基于Bp神经网络的现代有轨电车土建造价估算.docVIP

基于Bp神经网络的现代有轨电车土建工程造价估算 李峥 （中国北车集团大连机车车辆有限公司） 【摘要】本文详述了人工神经网络原理并结合现代有轨电车土建工程的特点，提出了基于Bp神经网络的有轨电车土建工程造价模型，利用其强大的非线性映射特点来解决复杂工程的估算问题。经过实例验证，该方法应用性强，运用Matlab软件编程后可以得到较为满意的结果，为日后有轨电车的造价工作提供了相关理论依据。 【关键词】Bp神经网络；工程造价；现代有轨电车；轨道工程 l.引言 随着我国城市化进程的不断加速，城市轨道交通行业也迎来了快速发展的契机。地铁、轻轨、有轨电车、磁悬浮列车等多种轨道运输方式为人们出行提供了更加快捷、便利、多样性的选择，尤其是对经济总量、城市人口、地质环境等因素要求较低的现代有轨电车受到了很多城市的青睐。现代有轨电车每公里的造价仅为地铁的三分之一，无需在地下挖掘隧道，且车辆运行时不排放废气，是一种节能低碳环保的现代化交通工具。 在有轨电车线路规划、设计、施工的过程中，估算工程的造价工作是一个十分重要的环节。工程造价是当兴奋通过轴突传导到突触小体时中的突触小泡释放递质进入间隙作用于后膜使另一神经元兴奋或抑制 图1 人工神经网络模型图 如图，x1,x2……xn表示输入神经元的向量，本文中即有轨电车土建工程的工程特征量；ω1，ω2……ωn表示这些输入信息的连接权值，数值大小表示输入与神经元之间连接强度的强弱。经过神经网络模型的建立，学习，训练的过程之后才能得出准确的权值，通过网络内部权值的动态调节，我们才能获得与目标输出误差很小的实际输出值，这也是人工神经网络模型应用的最重要步骤；θ代表了神经元的内部阈值，只有外界刺激达到了阈值，神经元才会被激活；f（g）是一种传递函数，它决定了神经网络模型的输出（即y值）范围。 人工神经网络从研究起至今已经有百余种模型，联系到模型具体的拓扑结构，神经元特征，学习规律以及模型本身的应用范围等因素，本文决定采用Bp神经网络模型对有轨电车的土建工程造价进行估算。 2.1 Bp网络模型及参数选取 Bp网络（back propagation）是误差反向传播网络，主要采用最小均方误差的学习方式，运用等梯度下降局部搜索、优化的方法来解决复杂的非线性问题。Bp神经网络多采用三层结构，即由输入层，一个或多个隐含层，输出层构成，各层之间全互连，同一层的神经元之间不互连，图2给出了一种典型的三层Bp网络结构。 图2 典型Bp三层网络结构图 本文输入层，隐含层和输出层的参数选取如下，输入层神经元的个数有n个，代表了有轨电车土建工程的特征量，即I=(I1，I2，I3……In)；隐含层中神经元的个数q由科尔莫罗格夫定理求得，即q=2n+1（n为输入层神经元的个数）；输出层神经元的个数为m，代表了工程造价的输出。V代表输入层与隐含层的连接权值，ω表示隐含层与输出层的连接权值。 2.2 Bp神经网络算法 Bp神经网络采用最小均方误差的方式进行学习训练，均方误差是一种衡量平均误差的方法×104，误差率经过计算为1.6% ，完全满足了估算的精准度。训练误差图见图3。 图3.模型训练误差图 4. 总结 人工神经网络利用其高度概括的“特征提取”功能，通过调节网络权值可以逼近复杂的非线性系统的目标输出。上述实例仿真的实现验证了Bp神经网络在现代有轨电车土建工程造价这一新领域内应用的可行性，其中经过学习、训练后得出的输入权值可以借鉴到日后其他城市现代有轨电车工程的造价工作中。要取得准确可靠的工程造价，除了构造出合理的神经网络模型之外，与其工程特征量的选取和样本的训练也有极大的关系。综上所述，合理利用Bp神经网络模型将会给现代有轨电车土建工程的造价工作带来便捷、高效的推动作用。 参考文献 [1] 赵欣. 基于BP神经网络的地铁土建工程造价估算方法研究[J] .北京：北京交通大学，2007.12 [2] 吴开微等. 建造工程造价的模糊神经网络计算方法[J]. 东华大学自然学报,2000.05 [3] 任宏，周其明 . 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[J] 土木工程学报，2003.12 [4] 许东，吴铮 . 基于MATALB 6.x的系统分析与设计—神经网络[M]. 西安：西安电子科技大学出版社，2003.10 [5] 张德丰等. MATLAB神经网络应用设计[M]. 北京：机械工业出版社，2012.2