BP神经网络和TOC下工程造价预控措施分析.docVIP

BP神经网络和TOC下工程造价预控措施分析 　　【摘 要】为了对于工程的造价实施有效的预控，减少建设投资的不确定性，通过运用BP神经网络实施对于工程造价的预测，根据此方法预测出的结果对于工程的计量清单进行优化。然后利用TOC理论对优化后的工程清单计价模式进行控制，从而达到了工程造价预控的实施。文章以某工程为例，分别论述了BP神经网络的预测、TOC理论的控制、基于ＢＰ神经网络与ＴＯＣ理论的工程造价预测与控制，最后通过案例分析，证明了此方式的有效性。 　　【关键词】BP神经网络；TOC理论；工程造价；预控措施；分析 　　 　　建筑业作为我国的主要物质生产部门，一直以来都在国民经济的发展中占有重要地位。即使是在2008年美国次贷危机以来，我国政府通过强有力的扩大内需的一系列措施，使得我国的经济继续的保持着快速的增长。而建筑业也要在此过程中，不断的学习工程造价管理的先进方法，同时也要不断的总结实施工程造价中的经验教训，不断的大胆创新，从而不断的提升我国的工程造价实践水平以及理论层次。下文主要结合BP神经网络对工程造价的预测以及TOC理论对工程造价的控制进行论述。 　　1 BP神经网络的预测 　　BP神经网络的清晰表述是在20世纪80年代被提出的，这一算法的提出不仅解决了多层神经网络的学习问题，同时也实现了多层网络的设想，从而极大的促进了神经网络的发展。BP神经网络的全称为Back Propagation，即误差反向传播神经网络，是一种多层、前向的神经网络，可以简单的理解为误差的传播方向是与信号的前向传播相反方向的。一般的BP网络都有不止一个的sigmoid隐层以及线性的输出层，从而可以有效的实现对多个不连续点函数的逼近。反向传播也就是从后向前的进行误差的调整，网络的权值顺着性能函数的梯度反向的调整。 　　BP神经网络的结构图如下图1所示，每一个神经元都是用一个节点表示，P、A是网络的输入以及输出向量，网络由隐层、输入层以及输入层节点组成，其中隐层可以是一层，也可以是多层，通过权将前后层连接起来。 　　图１ BP神经网络 　　2 TOC理论的控制 　　TOC约束理论是由以色列物理学家在1984年首次提出的，这一理论的研究以及应用为我们展现了一种全新的管理理念。十多年后他有提出了关键链法，主要应用于项目进度计划问题的解决，这一方法的主要思想就是工程项目必须遵守整体优化而非局部优化。关键链及时考虑两种约束，同时将其网络化并应用于项目的进度规划决策的技术。 　　这一技术主要由5个步骤组成：（1）识别系统的局限性（2）考虑如何利用这一瓶颈；（3）设法使得其它的决策服从与上面的决定;(4)提升系统的瓶颈；（5）如果瓶颈问题得以解决，那么回到第一步继续执行这一操作。 　　关键链技术是以全局的角度来进行各道工序安全时间的设定，统一到缓冲中的安全时间并不一定保证每一道工序的按期完成，但是却可以照顾到全局施工进度。由于输入缓冲以及项目缓冲可以有效的消除项目中的不确定因素对项目计划执行的影响，管理人员通过关注项目的进展情况，通过缓冲区调整项目的进度并实施项目的优化。 　　3 基于BP神经网络与TOC理论的工程造价预测与控制 　　3.1 基于BP神经网络的工程造价预测 　　通过MATLAB7.0建立模型可以分为以下四步： 　　3.1.1 样本的输入值。输入值的确定要参照以下各种费用：设计概算阶段的预备费、设计概算阶段的设备及工器具购置费、设计概算阶段的建筑安装工程费、设计概算阶段的工程建设其他费用。样本的期望值以及输出值的确定要考虑到以下几种费用：工程建设其他费用、工程决算阶段与设计概算阶段相比的建筑安装工程费、设备及工器具购置费、预备费增长的大小。样本的输出值范围在-1到1之间，前者表示没有风险，后者表示风险最大。 　　3.1.2 通过MATLAB7.0构造BP神经网络。输入层以及输出层的神经元节点数目分别设置为N1和N3，而BP神经网络隐层节点的设计检验公式为： （a=1―10，N1、N3分别为输入与输出的节点数）。然后进行训练函数、输出层函数以及隐层函数的选择，同时设置训练的次数以及目标。 　　3.1.3 将样本数据带入程序，通过训练、学习、测试样本检验，达到预定的目的。 　　3.1.4 通过输入一组向量P,模型将输出一组预测得到的列向量A。 　　3.2 基于ＴＯＣ理论的工程造价控制 　　为了有效的控制工程造价，TOC理论思想要求将工程造价中风险费用的增加按照同一个保证率计算，然后将这一保证率之下费用差值安排到预备费用中的基本预备费中，或者理解为将其设置为缓冲区。我们可以将输出的预测向量值设置为： 　　与之相对的输入向量设置为 　　按照上文所述的TOC理论的实施步骤，第一步是进行系统瓶颈的识别，得到的结果