陳巖

摘? 要： 建筑工程質(zhì)量的變化具有非線性和不確定性，導(dǎo)致建筑工程質(zhì)量評(píng)價(jià)問(wèn)題十分復(fù)雜。針對(duì)當(dāng)前建筑工程質(zhì)量評(píng)價(jià)結(jié)果不客觀，可信度低等不足，提出基于遺傳算法的建筑工程質(zhì)量評(píng)價(jià)模型。根據(jù)當(dāng)前建筑工程質(zhì)量評(píng)價(jià)研究結(jié)果，建立建筑工程質(zhì)量評(píng)價(jià)指標(biāo)體系，采用投影尋蹤算法對(duì)建筑工程質(zhì)量評(píng)價(jià)指標(biāo)體系進(jìn)行處理，選擇比較重要的評(píng)價(jià)指標(biāo)體。最后，采用BP神經(jīng)網(wǎng)絡(luò)建立建筑工程質(zhì)量評(píng)價(jià)模型，采用遺傳算法優(yōu)化建筑工程質(zhì)量評(píng)價(jià)模型的參數(shù)，并將該模型應(yīng)用于具體的建筑工程質(zhì)量評(píng)價(jià)中。結(jié)果表明，該模型的建筑工程質(zhì)量評(píng)價(jià)準(zhǔn)確性要高于當(dāng)前其他模型，建筑工程質(zhì)量評(píng)價(jià)結(jié)果更加可信，具有較強(qiáng)的實(shí)際應(yīng)用價(jià)值。

關(guān)鍵詞： 建筑工程; 質(zhì)量評(píng)價(jià)模型; 工程質(zhì)量評(píng)價(jià); 指標(biāo)體系選擇; 模型參數(shù)優(yōu)化; 評(píng)價(jià)精度對(duì)比

中圖分類號(hào)： TN911.1?34; TP391? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼： A? ? ? ? ? ? ? ? ? 文章編號(hào)： 1004?373X（2020）09?0126?03

Construction engineering quality evaluation model based on genetic algorithm

CHEN Yan

（College of Civil Engineering， Changchun University of Architecture and Civil Engineering， Changchun 130000， China）

Abstract： The change of construction engineering quality is of non?linear and uncertain characteristics， which leads to the complexity of construction quality evaluation. In view of the lack of objectiveness and the low credibility of the results of current construction quality evaluation， a construction quality evaluation model based on the genetic algorithm is proposed. A construction quality evaluation index system is established according to the research results of current construction quality evaluation. The projection pursuit algorithm is used to process the construction quality evaluation index system and select the important one. And then， the BP neural network is used to establish the construction quality evaluation model. The parameters of the model are optimized with the genetic algorithm. The results show that， when the proposed model is applied to a specific construction quality evaluation， the accuracy of the construction quality evaluation is higher than that of the existing models， and its evaluation result is more credible. Therefore， the proposed model has a high value in the practical application.

Keywords： construction engineering; quality evaluation model; construction quality evaluation; index system selection; model parameter optimization; evaluation accuracy contrast

0? 引? 言

隨著經(jīng)濟(jì)的迅速發(fā)展，建筑業(yè)得到快速的發(fā)展。隨著建筑業(yè)的高速發(fā)展，出現(xiàn)了一些建筑質(zhì)量問(wèn)題，如室內(nèi)漏水、墻體開(kāi)裂、地基沉降等，使建筑物存在著各種安全隱患，提高建筑工程質(zhì)量勢(shì)不容緩[1?3]。在我國(guó)的工程建設(shè)中，有質(zhì)量評(píng)價(jià)標(biāo)準(zhǔn)不統(tǒng)一、信息溝通不暢、質(zhì)量監(jiān)督不力等因素存在，在此背景下，構(gòu)建高精度的建筑工程質(zhì)量評(píng)價(jià)模型勢(shì)在必行，已經(jīng)成為當(dāng)前一個(gè)重要的研究課題[4?6]。

20世紀(jì)90年代開(kāi)始，國(guó)內(nèi)的專家學(xué)者對(duì)建筑工程質(zhì)量評(píng)價(jià)進(jìn)行了研究[7]，如基于層次分析法的建筑工程質(zhì)量評(píng)價(jià)模型，利用質(zhì)量、經(jīng)濟(jì)、管理、使用效果作為評(píng)價(jià)指標(biāo)，通過(guò)層次分析法得到建筑工程質(zhì)量評(píng)價(jià)方案[8]。但是由于各種評(píng)價(jià)指標(biāo)之間具有非線性聯(lián)系，而層次分析法是一種線性評(píng)價(jià)方法，使得建筑工程質(zhì)量評(píng)價(jià)誤差比較大、評(píng)價(jià)結(jié)果可信度有限[9]。隨后出現(xiàn)了基于模式識(shí)別技術(shù)的建筑工程質(zhì)量評(píng)價(jià)模型[1?12]，最具代表性的為神經(jīng)網(wǎng)絡(luò)，神經(jīng)網(wǎng)絡(luò)可以對(duì)建筑工程質(zhì)量等級(jí)和建筑工程質(zhì)量評(píng)價(jià)指標(biāo)之間的關(guān)系進(jìn)行建模與分析，其建筑工程質(zhì)量評(píng)價(jià)效果要優(yōu)于層次分析方法，但是，傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的參數(shù)采用梯度下降算法進(jìn)行優(yōu)化，使得參數(shù)優(yōu)化速度慢、神經(jīng)網(wǎng)絡(luò)收斂時(shí)間長(zhǎng)，因此無(wú)法獲得滿意的建筑工程質(zhì)量評(píng)價(jià)結(jié)果[13?15]。

針對(duì)當(dāng)前建筑工程質(zhì)量評(píng)價(jià)過(guò)程中存在的一些不足，本文提出基于遺傳算法的建筑工程質(zhì)量評(píng)價(jià)模型，并通過(guò)具體建筑工程質(zhì)量評(píng)價(jià)應(yīng)用實(shí)例驗(yàn)證了該模型的性能。

1? 基于遺傳算法的建筑工程質(zhì)量評(píng)價(jià)模型

1.1? 建筑工程質(zhì)量評(píng)價(jià)指標(biāo)體系

基于客觀性、規(guī)范性、系統(tǒng)性等原則建立如圖1所示的建筑工程質(zhì)量評(píng)價(jià)指標(biāo)體系。

1.2? 投影尋蹤算法

設(shè)第[i]個(gè)建筑工程質(zhì)量評(píng)價(jià)樣本的第[j]個(gè)指標(biāo)集合為[xij]，[j=1，2，…，p]，[p]表示評(píng)價(jià)指標(biāo)數(shù)量?；谕队皩ほ櫵惴ǖ慕ㄖこ藤|(zhì)量評(píng)價(jià)選擇步驟如下：

1） 對(duì)評(píng)價(jià)指標(biāo)進(jìn)行歸一化處理，即：

[x′ij=xij-xmin（j）xmax（j）-xmin（j）] （1）

式中[xmin（j）]和[xmax（j）]分別為[j]個(gè)評(píng)價(jià)指標(biāo)的最小和最小值。

2） 對(duì)包含有[p]個(gè)指標(biāo)的建筑工程質(zhì)量評(píng)價(jià)數(shù)據(jù)進(jìn)行變換，得到[α={α（1），α（2），…，α（p）}]，計(jì)算投影方向的投影值[Z（i）]，具體為：

[Z（i）=j=1pα（j）xij，? ? i=1，2，…，n] （2）

式中[n]表示數(shù)據(jù)的數(shù)量。

3） 建立建筑工程質(zhì)量評(píng)價(jià)指標(biāo)投影函數(shù)，即：

[Q（α）=SzDz]? ?（3）

式中[Sz]和[Dz]分別表示標(biāo)準(zhǔn)差和局部密度，具體為：

[Sz=i=1n（Z（i）-E（z））2n-1]? （4）

[Dz=i=1nj=1n（R-r（i，j））?u（R-r（i，j））]? ?（5）

式中：[E（z）]為[Z（i）]的平均值;[R]為[Dz]的窗口半徑;[r（i，j）]為第[i]個(gè)和第[j]個(gè)建筑工程質(zhì)量評(píng)價(jià)樣本間的距離，計(jì)算公式如下：

[r（i，j）=Z（i）-Z（j）=1，? ? t≥00，? ? t<0]? ? ? ? （6）

4） 根據(jù)投影函數(shù)最大原則得到最佳投影方向，具體如下：

[max Q（α）=SzDzs.t.? ? j=1pα2（j）=1]? （7）

5） 根據(jù)最優(yōu)投影方向得到篩選后的建筑工程質(zhì)量評(píng)價(jià)指標(biāo)。

1.3? BP神經(jīng)網(wǎng)絡(luò)

建筑工程質(zhì)量評(píng)價(jià)期望輸出和BP神經(jīng)網(wǎng)絡(luò)的實(shí)際輸出之間的誤差平方和的計(jì)算公式為：

[Ep=12i=1Nl+1（dpi-ypi）2]? （8）

神經(jīng)網(wǎng)絡(luò)的訓(xùn)練就是要保證[Ep]盡可能最小，通常采用梯度下降算法對(duì)BP神經(jīng)網(wǎng)絡(luò)參數(shù)[Wij]進(jìn)行調(diào)整和優(yōu)化，但是梯度下降算法的調(diào)整和優(yōu)化速度較慢，因此，本文引入遺傳算法對(duì)BP神經(jīng)網(wǎng)絡(luò)參數(shù)[Wij]進(jìn)行調(diào)整和優(yōu)化。

1.4? 遺傳算法

遺傳算法不需要知道待解決問(wèn)題的具體領(lǐng)域信息，搜索空間范圍大，通常將待解決問(wèn)題看作為一個(gè)個(gè)體，通過(guò)個(gè)體的不斷進(jìn)化，找到待解決問(wèn)題的最優(yōu)解，主要包括：?jiǎn)栴}編碼、建立適應(yīng)函數(shù)、選擇機(jī)制、交叉變異操作等。

1.5 基于遺傳算法的建筑工程質(zhì)量評(píng)價(jià)思路

基于遺傳算法的建筑工程質(zhì)量評(píng)價(jià)思路為：

1） 根據(jù)當(dāng)前建筑工程質(zhì)量評(píng)價(jià)研究結(jié)果建立建筑工程質(zhì)量評(píng)價(jià)指標(biāo)體系;

2） 采用投影尋蹤算法對(duì)建筑工程質(zhì)量評(píng)價(jià)指標(biāo)體系進(jìn)行處理，選擇比較重要的評(píng)價(jià)指標(biāo);

3） 采用BP神經(jīng)網(wǎng)絡(luò)建立建筑工程質(zhì)量評(píng)價(jià)模型。

采用遺傳算法優(yōu)化建筑工程質(zhì)量評(píng)價(jià)模型的參數(shù)，具體如圖2所示。

2? 仿真實(shí)驗(yàn)

2.1? 建筑工程質(zhì)量評(píng)價(jià)數(shù)據(jù)及實(shí)驗(yàn)環(huán)境

為了分析基于遺傳算法的建筑工程質(zhì)量評(píng)價(jià)效果，采用多個(gè)建筑工程質(zhì)量數(shù)據(jù)作為實(shí)驗(yàn)對(duì)象。建筑工程質(zhì)量等級(jí)為5級(jí)，分別采用1～5進(jìn)行描述，對(duì)建筑工程質(zhì)量評(píng)價(jià)指標(biāo)值進(jìn)行縮放處理，使各指標(biāo)值差別縮小，原始建筑工程質(zhì)量評(píng)價(jià)數(shù)據(jù)如表1所示。選擇沒(méi)有優(yōu)化參數(shù)的BP神經(jīng)網(wǎng)絡(luò)的建筑工程質(zhì)量評(píng)價(jià)模型、層次分析法的建筑工程質(zhì)量評(píng)價(jià)模型進(jìn)行對(duì)比測(cè)試。

2.2? 建筑工程質(zhì)量評(píng)價(jià)精度對(duì)比

采用遺傳算法的建筑工程質(zhì)量評(píng)價(jià)模型與對(duì)比模型對(duì)表1中的數(shù)據(jù)進(jìn)行仿真測(cè)試，統(tǒng)計(jì)它們的建筑工程質(zhì)量評(píng)價(jià)精度，同時(shí)，采用不同比例的訓(xùn)練樣本和測(cè)試樣本，結(jié)果如圖3所示。

從圖3可以看出：隨著訓(xùn)練樣本比例的增加，所有模型的建筑工程質(zhì)量評(píng)價(jià)精度不斷增加，這是因?yàn)锽P神經(jīng)網(wǎng)絡(luò)是一種基于大樣本定理的機(jī)器學(xué)習(xí)算法，訓(xùn)練樣本越多，建筑工程質(zhì)量評(píng)價(jià)訓(xùn)練就越徹底。在相同比例的訓(xùn)練樣本和測(cè)試樣本條件下，遺傳算法的建筑工程質(zhì)量評(píng)價(jià)精度要高于BP神經(jīng)網(wǎng)絡(luò)，這主要是因?yàn)楸疚姆椒ㄒ脒z傳算法對(duì)BP神經(jīng)網(wǎng)絡(luò)的參數(shù)進(jìn)行優(yōu)化，建立了更好的建筑工程質(zhì)量評(píng)價(jià)模型;而層次分析法的建筑工程質(zhì)量評(píng)價(jià)精度最低，主要是由于其是一種線性建模方法，無(wú)法描述建筑工程質(zhì)量變化的非線性和不確定性，使得建筑工程質(zhì)量評(píng)價(jià)錯(cuò)誤大。

2.3? 建筑工程質(zhì)量評(píng)價(jià)的建模時(shí)間對(duì)比

統(tǒng)計(jì)不同模型的建筑工程質(zhì)量評(píng)價(jià)建模時(shí)間，結(jié)果如表2所示。從表2可以看出：層次分析方法的建模時(shí)間最短，但是其建筑工程質(zhì)量評(píng)價(jià)誤差過(guò)大，沒(méi)有太多的實(shí)際應(yīng)用價(jià)值;本文方法的建筑工程質(zhì)量評(píng)價(jià)建模時(shí)間要少于BP神經(jīng)網(wǎng)絡(luò)，因?yàn)锽P神經(jīng)網(wǎng)絡(luò)采用梯度下降算法對(duì)參數(shù)進(jìn)行調(diào)整，收斂速度慢。因此，本文方法改善了建筑工程質(zhì)量評(píng)價(jià)建模效率，建筑工程質(zhì)量評(píng)價(jià)整體性能更優(yōu)。

3? 結(jié)? 語(yǔ)

結(jié)合建筑工程質(zhì)量的變化具有非線性和不確性，針對(duì)BP神經(jīng)網(wǎng)絡(luò)在建筑工程質(zhì)量評(píng)價(jià)應(yīng)用中的參數(shù)優(yōu)化問(wèn)題，提出基于遺傳算法的建筑工程質(zhì)量評(píng)價(jià)模型。仿真實(shí)驗(yàn)結(jié)果表明，該模型的建筑工程質(zhì)量評(píng)價(jià)精度高，建筑工程質(zhì)量評(píng)價(jià)建模時(shí)間短，具有較強(qiáng)的實(shí)際應(yīng)用價(jià)值。

參考文獻(xiàn)

[1] 張攀，郭聖煜.基于進(jìn)化博弈理論的建筑工程質(zhì)量監(jiān)管SD模型[J].土木工程與管理學(xué)報(bào)，2018，35（6）：178?185.

[2] 汪菁，蘇煒.建筑工程質(zhì)量的多目標(biāo)量化評(píng)價(jià)方法[J].信陽(yáng)師范學(xué)院學(xué)報(bào)（自然科學(xué)版），2005，12（3）：362?363.

[3] 毛義華.計(jì)算機(jī)輔助建筑工程質(zhì)量的評(píng)估[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2000，22（10）：45?47.

[4] 郝進(jìn)鋒，姜月利，祝庭，等.基于激光掃描數(shù)據(jù)的建筑工程質(zhì)量評(píng)估[J].激光雜志，2018，39（5）：53?56.

[5] 文利，楊君岐，艾曉宇.工程質(zhì)量的模糊綜合評(píng)價(jià)體系研究與應(yīng)用[J].公路交通科技（應(yīng)用技術(shù)版），2016，12（1）：288?291.

[6] 趙宏.基于模糊層次分析法的建筑工程施工質(zhì)量評(píng)價(jià)研究[J].建材與裝飾，2019，45（14）：56?58.

[7] 姜帆.灰色理論在建筑工程質(zhì)量綜合評(píng)價(jià)中的應(yīng)用研究[J].安徽建筑，2015，22（1）：169?170.

[8] 王林，張維.基于解釋結(jié)構(gòu)模型的建筑工程質(zhì)量因素分析[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2014，44（14）：223?230.

[9] 王建國(guó)，宋楠，王祥宇，等.基于三角模糊數(shù)的營(yíng)房增層改造工程質(zhì)量評(píng)價(jià)[J].四川兵工學(xué)報(bào)，2014，35（4）：57?61.

[10] 尹鵬，楊仁樹(shù)，丁日佳，等.基于熵權(quán)法的房地產(chǎn)項(xiàng)目建筑質(zhì)量評(píng)價(jià)[J].技術(shù)經(jīng)濟(jì)與管理研究，2013，12（3）：3?7.

[11] 余強(qiáng).基于AHP層次分析法的建筑工程施工質(zhì)量評(píng)價(jià)[J].科技信息，2012，33（9）：379?380.

[12] 梁爽，畢繼紅，劉津明.建筑工程質(zhì)量等級(jí)的模糊綜合評(píng)判法[J].天津大學(xué)學(xué)報(bào)，2001，12（5）：664?669.

[13] 張敏.基于神經(jīng)網(wǎng)絡(luò)的建筑施工質(zhì)量評(píng)價(jià)[J].現(xiàn)代電子技術(shù)，2018，41（17）：173?177.

[14] 劉艷，康海貴，孫敏.基于遺傳算法的模糊優(yōu)選神經(jīng)網(wǎng)絡(luò)路面性能評(píng)價(jià)模型[J].大連理工大學(xué)學(xué)報(bào)，2010，50（1）：117?122.

[15] 戴宏亮.基于智能遺傳算法與復(fù)合最小二乘支持向量機(jī)的長(zhǎng)江水質(zhì)預(yù)測(cè)與評(píng)價(jià)[J].計(jì)算機(jī)應(yīng)用研究，2009，26（1）：79?81.