- 相關(guān)推薦
人工神經(jīng)網(wǎng)絡(luò )在建筑工程造價(jià)確定中的應用研究論文
摘要：本文通過(guò)BP神經(jīng)網(wǎng)絡(luò )對工程造價(jià)估算模型進(jìn)行了構建，對神經(jīng)網(wǎng)絡(luò )進(jìn)行樣本訓練，網(wǎng)絡(luò )逼近能力取得了很好的效果，達到了對工程造價(jià)的快速估算的目的。本文還結合Vague集貼近度理論對工程總造價(jià)進(jìn)行控制，通過(guò)工程實(shí)例對模型的可行性進(jìn)行了分析，為建筑行業(yè)快速報價(jià)提供了理論依據。
關(guān)鍵詞： 神經(jīng)網(wǎng)絡(luò )；工程造價(jià)；Vague集貼近度
0 引言
對建筑工程造價(jià)進(jìn)行科學(xué)有效的測算和控制，會(huì )使工程造價(jià)的組成比較合理，進(jìn)而節約工程開(kāi)銷(xiāo)成本�，F在，經(jīng)典的建筑工程造價(jià)測算方法主要有下面幾種：定額法、類(lèi)比工程法、回歸分析法和模糊數學(xué)法[1]。其中，定額法必須對定額成本、定額差異和定額變動(dòng)差異進(jìn)行單獨核算，任務(wù)較重，現實(shí)中很難實(shí)施；類(lèi)比工程法是通過(guò)類(lèi)比工程的相似性實(shí)現工程造價(jià)的測算，該方法估算準確度不夠高；回歸分析法的估算準確度同樣不高，該方法將很多重要因素忽略了；模糊數學(xué)法是通過(guò)模糊數學(xué)的思想對工程造價(jià)進(jìn)行估算，該方法的不足主要是特征隸屬度不好準確確定。由于人工神經(jīng)網(wǎng)絡(luò )可以自學(xué)并進(jìn)行推理，本文通過(guò)人工神經(jīng)網(wǎng)絡(luò )和Vague集貼近度理論對住宅樓的工程造價(jià)進(jìn)行估算和控制，可以為建筑工程造價(jià)估算提供很好的服務(wù)。
1 BP神經(jīng)網(wǎng)絡(luò )
BP神經(jīng)網(wǎng)絡(luò )是一種前饋型神經(jīng)網(wǎng)絡(luò )，包含三種層次或者多層次，各種層次之間相互連接，同一層次可以自由結合，BP神經(jīng)網(wǎng)絡(luò )的構成見(jiàn)圖1。所屬模型的神經(jīng)元數量決定了BP神經(jīng)網(wǎng)絡(luò )的層數，各個(gè)層次之間通過(guò)相互的權值實(shí)現聯(lián)接[2]。
人工神經(jīng)元（Artificial Neuron）模型：
人工神經(jīng)元是神經(jīng)網(wǎng)絡(luò )的基本元素，其原理可以用圖2表示。
圖中x1～xn是從其他神經(jīng)元傳來(lái)的輸入信號，wij表示表示從神經(jīng)元j到神經(jīng)元i的連接權值，θ表示一個(gè)閾值（threshold），或稱(chēng)為偏置（bias）。則神經(jīng)元i的輸出與輸入的關(guān)系表示為：
BP神經(jīng)網(wǎng)絡(luò )的結構非常簡(jiǎn)潔，包括正向傳播和逆向傳播。下面分別對BP神經(jīng)網(wǎng)絡(luò )信息的正向傳播和誤差信息的反向傳播原理進(jìn)行介紹。
1.1 信息的正向傳播
式（1）中，n為信息的總個(gè)數。
1）輸入向量為
多層神經(jīng)元網(wǎng)絡(luò )（BP網(wǎng)絡(luò )圖3）。
BP（Back Propagation）神經(jīng)網(wǎng)絡(luò )，即誤差反傳誤差反向傳播算法的學(xué)習過(guò)程，由信息的正向傳播和誤差的反向傳播兩個(gè)過(guò)程組成。由圖3可知，BP神經(jīng)網(wǎng)絡(luò )是一個(gè)三層的網(wǎng)絡(luò )：
輸入層（Input Layer）：輸入層各神經(jīng)元負責接收來(lái)自外界的輸入信息，并傳遞給中間層各神經(jīng)元；
隱藏層（Hidden Layer）：中間層是內部信息處理層，負責信息變換，根據信息變化能力的需求，中間層可以設計為單隱層或者多隱層結構；最后一個(gè)隱層傳遞到輸出層各神經(jīng)元的信息，經(jīng)進(jìn)一步處理后，完成一次學(xué)習的正向傳播處理過(guò)程；
輸出層（Output Layer）：顧名思義，輸出層向外界輸出信息處理結果。
2 建筑工程造價(jià)估算模型
2.1 BP神經(jīng)網(wǎng)絡(luò )訓練 建立BP神經(jīng)網(wǎng)絡(luò )模型，對工程特征向量進(jìn)行歸一化處理，可以開(kāi)始神經(jīng)網(wǎng)絡(luò )訓練，目標是使網(wǎng)絡(luò )性能函數極小化，實(shí)現非線(xiàn)性映射的目的。本文利用Nguyen-Widrow方法[5]對權值和閾值的初值進(jìn)行確定。Nguyen-Widrow方法具體原理為
上式中，W是數值矩陣，θ是權值矩陣，S、N是節點(diǎn)的個(gè)數。rand（S，N）為s行n列的平均自由分布任意矩陣，I（S，N）為s行n列標準矩陣。
2.2 BP神經(jīng)網(wǎng)絡(luò )訓練調整與測試 BP神經(jīng)網(wǎng)絡(luò )訓練調整與測試連接強度加權值調整方法，具體公式為：
BP算法在按步驟經(jīng)行的收斂過(guò)程中，每一步的學(xué)習率都將發(fā)生變化，而不是固定不變。此時(shí)BP神經(jīng)網(wǎng)絡(luò )不應用連接強度加權值的調整方法，同時(shí)也不使用誤差函數對梯度調整和η調整方法；最終應用相對權重增加量Δwij進(jìn)行網(wǎng)絡(luò )調整與測試，權值wij的修正值Δwij，如下所示：
以上的分析表明，運用BP神經(jīng)網(wǎng)絡(luò )進(jìn)行建筑工程單方造價(jià)估算是可行的，然而該方法對建筑工程項目總造價(jià)的估算還不夠精確。當前建筑工程項目需要考慮的影響因素非常多，雖然可以引入大量的特征因素，然而里面有很多因素都非常模糊化；即使可以對特征因素進(jìn)行具體說(shuō)明，提高輸入點(diǎn)的數量，這時(shí)樣本數據會(huì )隨著(zhù)增加，此時(shí)神經(jīng)網(wǎng)絡(luò )將會(huì )復雜化，求解效率會(huì )降低。所以，本文通過(guò)以上運用BP神經(jīng)網(wǎng)絡(luò )對建筑工程項目單方造價(jià)的估算，采用Vague集貼近度對BP神經(jīng)網(wǎng)絡(luò )進(jìn)行改進(jìn)，對建筑工程總造價(jià)進(jìn)行估算[3]。
2.3 加入Vague集貼近度改進(jìn)BP神經(jīng)網(wǎng)絡(luò ) 文獻[4]采用普通模糊集理論來(lái)對工程隸屬度進(jìn)行確定。本文中建筑工程特征因素隸屬度是指建筑工程特征值隸屬于準備建設的項目特征值的大小程度：
3 實(shí)例分析
選取2013年西安市某工程項目數據進(jìn)行實(shí)例分析，工程造價(jià)指數以2013年為基準，通過(guò)加權平均法求解造價(jià)年綜合指數。通過(guò)選擇，最后選取了二十個(gè)樣本，前面十八個(gè)樣本為訓練樣本，剩余的兩個(gè)當作檢測樣本。神經(jīng)網(wǎng)絡(luò )訓練數據見(jiàn)表1。
3.1 BP神經(jīng)網(wǎng)絡(luò )訓練 采用BP神經(jīng)網(wǎng)絡(luò )對模型進(jìn)行構建，對建筑工程特征向量數據處理結束后，可以開(kāi)展神經(jīng)網(wǎng)絡(luò )訓練。神經(jīng)網(wǎng)絡(luò )訓練基本的訓練公式為
net，tr=train（NET，P，T）
訓練公式中net為最終的網(wǎng)絡(luò )，tr為數值統計， P是輸入矩陣，T是輸出矩陣。
3.2 BP神經(jīng)網(wǎng)絡(luò )與Vague集貼近度預測 采用Vague集貼近度的數據，基于BP神經(jīng)網(wǎng)絡(luò )訓練樣本進(jìn)行預測，通過(guò)訓練好的網(wǎng)絡(luò )對與本文樣本數據相類(lèi)似工程項目的單方造價(jià)進(jìn)行預估，求得單方造價(jià)均值為1800元/m2。緊接著(zhù)可以對建筑工程的總造價(jià)進(jìn)行預估，通過(guò)對10項樣本進(jìn)行造價(jià)估算預測，采用BP神經(jīng)網(wǎng)絡(luò )和Vague集貼近度相結合的方法進(jìn)行造價(jià)預估，估計誤差在±10%范圍內（見(jiàn)表2），造價(jià)估算結果非常準確。
4 結論
本文應用BP神經(jīng)網(wǎng)絡(luò )造價(jià)預測和Vague集貼近度理論，從理論和實(shí)際應用兩方面對建筑工程造價(jià)估算進(jìn)行了研究。文中的方法能更準確地反應工程造價(jià)的不確定性，為建筑工程項目造價(jià)估算方法研究提供了一種新的視角和方法。
參考文獻：
[1]史峰.BP神經(jīng)網(wǎng)絡(luò )在工程量清單中快速估價(jià)的應用研究[M].北京航空航天大學(xué)出版社，2010.4.
[2]張風(fēng)文.基于MATLAB神經(jīng)網(wǎng)絡(luò )的工程實(shí)例分析[J].華東交通大學(xué)學(xué)報，2010，8（3）：26-33.
[3]郭一斌，王紅革，王翔.基于Vague集貼近度的工程項目投資快速估算方法[J].現代經(jīng)濟信息，2011，12（2）：50-55.
[4]Stanley， K.O.Miikkulainen， R.. Evolving neural networks through augmenting to pologies[J]. Evolutionary Computation， 2002， 10（2）： 99-127.
[5]Wood， Bevyn Kenley， Russell. The effecitivctiveness of The Billsof Quantitisein Australia. Journal of Construetion Researeh， 2004， 15（20）：45-47.
【人工神經(jīng)網(wǎng)絡(luò )在建筑工程造價(jià)確定中的應用研究論文】相關(guān)文章：
人工神經(jīng)網(wǎng)絡(luò )與車(chē)輛的結合論文11-26
建筑論文-工程造價(jià)確定方法常見(jiàn)問(wèn)題及對策02-27
環(huán)境科學(xué)人工神經(jīng)網(wǎng)絡(luò )運用論文11-25
建筑材料在建筑節能中的應用論文11-17
差異教學(xué)在地理教學(xué)中應用研究論文11-10
公共環(huán)境中陶瓷藝術(shù)介入的應用研究論文11-29
項目管理在電力工程中的應用研究論文04-01