遗传神经网络在工程估算中应用.docVIP

遗传神经网络在工程估算中应用 　　【摘要】工程估算诸多方法中，神经网络因其良好的非线性拟合能力、鲁棒性，成为较为常用的预测方法。但传统的BP神经网络存在收敛速度慢和容易陷入局部最小值等问题。对此，本文采用遗传算法和神经网络结合，利用遗传算法的优势改善神经网络的全局随机搜索能力，并通过仿真试验验证模型的有效性。 　　【关键词】工程估算;神经网络;遗传算法 　　一、引言 　　工程项目建设前期，详细的项目信息尚未明确，工程造价具有较大模糊性。由于人工神经网络具有准确性高、非线性处理能力强等优点，已被许多学者应用到工程估算领域。但传统的BP神经网络收敛速度慢、易陷入局部极小，而采用遗传神经网络建立的工程估算模型，则可以利用遗传算法全局快速寻优的优势，有效解决上述问题。 　　二、模型介绍 　　1、 BP神经网络 　　人工神经网络是人工智能研究的一种方法，具有较强的非线性映射能力。其拓扑结构具有多层感知器结构，包括输入、输出层和若干个隐层。网络输入信息先通过输入层节点，向前传播到隐层节点，经过计算节点的激活函数后，将各个计算节点的输出信息传播到输出节点，最后得到最终输出结果。 　　所谓BP算法，即反向误差传递法，主要分为向前传播阶段和向后传播阶段。在向前传播阶段中，信息从输入层经过逐层的变换，传送到输出层。而后向传播阶段即根据期望输出计算反向误差，对权值进行修正，如果误差小于