公路工程建設項目中建立分布估計神經(jīng)網(wǎng)絡算法的造價估算模型,工程管理論文

公路工程建設項目中建立分布估計神經(jīng)網(wǎng)絡算法的造價估算模型,工程管理論文本篇論文目錄導航：【】【】公路工程建設項目中建立分布估計神經(jīng)網(wǎng)絡算法的造價估算模型【】【】【】工程估價論文：公路工程建設項目中建立分布估計神經(jīng)網(wǎng)絡算法的造價估算模型內(nèi)容摘要：建立基于分布估計神經(jīng)網(wǎng)絡的公路工程造價估算模型,為實現(xiàn)快速、高效的估算公路工程造價提供了技術條件,是公路工程造價估算在實際應用中的一次有意義的嘗試。本文關鍵詞語：估價模型;神經(jīng)網(wǎng)絡;分布估計算法;HighwayEngineeringEstimationofDistributionAlgorithmofNeuralNetworkAbstract：TheestablishmentofhighwayengineeringcostestimatemodelwhichbasedonEstimateofdistributionnetworkprovidestechnologicalconditionsforfastandefficientcostestimate.Atthesametime,thisstudyisalsoameaningfulattemptofconstructioncostestimateinpracticalapplication.0引言公路工程估價的合理性直接影響著公路工程建設項目投資決策的正確性，它是公路工程建設項目可行性研究的重要環(huán)節(jié)，也是建設項目的底編制的控制標準。怎樣快速、合理地估算工程造價是關系到公路工程建設項目投資決策的重要課題，對建設項目成本管理具有重要意義。本文擬在公路工程建設項目中建立基于分布估計神經(jīng)網(wǎng)絡算法的造價估算模型。首先對牽涉公路工程造價的各個主要特征進行定量化描繪敘述，然后結合所建立的分布估計神經(jīng)網(wǎng)絡算法模型，運用相關專業(yè)軟件快速估算公路工程造價。公路工程造價分布估計神經(jīng)網(wǎng)絡算法通過模擬智能決策，快速、合理估算出公路工程造價，有助于項目決策者做出相對準確的投資決策。1相關研究國內(nèi)外對工程造價估算智能化的研究，大致能夠分為三類：1.1利用計算機模擬技術建立模型通過分析、模擬實際施工經(jīng)過，對各分項工程先給出可能造價的先驗概率，能夠由計算機產(chǎn)生一個隨機數(shù)，這個隨機數(shù)進入到下一個分項工程當中，然后結合這項工程的先驗概率再產(chǎn)生一個隨機數(shù)。這些隨機數(shù)代表每個分項工程的實際造價。以此類推，直到全部分項工程計算完畢，產(chǎn)生所有分項工程造價之和作為總的估算造價。這種模型優(yōu)點是在樣本庫齊全的前提下估算更符合客觀實際，缺點是確定先驗概率需要大量的已建工程樣本資料，計算比擬繁瑣[1]，而且各分項工程造價樣本值受工程所在地實際情況影響較大。1.2基于神經(jīng)網(wǎng)絡技術的工程造價估算專家系統(tǒng)人工神經(jīng)網(wǎng)絡在工程估價中的應用可分為兩種：一種是基于Hopfield的工程應用；另一種是基于BP神經(jīng)網(wǎng)絡的工程應用。JasonPortas等人將人工神經(jīng)網(wǎng)絡應用于勞動生產(chǎn)力效率預測和成本預測中建立三層BP構造模型，該模型的輸出不是精到準確的值而是模糊集[2]，能夠較好的應用于工程前期造價估算。許寧[3]采用模糊神經(jīng)網(wǎng)絡估算工程造價，采用模糊數(shù)學中的從屬函數(shù)來反映工程特征間的差異性，再結合定性分析和定量分析將工程特征進行量化描繪敘述后，通過歸一化處理得到從屬度。劉鵬[4]匯總整理了神經(jīng)網(wǎng)絡的缺點和缺乏，提出利用遺傳神經(jīng)網(wǎng)絡算法快速估算工程造價的設想。1.3利用模糊數(shù)學建模這類模型運用模糊數(shù)學聚類分析技術和灰色系統(tǒng)理論，引用從屬度和貼近度等概念建模。但這類造價估算模型也有尚待商榷之處，沒有能全面考慮工程造價動態(tài)性的影響，估算精度可信度較低，需要搜集大量已建工程樣本作為基礎數(shù)據(jù)，具有較強的主觀性且估價速度并不理想。國內(nèi)工程造價估算多采用擴大指標估算法和概算指標估算法。所采用的估算指標是由本行業(yè)和地方統(tǒng)一制定，并沒有考慮建設工程質量、實際管理水平等問題，逐步難以適應市場經(jīng)濟體制的發(fā)展。國內(nèi)造價軟件做得較好的有：廣聯(lián)達三山軟件、上海神機妙算、上海魯班算量、同望公路等，現(xiàn)有軟件基本都分屬于工程項目管理類或預決算類，但是真正將兩者有機結合并向前后延伸，有助于實現(xiàn)工程造價全生命周期管理的造價軟件明顯缺乏。遺傳、模糊、神經(jīng)網(wǎng)絡技術在工程造價估算中的應用相當廣泛，當前遺傳算法的主要缺乏在于：收斂速度較慢且解的精度不高。有關研究人員提出了一種方式方法就是分布估計算法(EstimationofDistributionAlgorithms,EDAs)[5]。分布估計算法與GA的最大區(qū)別在于它們產(chǎn)生后代的方式不同，分布估計算法不使用GA的重組操作，而是對解集進行分析，從解集中選擇部分好的解集提取信息，利用這些信息建立適當?shù)母怕史植?，再從概率分布中進行抽樣得到下一代。這種方式方法避免了GA中建筑塊的毀壞。本文的研究動機就是在公路工程估價中引入分布估計算法的同時結合神經(jīng)網(wǎng)絡來解決工程造價估算的問題。2用于公路工程造價估算的分布估計神經(jīng)網(wǎng)絡算法分布估計算法有多種實現(xiàn)方式，這些算法的區(qū)別主要在于所采用的概率模型和采樣方式方法；共同點是產(chǎn)生下一代的方式，它們都從解集中選擇好的解集，并從中提取信息，利用這些信息建立適宜的概率分布，再從概率分布中抽樣得到下一代。本文采用UMDA(Univariatemarginaldistributionalgorithm〕算法與神經(jīng)網(wǎng)絡BP算法相結合[6]，詳細算法如下：算法3.1：分布估計神經(jīng)網(wǎng)絡輸入：訓練數(shù)據(jù)集，即擬建項目的特征因素的代表值；輸出：BP神經(jīng)網(wǎng)絡估算公路工程造價；(1〕隨機初始化種群(2〕計算P(0〕中個體的適應值；(3)while〔不知足終止準則〕do{(1)根據(jù)個體的適應值及選擇策略從P(t〕中選擇M個優(yōu)秀解；(2)根據(jù)這M個個體更新概率向量：華而不實j(Xi=xi〕={1,Xi=xi;0，其他}(3)根據(jù)新的概率向量隨機采樣，產(chǎn)生下一代種群P(t);(4)計算P(t〕中個體的適應值；(5)t=t+1;}(4〕將所得到的解分解為BP網(wǎng)絡所對應的權值和閾值；(5〕運行BP，輸出仿真值。3實驗結果比擬本文采用文獻[7]中的影響公路工程造價和工程量的9種主要特征作為估算模型的輸入，以每公里公路工程單方造價作為本估算模型的輸出。當以案例中的前13個樣本進行訓練，用后4個樣本作為測試數(shù)據(jù)時，經(jīng)過10次運算的神經(jīng)網(wǎng)絡估算模型誤差情況如表1和表2，從表上數(shù)據(jù)能夠看出遺傳BP網(wǎng)絡較分布估計BP網(wǎng)絡的單點之間的誤差大，且網(wǎng)絡震蕩現(xiàn)象頻發(fā)，而經(jīng)過分布估計算法優(yōu)化改良后的BP神經(jīng)網(wǎng)絡的穩(wěn)定性和容錯性能大幅提升；由以上比照能夠看出，改良后的BP網(wǎng)絡在性能上優(yōu)于一般BP網(wǎng)絡模型，能在降低計算結果的平均誤差的同時大幅提高計算精度。4結論針對公路工程造價估算問題是工程中一個非常重要的問題，本文著重闡述了怎樣進行公路工程造價估算，以便得到更為合理的公路工程造價，并研究了利用分布估計算法和神經(jīng)網(wǎng)絡相結合來解決該問題，實驗結果表示清楚，本文提出的算法在尋優(yōu)性能上優(yōu)于遺傳神經(jīng)網(wǎng)絡算法。表1遺傳BP網(wǎng)絡預測結果誤差狀況表2分布估計BP網(wǎng)絡預測結果誤差狀況以下為參考文獻[1]BuchananJS,Costmodelsforestimating[M].London:RoyalInstitutionofCharteredSurveyors1982.[2]王波,蔣鵬,卿曉霞.人工智能技術及其在建筑行業(yè)中的應用[J].微型機與應用,2004(8):4-7.[3]許寧.基于遺傳模糊神經(jīng)網(wǎng)絡的建筑工程造價估計方式方法[J].江漢石油學院學報,2000,22(1):87-88.[4]劉鵬.遺傳神經(jīng)網(wǎng)絡形式下的工程造價快速估算研究[J].價格月刊,2018(6):15-16.[5]LarrnagaP,LozanoJA.EstimationofDistributionAlgo-rithms[M].ANewToolforEvolutionaryComputation.Boston:KluwerAcademicPublishers,2002.[6]陳佳,李敏.用于多維數(shù)據(jù)實視圖選擇的分布估計算法[J].計算機工程,2020,38(11):45-47.[7]景晨光,段曉晨.基于遺傳神經(jīng)網(wǎng)絡的工程造價估算方式方法研究[J].石家莊鐵道大學學報(社會科學版),2018,4(4):11-17.[8]周其明,汪淼,任宏.神經(jīng)網(wǎng)絡集成在工程造價估算中的應用研究[J].重慶交通學院學報,2005(04).[9]田原.Matlab語言的NeuralNetworkToolbox及其在同步中的應用[J].當代電子技術,2008(20)[10]孫莉,駱漢賓.基于貼近度方式方法優(yōu)化質量事故診斷案例的選擇[J].四川建筑,2007(01).[11]鄧煥彬,強茂山,劉可.基于神經(jīng)網(wǎng)絡的公路工程造價快速估算方式方法[J].中南公路工程,2006(03).[12]劉浩,白振