 经网络模 型在公路工程造价估测 中的优 良效果 。
第３ ６卷 第 ２ ｌ期
・
２４ ・ ４
２０ １０年 ７月
山 西 建 筑
BP神经网络与TOC工程造价预控论文
BP神经网络与TOC工程造价预控论文摘要：提高工程造价预控水平不仅关系到工程成本使用效率，还关系到各种资源优化配置水平，对建设项目投入和运行效果起着积极作用，基于BP神经网络和TOC理论，不仅可以充分发挥二者各自的系统应用特点，还可以起到优势互补的作用，同时可以为工程造价预控提供科学的依据，提高工程目标成本的控制力度。
0 引言造价预控是工程建设质量水平的基础，基于BP神经网络与TOC 理论的工程造价控制注重从实践出发，并与社会发展程度相适应，在对客观事实充分了解的基础上，有利于充分发挥我国工程造价体系建设的特点，这也是开拓我国工程造价管理新空间、提高投资利润的必要途径。
1 BP神经网络内涵和在工程造价预控中应用BP神经网络模型的应用范围比较宽广，它也是众多神经网络模型中的一种使用效率较好的方式。
该种神经网络利用存储空间和不断学习注入新的内容将工程造价中的输入、输出关系具体呈现出来，运行时，可以有效降低网络使用的误差几率。
这一过程中使用的算法为梯度下降法，利用反向传播的理论对网络中的权值和阀值进行灵活调整和运用。
BP神经网络中统计数据的输入是由输入层完成的，输入层直接和隐层相联系，隐层又直接和输出层对接，而隐层可由单一层充当，也可以是多层结构，此时输入层和输入层之间神经个数的具体量可以根据系统公式来定，因此数据在输入后的输出过程比较便捷。
实际运算中，每一神经元连接强度的权值存在差异性，输入数据的影响程度也会随着权值的增大而加深。
BP神经网络算法通常包括两项内容，一是通过正向传播的样本输入，二是通过反向传播的误差数据反馈修正权值。
正向传播主要是从输入层完成样本的输入过程，接着经过隐层将数据信息传递到输出层，此时若实际输出结果和期望数值存在的差异，已经超过了事先设定的误差，则为反向传播。
如果实际的输出值和期望效果的差异比事前设定值要小，系统结束学习算法。
该种算法可以利用反复学习与功能连续锻炼的机会而促进运行过程的不断更新，对权值和阀值的灵活调整要通过几百次甚至几万次的映射，同时也要经过正向传播和反向传播的交替运行来完成，这样才可以最大限度降低误差。
神经网络在工程造价和主要工程量快速估算中的应用研究
神经网络在工程造价和主要工程量快速估算中的应用研究【摘要】工程造价估算是工程项目管理中的重要组成部分之一，估算结果的准确与否，直接影响着工程项目的经济效益。
为了确保估算结果的准确性，可以在实际工程中采用神经网络对工程造价进行估算。
基于此点，本文就神经网络在工程造价和主要工程量快速估算中的应用展开研究。
【关键词】神经网络；工程造价；工程量估算一、神经网络概述人工神经网络简称为神经网络，英文缩写为nns，具体是指对人脑或是自然神经网络若干基本特性的模拟和抽象。
nns具有自学习和自适应的能力，能够借助预先提供的输入/输出数据，分析掌握两者之间潜在的规律性，并按照这些规律以新的输入数据推算出输出结果，这一过程就是我们通常所说的训练。
nns是基于神经科学发展起来的一门新兴学科，其通过若干非线性并行处理器来模拟人脑的神经元，同时借助处理器之间的关系对神经元之间的突触行为进行模拟。
nns还吸收了生物神经网络的诸多优点，这使其具有了自己的特点：能够无限接近复杂的非线性关系；由于定量或定性信息都储存在各个神经元当中，从而具有较强的容错性和鲁棒性；可以学习及自适应各种未知或是不确定的系统，并且还可以同时处理定性和定量知识；因采用并行分布式的处理方法，使其能够快速进行大量复杂的运算。
nns主要是由生物神经网络抽象而来的，人类的大脑是所有生物神经网络中最为发达的。
据有关文献记载，人脑中约有1011个神经细胞，每个细胞又有个突触，这样便组成了一个极其复杂的神经网络。
简单来讲，nns实质上就是一种用计算机模拟生物神经网络的经验模型，其最基本的单元是人工神经元，它不但能够记忆并处理一些信息，而且还能与其它的神经元并行工作。
nns中除了包含最基本的神经元之外，还有其它一些要素，如阀值、激励函数、连接权值等等。
nns是由一个或多个神经元组成的信息处理系统，在具有m个输入节点和n个输出节点的神经网络当中，输入与输出之间的关系可以用以下数学形式来表达，即f：y=f（x）。
BP神经网络的建筑工程造价估算方法浅论
我们 可 以根 据 过 去 已经 建 好 的工 程 中选 择 与 现 有将 要 建 造 的建 筑 结 构 个 工 程的 起始 点 。Ｂ Ｐ 神 经 网络 在建 筑 工程 前期 估算 中的应 用 ， 使 建 筑工 程造 相 似 的进 行 近 似的 估 价 ， 进 而 在运 用 Ｂ Ｐ 神经 网络 计 算 方法 ， 将 误差 值 降 到最 价估 算 更加 快 捷准 确 。
价 的估 算准 确 性 。
将 所有 因 素考虑 进 去后 ， 就可 以进 行数 据 运算 了。本 文 以Ｂ Ｐ 神经 网 络计 算方 法 分 为三 层 的案 例 为蓝 本 讲 述 ， 即上 面 介 绍过 的输 入层 ， 隐含 层 和输 出 层。 我们 可 以取 ３ 个 具有 特 征性 的 向量 作 为输入 单 元 （ ｐ ） ， 这 样就 会 有５ 个 节点 与之 对应 。 在输 出层 会有 一 个节 点 （ ａ ） ， 叫做单 方完 全 造价 。 那么（ ｔ ） 即为所 要 参照 的 典型 建筑 的造 价 样本 。 隐含 层在 多个 样 本 中进 行 多次 实验 最 终选 取 ５ 个 节点 。经过 适 当 的 的性 能 曲线 ， 进行 几 十 次 的迭 代 ， 可 以得 出一 个 正确 的 （ ｔ ） 。 （ 由于 篇 幅有 限 ， 就不 在 这里 进 行详 细 的演算 ， 仅 阐述 原理 。） 据有 关 资料
一
低 。在 使用 Ｂ Ｐ 神经 网 络计 算方 法 时可 以将 现在 已有 的数据 输入 进 去 ， 然 后在 经 过该 神经 网络 中的 函数 转换 ቤተ መጻሕፍቲ ባይዱ 最 后 输 出适合 本 建筑 工程 的结 果 。
、
Ｂ Ｐ 神 经 网络算 法原 理
既然已经选择好建筑工程造价估算计算方法 ， 那么如何使输入数据更加
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
朱婷;车善婷;厉闻明
【期刊名称】《中国住宅设施》
【年(卷),期】2024()5
【摘要】随着计算机技术的不断发展,人工智能已经成为当前最热门的研究领域之一。
而人工神经网络是人工智能领域中的一个关键技术,能够处理大量复杂的数据,并通过学习建立输入和输出之间的复杂非线性映射关系。
本文将就如何利用人工神经网络技术,在建筑工程造价预算中实现自动化预测和控制进行全面的分析探讨。
【总页数】3页(P29-31)
【作者】朱婷;车善婷;厉闻明
【作者单位】山东恒博建设项目管理有限公司
【正文语种】中文
【中图分类】TP3
【相关文献】
1.人工神经网络在建筑工程造价确定中的应用研究
2.人工神经网络在建设工程造价估算系统中的应用
3.人工神经网络在建筑工程造价预算中的应用
4.工程预算在建筑工程造价控制中的应用研究
5.概预算编制在建筑工程造价管理中的应用分析
因版权原因，仅展示原文概要，查看原文内容请购买。
公路工程造价快速估算的模糊神经网络方法应用
公路工程造价快速估算的模糊神经网络方法应用摘要:近些年来,伴随着我国公路事业的蓬勃发展,公路工程建设的数量和规模日益增加。
而公路工程造价估算作为公路工程建设的重要前提以及公路工程管理的重要组成部分,其在公路建设中的地位也日益突显,合理的工程造价估算可以有效提高工程施工单位投资决策的科学性。
而基于模糊神经网络的工程造价估算方法可以有效的克服传统工程造价估算方法的一系列弊端,有效提高公路工程造价估算的合理性和科学性。
本文从公路工程造价的相关概念谈起,然后对模糊神经网络的相关概念给予详细的说明,最后就公路工程造价估算中模糊神经网络方法的应用进行了说明。
关键词:公路工程造价估算模糊数学神经网络模糊神经网络1 公路工程造价估算概述1.1 公路工程造价估算的重要性公路工程造价估算作为公路工程管理的重要组成部分其重要性主要体现在如下几个方面。
第一,公路工程造价的估算是实现工程成本控制的基础。
其中工程施工前期造价估算、施工前的编制预算以及施工图设计阶段的编制预算等环节作为工程造价估算的核心,同样是公路工程施工成本控制的起点,因此,实现公路工程造价的合理估算是实现工程成本控制的重要前提条件。
第二,公路工程造价的估算可以为施工企业成本控制计划方案的制定提供重要的参考依据。
施工企业通过工程造价的估算可以寻找到降低工程成本的有效途径,从而为工程施工过程中施工成本的控制提供正确的方向。
第三,公路工程造价的估算可以帮助施工企业在进行设计招标前可以确定工程的大致造价。
这样一来,施工企业在招标的过程中就可以有效避免中间代理商的欺诈以及保标等恶意行为的发生。
1.2 传统公路工程造价估算中存在的问题尽管工程造价估算在公路工程建设中越来越受到人们的重视,但是由于受各方面因素的影响,在传统公路工程造价估算中还存在一系列的问题,其中我国传统公路造价估算中主要存在如下几个方面的问题:一是相关规章制度的限制,造价估算结果往往与投标报价相差悬殊;二是预算结果与概算结果差距较大,不利于工程实际造价的控制和确定;三是缺少对工程造价估算的有效监督机制,从而使最终的造价结果变的十分不确定;四是由于各参与方利益的问题,在进行工程造价估算时很难早到平衡点,以至于造价估算精度不能得到有效的保证。
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。
- 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)。
公路工程造价估算中模糊神经网络的应用
摘要:近些年来,伴随着我国公路事业的蓬勃发展,公路工程建设的数量和规模日益增加。
而公路工程造价估算作为公路工程建设的重要前提以及公路工程管理的重要组成部分,其在公路建设中的地位也日益突显,合理的工程造价估算可以有效提高工程施工单位投资决策的科学性。
而基于模糊神经网络的工程造价估算方法可以有效的克服传统工程造价估算方法的一系列弊端,有效提高公路工程造价估算的合理性和科学性。
本文从公路工程造价的相关概念谈起,然后对模糊神经网络的相关概念给予了深入浅出的说明,最后就公路工程造价估算中模糊神经网络的应用进行了全面的说明。
关键词:公路工程造价估算模糊数学神经网络模糊神经网络
1 公路工程造价估算概述
1.1 公路工程造价估算的重要性
公路工程造价估算作为公路工程管理的重要组成部分其重要性主要体现在如下几个方面。
第一,公路工程造价的估算是实现工程成本控制的基础。
其中工程施工前期造价估算、施工前的编制预算以及施工图设计阶段的编制预算等环节作为工程造价估算的核心,同样是公路工程施工成本控制
的起点,因此,实现公路工程造价的合理估算是实现工程成本控制的重要前提条件。
第二,公路工程造价的估算可以为施工企业成本控制计划方案的制定提供重要的参考依据。
施工企业通过工程造价的估算可以寻找到降低工程成本的有效途径,从而为工程施工过程中施工成本的控制提供正确的方向。
第三,公路工程造价的估算可以帮助施工企业在进行设计招标前可以确定工程的大致造价。
这样一来,施工企业在招标的过程中就可以有效避免中间代理商的欺诈以及保标等恶意行为的发生。
1.2 传统公路工程造价估算中存在的问题
尽管工程造价估算在公路工程建设中越来越受到人们的重视,但是由于受各方面因素的影响,在传统公路工程造价估算中还存在一系列的问题,其中我国传统公路造价估算中主要存在如下几个方面的问题:一是相关规章制度的限制,造价估算结果往往与投标报价相差悬殊;二是预算结果与概算结果差距较大,不利于工程实际造价的控制和确定;三是缺少对工程造价估算的有效监督机制,从而使最终的造价结果变的十分不确定;四是由于各参与方利益的问题,在进行工程造价估算时很难早到平衡点,以至于造价估算精度不能得到有效的保证。
2 认识模糊神经网络
2.1 模糊数学概述
(1)模糊数学的概念,我们通常说的模糊就是指一些模棱两可的、即可能又不可能、即是又不是的概念。
而模糊数学就是要用数学的方法来表示那些模糊概念发生的可能性的大小,换句话讲就是明确那些模糊概念所处的状态,从而利用数学的思想来解决那些模棱两可的、不确定的实际问题。
(2)模糊数学的数学描述,一般模糊数学的数学描述,多采用的是类似与集合的数学表示方法。
与集合的区别就在于模糊数学在表示集合元素时需要附带一个称为隶属函数值的参数,其中该参数的值是隶属函数与元素的值进行运算的结果。
2.2 神经网络概述
(1)神经网络的概念,所谓的神经网络是一个借鉴物理和生物技术来实现的用来模仿人类大脑神经细胞结构和功能的系统,与人类的大脑结构相似,它也由大量的模拟神经元所组成的,而且这些神经元之间相互连接,并行工作,作为一个系统协同完成一系列复杂的信息处理活动。
(2)神经网络的基本原理,神经网络在结构和功能上都是模拟人脑的神经系统来进行设计和实现的,它同时作为模拟生物神经元的一种
计算方法,其基本原理是这样的,与生物神经元的基本原理相似,用那些具有突的网络结点来接受信息,并不断的将接受到的信息累加起来,这些信息有些是抑制神经元,有些则是激发神经元,对于那些激发神经元,一旦积累到一定的阈值后,相应的神经元便会被激活,被激活的神经元就会沿其称为轴突的部件向其它神经元传递信息,并完成信息的处理。
2.3 模糊神经网络概述
模糊神经网络是模糊数学和神经网络有效结合的应用研究成果。
其中在模糊神经网络中模糊数学的应用体现在它可以根据那些假定的隶属函数以及相应的规律,用逻辑推理的方法去处理各种模糊的信息。
3 模糊神经网络在公路工程造价估算中的应用
3.1 基于模糊神经网络的公路工程造价估算方法的实现
将模糊神经网络应用于公路工程造价估算方面,是近年来公路工程造价估算发展的特点和重点。
从本质上来看,模糊神经网络就是一个系统,它即有输入又有输出,与公路工程的造价估算十分相似,因为公路工程造价估算就是在输入公路工程施工的一系列要求和特点后输出相应结果的,所以与模拟神经网络所提供的输入输出机制非常相
似,其中结合模糊神经网络的原理,基于模糊神经网络的公路工程造价估算方法的实现过程如下。
第一，构建已施工公路工程的造价信息库,其中包括应经施工的公路工程的各种特征因素以及工程造价等其他各方面的材料。
第二，结合拟建工程的施工需求来确定其包括评价指标等在内的各种特征因素的数据取值。
第三，按照模糊数学的思想法在已施工公路工程的造价信息库中选取若干个(至少三个)与拟建工程最相似的已施工的工程,将其作为神经网络进行学习和训练的基础数据。
其中,将信息库中公路工程的各种特征因素值的隶属度作为神经网络的输入向量,信息库中公路工程的造价值作为神经网络的输出向量。
第四,将拟建公路工程的各种特征因素值的隶属度作为神经网络的输入向量,通过神经网络的学习后所得到的输出向量即为拟建公路工程的造价估算值。
第五,建立公路施工工程造价信息数据,编制神经网络学习的算法通用程序。
将学习训练的基础数据输入神经网络,然后合理设计学习率,经过一定次数的迭代运算,有效提高公路工程造价估算结果的精度。
3.2 基于模糊神经网络的公路工程造价估算方法的优点
基于模糊神经网络的公路工程造价估算方法有效的克服了传统上工程造价估算方法的一系列缺点,与传统的工程造价估算方法相比,其显著优点就在于造价估算的迅速以及估算结果的精确。
其中该方法的优点可以概括为如下几点。
第一,模糊神经网络中所采用的模糊数学可以对公路工程造价估算中的模糊信息进行有效的处理,通过对已竣工的公路工程和计划施工的公路工程的相似度进行定量化描述,从而使模糊的公路工程造价问题得以模型化。
第二,基于模糊神经网络的公路工程造价估算方法的估算结果科学合理,因为该方法采用的是基于数学模型的数学计算分析,所以其结果受人为因素的影响较小。
第三,模糊神经网络中所采用的神经网络模型对公路工程造价的估算具有很好的适应性,与传统的造价估算方法相比,该方法能更好的适应公路工程造价的动态变化。
第四,基于模糊神经网络的公路工程造价估算方法是借助计算机来完成的,所以还具有运算速度快和运算精度高的优点。
4 结语
由于影响公路工程造价的因素比较多,而且各因素的构成比较复
杂,计算相对繁琐,所以公路工程的造价估算具有很大的模糊性。
对于使用传统的工程造价估算方法而言,公路工程造价的估算将是一项非常复杂的工作。
然而结合模糊数学和神经网络的理论思想,利用工程之间所存在的相似性,使用基于模糊神经网络的公路工程造价估算方法可以迅速的得出精确的工程造价估算结果。
参考文献
[1] 杨京晓.模糊神经网络在公路工程造价估算中的应用[J].中外公路,2007(10).。