基于BP神经网络的公共建筑工程造价预测研究.pdf
《基于BP神经网络的公共建筑工程造价预测研究.pdf》由会员分享,可在线阅读,更多相关《基于BP神经网络的公共建筑工程造价预测研究.pdf(4页珍藏版)》请在咨信网上搜索。
1、公共建筑工程造价预测是项目建设前期重点工作内容,其预测结果是否准确对于工程有着重要意义。结合当前建筑业数字化转型的特点,提出一种基于智能算法的公共建筑工程造价预测方法,即建立基于 BP 神经网络的公共建筑工程造价预测模型,并以某市 31 组学校数据为例,通过MATLAB 对学校项目工程造价进行仿真预测。预测结果表明,BP 神经网络预测模型对公共建筑项目有着出色的预测效果。关键词:公共建筑;工程造价;预测模型;BP 神经网络中图分类号:F 407.9 文献标识码:A引言在建设项目前期,快速而准确地估算出工程项目的造价,对项目的投资决策具有十分重要的意义1。随着工程造价研究的不断深入,我国工程造价
2、预测方法从传统的统计学习方法发展到基于人工智能理论的工程预测方法研究。郑巧珍等2分别采用梯度提升决策树与支持向量机算法对 LNG 接收站工程进行造价预测,并采用 Python 对两种造价预测方法进行预测分析,预测结果表明梯度提升决策树比支持向量机预测结果更为准确。刘婧等3采用 BP 和 RBF 神经网络对厦门市住宅项目进行造价预测,平均误差达 6%之内。范淑倩4通过构建岭回归、随机森林和 XGBoost 算法的价格预测模型,并采用此三种模型对高层住宅工程造价进行预测,预测结果表明基于 XGBoost 算法的工程造价预测模型更为稳定,预测效果更优。由此可以看出,目前工程造价预测研究主要针对单一住
3、宅,针对公共建筑整体项目的工程造价研究较少。因此,拟从整体公共建筑出发,对某市 31 座学校整体建筑造价信息进行整理归纳,在此基础上通过 BP 神经网络对学校进行造价预测分析。1 BP 神经网络1.1 BP 神经网络结构BP 神经网络(Bank Propagation Neural Network)由鲁姆哈特(David Rumelhart)等人于 1986 年首次提出,并在平行分布处理:认知的微观结构探索一书中进行完善5。BP 神经网络广泛应用于解决各种预测问题,是知名度极高的预测模型之一。BP神经网络属于前馈型神经网络,结构如图 1 所示,具体结构如下:图 1 BP 神经网络结构图(1)网
4、络层数:共包含输入层、隐含层和输出层三大功能层,其中隐含层可以包含多个子层。(2)神经元个数:输入层的神经元个数即输入指标的个数;隐含层神经元个数可自行设定;输出层神经元的个数即输出指标的个数。(3)网络权重:每层的神经元都与后一层神经元用权重一一链接。(4)神经网阈值:隐含层与输出层每个神经元都有自己对应的阈值。(5)激活函数:隐含层与输出层都有自己的激活函数。隐含层神经元的激活函数通常设为 tansig函数,输出层神经元激活函数通常设为 purelin函数。1.2 BP 神经网络的工作原理及流程BP 神经网络的工作原理为逐层前馈传递,首先由输入层接收输入指标,再由输入层逐层传递至隐含层,最
5、终在输出层进行数据输出。神经元在逐层传递时通过加权累加前一层传过来的值,然后加上自身阈值,最后经过激活函数传递给下一层各个节点。当不知道 x 与 y 具体关系,并又需要用 x 来获01Research&Application of Building Materials取 y 值时,可以使用 BP 神经网络来拟合 x 与 y 的关系。具体流程如下:(1)采集 x 与 y 的数据。(2)设置合适的 BP 神经网络模型结构。(3)用数据训练 BP 神经网络的权重和阈值。(4)测试 BP 神经网络在新样本中的效果。(5)测试成功后,即可将 BP 神经网络投入使用。1.3 BP 神经网络的训练在
6、 BP 神经网络结构确定后,模型的表达式相应确定,进一步需确定模型中 W,b(权重阈值)使得网络预测更为准确,也误差最小。BP 神经网络的训练,是求取一组(W,b),即求(W,b)取何值时,能令式(1)中的均方误差函数 E(W,b)最小。E(W,b)=1mmi=11kkj=1(yij-yij)2(1)式中:m 训练样本个数;k 输出个数;yij 第 i 个样本第 j 个输出的预测值;yij 第 i 个样本第 j 个输出的真实值。BP 神经网络主要是通过梯度下降算法、自适应学习率梯度下降法、Fletcher-Reeves 共轭梯度法和LM 算法实现,此次采用梯度下降算法实现。2 工程特征指标的选
7、取及处理2.1 工程特征指标的选取公共建筑工程造价指标的选取是进行准确预测的前提,由于影响工程造价的因素诸多,但并非每项指标都对工程造价产生重要影响,现依据以下原则对公共建筑工程造价指标进行选取。(1)适度性原则。要求公共建筑工程造价指标选取需适度,指标数量不宜过多,指标数量过多会影响 BP 神经网络的计算效率;指标数量也不宜过少,指标数量过少便无法全面反映工程造价影响因素进而导致预测值不准确。(2)代表性原则。要求所选取的公共建筑工程造价指标为影响某类建筑工程造价的主要影响因素。(3)独立性原则。要求公共建筑工程造价指标之间相互独立,不可重复交叉,如建筑总层数指标包含地上层数与地下层数,如若
8、选择地上层数、地下层数作为造价指标便不可选择建筑总层数作为造价指标。通过搜集大量造价预测相关文献并结合公共建筑情况,依据上述原则,选取了 9 个对公共建筑工程造价影响较大的特征指标,包括占地面积、地上建筑面积、地下建筑面积、地下层数、层高、建安工程费造价指数、学校类型、基础类型和结构类型。其中前6 个特征指标为定量指标,后 3 个特征指标为定性指标。2.2 定性指标量化上文所选取的 9 个特征指标中包含定量指标与定性指标,BP 神经网络输入指标需为具体数值,故需对定性指标量化,使其以量的形式展现。通过造价预测文献的阅读以及咨询公共建筑相关造价从业人员后,拟采用等距划分法将定性指标采取赋值形式的
9、定量处理,将每个特征属性用 1 4 的尺度表示,具体量化方式见表 1。表 1 定性指标量化方式定性特征指标量化值1234学校类型幼儿园小学九年一贯高中基础类型独立基础筏板基础桩承台基础桩基础结构类型框架结构剪力墙结构框剪结构钢结构2.3 归一化处理数据归一化是在智能算法模型中常用的数据处理方式,归一化也称为标准化,是通过变换处理将指标的输入和输出数据限制在0,1或-1,1区间内。由于定量化指标之间存在量纲上的差距,如地上建筑面积其单位为 m2,对于公共建筑而言地上建筑面积多为几千平米,而地下层数单位为层,公共建筑地下层数不会超过个位数,如不进行归一化处理,会使指标之间量纲差距过大,影响 BP
10、神经网络权重的选择,选用 sigmoid 作为激活函数式,因而采用将输入和输出数据限制在0,1区间内的归一化方式,具体见式(2):yi=xi-xminxmax-xmin(2)式中:xi 输入或输出的数据;xmin x 所在列的最小值;xmax x 所在列的最大值。由于 MATLAB 所输出的数据需为具体预测值,故对预测数据进行反归一化处理6。数据归一化和反归一化采用 MATLAB 代码实现,具体代码为:%将 输 入 数 据 归 一 化 x _ test _ regular=mapminmax(apply,x_test_data,x_train_maxmin);%将得到的数据反归一化得到预测数据
11、 BP_predict=mapminmax(reverse,y_test_regular,y_train_maxmin)。11建材技术与应用 4/20233 实例分析3.1 数据样本通过对某市 20182022 年新建学校工程造价进行归纳整理,并将其作为样本数据,建安工程造价指数由某市住房和建设局网站获取,其具体数据样本见表 2。表 2 公共建筑工程造价数据样本工程标号占地面积/m2地上建筑面积/m2地下建筑面积/m2地下层数/层层高/m建安工程造价指数/%学校类型基础类型结构类型单位造价/元 m-2110 000.1516 667.008 000.0013.3204.62小学桩基础框剪结构7
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 BP 神经网络 公共建筑 工程造价 预测 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。