基于BP神经网络的工程造价估算.docVIP

BP神经网络在工程造价估算中的运用 课程名称:工程造价 学 院:经济与管理学院 专 业:工程管理 学 号:080107 姓 名:朱 杰 2011年5月 目录 一、建设项目的投资失控问题 3 二、基于BP神经网络的造价模型 4 三、基于BP神经网络的实例分析 7 四、BP神经网络的利弊分析及相关建议 10 五、总结 12 六、后记 12 参考文献: 13 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。 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。当然,这些定额和费用标准,长期以来一直被广泛使用,至今仍发挥着指导作用,但其统一的价格、定额以及收费标准的特点使得这种方式存在多种弊端。不能反映市场、不能反映企业、不体现竞争是其最大的缺点。 工程量清单计价方法,是在建设工程招投标中,招标人委托具有资质的中介机构编制反映工程实体消耗和措施性消耗的工程量清单,并作为招标文件的一部分提供给投标人,由投标人依据工程量清单报价的计价方式。这样的计价方式可以改变过去过分依赖国家发布定额的状况,施工企业可以根据自身条件编制自己的企业定额,对工程价格的控制更具有自主性,有利于市场竞争机制的形成。 建筑工程造价受多种因素的影响,构成复杂、情况多变、具有较大的模糊性,因此,它是一项十分复杂的工作。如果机械地套用定额,从头到尾进行大量繁琐的计算,虽然结果较为精确,但会浪费大量的人力物力财力。如果单纯的依靠以往的工作经验和已建工程的资料进行粗略估算,那样的估算结果过于粗糙,投资失控现象出现的频率会大大增加。因此,现今社会更多地需要一种简单却又比较精确的造价估算方法,这样不仅能够节省时间,而且可以让投资控制在合理的范围之内。 二、基于BP神经网络的造价模型 1 BP神经网络模型原理 神经网络模型是一种基于生理学的智能仿生模型,是由大量处理单元即神经元互联组成的非线性大规模自适应动力学系统。它具有自组织、自适应和自学习能力,以及具有非线性、非局域性、非定常性和非凸性等特色,它以很多神经元的微活动构成神经网络的宏效应,而能模拟人脑的某些智能行为。神经网络的模型很多,包括BP、BEP、模糊等神经网络,各有各的特点和用途。 BPBack propagation网络是一种最为常用的前馈网络多层感知器就是一种反向传播网络。它有一个输入层,一个输出层,一个或多个隐含层。每一层上包含若干个节点,每个节点代表一个神经元。同一层上的各节点之间无连接关系,相邻层采取全互连。信息从输入层开始在各层之间单向传播,依次经过各隐含层,最后到达输出层。 根据工程造价因素的实际情况,此处采用一种具有多输入单元、多隐含层单元和单输出单元的三层BP神经网络,如图2所示。 2 模型参数的确定 2.1BP网络模型结构参数确定 网络结构参数的选取十分重要,直接影响网络的表达能力和收敛速度。模型中输入层和输出层的神经元个数按实际需要确定。训练样本为,1,2,…,,表示学习样本的个数。设输