基于bp神经网络的建筑工程造价预测研究

'　　基于BP神经网络的建筑工程造价预测研究1绪论1.1研究背景和意义建筑业是我国重要的物质生产部门之一，它关系到我国国民经济的发展，直接影响着我国国民经济的发展水平.建筑业在我国的国民经济中占有较大份额，特别是改革开放以来，建筑业在国民经济中的份额不断增加，在我国的经济发展的过程中，扮演着重要角色。而建筑业的核心是建筑工程，因而，建筑工程的管理具有很高的现实意义。从投资的角度来看，建筑工程管理主要包括前期的投资估算、方案设计扩初设计及施工图设计阶段的设计概算、招投标阶段的工程预算、竣工后的工程结算和工程决算等。而建筑工程管理的重点则是建筑造价的投资估算。建筑工程造价的投资估算直接决定着一个项目的盈利能力。建筑工程的投资估算中占有重要地位的则是建筑安装工程的造价，即建筑工程造价。因此，建筑工程造价的预测具有重要意义。建筑工程造价预测是建筑相关领域的重要内容，它可以为项目可行性研究、设计方案选提供重要依据，其准确与否直接影响项目的投资决策。建筑工程造价预测的成功实现能够为建筑工程造价的控制管理带来较大便捷，因此，具有很高的研究价值。建筑工程造价预测即是利用以往类似工程的数据和一定的数学模型，来实现的。以往建筑工程造价的预测往往集中在传统的统计分析和简单的回归理论上。如通过移动平滑和线性回归等或者是使用单位指标法[1]。1.2建筑工程造价预测的现状、面临问题 建筑工程造价预测是建筑工程行业中一项非常重要的工作内容，在建筑工程的管理中十分重要。建筑工程造价的预测往往发生在项目建设的前期，它是建筑工程项目可行性研究的基础，设计方案比选的重要依据，将直接影响项目的投资决策。鉴于项目投资决策所要求的及时准确性，因此，建筑工程造价预测的精度和实效性至关重要。以往，建筑工程造价的预测主要是通过单位指标法，即根据工程的特征、结构以及规模，套用相应的预测指标，计算并汇总实现的。整个过程相对较为复杂、耗时；同时，该套预测方案也存在预测精度难以保障的问题。使用单位指标法进行建筑工程造价预测，所套用的指标体系都是由地方或者本行业统一的，而每个单一项目的施工管理水平和施工现场条件等等都不是统一的，具有很强的个体性；因此，使用单位指标法未能充分考虑到每个单一项目的个体性，从而导致该套方法对建筑工程造价预测的精度不够。近年来，国内外许多专家学者为了追求准确快速的实现建筑工程造价预测，便提出了建筑工程造价预测的新方法，即基于传统的统计分析方法进行预测。这些研究人员大都釆用概率论、线性回归等方法，已达到快速预测建筑工程造价的目的。这些预测技术往往可以在某一特定条件下实现建筑工程造价的预测；但往往也存在预测精度不高以及预测耗时等问题，且泛化能力较差，应用前景不佳。随着计算机技术的不断进步，一些人工智能理论也不断应用到工程造价的预测上来。这其中，人工神经网络预测技术便得到了许多专家学者的青睐。本研究便是在总结前人研究的基础之上，进而不断创新构建的基于BP神经网络的建筑工程造价预测模型。2文献综述2.1国内外工程造价预测研究综述 国内比较成熟的研究有集中于传统的统计学习方法，例如线性回归、参数估计、指数平滑和时间序列、灰色理论等等。也有基于人工智能理论的人工神经网络的工程造价预测模型研究，但相对传统的统计分析方法而言，还不够成熟[13]。线性回归是通过统计分析以寻找隐藏在大量数据背后的统计规律性的方法，线性回归法是通过建立回归分析模型来预测工程造价的，当该方法面对不确定因素繁多且数据样本较少的情况时表现较差。段鹏（2008)分别针对传统的统计分析方法如线性回归、参数估计、指数平滑等进行了深入分析，并指出，指数平滑法更适合短期内的一些预测。对于长期的预测来说，指数平滑法的表现则不够让人满意。指数平滑语法在进行短期预测时，优势较为明显，如其所需计算较为便利，费用低，历史数据需求小等，相对来说，指数平滑预测法是一种较为优秀的短期预测技术；而线性回归是运用统计方法，寻找隐藏在大量数据背后的统计规律性的方法，线性回归法是通过建立回归分析模型来预测工程造价，当该方法面对不确定因素繁多且数据样本较少的情况时表现较差，甚至会出现方法失效的情况[14]。时间序列法也是进行工程造价预测的重要统计分析方法，它是一种动态数据的处理[15-16]。许多专家学者也针对基于时间序列法的工程造价的预测模型，展开了深入研究。其中包括胡六星（2012)以工程量清单计价为基細，提出了基于时间序列的建筑工程造价预测模型。分别对工程量清单中的各项清单的价格或造价进行预测，进而估算出整个建筑工程的造价。并以钢材的价格估算为例，进行了实证分析，且分析结果表明，基于时间序列的钢材价格预测准确度较高[17]。陈文萃，卢彩霞等（2013)也基于时间序列理论对建筑工程的造价进行了预测[18-19]。..2.2国内外建筑工程造价预测的先进经验工程造价预测具有一定的现实意义和推广价值，因此，国内外许多专家学者针对工程造价预测展开了深入的研究。其中包括基于线性回归、参数估计、灰色理论等的传统统计学习方法的研究，也包括一部分灰色理论、基于神经网络等人工智能理论展开研究的学者。国外基于计算机信息化和人工智能理论的研究较多，而且较为成熟，可以为我们今后在建筑工程造价预测上的发展和研究提供很大帮助。近年来，计算机科学不断发展和进步，一些较为优秀的人工智能理论也引入到建筑工程造价预测中，并且取得了一定的效果。如基于灰色理论的建筑工程造价快速估算的研究便取得了一定的进步。研究人员探讨了灰色理论在建筑工程造价预测中的应用原理和方法步媒，并得到了基于灰色理论的建筑工程造价预测模型，获得了较为合理的预测结果。提出应用灰色理论的系统预测方法来进行事前预测，以获得提前控制成本。计算机仿真预测技术也是今年来国外发展较快的一种重要的预测技术，所谓计算机仿真预测技术即根据需要进行预测的对象，构建一个仿真模型，该仿真模型是通过逻辑流程图的形式展现出来的，并利用计算机进行模拟运行该仿真模型，模拟将要进行预测的对象随着时间的改变而发展变化的情况。利用计算机仿真预测技术，进行建筑工程造价的预测即通过构建逻辑结构图进行仿真模拟，以模拟出建筑工程造价随着时间变化的规律，并据此来推断出建筑工程造价未来的发展态势，进而实现建筑工程造价的预测。..3建筑工程造价预测分析...........163.1建筑工程造价预测对象研究...........163.2工程造价预测概述...........163.2.1工程造价的分类...........163.2.2工程造价预测的定义...........183.2.3工程造价预测的重要性...........193.3建筑工程造价预测影响因素分析...........203.4本章小结...........254建筑工程造价快速预测方法选择...........26 4.1传统工程造价快速预测方法分析...........264.2BP神经网络原理...........324.3基于BP神经网络的建筑工程造价预测合理性...........364.4本章小结...........375基于BP神经网络的建筑工程造价预测模型构建...........385.1指标选取...........385.2BP神经网络预测模型简介...........445.3模型构建机理...........455.4本章小结...........446案例分析准确地实现建筑工程造价的预测，尤其是在工程项目建设前期是较为困难的。本研究针对建筑工程造价预测所面临的小样本、非线性等问题，选取了BP神经网络这一人工智能模型，它是人工神经网络算法的一种，可以有效解决建筑工程造价预测当前所面临的难题。BP神经网络预测技术可以抓住影响建筑工程造价的主要因素，进行快速估算。作为一个工程，影响工程造价的因素很多，若将其全部作为变量，则会大大增加计算工作量，影响估算精度。而真正对工程造价起决定性作用的，是其主要因素。如果遗漏了主要因素，也会降低预测精度。本文进行的建筑工程造价预测研究的主要研究对象为住宅类建筑工程，根据住宅类建筑工程造价的主要影响因素选取了影响建筑工程造价预测的重要指标，并进行了分析和量化处理，然后将这些处理数据输入到构建好的BP神经网络预测模型中，而整个工程的单方造价作为神经网络的输出集指标，最后，通过BP神经网络对工程造价进行预测和估算。6.1案例选取本研究选取的案例工程均是2008年以后浙江省杭州市内的住宅建筑工程项目，选取同一地区的建筑項目，地质类型等基础参数较相似，可比性较高。本研究通过资料收集和整理，初步收集了30个案例工程，可以作为建筑工程造价预测的样本。30个样本工程均为毛述住宅。与此同时，结合专家意见，别除了一部分建筑面积小于2万方的建筑工程，以及建筑面积高于50万方的建筑工程后，本研究最终收集了用于案例分析的样本工程26个，其中本研究在案例分析时，选取21个样本作为训练样本，选取5个样本作为测试样本在基于MATLAB平台的BP神经网络预测模型中进行仿真分析。.. 结论本文通过大量的文献资料的查闽工作，以及结合多年的实际工作经验，对建筑工程造价预测进行了较为详实的研究，主要结论如下：(1)通过理论学习和对建筑工程造价构成、预测的进一步理解，同时，在分析影响建筑工程造价的关键因素且结合实际工程经验的基础上,选出了工程造价的主要影响因素作为建筑工程造价预测的指标。所选指标细致，且较为深入与全面，对本研究构建的建筑工程造价预测模型的预测效果起到了重要地辅助作用。(2)在理论上深入的研究了神经网络的基本原理、拓扑结构、参数选择、算法流程与具体推算过程、MATLAB程序编程实现等方面，在方法论及逻辑的层面阐述了解决建筑工程造价测算这类非线性动力学系统的思路，包括其函数拟合及后期的预测与仿真分析部分。同时结合建筑工程造价预测的理论，应用BP神经网络对浙江省杭州市部分案例工程的造价预测进行了建模。预测结果表明本研究构建的基于BP神经网络的建筑工程造价预测模型预测精度良好，预测效果稳定。(3)基于之前的理论准备及资料学习，本研究论证了BP神经网络应用于建筑工程造价预测的可行性。确认之后，应用计算机编程的思想进行了详细的计算机程序设计，并且在MATLAB平台上实现了建模的全过程，而且后期模型的应用表现良好，误差在可接受的范围之内。可为建筑工程项目的投资等提供帮助，具有一定的推广意义。............'