人工神经网络在建筑工程造价预算中的应用

人工神经网络在建筑工程造价预算中的应用

潘艳华

广西鼎驰建设工程有限公司 ,广西百色市， 533000。

摘要：科学技术的快速发展带动我国整体经济建设发展迅速，在建设工程发展中，工程造价预测是造价管理的基础，在实际应用中有非常重要的意义。在实务中，造价工程师主要依据行业和地区的消耗量定额，通过测算拟建项目的人材机等消耗量，结合人材机单价情况，估算房屋建筑工程造价。

关键词：人工神经网络；建筑工程造价预算；应用

引言

时代的进步，科技的发展使我国建筑行业有了新的发展空间和机遇，建筑工程造价预算对企业来说至关重要，其造价预算的准确性直接影响到建筑企业的利润率。影响建筑工程造价准确性的一个重要因素是建筑材料的价格波动，采用人工神经网络开展建筑材料价格的预测。

1人工神经网络

神经系统广泛存在于人和动物等生物体内，能够为生物提供外界环境识别、记忆、逻辑分析等功能。利用仿生学，McCulloch和Pitts两位学者最早在1943年提出了人工神经网络的概念，他们将生物的神经系统抽象成“M-P神经元模型”，这一模型由大量具有计算功能的神经元节点连接组成，每一个节点模拟神经元的电信号传播，其输出由激活函数(activationfunction)来实现，神经元节点之间通过一定的权值来连接。利用这一模型，人工神经网络在优化问题、信号处理、大数据处理、图像识别、人工智能等领域逐渐获得了广泛地应用。到了20世纪80年代，Rumelhart首次提出了反向传播算法(BackPropagation)，针对这种算法建立的神经网络又被称为BP神经网络系统。BP神经网络系统是以误差信息逆向传播为基础的多层前馈神经网络系统，由输入层、输出层及隐含层构成，经过数学分析可以证明，一个具有三层深度的BP神经网络能够以任意精度逼近一个连续函数，且该网络具有结构简单、容易编程、计算精度高的优点，从而得到了广泛的应用，也为后续人工神经网络的构建提供了理论基础。BP神经网络算法整体上可以分为前向传播和后向传播，其中，信号的前向传播依次经过输入层神经元、隐含层神经元及输出层神经元。同层神经元之间各不相关，而且神经元的输入输出信号只能从低层神经元传递到高层神经元，其中神经元是否被激活则通过激活函数作为判断标准。激活函数种类较多，总体要求是该函数具有连续可微的特性，以方便后续的求导工作，本文即采用经典的Sigmod函数作为激活函数。后向传播将进行权重系数的修正，即开展误差修正，以提高神经网络预测的精确度。

　2建筑工程造价评估基本原理

建筑工程造价受多种因素影响,构成复杂、情况多变、具有较大的模糊性,因此,它是一项十分复杂的工作。然而,一个有经验的预算师或估价师,可以根据某个工程类型、特征以及具体情况,参照以往的工作经验和已建工程的资料数据,大致估算出其造价,而不需要机械地套用定额,从头到尾进行大量的繁琐计算。而且,经验越丰富,收集资料越多,信息越全面、准确,估算的造价就越准确。由于建筑工程的单件性,从根本上讲,不存在两个完全一样的工程,但许多工程之间存在着某种程度的相似性,造价估计分析的基本原理就是建立在建筑工程的相似性基础之上的。对于某个待建工程(欲估工程),首先从分析建筑类型和工程特征入手,再从数目众多的同类已竣工的工程中,找出与待建工程最相似的若干个工程,然后利用这些相似工程的造价资料作为原始数据,进行推理,最后得到拟建工程的造价及其他有关数据。

3样本数据

在以往工程造价预测模型中，通常采用建筑面积、层高、层数和主体结构类型等数据作为预测的指标。但由于建设项目的单件性特征，不同建设项目的这些指标往往大相径庭，而且很难采集所需的大量样本数据，导致预测结果偏差较大。在实务中，无论何种类型的施工项目，影响造价的因素主要是钢筋、混凝土、水、电和暖等。施工图设计过程中可以依据这些指标进行限额设计，造价预测中依据这些限额指标进行建模也是完全可行的。

4BP神经网络与Vague集贴近度预测

采用Vague集贴近度的数据，基于BP神经网络训练样本进行预测，通过训练好的网络对与本文样本数据相类似工程项目的单方造价进行预估，求得单方造价均值为1800元/m2。紧接着可以对建筑工程的总造价进行预估，通过对10项样本进行造价估算预测，采用BP神经网络和Vague集贴近度相结合的方法进行造价预估，估计误差在±10%范围内，造价估算结果非常准确。

5螺纹钢价格预测

工程建筑中常用的建筑材料包括水泥、砂石、钢材等材料，其价格的变动将对企业建筑工程的利润带来重要影响。以建筑工程中常用的螺纹钢为例，采用人工神经网络对螺纹钢的价格走势开展了预测研究。可以看出，螺纹钢价格随时间剧烈变化，且变化并无明显的规律，无法用目前现有的函数进行识别和预测。利用人工神经网络，以前期螺纹钢价格为训练样本建立神经网络系统，根据实际螺纹钢价格的BP神经网络拟合曲线，可以看出，BP神经网络拟合过滤了价格剧烈波动，保留了价格走势，获得了螺纹钢价格的总体走势。结合训练样本中的不同时间的价格偏差量，进一步可以有效地规避螺纹钢价格剧烈变化引起的预算偏差。同理，人工神经网络还可以用于水泥、砂石、木材等常用的建筑材料的价格预测中，通过提供过去一段时间内的建筑材料价格，以此为人工神经网络系统训练数据建立起来的各个建筑材料的人工神经网络能够较为准确的预测价格的走势，从而能够实现建筑工程造价预算的高精度量化计算，避免人为因素造成的造价预算偏差。

结语

建筑工程造价预算对于建筑企业的利润有至关重要的作用，为提高建筑工程造价预算中建筑材料价格预算的准确性，采用人工神经网络能够有效地应用于建筑材料未来价格的预测，降低建筑材料价格因素引起的预算误差，从而提高建筑工程造价预算的准确性，进而能够有效地提高建筑企业的利润率。

参考文献

［1］李晓丽．建筑工程造价预算有效控制措施分析［J］．经济·管理·综述，2020(3):22-24．

［2］苏择浦．建筑工程造价全过程控制策略分析［J］．建筑与预算，2019，12(15):86-87．

［3］张萌，邱小秦，芦新月．装配式建筑施工进度问题及基于BIM的对策分析［J］．经济·管理·综述，2020(4):56-57．