宋国东
23052119860519****
摘 要：针对 BP 神经网络的工程估价模型具有高度的容错性和较强的泛化能力等优点，根据 BP 神经网络原理, 对某井筒工程特征进行分析，确定工程特征类目作为神经网络的输入向量。建立基于神经网络的工程造价快速估算模型，该模型能更好的满足实际工程投资估算和设计概算的需要，对项目工程造价快速估算有指导意义。
引言
建设工程的估算，是利用某种方法对工程造价所作的一个预先估计或预测。对于某个要估算的市政排水工程，即预估工程，可以从数目众多的已知造价的市政工程中找出与之最相似的若干个工程，然后利用这若干个预估工程最相似的若干个工程的造价进行预测而得到预估工程的估价。这就是工程造价的科学估算的基本原理。
工程成本受多方面因素影响,构成比较复杂,其内涵、外延具有较大的模糊性.在实际工程中,一位经验丰富的工程造价师能通过大脑对以往接触过的工程信息进行超强处理,寻找到已知样本与待估工程之间的联系,然后比较准确的估算出造价，在多变的市场经济环境下，寻求一种简捷、快速、实用的工程造价方法，显得尤为重要。工程估价采用神经网络方法是一种发展趋势 [1] 。人工神经网络(Artificial Neural Networks,简写为 ANNs)简称为神经网络(NNs)是一种模仿动物神经网络行为特征,进行并行处理、分布式存储、自适应(学习)过程的信息处理算法数学模型，它依靠网络系统的复杂程度,通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。工程建设的资源耗量与工程的一些基本特征值之间存在着必然的联系。神经网络的特征对于处理数据量较大的工程造价数据较为合适。本文将研究基于BP神经网络的市政工程造价预估研究。
1 、BP 神经网络的基本原理
利用神经网络建立工程造价估算模型，其实质就是利用网络的函数逼近能力，对实际的非线性复杂函数进行映射。从理论的角度讲，在进行工程造价估算时，假设影响工程造价的特征因素为m个(即m个向量，m≥3)，所需主要造价资料为竹个(即超个向量，咒≥1)，自然其间就形成了一个由m维到
咒维空间的非线性的数学映射问题。正如第一节所述，在我们研究的问题里面，具体表现为由9个影响工程造价的特征因素(即9个输入向量)来确定工程造价(即一个输出向量)。其映射关系如图二所示。
把用来描述工程特征的信息作为神经网络的输入向量，将所需的工程造价作为神经网络的输出向量，利用已完的大量典型工程的工程特征，单位造价作为训练样本对网络进行训练，使不同的输入向量得到不同的输出量值，从而实现输入空间(工程特征T)到输出空间(工程造价C)的映射，这就是基于神经网络的工程造价估算模型。
2、工程造价模型的建立
工程造价受多方面因素的影响，构成复杂，但是都是由部分组合而成的，基于BP神经网络的造价估算实际上是将造价问题看成一种数学映射，其关键就是可以高度逼近任意两个不同维空间的非线性映射。因此，建立工程造价特性信息，并将这些数据赋予向量 X=(x1,x2,…,xm), 即可利用输入层和输出层之间的非线性映射，建立精确的计算方程，最后将具体的工程造价、主要材料用量作为神经网络的输出 Y=(y1,y2,…,yn)。这种映射是建立在简单非线性函数复合的基础之上的，并利用 BP 神经网络的高度非线性特征，使不同的输出量得到不同的输出值，可见 BP 神经网络非常适用于难以建立数学模型但是易于收集学习样本的问题，利用过去大量的工程积累，将工程特征、造价信息、主要材料用量等作为训练样本对网格进行训练，就可以得到准确度高度的估算。
如图3所示工程造价的BP神经网络估算模型，共分3层：输入层、隐层、输出层，输入层含9个输入节点，隐层包含4个隐节点，输出层包含1个输出节点。
.png)
3、BP 神经网络在工程造价预测中的应用
工程造价预测是一个非常复杂的模式识别问题，尤其是预测中存在广泛的非线性问题，增加了模式识别的复杂性。BP 神经网络由于其本身信息处理快的优点，使其能够很好解决传统识别方法难以解决的难题，近年来建筑工程领域的仿真预测成为神经网络的重要应用领域之一。根据在一定经验的条件下，将常见的各种费用超支情况及正常情况所对应的理论值计算求解。作为 BP 神经网络的样本及样本期望，输入特定的 BP 神经网络，进行神经网络训练。实际预测时，在条件相同的情况下，将实际数据处理后输入特定的 BP 神经网络。其输出即是对应的预测值。该方法具有很强的泛化能力，不仅能识别已训练过的样本，而且能通过推论联想识别曾出现过的样本。BP 神经网络进行工程造价预测的步骤如下：（1）前工作,建立 BP 神经网络网络结构,将已完相关工程的工程造价的正常状态及各种超支状态所对应的历史数据进行数据处理作为样本期望输入值输入已建 BP 神经网络, 训练 BP 神经网络。（2）将拟建工程的对应相关工程的数据(概算或者合同价)输出提供给 BP 神经网络,BP 神经网络经过学习后,不仅能识别已经训练过的样本,而且能通过其泛化能力联想推论识别未出现的样本(工程决算)。
4、结论
由于BP神经网络的自学习、自组织适应能力和强容错性等特点，本文尝试把BP神经网络模型运用于建设项目工程造价估算，成功克服了传统项目估算的局限性。通过实例看出，人工神经网络方法对建设项目进行工程估算，具有计算简单、准确、快速等特点。采用神经网络估算需要一定的样本来训练网络，因此，在工程特征向量选取和训练样本选择上还有待进一步完善，但神经网络模型在现代经济非线性领域的应用前景非常广泛。
参考文献：
[1]赵欣 .基于 BP 神经网络的地铁土建工程造价估算方法研究 [D ].北京交通大学 ,2012.
[2]雷雨 .基于改进 BP 神经网络的工程造价估算研究 [D ].西安建筑科技大学 ,2013.
[3]宫尚宝,郭玉翠.基于 BP 人工神经网络的社区医院选址决策[J].中国科技信息,2009(22).