公路工程建设项目中建立分布估计神经网络算法的造价估算模型,工程管理论文.docx

《公路工程建设项目中建立分布估计神经网络算法的造价估算模型,工程管理论文.docx》由会员分享，可在线阅读，更多相关《公路工程建设项目中建立分布估计神经网络算法的造价估算模型,工程管理论文.docx（9页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、公路工程建设项目中建立分布估计神经网络算法的造价估算模型,工程管理论文本篇论文目录导航：【】【】 公路工程建设项目中建立分布估计神经网络算法的造价估算模型【】【】【】 工程估价论文：公路工程建设项目中建立分布估计神经网络算法的造价估算模型 内容摘要：建立基于分布估计神经网络的公路工程造价估算模型, 为实现快速、高效的估算公路工程造价提供了技术条件, 是公路工程造价估算在实际应用中的一次有意义的尝试。 本文关键词语：估价模型; 神经网络; 分布估计算法; Highway Engineering Estimation of Distribution Algorithm of Neural Netw

2、ork Abstract：The establishment of highway engineering cost estimate model which based on Estimate of distribution network provides technological conditions for fast and efficient cost estimate.At the same time, this study is also a meaningful attempt of construction cost estimate in practical applic

3、ation. 0 引言 公路工程估价的合理性直接影响着公路工程建设项目投资决策的正确性，它是公路工程建设项目可行性研究的重要环节，也是建设项目的底编制的控制标准。怎样快速、合理地估算工程造价是关系到公路工程建设项目投资决策的重要课题，对建设项目成本管理具有重要意义。 本文拟在公路工程建设项目中建立基于分布估计神经网络算法的造价估算模型。首先对牵涉公路工程造价的各个主要特征进行定量化描绘叙述，然后结合所建立的分布估计神经网络算法模型，运用相关专业软件快速估算公路工程造价。公路工程造价分布估计神经网络算法通过模拟智能决策，快速、合理估算出公路工程造价，有助于项目决策者做出相对准确的投资决策。 1

4、相关研究 国内外对工程造价估算智能化的研究，大致能够分为三类： 1.1 利用计算机模拟技术建立模型 通过分析、模拟实际施工经过，对各分项工程先给出可能造价的先验概率，能够由计算机产生一个随机数，这个随机数进入到下一个分项工程当中，然后结合这项工程的先验概率再产生一个随机数。这些随机数代表每个分项工程的实际造价。以此类推，直到全部分项工程计算完毕，产生所有分项工程造价之和作为总的估算造价。这种模型优点是在样本库齐全的前提下估算更符合客观实际，缺点是确定先验概率需要大量的已建工程样本资料，计算比拟繁琐1，而且各分项工程造价样本值受工程所在地实际情况影响较大。 1.2 基于神经网络技术的工程造价估算

5、专家系统 人工神经网络在工程估价中的应用可分为两种：一种是基于Hopfield的工程应用；另一种是基于BP神经网络的工程应用。Jason Portas等人将人工神经网络应用于劳动生产力效率预测和成本预测中建立三层BP构造模型，该模型的输出不是精到准确的值而是模糊集2，能够较好的应用于工程前期造价估算。许宁3采用模糊神经网络估算工程造价，采用模糊数学中的从属函数来反映工程特征间的差异性，再结合定性分析和定量分析将工程特征进行量化描绘叙述后，通过归一化处理得到从属度。刘鹏4汇总整理了神经网络的缺点和缺乏，提出利用遗传神经网络算法快速估算工程造价的设想。 1.3 利用模糊数学建模 这类模型运用模糊数

6、学聚类分析技术和灰色系统理论，引用从属度和贴近度等概念建模。但这类造价估算模型也有尚待商榷之处，没有能全面考虑工程造价动态性的影响，估算精度可信度较低，需要搜集大量已建工程样本作为基础数据，具有较强的主观性且估价速度并不理想。 国内工程造价估算多采用扩大指标估算法和概算指标估算法。所采用的估算指标是由本行业和地方统一制定，并没有考虑建设工程质量、实际管理水平等问题，逐步难以适应市场经济体制的发展。国内造价软件做得较好的有：广联达三山软件、上海神机妙算、上海鲁班算量、同望公路等，现有软件基本都分属于工程项目管理类或预决算类，但是真正将两者有机结合并向前后延伸，有助于实现工程造价全生命周期管理的造

7、价软件明显缺乏。 遗传、模糊、神经网络技术在工程造价估算中的应用相当广泛，当前遗传算法的主要缺乏在于：收敛速度较慢且解的精度不高。有关研究人员提出了一种方式方法就是分布估计算法 (Estimation of Distribution Algorithms, EDAs) 5。分布估计算法与GA的最大区别在于它们产生后代的方式不同，分布估计算法不使用GA的重组操作，而是对解集进行分析，从解集中选择部分好的解集提取信息，利用这些信息建立适当的概率分布，再从概率分布中进行抽样得到下一代。这种方式方法避免了GA中建筑块的毁坏。本文的研究动机就是在公路工程估价中引入分布估计算法的同时结合神经网络来解决工程

8、造价估算的问题。 2 用于公路工程造价估算的分布估计神经网络算法 分布估计算法有多种实现方式，这些算法的区别主要在于所采用的概率模型和采样方式方法；共同点是产生下一代的方式，它们都从解集中选择好的解集，并从中提取信息，利用这些信息建立适宜的概率分布，再从概率分布中抽样得到下一代。本文采用UMDA (Univariate marginal distribution algorithm算法与神经网络BP算法相结合6，详细算法如下： 算法3.1：分布估计神经网络 输入：训练数据集，即拟建项目的特征因素的代表值； 输出：BP神经网络估算公路工程造价； (1随机初始化种群 (2计算P (0中个体的适应值

9、； (3) while不知足终止准则do (1) 根据个体的适应值及选择策略从P (t中选择M个优秀解； (2) 根据这M个个体更新概率向量： 华而不实 j (Xi=xi=1, Xi=xi;0，其他 (3) 根据新的概率向量随机采样，产生下一代种群P (t) ; (4) 计算P (t中个体的适应值； (5) t=t+1; (4将所得到的解分解为BP网络所对应的权值和阈值； (5运行BP，输出仿真值。 3 实验结果比拟 本文采用文献7中的影响公路工程造价和工程量的9种主要特征作为估算模型的输入，以每公里公路工程单方造价作为本估算模型的输出。 当以案例中的前13个样本进行训练，用后4个样本作为测试

10、数据时，经过10次运算的神经网络估算模型误差情况如表1和表2，从表上数据能够看出遗传BP网络较分布估计BP网络的单点之间的误差大，且网络震荡现象频发，而经过分布估计算法优化改良后的BP神经网络的稳定性和容错性能大幅提升；由以上比照能够看出，改良后的BP网络在性能上优于一般BP网络模型，能在降低计算结果的平均误差的同时大幅提高计算精度。 4结论 针对公路工程造价估算问题是工程中一个非常重要的问题，本文着重阐述了怎样进行公路工程造价估算，以便得到更为合理的公路工程造价，并研究了利用分布估计算法和神经网络相结合来解决该问题，实验结果表示清楚，本文提出的算法在寻优性能上优于遗传神经网络算法。 表1 遗

11、传BP网络预测结果误差状况 表2 分布估计BP网络预测结果误差状况 以下为参考文献 1Buchanan JS, Cost models for estimatingM.London:RoyalInstitution of Chartered Surveyors 1982. 2王波, 蒋鹏, 卿晓霞.人工智能技术及其在建筑行业中的应用J.微型机与应用, 2004 (8) :4-7. 3许宁.基于遗传模糊神经网络的建筑工程造价估计方式方法J.江汉石油学院学报, 2000, 22 (1) :87-88. 4刘鹏.遗传神经网络形式下的工程造价快速估算研究J.价格月刊, 2018 (6) :15-16.

12、 5Larr naga P, Lozano J A.Estimation of Distribution Algo-rithmsM.A New Tool for Evolutionary Computation.Boston:Kluwer Academic Publishers, 2002. 6陈佳, 李敏.用于多维数据实视图选择的分布估计算法J.计算机工程, 2020, 38 (11) :45-47. 7景晨光, 段晓晨.基于遗传神经网络的工程造价估算方式方法研究J.石家庄铁道大学学报 (社会科学版) , 2018, 4 (4) :11-17. 8周其明, 汪淼, 任宏.神经网络集成在工程造

13、价估算中的应用研究J.重庆交通学院学报, 2005 (04) . 9田原.Matlab语言的Neural Network Toolbox及其在同步中的应用J.当代电子技术, 2008 (20) 10孙莉, 骆汉宾.基于贴近度方式方法优化质量事故诊断案例的选择J.四川建筑, 2007 (01) . 11邓焕彬, 强茂山, 刘可.基于神经网络的公路工程造价快速估算方式方法J.中南公路工程, 2006 (03) . 12刘浩, 白振兴.BP网络的Matlab实现及应用研究J.当代电子技术, 2006 (02) . 13李茂英, 曾庆军.基于神经网络的公路工程造价揣测模型J.广东交通职业技术学院学报, 2002 (01) . 14陈祥光.浅谈人工神经网络技术J.电力设备, 2004 (02) . 15谢颖, 高犁难, 石振武.基于最小二乘支持向量机的公路工程造价预测模型J.中外公路, 2007 (03) .