基于BP神经网络的轨道交通车站工程项目估价研究.pdfVIP

2a11年7月 项目置理技木 VOI．9NO．7 第9卷第7期 PROJECTMANAGEMENTTECHNOLOGY JuI．2011 基于BP神经网络的轨道交通车站工程项目估价研究 马国丰 陈志琴 (同济大学，上海200092) 摘要：根据城市轨道交通车站工程项目造价的影响因素，利用BP神经网络的基本原理构建关于城市轨道交 通车站工程项目造价的神经元输入输出向量，建立了相应的BP神经网络模型。在对实际工程项目样本分析 的基础上，利用MATLAB的人工神经网络模块，模拟从工程项目特征到工程项目造价的非线性映射关系， 将其应用于实际的城市轨道交通车站工程项目造价估算，精度达到造价估算要求。通过对某市轨道交通路 线的历史车站造价样本训练和实例样本计算分析，得到了较好的计算结果，验证了该方法的预测准确性和 收敛性。 关键词：城市轨道交通；车站工程；人工神经网络；工程估算 0 引言 向传播(Bad 估算城市轨道交通车站工程项目造价，选取某一 城市轨道交通是规模巨大，集多专业、多工 城市已建好的城市轨道交通车站工程项目造价构 种、高科技于一身的复杂系统工程。近年来，我 成作为学习样本，训练构造好的神经网络，对待 国城市轨道交通发展迅速，其巨大的投资规模、 分析或拟建工程项目造价进行估算，由此达到提 居高不下的造价为国家和地方财政带来了不小的 高客观性和准确性的目的。 负担。为此，有效预测与合理控制工程项目造 价，实现项目经济性目标是所有项目建设者关注 1 BP网络模型 的首要问题。 1．1网络结构的选择 关于工程项目造价的快速估算，Oberlender 和Tmst指出在建设项目中前期成本估算的准确 在建立BP神经网络模型时，网络结构的选择 性对于业主和项目管理团队来说是非常重要 是一个十分重要的工作，适合的网络结构可以减 的…。目前国内外研究中一致认同采用相似的已 少网络训练次数，提高网络学习的精度。BP神经 建工程项目的造价资料作为当前工程项目的造价 网络模型结构的选择主要涉及输入层、输出层、 资料的近似估计是较为可取的方法。随着计算机 隐含层神经元数目及学习算法的确定等。研究证 技术的迅速发展，许多专家学者将模糊数学mJ、 明，仅含有一个隐含层(即三层BP神经网络模 灰色理论】、专家系统、人工神经网络等现代方 型)可以任意逼近连续函数，所训练结果的误差 法和技术应用于工程项目造价估算中。其中近年 最小，只要该隐含中的每个神经元都含有一个连 兴起的人工神经网络的一个明显特征即是具有通 续Sigmojd非线性函数即可瞪]。由此，工程项目造 过学习最佳逼近非线性映射的能力H1。 价估算的三层BP神经网络模型如图1所示。 城市轨道工程项目造价构成的复杂性及影响 其中输入节点I、输出节点O的个数按实际 因素不确定性，很难实现明确的映射函数关系， 需要确定，而隐含层神经元单元数的选择与输入 使得传统估价方法并不能很好地估算出项目造 输出单元的多少都有直接关系，根据G．Cybenyo 价，而人工神经网络能很好地实现对连续函数的 等的证明，具有一个隐含层的BP神经网络，只 任意精度映射的无限逼近，从而快速准确地估算 要隐含层的节点足够多，就能以任意精度逼近有 出城市轨道工程项目的造价。本文通过尝试将反 界区域上的任意