安二慶

[摘 要]對我國目前市政工程建設的現(xiàn)狀及市政橋梁在其中的地位進行了介紹，對我國市政橋梁建設過程中的工程投資估算的模型方法進行了介紹，指出目前模型存在的不足，提出了利用神經網絡來構建市政橋梁工程投資估算模型，并且利用樣本數(shù)據對模型進行了構建和仿真，實現(xiàn)了預期的效果。

[關鍵詞]市政橋梁 投資估算 模型 研究

中圖分類號：S882 文獻標識碼：A 文章編號：1009-914X（2016）10-0129-01

1.引言

在我國市政橋梁建設規(guī)模正在逐年的增多，并且迎來了高速建設的時期，很多城市都將設計難度較大，形狀較為特殊的市政橋梁作為城市自身的標志。比如非常著名的長約36公里的杭州灣大橋，該市政橋梁投資約為107億元；蘇通大橋全長1.09公里，投資人民幣達到64.5億元。這是較大的市政橋梁，在市政工程中所包含的中小型的市政橋梁更是不計其數(shù)，即橋梁規(guī)模不大的這種工程數(shù)量巨大，市政橋梁的存在大大拉升了市政工程建設過程中的投資。由于市政工程往往涉及的金額是巨大的，因而開展對市政橋梁工程的投資估算研究就顯得極為迫切。市政橋梁工程不僅投資巨大而且工程非常復雜，因而市政橋梁的建設以及管理都要嚴格按照既定的程序來執(zhí)行，目的就是對市政橋梁工程的造價進行控制。對于市政橋梁工程的估算往往是對市政橋梁工程造價進行控制的有效手段之一，投資估算編制是否合理也會直接影響到對市政橋梁工程投資限額。因而如果在市政橋梁工程的前期沒有對工程進行合理編制，所造成的后果往往就是預算編制和實際嚴重不符，就很可能會出現(xiàn)三超現(xiàn)象，以及資金不到位的問題。這種情況會嚴重阻礙市政工程的順利執(zhí)行，甚至可能導致市政工程建設陷入僵局，給國家?guī)砭薮蟮慕洕鷵p失。所以在橋梁市政工程執(zhí)行的過程中，應該注意對于投資估算的決策，努力提高投資估算的準確程度，充分體現(xiàn)投資估算對于工程造價的控制作用，目前對于市政橋梁投資估算模型的研究為該領域的熱點問題。

2.市政橋梁工程投資估算主要的模型

在市政工程建設的過程中都會具有一定的行業(yè)規(guī)范，在行業(yè)規(guī)范當中針對市政橋梁工程投資估算往往是以估算法作為各個指標計算的基礎。對于行業(yè)中的各個投資指標進行一系列的計算，目前針對市政橋梁工程投資估算的模型還沒有像其他領域如公路工程那樣規(guī)范，在規(guī)范中對于分部分項以及價格信息等都有較及時的體現(xiàn)，能基本滿足對于市政橋梁項目實施可行性研究階段所需要的指標和數(shù)據。從目前市政橋梁工程投資估算過程中對于各項指標的利用的情況來看，隨著科學技術的不斷進步，各種新的材料出現(xiàn)以及技術的進步，指標問題不全面以及指標價格不明確等信息成為了投資估算過程中的主要障礙，對于市政橋梁估算是一個不得不解決的問題。但是新的投資估算指標的建立過程又不是一蹴而就的，即在解決現(xiàn)實問題的過程中還沒有特別合適的指標。因而目前亟待一種新的模型能夠解決上述問題。

3.基于神經網絡的市政橋梁工程投資估算主要模型

本文將神經網絡模型應用于市政橋梁工程投資估算模型，并且以空心板橋梁為例，通過對神經網絡應用于市政橋梁估算模型的可行性分析，將神經網絡模型應用于市政橋梁投資估算模型具備可行性和可實施性具備較好的性質。利用神經網絡模型來對市政橋梁工程投資估算以空心板橋梁為例主要包括以下重要的環(huán)節(jié)：1）樣本數(shù)據的采集；2）樣本數(shù)據的歸一化處理；3）對處理后的數(shù)據進行神經網絡訓練；4）對于訓練輸出的數(shù)據進行仿真等。

3.1 樣本數(shù)據分析

根據上述神經網絡的構建的過程，首要的是選取模型建立所需要的樣本數(shù)據。樣本數(shù)據是關于輸入和輸出的數(shù)據。首先對于指標進行因果檢驗看其是否存在理論上的因果關系，如果二者存在因果上的關系則可以將二者一個參數(shù)作為輸入而另外一個作為輸出，即有多少個輸入就需要做多少組因果分析，然后利用這些樣本數(shù)據來構建神經網絡模型，選擇一部分數(shù)據作為模型構建使用以及最后的仿真驗證使用，即不僅可以用于構建模型來使用而且還可以用來檢驗模型的精度。將選擇的樣本數(shù)據作為模型的輸入，將模型中的參數(shù)利用有意義的字符串來代替，如橋梁的跨徑，數(shù)量，橋梁寬度，橋面的厚度，以及承臺和地質等，另外還包括項目措施和總的投資費用。將所選好的數(shù)據輸入到神經網絡模型中，首先生成數(shù)據矩陣，而投資的總額作為系統(tǒng)的輸出，生成目標矩陣來使用。

3.2 數(shù)據歸一化處理

然后對輸入的數(shù)據矩陣和目標矩陣進行歸一化的處理，也就是對于數(shù)據進行預處理操作。歸一化處理一般用于無量綱的數(shù)據處理，也就是將有量綱的數(shù)據通過統(tǒng)一標準的轉化，將其變?yōu)闊o量綱表達的過程。歸一化一般就是用于對樣本數(shù)據進行歸一化的處理，樣本的統(tǒng)計概率分布在0和數(shù)值1之間，數(shù)值坐標的范圍一般為-1到1之間。正是由于在空心板橋梁建設的過程中有太多的參數(shù)的量綱不一致，這就是很多輸入的指標參數(shù)不一致。而在神經網絡模型訓練的過程中所要求的必須要使得數(shù)據一致，通過這樣方式消除噪聲干擾，使得模型的準確性得到保障。在matlab軟件中有相應的數(shù)據處理模塊來對數(shù)據進行歸一化的處理。本模型建立的過程中進行樣本歸一化處理就是使用的matlab軟件中的函數(shù)，在該函數(shù)的幫助說明中具有該函數(shù)的實現(xiàn)算法以及使用說明，可以根據該函數(shù)的說明來對所選取得樣本數(shù)據進行歸一化的處理，最終得到歸一化的輸入和輸出矩陣。

3.3 神經網絡參數(shù)訓練

對于神經網絡的參數(shù)進行計算，主要使用的是樣本數(shù)據以及樣本數(shù)據所形成的網絡結構，通過對參數(shù)進行調整不斷的進行逆向誤差的計算，從整個神經網絡模型的輸出環(huán)節(jié)到輸入環(huán)節(jié)不斷的對各個參數(shù)進行修正，這些參數(shù)主要是指鏈接神經網絡各個層次的權值。在matlab軟件中也有專門的生產神經網絡的函數(shù)newff，該函數(shù)可以用于生成神經網絡。PR參數(shù)為輸入矩陣中的最大和最小值矩陣；其中si為第i層神經網絡的數(shù)量；TFi為相對應的激勵函數(shù)；BTF為相應的訓練函數(shù)；BLF為學習算法；PF為相應的性能函數(shù)。通過樣本的輸入及參數(shù)的訓練就能夠得到訓練之后的神經網絡，本實驗將訓練的次數(shù)設置在1000，通過神經網絡訓練，可以從下面的曲線看出參數(shù)都有較好的收斂。

結論

市政橋梁工程在目前甚至是以后相當長的一段時間內仍然是我國市政建設過程中非常重要的一環(huán)。開展對市政橋梁工程投資估算模型的研究，能夠有效的為我國市政橋梁的建設提供技術上的支持。并且能夠有效的控制工程造價，對于我國市政工程的建設和發(fā)展具有十分重要的意義。

參考文獻

[1] 劉立軍.橋梁工程的經濟分析及降低造價的措施[J].科技與企業(yè). 2012（19）.

[2] 李麗琴.增值稅擴圍改革試點地區(qū)的確定因素和選擇——基于聚類分析的結果[J].地方財政研究.2012（09）.

[3] 劉忠林，白玉峰.橋梁工程造價管理與控制[J].黑龍江科技信息. 2012（24）.