工程快速估价方法分析-水利工程专业论文.docx

硕士研究生学位论文 硕士研究生学位论文 摘要 I 摘 要 在工程建设的过程中，如何确定工程造价是十分重要的内容，特别是在工程的建设前 期的对工程项目的投标估算和如何控制成本。因为这个时候的工作是控制项目成本的起始 和最终成本控制的基础。怎样快速建立能够满足实际要求的预测模型，准确又快速的对工 程造价进行估算具有十分重要的现实意义和实用价值。 以往的工程造价估算模型大都只采用了模糊数学和灰色系统理论，近几年的发展，人 们逐渐将神经网络原理引入到了工程估价方法的研究中，也相应的得到了比较好的结果， 但是由于大家采用的多是 MATLAB 神经网络工具箱去求解模型，这样模型就不能得到很好 的求解，从而也就不能发挥其算法的优越性。灰色关联度分析的预测方法是把以往发生过 的或不确定的信息建立成模型，这个模型具有预测功能，这样就能确定模型的发展趋势， 为以后的规划和决策创造条件。 本文首先研究了工程造价的构成，列举了传统的造价方法和估价方法，通过理论的研 究，将灰色系统理论进行创新，应用灰色关联度原理，根据权重的取值和历史数据的网格 化，应用灰色关联度的分析原理，进行关联性分析，将结果进行比对，发现误差小于 7%， 证明了这种方法的效果很好，避免了因经验取值而加大的误差； 同时采取了神经网络方法，建立了基于 BP 神经网络集成的工程快速估价模型，文中通 过编写关于神经网络的 MATLAB 程序对模型进行求解，首先通过对测试样本进行归一化的 处理，通过调用归一化后的数据样本，经过多轮次的运算，不断的确定网络的权值和阈值， 直到满足给定的误差精度要求，网络结构被确定，然后调用测试样本的数据文件，通过多 轮次的运算，得到相应的结果，通过误差计算结果显示，这种方法满足论文所设定的误差 限度。 应用 BP 算法所建立模型的运行，发现在其求解过程进行优化，能够取得更为理想的 结果，因此在前馈多层神经网络的基础上应用了优化算法，建立了基于多层前馈神经网络 的高精度优化算法模型，通过调用测试样本数据文件，为模型设立了 0.3×10-5 的误差基础， 经过上万次的训练，使得训练后的模型具有更好的检验效果，在此基础上调用数据文件， 实现了工程快速估价模型的预测。 为了对模型的速度和可靠性进行验证，论文中以多层现浇框架写字楼为例，选取了 50 个样本，将其中的 30 组数据作为训练样本，另外的 20 组数据作为测试样本。将选取出的 8 个对工程造价起主要作用的因素作为模型的输入，单平米造价作为输出，进行网络训练， 通过对 BP 神经网络模型和多层前馈神经网络高精度优化模型进行比对，发现后一方法所 建立模型的计算结果的误差比前两种更小，因此该方法能够使预测精度显著提高，该方法 的实用性很强而且具有很大的推广价值。 关键词：多层前馈神经网络优化；BP 神经网络；灰色系统理论；工程估价 II Abstract 硕士研究生学位论文 Abstract Construction cost certainty is an important part of project construction, especially the early works of construction project is particularly important to bidding and estimating for cost control. Because it is not only the starting point of the project cost control, but also the foundation. How to create a realistic prediction model, accurate and fast estimate of the project cost has very important practical significance and practical value. Previous project cost estimation model only uses fuzzy mathematics and grey system theory, the development in rece