亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于BP 神經(jīng)網(wǎng)絡(luò)的住宅項(xiàng)目工程造價(jià)估算模型研究

        2015-12-02 01:44:46劉嘉威同濟(jì)大學(xué)經(jīng)濟(jì)與管理學(xué)院上海201804
        江西建材 2015年16期
        關(guān)鍵詞:工程造價(jià)工程模型

        劉嘉威 同濟(jì)大學(xué) 經(jīng)濟(jì)與管理學(xué)院,上海 201804

        在住宅項(xiàng)目中,項(xiàng)目前期的投資估算是較為重要的一環(huán)。投資估算是整個(gè)項(xiàng)目投資控制的起點(diǎn),是實(shí)施階段投資控制的基礎(chǔ)。同時(shí),投資估算也是業(yè)主對(duì)于項(xiàng)目方案是否可行的重要評(píng)價(jià)依據(jù),對(duì)于業(yè)主融資方式的選取以及招標(biāo)方案的選擇也有重要意義。因此,采用合適的方法快速準(zhǔn)確地估算出住宅項(xiàng)目的造價(jià)對(duì)于業(yè)主而言有著極為重要的現(xiàn)實(shí)意義。

        大量住宅項(xiàng)目的資料表明,住宅項(xiàng)目的造價(jià)與工程特征因素之間存在聯(lián)系,這種聯(lián)系表現(xiàn)為高度的非線性和不確定性。而BP 神經(jīng)網(wǎng)絡(luò)是一種智能仿生模型,具有自組織、自適應(yīng)、非線性映射能力以及高容錯(cuò)性,能夠完成任意復(fù)雜函數(shù)關(guān)系的映射。因此本文將利用已建住宅項(xiàng)目的資料,選取影響住宅造價(jià)的主要工程特征因素,然后選取若干已竣工備案的相似住宅工程,利用這些工程的數(shù)據(jù),在Matlab R2012a 環(huán)境下對(duì)BP 神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,建立住宅造價(jià)與各工程特征因素間的關(guān)系模型,并借助建立的模型對(duì)住宅項(xiàng)目造價(jià)進(jìn)行估算,通過估算造價(jià)與實(shí)際造價(jià)的比較,分析模型是否可行。

        1 BP 神經(jīng)網(wǎng)絡(luò)模型的建立

        1.1 BP 神經(jīng)網(wǎng)絡(luò)原理

        BP 神經(jīng)網(wǎng)絡(luò)有輸入層、隱含層和輸出層,網(wǎng)絡(luò)由兩部分組成:信息的正向傳遞與誤差的反向傳播。在正向傳遞中,輸入信息從輸入層經(jīng)隱含層逐層計(jì)算傳向輸出層,如果在輸出層沒有得到期望的輸出,則計(jì)算輸出層的誤差值,然后反向傳播,通過網(wǎng)絡(luò)將誤差信號(hào)沿原來的連通路反傳回來,修改各層神經(jīng)元的權(quán)值直至達(dá)到期望目標(biāo)。

        1.2 網(wǎng)絡(luò)結(jié)構(gòu)的選取

        輸入層單元數(shù)的選取與影響造價(jià)的主要工程特征因素有關(guān),本模型中選取工程因素為結(jié)構(gòu)類型、土方工程、基礎(chǔ)類型、砌筑工程、門窗工程、內(nèi)墻裝飾、外墻裝飾、樓地面工程、安裝工程、建筑層數(shù)、建筑面積,故選擇輸入層的單元數(shù)為11。

        為了更加直觀地得出模型估算出的造價(jià)值,可以將輸出層輸出的信息選擇為住宅項(xiàng)目的工程造價(jià),因此,選擇輸出層的單元數(shù)為1。

        1.3 模型自變量數(shù)據(jù)的處理

        由于BP 神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)必須為實(shí)數(shù),而自變量中除了建筑層數(shù)和建筑面積均為定性因素,故首先需要對(duì)這些自變量進(jìn)行定量化處理。自變量的定量化處理規(guī)則如表1 所示。

        表1 自變量的定量化處理規(guī)則

        1.4 BP 神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練

        1.4.1 信息的正向傳遞

        設(shè)Xj表示輸入層第j 個(gè)單元的輸入,j=1,2…,L;wij表示隱含層第i 個(gè)單元到輸入層第j 個(gè)單元的權(quán)值;θj表示隱含層第i 個(gè)單元的閾值;wki表示輸出層第k 個(gè)單元到隱含層第i 個(gè)單元之間的權(quán)值;αk表示輸出層第k 個(gè)單元的閾值,k=1,2,…,N;Ok表示輸出層第k 個(gè)單元的輸出,tk為輸出層第k 個(gè)單元的期望輸出,p 為樣本數(shù),所有樣本的誤差為E,no為迭代次數(shù)。

        樣本輸出點(diǎn)的誤差為:

        1.4.2 誤差的反向傳播

        輸出層節(jié)點(diǎn)與隱含層節(jié)點(diǎn)間,誤差計(jì)算公式為:

        輸入層節(jié)點(diǎn)與隱含層節(jié)點(diǎn)之間,誤差計(jì)算公式為:

        2 實(shí)例仿真與結(jié)果分析

        2.1 數(shù)據(jù)樣本的獲取

        本實(shí)例以北方某城市2013-2014 年間竣工驗(yàn)收的18 個(gè)住宅項(xiàng)目的原始數(shù)據(jù)為樣本,數(shù)據(jù)按表1 中的規(guī)則進(jìn)行定量化處理之后如表2所示。

        表2 定量化處理后的樣本數(shù)據(jù)

        2.2 估算模型在Matlab 中的建立

        2.2.1 Matlab 中BP 神經(jīng)網(wǎng)絡(luò)模型的建立

        在獲取住宅項(xiàng)目的樣本數(shù)據(jù)后,可以在Matlab 軟件中進(jìn)行實(shí)例仿真。本文在Matlab R2012a 環(huán)境下建立BP 神經(jīng)網(wǎng)絡(luò),輸入的特征向量為P,結(jié)合經(jīng)驗(yàn)公式采用試湊法發(fā)現(xiàn)當(dāng)隱含層單元數(shù)選取為13 時(shí),網(wǎng)絡(luò)收斂速度最快,精度最高,輸出層單元數(shù)為1,傳輸函數(shù)為tansig,網(wǎng)絡(luò)的訓(xùn)練采用Levenberg-Marquardt 算法,選取trainlm 函數(shù),采用newff 函數(shù)建立網(wǎng)絡(luò),語句為:

        2.2.2 樣本數(shù)據(jù)的歸一化處理

        在對(duì)實(shí)例樣本的數(shù)據(jù)進(jìn)行定量化處理后,依然無法直接作為輸入層和輸出層變量對(duì)BP 神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,原因是表2 中的數(shù)據(jù)在數(shù)量級(jí)上相差較大,若直接用于神經(jīng)網(wǎng)絡(luò)的訓(xùn)練,會(huì)嚴(yán)重影響神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)速度及網(wǎng)絡(luò)的精度、收斂情況等。

        因此,在利用樣本對(duì)網(wǎng)絡(luò)訓(xùn)練前,首先要對(duì)樣本進(jìn)行歸一化處理。本文利用Matlab 中已有的premnmx 函數(shù)直接進(jìn)行變量的歸一化處理,原始的輸入層特征向量為P,輸出層特征向量為T,歸一化處理后輸入為p1,輸出為t1,則premnmx 函數(shù)的調(diào)用語句為:

        2.2.3 軟件中BP 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練

        用trainlm 函數(shù)對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,用Levenberg-Marquardt 算法修正BP 神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值,設(shè)定最大循環(huán)次數(shù)為30000,目標(biāo)誤差1e-5,初始學(xué)習(xí)速率為0.02,語句為:

        將表2 中前16 組樣本數(shù)據(jù)輸入網(wǎng)絡(luò)進(jìn)行網(wǎng)絡(luò)訓(xùn)練,訓(xùn)練過程中網(wǎng)絡(luò)誤差的變化如圖2 所示。

        圖2 訓(xùn)練過程中網(wǎng)絡(luò)誤差變化曲線

        2.3 模型仿真結(jié)果分析

        將表2 中最后兩組數(shù)據(jù)輸入到已經(jīng)訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)中進(jìn)行造價(jià)估算。首先將最后兩組數(shù)據(jù)進(jìn)行歸一化處理,然后輸入到模型中進(jìn)行估算,將計(jì)算出的數(shù)值進(jìn)行反歸一化,就能得出所需的估算造價(jià)了。其中反歸一化處理可以直接調(diào)用Matlab 中的postmnmx 函數(shù),具體的語句形式為:

        將表2 最后兩組數(shù)據(jù)輸入后,得到的結(jié)果如表3 所示。

        表3 工程造價(jià)估算結(jié)果

        由表3 中的數(shù)據(jù)可知,本模型估算出的造價(jià)與工程的實(shí)際造價(jià)相比誤差均在10%以下,根據(jù)行業(yè)內(nèi)實(shí)際工程中的經(jīng)驗(yàn)可知,在項(xiàng)目決策的最終階段,投資估算的誤差率應(yīng)控制在±10%范圍內(nèi),因此,利用BP神經(jīng)網(wǎng)絡(luò)技術(shù)建立的造價(jià)估算模型在決策階段對(duì)住宅項(xiàng)目的造價(jià)進(jìn)行估算是可行的,是能夠滿足誤差要求的。

        3 結(jié)束語

        相比于傳統(tǒng)的造價(jià)估算方法,本文提出的基于BP 神經(jīng)網(wǎng)絡(luò)技術(shù)的住宅項(xiàng)目工程造價(jià)估算模型不僅能夠滿足決策階段對(duì)于投資估算的精度要求,而且速度更快,更加適合在工程決策階段對(duì)不同方案進(jìn)行比選時(shí)使用,有助于項(xiàng)目投資者更加快速、準(zhǔn)確地對(duì)項(xiàng)目的選擇作出決策。

        當(dāng)然,本模型目前的估算精度依然還可以繼續(xù)提高,在未來的研究中,有需要在模型中引入更多的工程特征因素,并且完善工程特征因素的定量化處理規(guī)則,并且通過更多的實(shí)例工程數(shù)據(jù)對(duì)模型進(jìn)行檢驗(yàn),以不斷完善本估價(jià)模型。

        [1]馬輝.建設(shè)工程項(xiàng)目快速投資估算方法研究[D].天津大學(xué),2006.

        [2]張智峰,白秀巍,艾永利.影響民用住宅造價(jià)的幾個(gè)因素[J].福建建材,2007,05:117-118.

        [3]梁文珠.影響住宅建筑工程造價(jià)的主要因素分析[J].科協(xié)論壇(下半月),2009,02:149.

        [4]葉青,王全鳳.基于BP 神經(jīng)網(wǎng)絡(luò)的工程估價(jià)模型及其應(yīng)用[J].廈門大學(xué)學(xué)報(bào)(自然科學(xué)版),2008,06:828-831.

        [5]嚴(yán)薇,龍昭乾,劉亮晴.基于人工神經(jīng)網(wǎng)絡(luò)的住宅造價(jià)估算[J].建筑經(jīng)濟(jì),2009,S1:312-315.

        [6]李曉娟.基于BP 神經(jīng)網(wǎng)絡(luò)的工程造價(jià)估算模型研究[J].甘肅聯(lián)合大學(xué)學(xué)報(bào)(自然科學(xué)版),2011,04:47-49 +113.

        [7]王建茹.基于BP 神經(jīng)網(wǎng)絡(luò)的建設(shè)工程造價(jià)預(yù)測(cè)方法[J].沈陽建筑大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版),2014,01:42-45.

        [8]周開利,康耀紅.神經(jīng)網(wǎng)絡(luò)模型及其MATLAB 仿真程序設(shè)計(jì)[M].北京:清華大學(xué)出版社,2005:69-100.

        猜你喜歡
        工程造價(jià)工程模型
        一半模型
        重要模型『一線三等角』
        重尾非線性自回歸模型自加權(quán)M-估計(jì)的漸近分布
        如何加強(qiáng)工程造價(jià)管理有效的控制工程造價(jià)
        3D打印中的模型分割與打包
        子午工程
        太空探索(2016年6期)2016-07-10 12:09:06
        工程造價(jià)之旅
        工程
        工程
        工程
        孩交精品xxxx视频视频| 亚洲国产果冻传媒av在线观看| 免费人成视频网站在线不卡| 日本妇人成熟免费2020| 国产激情无码视频在线播放性色| 国产精品久久久久高潮| 亚洲精品久久久久久久不卡四虎| 久久露脸国产精品| 成人小说亚洲一区二区三区| 人妻无码中文人妻有码| 天堂中文在线资源| 成全视频高清免费| 久久精品中文字幕极品| 丰满熟妇人妻av无码区| 国产一区二区三区av香蕉| 亚洲美女一区二区三区三州| 二区免费在线视频观看| 免费a级毛片无码a∨蜜芽试看| 国产精品亚洲а∨无码播放不卡| 国产精品_国产精品_k频道| 欧美丰满熟妇bbbbbb百度| 国产欧美日韩不卡一区二区三区| 中国产无码一区二区三区| 国产亚洲精品视频在线| 国产人妻久久精品二区三区老狼 | 久久精品国产亚洲av麻豆床戏| 国产一区高清在线观看| 久久婷婷五月综合97色一本一本 | 亚洲av无码专区国产乱码4se| 国产欧美日韩精品专区| 久久国产热这里只有精品| 国产男女猛烈无遮挡免费视频| 国内精品久久久久国产盗摄| av资源吧首页在线观看| 中文字幕亚洲在线第一页| 国产人妻熟女高跟丝袜图片| 色妞www精品视频| 亚洲αv在线精品糸列 | 国产午夜片无码区在线播放 | 在线国产视频精品视频| 亚洲国内精品一区二区在线|