2024-09-23
基于BP神经网络的公路工程造价快速估算方法_陈娟
提出了公路工程造价快速估算的模糊神经网络方法。计算实例表明,该方法估算公路工程造价具有方便、快捷、准确的特点,具有较高的实用价值。
从影响公路造价的影响因素中提取特征因子,用神经网络建立起公路造价快速估测模型,以工程特征为参数,用历史数据为依据,建立模型,文章最后用实例验证了bp神经网络模型在公路工程造价估测中的优良效果,结果显示,bp神经网络在这方面应用效果较好.
近些年来,伴随着我国公路事业的蓬勃发展,公路工程建设的数量和规模日益增加。而公路工程造价估算作为公路工程建设的重要前提以及公路工程管理的重要组成部分,其在公路建设中的地位也日益突显,合理的工程造价估算可以有效提高工程施工单位投资决策的科学性。而基于模糊神经网络的工程造价估算方法可以有效的克服传统工程造价估算方法的一系列弊端,有效提高公路工程造价估算的合理性和科学性。本文从公路工程造价的相关概念谈起,然后对模糊神经网络的相关概念给予详细的说明,最后就公路工程造价估算中模糊神经网络方法的应用进行了说明。
本文根据神经网络的原理和工程造价估算的特点,建立了基于神经网络的工程造价估算模型;阐述了估算模型的基本原理;并通过住宅建筑估价模型的建立,说明了模型的实现方法且验证了其实用性
针对装修工程造价计算流程复杂、难以快速估算的问题,结合bp神经网络构建面向简单装修工程的工程造价估算模型,以15个典型工程特征作为输入指标,实现对工程造价和人工工日的快速估算。利用keras与tensorflow编写程序,选取典型工程样本训练模型,并进行了验证分析。结果表明,该模型能够较好地学习输入与输出之间的关系,有效预测工程造价与人工工日,为装修工程造价的快速估算提供一种有效途径。
在对建筑工程造价影响因素分析的基础上给出了样本的定性定量描述方法,建立了建筑工程造价资料快速估算的bp神经网络模型,用已建典型工程资料对bp神经网络进行训练,实现了工程造价资料的快速估算,实例证明该方法是可行的,估算结果是可靠的。
在对影响建筑工程造价因素分析和标准模糊神经网络结构分析的基础上,通过增加输入层与模糊层之间的权值v,加入规则的重要度γ,对标准模糊神经网络进行了改进,并建立基于改进的标准模糊神经网络的工程造价快速估算模型。将基于这种结构的模糊神经网络的工程造价快速估算模型应用于建筑工程的投标报价中,从仿真结果可以看出该网络模型学习时间较短,学习速率较快,精度较高。
遗传神经网络模式下的工程造价快速估算研究——针对工程项目建设前期对造价估算误差大、难度大、编制时间长的特点,通过设立以人工智能技术为基础的新型造价快速估算方法,可以使工程项目初期造价估算更合理、准确、快捷,并为项目投资评估及投标报价提供依据。
快速、准确地进行工程造价估算对控制工程成本具有重要的现实意义。根据神经网络原理和对工程特征的分析,确定了6个工程特征类目作为神经网络的输入向量,提出了基于bp神经网络的工程造价快速估算模型,并选取已建住宅工程为估价实例。经验算,其精度可以满足实际工程投资估算和设计概算的需要。因此,用bp神经网络快速估算工程造价是行之有效的。
文章对高速公路的工程特征进行全面的分析和筛选,确定了7个对公路工程造价影响较大的工程特征,使其作为神经网络预测模型的输入向量,随之构建了基于bp神经网络的高速公路工程造价预测模型,最后结合matlab神经网络工具箱对程序进行设计,并选取已完工程为实例.通过对模型的训练、修正以及实例验证,证明bp神经网络可以有效提高预测的精确度,具有较强的实用价值.
文章对高速公路的工程特征进行全面的分析和筛选,确定了7个对公路工程造价影响较大的工程特征,使其作为神经网络预测模型的输入向量,随之构建了基于bp神经网络的高速公路工程造价预测模型,最后结合matlab神经网络工具箱对程序进行设计,并选取已完工程为实例.通过对模型的训练、修正以及实例验证,证明bp神经网络可以有效提高预测的精确度,具有较强的实用价值.
利用显著性成本理论和神经网络理论相结合的方法,对拟建工程项目的投资进行估算,步骤为:①采用均值理论挑选已完成类似工程的显著性成本项目,计算其显著性因子csf;②估算拟建项目的显著性成本项目造价;③拟建工程项目造价除以显著性因子的均值,得到拟建工程项目的总造价。实例验证结果表明:估算值的相对误差小于5%,满足估算精度的要求。
本文建立了基于径向基函数(rbf)神经网络公路工程造价的估算模型,并运用matlab语言程序将其实现。实例分析表明该方法弥补了传统bp网络存在的收敛速度慢,易陷入局部最优等缺陷,基于神经网络的公路工程造价估算方法是可行的,估算结果是可靠的。
y 基于神经网络的工程造价估算方法及其excel实现 孙金丽,郑立群,张世英 (天津大学管理学院,天津300072) 摘要:建立了建筑工程成本的神经网络预测模型,并在微软excel电子表格上模拟运行,对权值的优化,运用ex cel加载宏程序,可以直接在电子表格上进行,实践结果表明预测结果满意,预测误差达到0.4%。为了更好地预 测新的工程项目,模型中还包含了敏感性分析模块,以提高模型的泛化能力。 关键词:神经网络;电子表格模拟;敏感性分析 中图分类号:tu723.3文献标识码:a文章编号:10007717(2003)01003803 amethodofconstructioncostestimationbasedonnnanditsimplementus
建立了建筑工程成本的神经网络预测模型,并在微软excel电子表格上模拟运行,对权值的优化,运用excel“加载宏”程序,可以直接在电子表格上进行,实践结果表明预测结果满意,预测误差达到0.4%。为了更好地预测新的工程项目,模型中还包含了敏感性分析模块,以提高模型的泛化能力
近几年来随着我国的房地产事业在飞速发展的同时,带动了更多产业链的发展。不论是各种市政工程,道路桥梁工程,还是民用建筑,装饰安装工程,这些都离不开估概预算。并且估概预算的结果还会直接影响到建筑承包商参与工程投标的标的,进而也会影响到建筑承包商是否中标。所以采用一个精准而快速的建筑工程造价估算方法是十分的有必要的。随着科学技术的不断进步,将bp神经网络运用到建筑工程估算中使建筑工程估算方法有了个新的途径。本文首先介绍bp神经网络估算的原理,然后分析在bp神经网络计算法下建筑工程该如何向量和样本化以及怎样运用bp神经网络进行建筑工程造价估算。
工程项目前期造价的确定直接关系到整个项目的总体运作情况,因此准确的确定前期造价是非常重要的。目前工程中应用的投资估算编制方法不是很科学,采用bp神经网络方法改进投资估算的确定方法。结果表明,该方法可以有效的提高其编制精度,为科学的确定和有效的控制工程造价中全过程造价奠定了良好的工作基础。
该文根据我国公路工程造价迫切需要实行动态控制的要求,充分利用我国高速公路的工程造价资料,提出了公路工程造价快速估算的模糊神经网络方法。计算实例表明,该方法估算公路工程造价具有方便、快捷、准确的特点,具有较高的实用价值。
职位:电力工程造价工程师
擅长专业:土建 安装 装饰 市政 园林
文辑推荐
知识推荐
百科推荐