基于BP神经网络建设项目资金流预测.docVIP

基于BP神经网络建设项目资金流预测 　　摘要： 本文构建了BP神经网络模型对某建设工程项目的资金流进行预测分析，结果与实际的资金流基本吻合。说明神经网络能够作为建设项目资金流预测的有效工具。 　　Abstract： In the paper， BP neural network model is constructed to predict capital flow of a construction project， the results agreed with the actual capital flow. Shows that neural network can be used as a effective tool for construction project capital flow forecast. 　　关键词： 建设工程项目；BP神经网络；资金流预测 　　Key words： construction project；BP neural network；capital flow 　　中图分类号：TU723.3 文献标识码：A 文章编号：1006-4311（2013）13-0091-02 　　———————————— 　　作者简介：王普照（1975-），男，山东肥城人，高级工程师，国家注册咨询工程师、国家注册监理工程师，主要研究方向为工程项目管理、监理及招投标。 　　0 引言 　　资金流是指建设工程项目资金流入和流出随工程进度的分布状况，预测资金流可以帮助建设单位按需筹措和安排资金，避免资金积压或者资金短缺给工程建设带来风险和损失。准确预测资金流随时间的分布对投资巨大、建设周期较长、投资回收期很长的建设工程项目尤为重要。本文将神经网络应用于建设工程项目的资金流预测，探索资金流预测的有效方式，为建设单位降低资金使用风险、提高资金使用效率提供理论支撑。 　　神经网络系统理论是1943年由心理学家McCulloch 和数学家Pitts提出的。人工神经网络模型可模拟人类学习、理解问题、解决问题的思维过程，因此比较适合用来做资金流出变化的预测工作。[1] 　　神经网络具有通过学习逼近任意非线性映射的能力，将神经网络理论运用到资金流预测这一多因素非线性系统中，可以不受非线性模型的限制，得出精度较高的预测数据，具有良好的工程应用价值。[2] 　　企业真实的资金流可以看作某些因素的因变量，以这些影响因素的时间序列统计数据为自变量，可以在不求解函数表达式的情况下，利用神经网络逼近任意非线性映射的能力来预测资金流的变动情况。 　　由于神经网络模型能够模拟任意非线性映射，又不必给出映射关系的表达式，所以简单易行、通用性很强。时间序列的统计数据也可以支持影响因素的模糊数据，支持定性的因素对预测结果的影响评价。上述特点正好切合资金流预测影响因素多、且时间序列统计数据比较完善的情况。 　　1 资金流构成 　　资金流包括资金的流入和流出，资金的流入总量是大体确定的，而不同的建设项目、不同的建设阶段，资金流所包含的具体内容和数量是不同的。本文以某电解铝建设工程项目为例，说明建设项目资金流的主要构成。 　　对于处在建设期的工程项目来说，资金流入主要包括银行贷款、资本金和国家、地方税收优惠政策的退税收入（电解铝属于国家限制投资的高耗能行业，国家取消了优惠政策，但是一些电能相对过剩的省份对电解铝项目还有一些优惠）等。其中最重要的是银行贷款（国家将电解铝项目资本金在总投资中比例提高到35%）。 　　资金的流出主要包括工程费用和财务费用。 　　在工程实践中，资金流出会因为施工变更等多种因素与原计划发生较大幅度的偏离。与之相适应，资金流出的偏离反过来会对资金流入的时间和结构产生较大影响，资金流不能按需到位，就会出现资金积压或资金短缺，严重的情况下还可能造成停工或利息支出大幅度增加。[3] 　　2 预测模型构建 　　本文使用S型函数f（ui）=■（c为常数）隐层神经元传递函数，log sig（ui）=■作为目标层神经元的输出函数。 　　在三层的BP网络中，隐含层的神经元个数a2和输入层的神经元个数a1之间存在以下经验公式：a2=2a1+1 　　影响工程项目建设的因素可以概括为五类，即：人、机、物、法、环。本研究选取8个指标作为输入变量。在“人”的影响因素方面选取了人员到位率；在“机”的方面选取了建设设备开工率、生产设备到位率；在“物”方面选取了材料充足率；在“法”方面选取了工程变更资金增加量、设计到位率；在“环”方面选取征地费用、天气情况。 　　人员到位率、建设设备开工率、材料充足率、生产设备到位率、工程变更资金增加量、征地费用中各种非预算支出、工程所在地的气候情况、设计到位率是资金流出的主要影响因素