浅析BP神经网络算法在工程估价中的应用.docxVIP

?

?

浅析BP神经网络算法在工程估价中的应用

?

?

冯谕夏晨

摘要：本文综述了工程造价和工程估价的含义，阐述了两者间的不同之处，且通过阐述BP神经网络算法原理，使其可以更直观更易理解的运用于工程估价行业

关键词：BP神经网络算法;感知机;工程估价;工程造价

引言

早在古代，各种算术、建设古籍中已经涉及到工程估价和定额的相关内容。古时的浩大工程，像是都江堰、阿房宫的建设极有可能运用了这方面的相关知识才建的雄伟广阔。而工程估价这个含义，从古至今都有出现。只是如今對于工程估价的定义更为具体，且其体系较为完整、系统。本文将通过BP神经网络算法对工程估价原理进行深层次的剖析和阐述[1]。

1工程估价的含义

1.1工程造价

在阐述工程估价之前，首先引入工程造价一词。工程造价是建设项目从筹建之日起至竣工验收整个过程中所花费的全部费用的综合，即建设工程总投资。相对于估价而言，其是结果。

1.2工程估价

工程估价过程按照程序可以分成投资估算、设计总概算、修正概算、施工图预算以及进一步的估算等等最后决定工程造价。在此排序中，越往后估算的量值越准确一些。那如何达到这一目的得呢？则之后引入BP神经网络算法。

2BP神经网络算法

2.1神经网络原理概述

以神经网络单元为例叙述最简单的神经网络模型原理。引入“感知机”概念，“感知机”是人类最早提出的单体人造神经元模型，图1即为典型的神经网络图，“感知机”具体原理如图2所示。

其中x为输入变量，w为权重值，b为偏值，sign（x）为与其匹配的非线性函数。可表示为相应权重乘以输入变量求和加偏值。当侧重不同时，只需改变权重和偏值即可改变不同结果。

而典型神经网络模型则是上述单位模型共同作用的效果。较为繁琐，且不定性较高。算出的值不准确。

2.2BP神经网络模型

由于神经网络模型较为繁琐，且不定性因素多，解答较为困难，则在此引入BP神经网络模型，BP神经网络模型是在神经网络模型的基础上通过逆运算，即结果反推过程，改变权重，迭代运算，使得其输出结果无限接近真值的一种数学模型。在工程估价行业使用此模型最好不过[2]。

首先介绍单体神经元模型即感知机的反向传播算法机制。首先看下图3，

该图反映了神经网络模型的正向推导过程，很明显，要想预测值与相应的真值达到完全一致的话，需要保证权重与理想权重完全正确，且非线性函数配对也要完全正确。根据经验而言，正向推导显然是不现实的。那么就需要引入BP神经网络模型，即反向传播算法，在此算法中，需要确定的量即为权重，即所要达成的目标是找到上图权重的正确取值，从而使得预测值和真值无限接近[3]。

则BP神经网络反向传播算法如下图4所示。

预测值与真值之间会有一定的差距，取真实目标值为未知数，通过经验或者其他一些手段设置损失函数或者设置损失值。则可通过损失函数或损失值使用优化器来得到新的权重，通常使用的优化方法为梯度下降法（对损失函数求偏导）。从而使得损失函数或损失值越来越小，接近于零，达到预测值与真实目标值无限接近的目的。

上述为单体神经元模型的反向传导过程的实现，对于神经网络系统，大同小异，存在一个误差即损失函数的反算过程。该过程虽繁琐，但算出的值真实可靠。误差很小。该算法可通过MATLAB软件实现。

2.3BP神经网络模型与工程估价

工程估价使得最初的投资估算无限接近于工程造价的方法即可为BP神经网络算法，根据损失函数，梯度下降法改变其相应的权重，使得估算值无限接近于真值。经过一系列的迭代计算。最终得到工程造价。

3结束语

本文提出了BP神经网络模型在工程估价中的应用。通过BP神经网络系统可以从各方面分析其权重因素对工程造价的影响，从而较快速的给出一个准确的预测值。BP神经网络算法改变了过去经验算法的不足，对于工程估价行业有里程碑的意义。其不仅能较好的应用于工程实践，也为其他类似的非线性估算具有重要意义。

参考文献

[1]陈强，翟明艳.基于BP神经网络的建筑工程估价模型研究[J].基建优化，2002（6）.23

[2]杨无疆，林玲.基于BP神经网络的工程造价快速估算模型[J].建筑经济，2011，9：53-55

[3]黎曦，胡奎，胡伍生.神经网络BP算法在工程估价中的应用[J].山西建筑，2007（10），33（28）：367-368

?

-全文完-