基于人工神經(jīng)網(wǎng)絡(luò)的動態(tài)工程估價

張 凡 王 磊 周 洲 胡世翔

（南京工程學(xué)院 江蘇·南京 211167）

0 引言

本課題主要研究運(yùn)用“人工神經(jīng)網(wǎng)絡(luò)”的方法對建筑工程的工程估價進(jìn)行研究，通過對大量工程實例進(jìn)行分析，建立估價模型，并用實例予以驗證，確保存在的誤差控制在一定范圍內(nèi)，以使得估價模型可以應(yīng)用于工程實踐中。

確定工程造價是建設(shè)工作中十分重要的一環(huán)，在不同的設(shè)計階段有著不同的應(yīng)用：如初步設(shè)計階段編制概算，施工圖設(shè)計階段編制預(yù)算，而最為關(guān)鍵的則是在建設(shè)前期的工程造價估算。工程的估算價是整個成本管理過程的起點，是成本控制的基礎(chǔ)，因此在瞬息萬變的市場經(jīng)濟(jì)環(huán)境中，探尋這樣一套快速、簡捷、實用的工程估價模型有著十分重大的意義。

一直以來我國動態(tài)工程估價是根據(jù)之前沿用的靜態(tài)估價方法而提出的。與靜態(tài)估價相比，動態(tài)估價已經(jīng)不再僅僅是統(tǒng)一制定的估算指標(biāo)，概算定額，單位估價表以及各種收費(fèi)標(biāo)準(zhǔn)，而主要為定期修正的實物消耗量定額，長期積累的工程造價資料和各種工程造價信息。同時，動態(tài)估價的結(jié)果包含了更多的估計和概括成分，在某些階段，估價結(jié)果可表現(xiàn)為一個造價可能區(qū)間，而不是一個確定的造價值。而這種特征恰恰符合了工程造價動態(tài)的特有性質(zhì)。

把人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于工程估價領(lǐng)域，建立相應(yīng)的工程估價模型，為動態(tài)工程估價提供數(shù)據(jù)分析指導(dǎo)和輔助決策。以造價控制的歷史數(shù)據(jù)為依據(jù)，運(yùn)用神經(jīng)網(wǎng)絡(luò)模型對實際造價的資金發(fā)展變化情況進(jìn)行預(yù)測。再通過造價預(yù)測數(shù)據(jù)與造價計劃的比較，明確建筑工程計劃值。采取有效的改進(jìn)措施，確保建筑工程實際造價預(yù)測結(jié)果的真實性和可靠性為國家正大力推廣的建筑師負(fù)責(zé)制提供經(jīng)濟(jì)性分析。

1 實驗部分

1.1 實驗理論

由于工程估價過程中涉及到的相關(guān)因素過多，且具有隱蔽性，復(fù)雜性和多層次性的特征，導(dǎo)致難以對其設(shè)計一種準(zhǔn)確有效的估價方法。故采用當(dāng)下熱門的神經(jīng)網(wǎng)絡(luò)模擬方法，從已建工程中提取主要特征并研究其對造價的影響，然后建立網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)和優(yōu)化，最終得到一個估價預(yù)測模型。

1.2 實驗方法

首先通過matlab軟件建立簡單的神經(jīng)網(wǎng)絡(luò)模型，驗證其擬合數(shù)據(jù)的有效性。然后再建立具體的工程估價計算神經(jīng)網(wǎng)絡(luò)，導(dǎo)入相關(guān)數(shù)據(jù)，對其進(jìn)行模擬分析與學(xué)習(xí)，得到最終預(yù)測模型。

2 過程與討論

2.1 神經(jīng)網(wǎng)絡(luò)擬合有效性檢驗

2.1.1 建立簡單模型

首先定義一個已知函數(shù)：

F=20+x1.^2-10*cos(2*pi*x1)+x2.^2-10*cos(2*pi*x2)，打開matlab，進(jìn)行神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)建立

ld=100;定義訓(xùn)練數(shù)據(jù)的個數(shù)

x=rand(2,ld);定義基本二維狀態(tài)的變量

F=20+x1.^2-10*cos(2*pi*x1)+x2.^2-10*cos(2*pi*x2);

定義已知的訓(xùn)練函數(shù)

net=newrb(x,F);建立神經(jīng)網(wǎng)絡(luò)模型

interval=0.1; 定義基本參數(shù)

tx=[tx1;tx2];

ty=sim(net,tx);

v=reshape(ty,row);

實際對函數(shù)進(jìn)行計算與擬合結(jié)果進(jìn)行對比

subplot(1,3,1)

mesh(x1,x2,F); subplot(1,3,3)

mesh(x1,x2,F-v); 畫出最后對比圖，查看誤差，得出結(jié)論。

2.1.2 分析

圖1

訓(xùn)練樣本為100

第一個圖像是 F=20+x1.^2-10*cos(2*pi*x1)+x2.^2-10*cos(2*pi*x2)函數(shù)的原始圖像，第二個圖像是經(jīng)過matlab產(chǎn)生隨即數(shù)據(jù)后擬合的圖像，最后一張是對比兩張圖的誤差

圖2

我們可以發(fā)現(xiàn)在模擬數(shù)據(jù)個數(shù)為100的時候，誤差還比較明顯，于是可以進(jìn)一步縮小誤差，也就是增加樣本數(shù)量，當(dāng)我們把樣本模擬數(shù)量增加到400時，在運(yùn)行一次，結(jié)果如圖2。

訓(xùn)練樣本為400

可以明顯的從第三張誤差圖中發(fā)現(xiàn)，起伏明顯變小，只有局部地區(qū)存在波動差異，由此可以進(jìn)一步論證神經(jīng)網(wǎng)絡(luò)強(qiáng)大的擬合性，并且可以得出結(jié)論：在提高訓(xùn)練樣本個數(shù)的前提下，可以無限逼近原函數(shù)。

2.2 具體工程估價模型

2.2.1 建立具體工程估價模型

從某市32個已建工程項目的工程量清單中選取數(shù)個工程特征進(jìn)行SPSS相關(guān)矩陣分析，最終得到9個影響造價最重要的因素，分別是：

選取好數(shù)據(jù)后，將其分為兩組，第一組為訓(xùn)練組，第二組為驗證組。

開始建立訓(xùn)練組的神經(jīng)網(wǎng)絡(luò)：

net=newff(inputData,outputData,3,{'tansig','purelin'},'trainlm');

net.trainparam.goal=0.0001;

net.trainparam.show=500;

net.trainparam.epochs=20000;

[net,tr]=train(net,inputData,outputData);

simout=sim(net,inputData);

2.2.2 分析

運(yùn)行結(jié)果如下：

圖中紅色的是神經(jīng)網(wǎng)絡(luò)預(yù)測的結(jié)果，藍(lán)色的是原來的數(shù)據(jù)，我們可以知道，擬合后的數(shù)據(jù)和原數(shù)據(jù)具有高度的相似性，其圖像趨勢基本一致，以此證明神經(jīng)網(wǎng)絡(luò)對工程估價模擬的可行性。再根據(jù)設(shè)置的神經(jīng)網(wǎng)絡(luò)模型，提取表達(dá)式，完成模型建立。

根據(jù)已經(jīng)建立的神經(jīng)網(wǎng)絡(luò)模型，輸入驗證組的數(shù)據(jù)，證明其有效性。

此圖為驗證組對比結(jié)果，由此可知，該模型的可行性可以得到保證，模擬平方造價與原數(shù)據(jù)具有高度的擬合性。

3 結(jié)論

本文通過神經(jīng)網(wǎng)絡(luò)方法建立了建筑工程估價模型。首先通過對簡單的已知函數(shù)模型進(jìn)行神經(jīng)網(wǎng)絡(luò)擬合，證明其擬合數(shù)據(jù)效果的可行性，并且得出結(jié)論：提高在神經(jīng)網(wǎng)絡(luò)中數(shù)據(jù)學(xué)習(xí)的數(shù)量，理論上可以不斷逼近原數(shù)據(jù)。之后進(jìn)一步建立具體的建筑工程估價模型，選取主要工程量后，建立神經(jīng)網(wǎng)絡(luò)模型并學(xué)習(xí)優(yōu)化，并對比擬合造價與原造價，最后得出結(jié)論：通過神經(jīng)網(wǎng)絡(luò)建立的建筑工程模型對平米造價的預(yù)測值與期望值之間存在高度的擬合性，進(jìn)一步優(yōu)化后可滿足工程實際要求，可以用于預(yù)測建筑工程估價。本研究對神經(jīng)網(wǎng)絡(luò)在建筑工程估價當(dāng)中應(yīng)用的可行性提供了有力的證明。