摘　要:在对建筑工程造价影响因素分析的基础上给出了样本的定性定量描述方法,建立了建筑工程造价资料快速估算的BP神经网络模型,本科毕业论文范文用已建典型工程资料对BP神经网络进行训练,实现了工程造价资料的快速估算,实例证明该方法是可行的,估算结果是可靠的。

　　快速估算建筑工程造价是建筑承包商参与工程投标竞争的需要。近年来,有关学者提出用模糊数学、概率论、灰色理论等方法估算建筑工程造价,是对建筑工程造价快速估算的有益探索。但这些方法的缺陷是:(1)没有考虑造价的动态性,其估算精度不高;(2)需搜集已建典型工程样本,并要确定新建工程与典型工程样本各工程特征对比的模糊隶属度,具有较大的主观性,且快速程度也大打折扣。因此,研究适用的建筑工程造价快速估算方法十分必要。

　　1　快速估算工程造价的思路

　　众所周知,建设地点的地质条件和使用功能相近的工程,其建筑结构特征具有相似性;在建筑时消耗的物化劳动与活劳动的量相近。当价格水平稳定时,建筑结构特征相似的工程造价相近。因此,我们可以从众多已建的工程中选取与新建工程建筑结构特征相近者的造价资料作为新建工程的造价资料的近似估计。上述过程的实质和核心是模式识别问题,而神经网络具有自组织、自学习以及对输入数据的鲁棒特征、冗余容错等特性,广泛应用于模式识别领域。据此,本文把已建工程特征的量化数据作为输入,对应的造价资料作为输出,对神经网络进行训练,最终用训练好的神经网络实现建筑工程造价资料的快速估算。

　　2　建筑工程样本描述及定量化

　　2.1　建筑工程样本的模式描述一般民用建筑工程是由基础、墙柱、楼层、屋顶、门窗等基本构件所组成。其造价取决于每部分的实物工程量的大小、类别及价格水平,而实物工程量的大小是由工程设计的建筑结构参数决定的。通过对已建典型工程的造价组成及建筑结构参数变化对造价的影响进行分析,我们确定基础、结构、层数、门窗、装饰、墙体、平面组合为决定工程造价的主要因素,称其为工程特征。从工程造价估算的角度出发,用建筑工程特征描述建筑工程样本,即:建筑工程=(基础,结构,层数,门窗,外装修,平面组合)

　　2.2　建筑工程样本模式描述的定量化建筑工程的工程特征有不同的类型(如结构可以是砖混结构,框架结构等;基础可以是砖条基,钢筋砼条基等),称之为特征类目。列举工程特征的不同类目,依据定额水平及工程特征对造价影响的相关性导致平方米造价的改变,从小到大排序,并主观给定对应的量化数据,结果见表1。 依据表1,可给出任意一个建筑工程模式的定量化描述。以Ti=(ti1, ti2,…, tij)表示。其中,Ti表示第i(i=1,2,…)个工程的序列号;tij(j=1,2,…,7)表示第i个工程的第j个特征的定量化数值。如某工程(序列号设为i)是钢筋砼条基,砖混结构、7层、木门铝合金窗、外墙干粘石、标准砖、三室一厅,则其定量化描述为Ti=(2,1,2,4,2,2,4),如果某特征由几种类目混合构成,可按比例计算其加权平均值作为该特征的量化结果。

　　3　基于BP神经网络的建筑工程造价快速估算模型

　　3.1　BP神经网络的基本结构BP神经网络是模拟人的神经系统结构,由许多并行的神经元组成的具有学习、记忆、计算和智能处理能力的非线性自适应动态系统。一般是由一个输入层,多个隐层和一个输出层构成。每相邻两层的节点之间单方向相互连接。本文选用三层BP神经网络,即一个m个节点的输入层,l个节点的隐层,n个节点的输出层,其结构如图1所示。

　　3.2　BP神经网络的学习算法图1所示的神经网络中,先把输入信息传播到隐节点,经S型激活函数后,再把隐节点的信息传播到输出节点,最后经激活函数作用后,给出输出结果。在隐节点和输出节点处,取S型激活函数f(x)=11+ex。如果输出结果不是期望的输出,则转入反向传播,把误差信息沿原来的连通路返回,通过修正各层神经元的权值,使误差最小。设有N个样本(xk,yk)(k=1,2,…,N),对某一输入xk,神经网络的输出为yk,隐层点I的输出为Oj,则BP人工神经网络的学习过程见文献[4]。

　　3.3　基于BP神经网络的建筑工程造价快速估算模型现收集18个已建典型工程,其工程特征的定量化数值tij(i=1,2,…18; j=1,2,…7)及对应于《河南省建筑工程预算定额(96)》的造价资料yis(s=1,2,3,4)见表2,且不考虑价格调整。确定BP神经网络的结构参数为:输入层节点数m=7,输出层节点数n=4,隐层节点数L=32mm≈8。用xij=1+ e　tij-tjtj-1;yis=1+ e　vis-vsvs

[1] [2] 下一页