BP神經(jīng)網(wǎng)絡(luò)在工程造價(jià)中的研究現(xiàn)狀綜述

楊悅，張賢芳 （安徽國防科技職業(yè)學(xué)院城市建設(shè)學(xué)院，安徽 六安 237011）

0 前言

工程造價(jià)是工程項(xiàng)目預(yù)估或?qū)嶋H支出的建設(shè)費(fèi)用。按工程不同的建設(shè)階段，工程造價(jià)根據(jù)不同時(shí)期有多種類型。其中，工程項(xiàng)目的前期投資估算影響著項(xiàng)目的前期決策，是決策項(xiàng)目投資的重要依據(jù)。因此，工程造價(jià)是成本控制的基礎(chǔ)[1]，影響著項(xiàng)目整體的成本管理。工程項(xiàng)目的造價(jià)具有單獨(dú)性、唯一性和復(fù)雜性等特點(diǎn)[2]。項(xiàng)目實(shí)施過程中，影響工程造價(jià)的因素很多，由于造價(jià)人員的經(jīng)驗(yàn)不同，會(huì)導(dǎo)致造價(jià)估算的準(zhǔn)確性不同。

人工神經(jīng)網(wǎng)絡(luò)作為人工智能領(lǐng)域的研究熱點(diǎn)，可以利用信息處理技術(shù)模擬人腦神經(jīng)元網(wǎng)絡(luò)建立模型，并按照不同的連接方式組成不同的網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)以不同網(wǎng)絡(luò)結(jié)構(gòu)分類為前向網(wǎng)絡(luò)和反饋網(wǎng)絡(luò)。BP神經(jīng)網(wǎng)絡(luò)作為典型的多層前向型人工神經(jīng)網(wǎng)絡(luò)，在模式識(shí)別、函數(shù)逼近、分類、數(shù)據(jù)壓縮等方面應(yīng)用廣泛[3]。近年來，隨著構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)項(xiàng)目造價(jià)估算研究的深入，BP神經(jīng)網(wǎng)絡(luò)在工程造價(jià)中得到較為廣泛的應(yīng)用。本文將對(duì)BP神經(jīng)網(wǎng)絡(luò)在工程項(xiàng)造價(jià)估算方面的研究現(xiàn)狀進(jìn)行闡述和分析。

1 BP神經(jīng)網(wǎng)絡(luò)模型在建筑工程造價(jià)中研究現(xiàn)狀

人工神經(jīng)網(wǎng)絡(luò)模型已被研究證明可以預(yù)測(cè)工程項(xiàng)目造價(jià)。目前，國內(nèi)外研究表明，人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)技術(shù)越來越多，理論研究趨于成熟[4-8]。M.E.GEOR?GY等人通過使用人工神經(jīng)網(wǎng)絡(luò)，在預(yù)算授權(quán)階段對(duì)建設(shè)項(xiàng)目成本進(jìn)行參數(shù)估測(cè)，并對(duì)理論的正確性和合理性進(jìn)行闡述。同時(shí)，通過MATLAB平臺(tái)，發(fā)現(xiàn)經(jīng)過訓(xùn)練的人工神經(jīng)網(wǎng)絡(luò)模型對(duì)新工程進(jìn)行估測(cè)時(shí)的誤差[9]。Shi H等基于粗糙理論，建立基于優(yōu)化粒子群和BP神經(jīng)網(wǎng)絡(luò)的模型，以預(yù)測(cè)、估算工程造價(jià)，并選取建筑實(shí)例工程項(xiàng)目進(jìn)行實(shí)證分析，證明模型的實(shí)用性[10]。任宏等基于BP神經(jīng)網(wǎng)絡(luò)利用MATLAB軟件，以實(shí)際工程資料為例，建立工程造價(jià)和主要工程量的數(shù)學(xué)模型，通過對(duì)比考慮造價(jià)指數(shù)等影響，驗(yàn)證了改進(jìn)模型的可行性和精確性[11]。張登文等通過增加造價(jià)指數(shù)為特征指標(biāo)，以實(shí)例計(jì)算結(jié)果表明改進(jìn)BP神經(jīng)模型工程造價(jià)精度更高，證明模型的可靠性及實(shí)用性[12]。王建茹等通過MATLAB程序設(shè)計(jì)，建立基于BP神經(jīng)網(wǎng)絡(luò)的建筑工程造價(jià)模型，選取工程造價(jià)的影響因素作為輸入值，以單方造價(jià)為輸出值，建立了輸入值與輸出值的函數(shù)關(guān)系，快速估算出建筑項(xiàng)目工程造價(jià)[13]。滕凌云將建筑工程造價(jià)中的特征值量化，作為模型輸入樣本，構(gòu)建BP神經(jīng)網(wǎng)絡(luò)工程造價(jià)預(yù)測(cè)模型。通過驗(yàn)證，證明BP模型能夠滿足建筑工程造價(jià)預(yù)測(cè)要求[14]。

2 BP神經(jīng)網(wǎng)絡(luò)模在市政工程造價(jià)中研究現(xiàn)狀

BP神經(jīng)網(wǎng)絡(luò)也可以適用于市政工程中的造價(jià)估算。張俊以太湖高鐵片區(qū)道路工程為例，運(yùn)用PyCharm軟件建立基于Tensorflow框架的BP神經(jīng)網(wǎng)絡(luò)模型，選取15個(gè)特征值。以15個(gè)項(xiàng)目為樣本訓(xùn)練模型，通過不斷測(cè)試，直到條件滿足。張俊利用測(cè)試模型對(duì)3個(gè)項(xiàng)目進(jìn)行預(yù)測(cè)，預(yù)測(cè)值與實(shí)際值相對(duì)誤差均小于10%，驗(yàn)證了BP神經(jīng)模型在道路工程造價(jià)中的可行性與精確性[2]。王飛等基于BP神經(jīng)網(wǎng)絡(luò)對(duì)公路工程造價(jià)展開研究，通過確定7個(gè)影響較大的工程特征作為輸入向量構(gòu)建了高速公路的工程造價(jià)模型，證明了BP神經(jīng)網(wǎng)絡(luò)可以有效提高工程造價(jià)預(yù)測(cè)的精確性，具有較強(qiáng)的使用價(jià)值[15]。潘延昌對(duì)公路路基工程展開研究，構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型估算7個(gè)標(biāo)段土石方量和防護(hù)工程量造價(jià)，預(yù)測(cè)結(jié)果表明，土石方量估算誤差基本在10%以內(nèi)，防護(hù)工程量估算誤差在16%以內(nèi)，防護(hù)工程比土石方工程量造價(jià)估算誤差大[16]。賀倩以鐵路橋梁混凝土工程為例，建立BP神經(jīng)網(wǎng)絡(luò)模型。提取9個(gè)影響因子為研究對(duì)象，統(tǒng)計(jì)其相關(guān)性，最終確定7個(gè)重要影響因子。研究以21個(gè)橋梁數(shù)據(jù)為支撐，估算項(xiàng)目總投資。通過網(wǎng)絡(luò)輸出投資與實(shí)際總投資對(duì)比，相對(duì)誤差3.29%，未超出設(shè)定誤差±9.5%。結(jié)果表明，BP神經(jīng)網(wǎng)絡(luò)構(gòu)建的工程造價(jià)模型具有較高的精準(zhǔn)度[17]。

3 BP神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)原理

BP神經(jīng)網(wǎng)絡(luò)是一種多層次的人工神經(jīng)網(wǎng)絡(luò)。網(wǎng)絡(luò)結(jié)構(gòu)主要包括三層：輸入層、輸出層和隱含層[15]。BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖見圖1所示，其包含2層隱含層。

圖1 BP神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)圖

同一層間的神經(jīng)元無連接，因此，BP神經(jīng)網(wǎng)絡(luò)可以挖掘輸入層中的更多信息，完成更復(fù)雜的信息處理[3]。BP神經(jīng)網(wǎng)絡(luò)的傳遞函數(shù)一般采用Sigmoid、線性函數(shù)。典型的BP神經(jīng)網(wǎng)絡(luò)是Sig?moid函數(shù)用于隱含層，線性函數(shù)用于輸出層。BP神經(jīng)網(wǎng)絡(luò)采用誤差反向傳播算法進(jìn)行學(xué)習(xí)，神經(jīng)網(wǎng)絡(luò)根據(jù)誤差逐層修正。BP神經(jīng)模型的工作流程圖見圖2所示。

圖2 BP神經(jīng)模型工作流程圖

這種采用監(jiān)督式的學(xué)習(xí)方式，需要通過相關(guān)數(shù)據(jù)訓(xùn)練，再以一定數(shù)量的樣本進(jìn)行測(cè)試。如果樣本數(shù)量不足，會(huì)影響模型預(yù)測(cè)結(jié)果。

在工程項(xiàng)目中造價(jià)金額，需要比較精確的數(shù)值，否則會(huì)影響成本控制。因此，利用BP神經(jīng)網(wǎng)絡(luò)構(gòu)建工程造價(jià)模型需選取合適的數(shù)據(jù)樣本。李芬等人選取山區(qū)高速公路橋梁工程18組數(shù)據(jù)為訓(xùn)練樣本，以橋梁特征為參數(shù)，采用BP神經(jīng)網(wǎng)絡(luò)算法，利用5組測(cè)試樣本檢驗(yàn)?zāi)Ｐ停A(yù)測(cè)工程造價(jià)值的準(zhǔn)確性。結(jié)果顯示，預(yù)測(cè)值的誤差均在測(cè)試值的6%以內(nèi)，模型效果顯著[18]。王運(yùn)琢以40個(gè)公路收費(fèi)站房建工程為樣本，其中38個(gè)作為訓(xùn)練樣本，2個(gè)作為測(cè)試樣本。王運(yùn)琢選取7個(gè)輸入單元，4個(gè)輸出單元，在MATLAB平臺(tái)構(gòu)建兩個(gè)隱含層的BP神經(jīng)網(wǎng)絡(luò)。研究表明，總體誤差比率較小，證明模型的泛化能力較好。對(duì)于個(gè)別工程誤差大，王運(yùn)琢提出原因是學(xué)習(xí)樣本數(shù)量不足[19]。楊錦躍以26個(gè)工程為樣本，其中21個(gè)作為訓(xùn)練樣本，5個(gè)作為測(cè)試樣本，在MATLAB平臺(tái)對(duì)BP神經(jīng)網(wǎng)絡(luò)模型做仿真分析。經(jīng)分析研究得出構(gòu)建基于BP神經(jīng)模型的建筑工程造價(jià)模型分析預(yù)測(cè)誤差相對(duì)較小，效果較好。同時(shí)，楊錦躍發(fā)現(xiàn)樣本個(gè)數(shù)太少，模型預(yù)測(cè)相對(duì)誤差較大[20]。

4 BP神經(jīng)網(wǎng)絡(luò)的不足與改進(jìn)

傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)算法的誤差曲面存在一定的平面，該平面會(huì)導(dǎo)致誤差緩慢調(diào)整，從而權(quán)值的調(diào)整速率減緩。訓(xùn)練的迭代次數(shù)增加，訓(xùn)練進(jìn)程變緩，訓(xùn)練時(shí)間增加[21-22]。

BP神經(jīng)網(wǎng)絡(luò)沒有統(tǒng)一精確的計(jì)算隱含層神經(jīng)元數(shù)的方法。一般會(huì)借鑒其他學(xué)者經(jīng)驗(yàn)公式確定隱含層神經(jīng)元數(shù)，此種方法計(jì)算出的隱含層神經(jīng)元數(shù)，可能會(huì)影響B(tài)P神經(jīng)網(wǎng)絡(luò)的訓(xùn)練精度[23]。BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)率也是由經(jīng)驗(yàn)公式計(jì)算確定，這樣的取值可能會(huì)影響B(tài)P神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性，降低效率[24]。BP神經(jīng)網(wǎng)絡(luò)計(jì)算過程容易存在局部極小點(diǎn)，使網(wǎng)絡(luò)在學(xué)習(xí)過程無法計(jì)算出誤差最小值[25]。

由于BP神經(jīng)網(wǎng)絡(luò)具有訓(xùn)練進(jìn)程慢、隱含層神經(jīng)元數(shù)和學(xué)習(xí)率確定難、局部極小點(diǎn)等缺點(diǎn)，在實(shí)際應(yīng)用中，傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)算法難以廣泛應(yīng)用，因此出現(xiàn)一些改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)算法。肖濱通過使用動(dòng)量法和學(xué)習(xí)率自適應(yīng)調(diào)整的算法來改進(jìn)傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)算法，估算公路工程的預(yù)算金額。通過對(duì)多次預(yù)測(cè)值與實(shí)際值進(jìn)行線性回歸分析，得出相關(guān)系數(shù)均在0.9以上，證明該種方法改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)運(yùn)行穩(wěn)定。肖濱也提出這種改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)也是需要大量相近的數(shù)據(jù)訓(xùn)練模型[26]。王雪青等用遺傳算法對(duì)BP神經(jīng)網(wǎng)絡(luò)初始權(quán)值進(jìn)行改進(jìn)和優(yōu)化，選取15組實(shí)例作為訓(xùn)練樣本，5組為預(yù)測(cè)樣本，分別用BP神經(jīng)網(wǎng)絡(luò)和改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)運(yùn)行模擬預(yù)測(cè)建設(shè)工程項(xiàng)目投標(biāo)報(bào)價(jià)標(biāo)高金值。對(duì)比實(shí)際標(biāo)高金值與模型預(yù)測(cè)值，得出遺傳算法BP神經(jīng)網(wǎng)絡(luò)計(jì)算平均相對(duì)誤差更小，收斂速度更快，王雪青等認(rèn)為利用遺傳算法的BP神經(jīng)網(wǎng)絡(luò)模型可以改善BP網(wǎng)絡(luò)訓(xùn)練進(jìn)程慢、局部極小點(diǎn)的缺點(diǎn)[27]。

5 結(jié)語

BP神經(jīng)網(wǎng)絡(luò)作為一種人工神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的模式識(shí)別和數(shù)據(jù)擬合能力。其在工程造價(jià)中的應(yīng)用不斷顯示出優(yōu)越性，并吸引著越來越多的研究學(xué)者深入探索。大量的研究實(shí)例表明，將BP神經(jīng)網(wǎng)絡(luò)應(yīng)用到工程造價(jià)估算，對(duì)提高項(xiàng)目的造價(jià)預(yù)算準(zhǔn)確性和控制企業(yè)的成本都具有極大的積極意義。

BP神經(jīng)網(wǎng)絡(luò)模型構(gòu)建需要大量的相關(guān)數(shù)據(jù)進(jìn)行訓(xùn)練。部分工程項(xiàng)目樣本數(shù)據(jù)存在信息不能及時(shí)共享，收集能力有限。同時(shí)，BP神經(jīng)網(wǎng)絡(luò)的模擬能力與訓(xùn)練樣本關(guān)系很大，對(duì)樣本具有一定的依賴性。如果樣本選取不當(dāng)，會(huì)導(dǎo)致BP神經(jīng)網(wǎng)絡(luò)模型運(yùn)行效果不佳，難以達(dá)到預(yù)期性能。因此，在利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行快速估價(jià)還具有一定的局限性。由于工程項(xiàng)目的復(fù)雜性，影響工程造價(jià)的因素較多，選擇不同的影響因素作為指標(biāo)可能會(huì)導(dǎo)致不同的預(yù)測(cè)結(jié)果。