基于BP神經(jīng)網(wǎng)絡(luò)的公共建筑工程造價(jià)預(yù)測(cè)研究

陳懂娟

摘 ?要：公共建筑工程造價(jià)預(yù)測(cè)是項(xiàng)目可行性分析的重要依據(jù)，是比選設(shè)計(jì)方案的關(guān)鍵參照，因此，造價(jià)預(yù)測(cè)結(jié)果的精準(zhǔn)度及時(shí)效性對(duì)工程項(xiàng)目投資決策具有重要影響。為解決傳統(tǒng)造價(jià)預(yù)測(cè)方法誤差大、時(shí)效性差的弊端，該文提出基于BP神經(jīng)網(wǎng)絡(luò)的公共建筑工程造價(jià)快速預(yù)測(cè)方法，分析公共建筑工程造價(jià)預(yù)測(cè)的影響因子，介紹BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)造價(jià)原理及可行性，給出BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的構(gòu)建方法，并對(duì)BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)造價(jià)模型的應(yīng)用效果進(jìn)行仿真分析。經(jīng)過(guò)模型仿真分析與評(píng)價(jià)，證實(shí)BP神經(jīng)網(wǎng)絡(luò)在公共建筑工程造價(jià)預(yù)測(cè)方面具有良好優(yōu)勢(shì)，比傳統(tǒng)造價(jià)預(yù)測(cè)方法的預(yù)測(cè)結(jié)果更加精準(zhǔn)與快速。

關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò)；公共建筑；工程造價(jià)；造價(jià)預(yù)測(cè)；預(yù)測(cè)模型

中圖分類號(hào)：TU723.3 ? ? ?文獻(xiàn)標(biāo)志碼：A ? ? ? ? ?文章編號(hào)：2095-2945（2024）18-0153-04

Abstract： Public construction cost prediction is an important basis for project feasibility analysis and a key reference for comparison and selection of design schemes. therefore， the accuracy and validity of cost prediction results have an important impact on project investment decision-making. In order to solve the disadvantages of large error and poor timeliness of traditional cost prediction methods， this paper puts forward a fast prediction method of public construction cost based on BP neural network， analyzes the influence factors of public building cost prediction， introduces the principle and feasibility of BP neural network forecasting cost， gives the construction method of BP neural network forecasting model， and simulates and analyzes the application effect of BP neural network forecasting cost model. Through model simulation analysis and evaluation， it is proved that BP neural network has good advantages in public construction cost prediction， and the prediction result is more accurate and faster than the traditional cost prediction method.

Keywords： BP neural network; public building; project cost; cost prediction; prediction model

造價(jià)投資估算是建筑工程管理的核心，其與項(xiàng)目盈利水平息息相關(guān)，因而精準(zhǔn)預(yù)測(cè)工程造價(jià)意義重大。公共建筑工程是指提供公共活動(dòng)場(chǎng)所的公共建筑建設(shè)項(xiàng)目，包含辦公、商業(yè)、旅游、科教文衛(wèi)、通信和交通運(yùn)輸?shù)阮愋?，這些建筑工程往往規(guī)模大、投資高，需要提前做好工程造價(jià)的預(yù)測(cè)分析。傳統(tǒng)造價(jià)預(yù)測(cè)方法以回歸理論、統(tǒng)計(jì)分析理論為主，預(yù)測(cè)方法存在精度低、效率差的問(wèn)題。而神經(jīng)網(wǎng)絡(luò)（Back Propagation，BP）屬于人工神經(jīng)網(wǎng)絡(luò)的一種，可模擬人的智慧展開公共建筑工程造價(jià)預(yù)測(cè)，可以提高造價(jià)預(yù)測(cè)的準(zhǔn)確性與時(shí)效性。

1 ?公共建筑工程造價(jià)預(yù)測(cè)的影響因子分析

公共建筑工程具有建筑時(shí)間長(zhǎng)、涉及工序多的特征，在造價(jià)預(yù)測(cè)時(shí)存在多個(gè)影響因子，這些因子共同作用于公共建筑工程的造價(jià)。通過(guò)分析工程造價(jià)相關(guān)資料，結(jié)合與土建工程師溝通交流的結(jié)果，可以歸納出公共建筑工程造價(jià)涉及的影響因子可以分為5類，一是建筑面積相關(guān)因子，有建筑面積、占地面積、標(biāo)準(zhǔn)層建筑面積和地下室建筑面積4個(gè)因子；二是建筑結(jié)構(gòu)相關(guān)因子，包含基礎(chǔ)類別、地基類別、樁基類別、結(jié)構(gòu)類型、樓梯結(jié)構(gòu)形式、外立面及裝修情況7個(gè)關(guān)鍵因子；三是建筑材料相關(guān)因子，為鋼筋價(jià)格、混凝土價(jià)格2個(gè)因子；四是建筑物基本參數(shù)，涵蓋層高、層數(shù)、建筑總高度、工程質(zhì)量等級(jí)、抗震強(qiáng)度和工期6個(gè)因子；五是建筑管理相關(guān)因子，由項(xiàng)目管理水平、施工環(huán)境、土方處理難度3部分組成[1]。這些影響因子是公共建筑工程造價(jià)預(yù)測(cè)的重要依據(jù)。

2 ?基于BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)造價(jià)的相關(guān)分析

BP神經(jīng)網(wǎng)絡(luò)屬于多層前饋神經(jīng)網(wǎng)絡(luò)，具備誤差反向?qū)W習(xí)功能是其重要特征。BP神經(jīng)網(wǎng)絡(luò)涵蓋多種映射關(guān)系，可采用最速下降法、通過(guò)持續(xù)性誤差反向?qū)W習(xí)獲取知識(shí)。由于BP神經(jīng)網(wǎng)絡(luò)的內(nèi)部權(quán)值及閥值均具有可調(diào)性，因而網(wǎng)絡(luò)誤差的平方和相對(duì)較低。BP神經(jīng)網(wǎng)絡(luò)由輸入層、隱含層、輸出層3部分結(jié)構(gòu)組成，輸入層用于接收外界信息，會(huì)將信息傳送給隱含層的神經(jīng)元，此層是信息處理的主要場(chǎng)所，信息處理與交換完成后，會(huì)將信息傳送給輸出層，輸出層神經(jīng)元做最終處理后，學(xué)習(xí)過(guò)程結(jié)束。BP神經(jīng)網(wǎng)絡(luò)具有非線性映射、泛化、容錯(cuò)三大能力，學(xué)習(xí)過(guò)程中可以自動(dòng)修正誤差，對(duì)于具有復(fù)雜性影響因子的公共建筑工程而言，其造價(jià)預(yù)測(cè)屬于小樣本、非線性問(wèn)題，利用BP神經(jīng)絡(luò)展開造價(jià)預(yù)測(cè)，可對(duì)人工智能進(jìn)行模擬，能夠提高預(yù)測(cè)精度、縮短預(yù)測(cè)時(shí)間，因其泛化能力較高，還可實(shí)現(xiàn)工程造價(jià)的快速預(yù)測(cè)[2]。

3 ?基于BP神經(jīng)網(wǎng)絡(luò)的公共建筑工程造價(jià)預(yù)測(cè)模型構(gòu)建

3.1 ?預(yù)測(cè)指標(biāo)選擇與量化

在建筑工程造價(jià)預(yù)測(cè)經(jīng)驗(yàn)的基礎(chǔ)上，結(jié)合公共建筑工程的實(shí)際情況，剔除影響程度較低的因子，并對(duì)部分概念重合的因子進(jìn)行合并處理，最后整理出17個(gè)關(guān)鍵性的公共建筑工程造價(jià)預(yù)測(cè)影響指標(biāo)，這些指標(biāo)可作為公共建筑工程造價(jià)預(yù)測(cè)模型的輸出集。然后對(duì)這些指標(biāo)進(jìn)行量化處理，量化后的指標(biāo)情況詳見(jiàn)表1。

3.2 ?預(yù)測(cè)模型構(gòu)建機(jī)理

BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型可利用MATLAB平臺(tái)中的神經(jīng)網(wǎng)絡(luò)工具箱創(chuàng)建，此工具箱中有3個(gè)函數(shù)，一是參數(shù)設(shè)置函數(shù)newff，用于構(gòu)建前向BP神經(jīng)網(wǎng)絡(luò)；二是訓(xùn)練函數(shù)train，主要作用是訓(xùn)練神經(jīng)網(wǎng)絡(luò)；三是預(yù)測(cè)函數(shù)sim，其功能是利用訓(xùn)練完成的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行函數(shù)輸出預(yù)測(cè)[3]。建模時(shí)，先選取影響程度較大的造價(jià)影響因子，再收集與整理樣本數(shù)據(jù)，確定樣本數(shù)據(jù)，數(shù)據(jù)處理后分離出用于模型訓(xùn)練的樣本，并向MATLAB平臺(tái)的BP神經(jīng)網(wǎng)絡(luò)模型傳送樣本，利用此模型展開多次樣本訓(xùn)練，便可完成公共建筑工程造價(jià)預(yù)測(cè)模型的創(chuàng)建，之后還可以展開模型仿真分析與檢驗(yàn)，并評(píng)估公共建筑工程造價(jià)預(yù)測(cè)模型的效果，BP神經(jīng)網(wǎng)絡(luò)造價(jià)預(yù)測(cè)模型構(gòu)建機(jī)理如圖1所示。

4 ?基于BP神經(jīng)網(wǎng)絡(luò)的公共建筑工程造價(jià)預(yù)測(cè)模型仿真分析

4.1 ?案例選取

以某城市同一年度的公共建筑工程作為造價(jià)預(yù)測(cè)研究對(duì)象，篩選該市28個(gè)公共建筑工程項(xiàng)目，因所選項(xiàng)目的地質(zhì)條件類似，具有較高的可比性。所選案例工程均為未裝修的公共建筑工程，為提高造價(jià)預(yù)測(cè)的準(zhǔn)確性，在按照專家意見(jiàn)將其中面積低于20 000 m2、大于500 000 m2的公共建筑工程剔除后，最終篩選了24個(gè)可用于案例分析的樣本工程。本研究中，從中篩選了18個(gè)樣本作為訓(xùn)練樣本，再提取出5個(gè)樣本進(jìn)行測(cè)試，然后利用MATLAB平臺(tái)中的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型展開仿真分析與效果評(píng)價(jià)。

4.2 ?指標(biāo)處理

4.2.1 ?定性指標(biāo)數(shù)據(jù)處理

按照項(xiàng)目管理水平，將選取的18個(gè)案例工程劃分為4個(gè)等級(jí)，優(yōu)為1級(jí)，良為2級(jí)，中為3級(jí)，差為4級(jí)，并按照類似方法處理外立面、土方處理難度2個(gè)建筑管理相關(guān)因子，并對(duì)基礎(chǔ)類別、樁基類別、結(jié)構(gòu)類別3個(gè)建筑結(jié)構(gòu)相關(guān)因子、抗震等級(jí)這一建筑參數(shù)因子展開相同處理。其中，項(xiàng)目管理水平根據(jù)建筑單位資質(zhì)等級(jí)進(jìn)行分級(jí)，而土方處理難度則按照處理價(jià)格判定，劃分為簡(jiǎn)單、一般、較難、很難4個(gè)級(jí)別，各級(jí)的每平米價(jià)格分別是低于50元、50～100元、100～150元和高于150元。

4.2.2 ?定量指標(biāo)數(shù)據(jù)處理

按照實(shí)際數(shù)據(jù)量化處理地上/地下建筑面積、地上/地下層數(shù)、地上/地下層高和建筑高度等建筑參數(shù)指標(biāo)，并采用同樣方法處理鋼筋均價(jià)變化率、混凝土均價(jià)變化率、單方造價(jià)3個(gè)建筑材料相關(guān)指標(biāo)。除單方造價(jià)外，2個(gè)材料均價(jià)變化率按照所選取案例工程建設(shè)當(dāng)年的建筑材料價(jià)格均價(jià)作為計(jì)算基準(zhǔn)[4]。

4.3 ?建模與仿真

4.3.1 ?搭建BP神經(jīng)網(wǎng)絡(luò)造價(jià)預(yù)測(cè)模型

啟動(dòng)MATLAB平臺(tái)，調(diào)用newff函數(shù)，按照net=newff（PR，[S1，S2……SN1]），{TF1TF2……TFN1}，BTF，BLF，PF）格式創(chuàng)建前向BP網(wǎng)絡(luò)。網(wǎng)絡(luò)輸入取向量取值范圍矩陣表示為創(chuàng)建格式中的PR，[S1，S2……SN1]及{TF1TF2……TFN1}分別代表網(wǎng)絡(luò)隱含層及輸出層的神經(jīng)元數(shù)量及傳輸函數(shù)，而BTF及PF分別代表網(wǎng)絡(luò)權(quán)值學(xué)習(xí)函數(shù)以及性能數(shù)。模型創(chuàng)建完成后，需要在平臺(tái)中再次調(diào)用train函數(shù)，此函數(shù)按照[net，tr]=train（NET，X，T，Pi，Ai）格式創(chuàng)建，然后對(duì)BP神經(jīng)網(wǎng)絡(luò)展開數(shù)據(jù)訓(xùn)練。此格式當(dāng)中，NET表示待訓(xùn)練網(wǎng)絡(luò)，X與T分別表示輸入及輸出數(shù)據(jù)矩陣，Pi及Ai分別代表初始化輸入層與輸出層條件，net、tr則是訓(xùn)練完成網(wǎng)絡(luò)及訓(xùn)練過(guò)程記錄的表示符號(hào)，這2個(gè)參數(shù)系統(tǒng)默認(rèn)給出，其余參數(shù)則需要手動(dòng)設(shè)置[5]。在分離好的樣本工程中選取18個(gè)公共建筑工程項(xiàng)目作為訓(xùn)練集，導(dǎo)入BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型訓(xùn)練，進(jìn)而完成BP神經(jīng)網(wǎng)絡(luò)造價(jià)預(yù)測(cè)模型的創(chuàng)建。模型的最大訓(xùn)練次數(shù)設(shè)為1萬(wàn)次，訓(xùn)練精度及學(xué)習(xí)效率分別取值0.02及0.05，動(dòng)量因子設(shè)為0.9。

4.3.2 ?基于BP神經(jīng)網(wǎng)絡(luò)的造價(jià)預(yù)測(cè)

利用選取的5個(gè)樣本工程測(cè)試BP神經(jīng)網(wǎng)絡(luò)造價(jià)預(yù)測(cè)模型的造價(jià)預(yù)測(cè)效果，工程編號(hào)分別為14、15、16、17和18。打開MATLAB平臺(tái)后，調(diào)用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)函數(shù)sim，函數(shù)建立格式為y=sim（net，x），其中，net表示訓(xùn)練完成的網(wǎng)絡(luò)，而x、y分別表示輸入數(shù)據(jù)及網(wǎng)絡(luò)預(yù)測(cè)數(shù)據(jù)[6]。對(duì)5個(gè)測(cè)試樣本預(yù)測(cè)值及實(shí)際值擬合得到的曲線如圖2所示，圖2中顯示，5個(gè)樣本工程單方造價(jià)的實(shí)際與預(yù)測(cè)值間偏差并不大。

4.3.3 ?BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型評(píng)價(jià)

1）預(yù)測(cè)結(jié)果誤差評(píng)價(jià)。5個(gè)樣本工程單方造價(jià)實(shí)際與預(yù)測(cè)數(shù)據(jù)情況見(jiàn)表2，其中，單方造價(jià)預(yù)測(cè)結(jié)果的絕對(duì)偏差最小的樣本工程為14#，其單方造價(jià)實(shí)際值與預(yù)測(cè)值分別為893元/m3與828元/m3，差值為65元/m3，絕對(duì)偏差最大的為18#樣本工程，實(shí)際單方2 890元/m3，預(yù)測(cè)單方為3 156元/m3，差值為266元/m3，這一數(shù)據(jù)偏差未超出可接受范圍。而5組數(shù)據(jù)當(dāng)中，相對(duì)誤差最大的是18#樣本工程，誤差值為9.20%，相對(duì)誤差最小的是17#樣本工程，誤差值僅為4.55%，但5個(gè)樣本工程的相對(duì)誤差均未超過(guò)10%，說(shuō)明BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型在公共建筑工程造價(jià)預(yù)測(cè)準(zhǔn)確度方面表現(xiàn)良好。

2）預(yù)測(cè)結(jié)果穩(wěn)定性評(píng)價(jià)。利用曲線表示基于BP網(wǎng)絡(luò)模型的公共建筑工程造價(jià)預(yù)測(cè)結(jié)果的相對(duì)誤差，如圖3所示。根據(jù)曲線變化趨勢(shì)分析發(fā)現(xiàn)，5個(gè)樣本工程的相對(duì)誤差波動(dòng)幅度不大，說(shuō)明預(yù)測(cè)結(jié)果具有較高的穩(wěn)定性，且仿真分析對(duì)于BP網(wǎng)絡(luò)模型造價(jià)預(yù)測(cè)結(jié)果的檢驗(yàn)效果良好。模型構(gòu)建與預(yù)測(cè)分析均利用MATLAB平臺(tái)完成，可通過(guò)編程運(yùn)算完成整個(gè)預(yù)測(cè)過(guò)程，造價(jià)預(yù)測(cè)速度要優(yōu)于傳統(tǒng)概預(yù)算軟件等傳統(tǒng)造價(jià)預(yù)測(cè)方法。

4.3.4 ?樣本數(shù)量對(duì)模型影響效應(yīng)評(píng)價(jià)

在樣本數(shù)量較少的情況下，BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)造價(jià)的準(zhǔn)確度、效率表現(xiàn)均良好，為進(jìn)一步驗(yàn)證樣本數(shù)量對(duì)模型預(yù)測(cè)結(jié)果的影響效應(yīng)，選取13個(gè)樣本為訓(xùn)練樣本，同樣以上述5個(gè)樣本工程作為測(cè)試樣本展開模型仿真分析，得到的模型預(yù)測(cè)結(jié)果數(shù)據(jù)見(jiàn)表3。在訓(xùn)練樣本數(shù)量變少的情況下，測(cè)試樣本的造價(jià)預(yù)測(cè)結(jié)果絕對(duì)偏差、相對(duì)誤差均有所增大，除16#樣本工程的單方造價(jià)預(yù)測(cè)結(jié)果為9.53%以外，其余4個(gè)樣本工程的相對(duì)誤差均介于10%～20%，最高值為17.36%。說(shuō)明，BP神經(jīng)網(wǎng)絡(luò)造價(jià)預(yù)測(cè)模型雖在小樣本數(shù)據(jù)處理方面優(yōu)勢(shì)顯著，然而訓(xùn)練樣本數(shù)量也不能過(guò)少，否則可能會(huì)由于模型訓(xùn)練不夠充分而導(dǎo)致預(yù)測(cè)結(jié)果的準(zhǔn)確度，為此，公共建筑工程造價(jià)預(yù)測(cè)時(shí)，需要合理設(shè)置訓(xùn)練樣本的數(shù)量。

5 ?結(jié)束語(yǔ)

本文根據(jù)文獻(xiàn)資料、結(jié)合工作經(jīng)驗(yàn)梳理了建筑工程造價(jià)預(yù)測(cè)的影響因子，提出了基于BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)公共建筑工程造價(jià)的快捷預(yù)測(cè)方法。BP神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建主要采用MATLAB平臺(tái)，依托其中的神經(jīng)網(wǎng)絡(luò)工具箱，分別調(diào)用參數(shù)設(shè)置函數(shù)newff、訓(xùn)練函數(shù)train、預(yù)測(cè)函數(shù)sim而實(shí)現(xiàn)。結(jié)合篩選的案例工程，展開樣本訓(xùn)練及測(cè)試分析，總結(jié)出基于BP神經(jīng)網(wǎng)絡(luò)的公共建筑工程造價(jià)預(yù)測(cè)方法的預(yù)測(cè)準(zhǔn)確率、快捷性、穩(wěn)定性均較佳，在小樣本數(shù)據(jù)處理方面具有良好優(yōu)勢(shì)，但實(shí)際應(yīng)用中需要合理設(shè)置樣本數(shù)量，應(yīng)盡可能增大訓(xùn)練樣本數(shù)量，以降低預(yù)測(cè)結(jié)果的相對(duì)誤差，保障公共建筑工程造價(jià)預(yù)測(cè)的準(zhǔn)確性。

參考文獻(xiàn)：

[1] 郭威，丁曉欣.基于BP神經(jīng)網(wǎng)絡(luò)的公共建筑工程造價(jià)預(yù)測(cè)研究[J].建材技術(shù)與應(yīng)用，2023（4）：10-13.

[2] 龍盈.基于BP神經(jīng)網(wǎng)絡(luò)工程造價(jià)預(yù)測(cè)模型研究[J].江西建材，2022（10）：433-434，437.

[3] 謝金豪，劉文昌.基于GA-BP神經(jīng)網(wǎng)絡(luò)的建筑工程造價(jià)預(yù)測(cè)研究[J].建筑經(jīng)濟(jì)，2022，43（S1）：235-240.

[4] 劉偉軍，李念.基于MEA-BP神經(jīng)網(wǎng)絡(luò)建筑工程造價(jià)指數(shù)預(yù)測(cè)[J].工程經(jīng)濟(jì)，2021，31（1）：23-27.

[5] 滕凌云.基于BP神經(jīng)網(wǎng)絡(luò)的建筑工程造價(jià)預(yù)測(cè)模型構(gòu)建研究[J].住宅產(chǎn)業(yè)，2020（12）：110-113.

[6] 陳新國(guó).基于BP神經(jīng)網(wǎng)絡(luò)的建筑工程造價(jià)預(yù)測(cè)探討[J].今日財(cái)富，2017（5）：24-25.