郭秀秀

（陜西省建筑職工大學(xué)，陜西西安，710068）

0 引言

隨著我國經(jīng)濟水平的提高，建筑行業(yè)也得到了快速的發(fā)展，對于建筑的投資異常的火熱，隨之而來的就是投資的失控化，合理的投資決策變得有尤為重要。市場競爭日趨激烈，工程造價的估算制約著投資決策的準(zhǔn)確性，傳統(tǒng)的工程造價估算方法已經(jīng)滿足不了發(fā)展需要。在這樣的需求背景下人工神經(jīng)網(wǎng)絡(luò)因其具有高度非線性和非局限性的特點，被應(yīng)用在工程造價領(lǐng)域，而其中使用比較廣泛的既是BP神經(jīng)網(wǎng)絡(luò)算法，本文將對BP神經(jīng)網(wǎng)絡(luò)的工程造價預(yù)測進行分析研究，探究其工程造價的精度如何。

1 相關(guān)概念介紹

1.1 BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)作為人工神經(jīng)網(wǎng)絡(luò)中應(yīng)用廣泛的模型，是普通的單隱含層神經(jīng)網(wǎng)絡(luò)模型，將收集到的樣本數(shù)據(jù)作為 BP神經(jīng)網(wǎng)絡(luò)通過輸入層，在經(jīng)過隱含層后通過輸出層后得出結(jié)果，結(jié)果可能出現(xiàn)兩種情況，即期望值與結(jié)果相符，則信號流動結(jié)束。若結(jié)果與期望值有差異，網(wǎng)絡(luò)信號將進行反向傳播，沿著同樣的路徑發(fā)射回去，在信號傳遞期間，采用梯度下降法，通過對權(quán)值閾值的修改。使之誤差趨于平方和最小值[1]。

1.2 工程造價預(yù)測

工程造價預(yù)測是指對項目進行造價的預(yù)測，發(fā)生在項目建設(shè)前期，通過計算來預(yù)測項目的建設(shè)費用，特點是快速同時對于準(zhǔn)確度要求極高。

2 基于BP神經(jīng)網(wǎng)絡(luò)的工程造價預(yù)測

2.1 BP神經(jīng)網(wǎng)絡(luò)工作原理及特點

BP神經(jīng)網(wǎng)絡(luò)的拓撲結(jié)構(gòu)包含接收外界信息單元的輸入層，中層信息處于與交換的隱層，以及最后神經(jīng)元輸出的輸出層，它的工作過程是，神經(jīng)元信息通過輸入層，在經(jīng)過中間層后傳至輸出層，如果得到的結(jié)果與期望相符，正向?qū)W習(xí)過程結(jié)束，如果相差較大，將進行反向的神經(jīng)元信息的傳輸，直至誤差在閾值范圍內(nèi)，程序結(jié)束運輸。BP神經(jīng)網(wǎng)絡(luò)的特點是具有非線性映射能力，泛化能力和容錯性，這些特點都將為后期工程造價預(yù)測模型提供技術(shù)支持。BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

圖1 BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)

2.2 基于BP神經(jīng)網(wǎng)絡(luò)的工程造價預(yù)測合理性

項目施工建設(shè)過程中涉及到的實際問題和突發(fā)問題，導(dǎo)致對于工程造價數(shù)據(jù)的數(shù)據(jù)有很大的難度，BP神經(jīng)網(wǎng)絡(luò)因其自身的技術(shù)特點決定了，它可以為項目進行快速精準(zhǔn)的預(yù)測，為投資人提供決策服務(wù)，同時可以避免傳統(tǒng)算法精度較差和時間花費較長的問題，避免因這些問題錯過了決策時間。

2.3 BP神經(jīng)網(wǎng)絡(luò)算法缺點

對于隱含層的數(shù)目和神經(jīng)元節(jié)點的數(shù)量無法把握，缺乏網(wǎng)絡(luò)結(jié)構(gòu)的理論依據(jù)；當(dāng)誤差較大時，神經(jīng)網(wǎng)絡(luò)為了較小誤差就會進行反復(fù)的訓(xùn)練進行學(xué)習(xí)，但訓(xùn)練到一定程度后，誤差減少的程度就會減低，想要達到理想誤差，那么迭代數(shù)就會增加；如果BP神經(jīng)網(wǎng)絡(luò)收斂到局部極小值時，可能預(yù)測的精度就會降低[2]。

3 基于BP神經(jīng)網(wǎng)絡(luò)的工程造價預(yù)測模型的構(gòu)建

3.1 工程造價預(yù)測指標(biāo)的選取

此研究的數(shù)據(jù)信息是根據(jù)某建筑工程的實際建設(shè)情況展開的，對影響工程造價的主要因素進行了表格整理，某些因素可能會產(chǎn)生重合現(xiàn)象，因素對于工程造價的影響程度也是不同的，工程造價影響因素進行分類和內(nèi)涵界定如表1所示。

表1 影響工程造價的指標(biāo)提取

通過對概念的分類和整合，提取出17個影響工程造價的因素作為控制對象進行研究，每個因素都進行內(nèi)涵的界定，選取的指標(biāo)在工程造價領(lǐng)域均有參照標(biāo)準(zhǔn)，所選取指標(biāo)也是行業(yè)能認可的參考對象。做完指標(biāo)內(nèi)涵界定后，仍需進行指標(biāo)量化工作，將各項指標(biāo)的數(shù)據(jù)設(shè)定成具體值，便于后期研究的進行[3]。

3.2 BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型解析

首先本文研究的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型是依靠MATLAB平臺打造的，編寫的模型也是來源于MATLAB平臺中的工具箱模塊。操作流程是利用該平臺的工具箱來完成網(wǎng)絡(luò)設(shè)計和訓(xùn)練工作。在進行模型構(gòu)建時，已經(jīng)選取了研究指標(biāo)，并進行內(nèi)涵的界定和量化工作打下了工程造價預(yù)測的基礎(chǔ)。其次，就是采集研究對象產(chǎn)生的數(shù)據(jù)并進行整理分析，為了驗證預(yù)測結(jié)果的準(zhǔn)確性，本文將選取30個項目作為研究對象，得到的數(shù)據(jù)與項目對象分離，輸入到MATLAB平臺中的神經(jīng)網(wǎng)絡(luò)模型當(dāng)中，從而實現(xiàn)模型的構(gòu)建。最后將預(yù)測的樣本輸入到本文研究的預(yù)測模型之中，進行仿真實驗來驗證結(jié)果的精度，根據(jù)得到的精度情況在進行工程造價預(yù)測模型的可行性評估，流程如圖2所示。

圖2 工程造價預(yù)測模型流程

4 模型仿真分析

4.1 樣本的選取

上文提到本文將選取29個工程項目作為試驗的樣本，為了避免因地質(zhì)因素影響研究結(jié)果，特選取同一地點的項目，得到的數(shù)據(jù)也更具有代表性。在對研究樣本選擇時，明確了建筑面積范圍，并且均是毛坯房，最后從中選取26個項目作為樣本，其中21個作為訓(xùn)練，其余5個作為研究樣本來進行仿真分析。

4.2 BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型的構(gòu)建

首先，利用MATLAB平臺中的工具箱設(shè)計一套BP神經(jīng)網(wǎng)絡(luò)。其次將選中的21個項目作為訓(xùn)練樣本，輸入到新構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)中進行模型的訓(xùn)練，目的是為了構(gòu)建BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型，通過訓(xùn)練的效果分析，得出實際工程造價數(shù)值與預(yù)測的數(shù)值差異不大，說明本文構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型訓(xùn)練效果很好，可以作為工程造價預(yù)測的模型進行研究使用。

4.3 利用新構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型進行工程造價的預(yù)測

對于構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型，已經(jīng)驗證了擬合效果良好可以作為工程造價的預(yù)測模型，下面將剩余的5個樣本作為預(yù)測樣本，進行BP神經(jīng)網(wǎng)絡(luò)的工程造價預(yù)測。首先我們將剩余的5個項目樣本為編號設(shè)置1，2，3，4，5。將5個樣本輸入到新構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型中，進行工程造價的預(yù)測。隨后以圖像的形式展示預(yù)測的效果，從圖中可以看出預(yù)測的數(shù)據(jù)與5個項目實際的造價數(shù)據(jù)對比，對比發(fā)現(xiàn)兩相誤差很小[4]。

4.4 BP評價神經(jīng)網(wǎng)絡(luò)預(yù)測模型的效果

4.4.1 誤差分析

對于BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型的預(yù)測結(jié)果，最直觀的判斷依據(jù)既是誤差大小。為了保證研究的嚴(yán)謹性。本文將對5個項目樣本的實際工程造價值與預(yù)測造價值進行絕對誤差和相對誤差的分析。絕對誤差如表2所示。

表2 樣本預(yù)測值與實際值的絕對誤差

從表2中看出誤差最大的是266元/m2誤差可以接受，最小誤差為-65元/m2可以看出BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型的預(yù)測結(jié)果很精準(zhǔn)。相對誤差如表3所示。

表3 樣本預(yù)測值與實際值的相對誤差

如表3所示，對于相對誤差來說，誤差相差最大值小于10%，依據(jù)行業(yè)標(biāo)準(zhǔn)，將相對誤差控制在10%以內(nèi)，該預(yù)測結(jié)果即為有效，因此無論是絕對誤差還是相對誤差的表現(xiàn)都很好，都能驗證BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型的預(yù)測的精準(zhǔn)性。

4.4.2 測試結(jié)果穩(wěn)定性分析

測試結(jié)果的穩(wěn)定與否也將決定預(yù)測的效果。為了充分驗證BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型的預(yù)測效果，本文將進行預(yù)測結(jié)果穩(wěn)定的研究，利用上文中的相對誤差表可以得出數(shù)值最大的誤差為9.17%，最小的相差4.96%，浮動比例不大相對穩(wěn)定，可以得出穩(wěn)定性良好[5]。

4.5 BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型的預(yù)測速度分析

基于MATLAB平臺進行的BP神經(jīng)網(wǎng)絡(luò)工程造價預(yù)測，利用系統(tǒng)中的編程進行測算，除了精度能夠保證外，預(yù)測的速度相對于傳統(tǒng)的預(yù)測方式和方法都具有絕對的速度優(yōu)勢，可以完美的實現(xiàn)投資人對于工程造價的需求，進而為投資人的決策提供支持。

4.6 對BP神經(jīng)網(wǎng)絡(luò)工程造價預(yù)測模型影響因素分析

經(jīng)過仿真分析，已經(jīng)驗證了BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型的有效性和BP神經(jīng)網(wǎng)絡(luò)工程造價預(yù)測的精準(zhǔn)性，我們將深入的分析對于模型結(jié)果產(chǎn)生的影響因素有哪些。本文將著重的分析樣本個數(shù)對BP神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果的影響。首先將樣本個數(shù)增加至30個時，會對測試結(jié)果產(chǎn)生怎樣的影響呢？通過實驗得出測試的誤差相比較之前的21個樣本數(shù)時誤差更大，說明BP神經(jīng)網(wǎng)絡(luò)工程造價預(yù)測在小樣本數(shù)據(jù)上具有準(zhǔn)確性，相比于其他的傳統(tǒng)預(yù)測方式更具有優(yōu)勢，個數(shù)多時，誤差較大不宜使用。即使是小樣本數(shù)據(jù)也要保證基本的樣本數(shù)，才能使結(jié)果更準(zhǔn)確更具說服力。

5 結(jié)論

本文通過對基于BP神經(jīng)網(wǎng)絡(luò)工程造價預(yù)測的研究，驗證了構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型的有效性，再利用BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型進行樣本的仿真實驗，得到了BP神經(jīng)網(wǎng)絡(luò)對于工程造價預(yù)測的準(zhǔn)確性和快速性，實現(xiàn)了BP神經(jīng)網(wǎng)絡(luò)預(yù)測可行性的目的，但是該模型的測試范圍還是有限的，在進一步提升預(yù)測精度和速度的同時，可以將BP神經(jīng)網(wǎng)絡(luò)預(yù)測應(yīng)用的更廣泛，使之能夠為各行各業(yè)服務(wù)。