蔣金湖 綦春明 卜波 李佩琪

(南華大學(xué)土木工程學(xué)院，湖南 衡陽 421001)

0 引言

在激烈的市場競爭中，承包方對(duì)建筑材料價(jià)格的調(diào)查和預(yù)測，不僅是合理報(bào)價(jià)和中標(biāo)的重要前提，還是保證企業(yè)盈利的關(guān)鍵環(huán)節(jié)。大多數(shù)工程項(xiàng)目的建設(shè)周期較長，材料價(jià)格發(fā)生變化的概率很大。如果承包方在投標(biāo)時(shí)能充分了解市場，并能準(zhǔn)確預(yù)測建筑材料未來的價(jià)格走勢，那么對(duì)提高中標(biāo)概率和中標(biāo)后的利潤以及制訂資金使用計(jì)劃有很大的幫助[1-2]。

通過文獻(xiàn)研究發(fā)現(xiàn)，應(yīng)用神經(jīng)網(wǎng)絡(luò)預(yù)測建筑材料價(jià)格的研究成果較少。本文旨在研究未來建筑材料價(jià)格的發(fā)展趨勢，以幫助承包商做出正確的決策。BP神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)、自組織、自適應(yīng)等特點(diǎn)，并具有較強(qiáng)的非線性映射和泛化能力，特別適合解決建筑材料價(jià)格預(yù)測問題[3]?；诖耍疚倪x用BP神經(jīng)網(wǎng)絡(luò)對(duì)建筑材料價(jià)格趨勢進(jìn)行預(yù)測。通過BIM技術(shù)對(duì)施工過程進(jìn)行模擬，使之直觀、可視化，顯示建筑材料實(shí)際數(shù)據(jù)等信息；通過建立BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型，根據(jù)BIM模型所提供的數(shù)據(jù)信息，實(shí)現(xiàn)對(duì)工程項(xiàng)目成本的實(shí)時(shí)預(yù)測[4]。

1 BP神經(jīng)網(wǎng)絡(luò)概述

1.1 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

神經(jīng)網(wǎng)絡(luò)是機(jī)器學(xué)習(xí)中常用的一種數(shù)學(xué)模型，通過構(gòu)建一個(gè)類似于大腦神經(jīng)突觸連接的結(jié)構(gòu)處理信息，如圖1所示。在神經(jīng)網(wǎng)絡(luò)的應(yīng)用過程中，信息處理單元大致分為三個(gè)單元：輸入單元、輸出單元和隱含單元。輸入單元的功能是接收外部信息；輸出單元的功能是實(shí)現(xiàn)系統(tǒng)處理完成的結(jié)果輸出；隱含單元處于輸入和輸出單元兩者之間，不能從網(wǎng)絡(luò)系統(tǒng)的外部觀察到它的結(jié)構(gòu)。除了上述三個(gè)信息處理單元，神經(jīng)元之間的連接強(qiáng)度由權(quán)重和閾值等參數(shù)決定。

1.2 預(yù)測模型構(gòu)建

根據(jù)BP神經(jīng)網(wǎng)絡(luò)的基本原理和結(jié)構(gòu)，可以將預(yù)測模型的構(gòu)建分為三個(gè)步驟：①確定輸入層。輸入向量為X=(x1，x2，…，xi，…，xM)T；輸入層到隱含層的權(quán)值矩陣用V表示，V=(v1，v2，…，vi，…，vM)T，其中vi為輸入層到隱含層中第i個(gè)神經(jīng)元的權(quán)重向量。②確定輸出層。輸出向量為Y=(y1，y2，…，yj，…，yN)T；隱含層到輸出層的權(quán)值矩陣用W表示，W=(w1，w2，…，wj，…，wN)T，其中wj為隱含層到輸出層中第j個(gè)神經(jīng)元的權(quán)重向量。③期望輸出向量用Q=(q1，q2，…，qk，…，qL)T表示。

BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型的關(guān)鍵技術(shù)是通過函數(shù)計(jì)算實(shí)現(xiàn)，包括參數(shù)設(shè)置函數(shù)newff、訓(xùn)練函數(shù)traingd、預(yù)測函數(shù)sim等。收集歷史價(jià)格樣本數(shù)據(jù)，編寫預(yù)測模型計(jì)算程序，將歷史價(jià)格樣本數(shù)據(jù)輸入預(yù)測模型進(jìn)行學(xué)習(xí)訓(xùn)練。在其自主學(xué)習(xí)和訓(xùn)練的過程中，連接權(quán)值會(huì)根據(jù)學(xué)習(xí)情況自行調(diào)整，直到輸出向量Y與期望輸出向量Q無限接近，在滿足精度要求或是達(dá)到設(shè)定的學(xué)習(xí)次數(shù)的情況下停止學(xué)習(xí)訓(xùn)練[5]。神經(jīng)網(wǎng)絡(luò)預(yù)測步驟如圖2所示。

1.3 預(yù)測步驟

(4)將預(yù)測價(jià)格樣本數(shù)據(jù)輸入已經(jīng)訓(xùn)練理想的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型，應(yīng)用訓(xùn)練理想的模型計(jì)算得出預(yù)測價(jià)格[6]。

2 應(yīng)用案例

2.1 建筑材料信息采集

BIM數(shù)據(jù)庫存儲(chǔ)了項(xiàng)目各階段人工、材料、機(jī)械使用量以及費(fèi)用信息和已完成工程量的數(shù)據(jù)信息(圖3)，為BP神經(jīng)網(wǎng)絡(luò)的預(yù)測模型提供了輸入數(shù)據(jù)和期望輸出，節(jié)省了采集數(shù)據(jù)的人力與時(shí)間。

在一般的建筑工程中，主要的建筑材料包括鋼筋和混凝土等。本文以圓鋼(直徑10mm以上)為例，闡述如何應(yīng)用BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行建筑材料價(jià)格預(yù)測。首先，通過BIM數(shù)據(jù)庫采集某地區(qū)2017年圓鋼(直徑10mm以上)的價(jià)格信息，見表1。

表1 2017年圓鋼(直徑10mm以上)市場價(jià)格

2.2 數(shù)據(jù)處理

2.3 網(wǎng)絡(luò)參數(shù)

2.4 訓(xùn)練結(jié)果及分析

2.4.1 訓(xùn)練結(jié)果

應(yīng)用Matlab軟件編制計(jì)算程序，使用newff函數(shù)構(gòu)建神經(jīng)網(wǎng)絡(luò)、traingd函數(shù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)、sim函數(shù)預(yù)測輸出，導(dǎo)入歷史價(jià)格樣本數(shù)據(jù)學(xué)習(xí)訓(xùn)練，在達(dá)到設(shè)定精度要求后，訓(xùn)練結(jié)果見表2和圖4；相對(duì)誤差=(訓(xùn)練值-實(shí)際值)/實(shí)際值。

表2 預(yù)測模型訓(xùn)練結(jié)果

2.4.2 分析

模型預(yù)測精度主要是受輸入層節(jié)點(diǎn)數(shù)和隱含層節(jié)點(diǎn)數(shù)影響，在輸入層節(jié)點(diǎn)數(shù)和隱含層節(jié)點(diǎn)數(shù)一定的情況下，具有最優(yōu)預(yù)測能力的模型并不是收斂最小的模型，收斂最小的模型只是有更好的擬合，但預(yù)測能力很差[7]。從表2數(shù)據(jù)可以看出，誤差在5%上下波動(dòng)，平均誤差-3.51%，誤差較小且并非收斂最小，因此BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測結(jié)果應(yīng)屬理想。本模型在學(xué)習(xí)訓(xùn)練時(shí)，未考慮經(jīng)濟(jì)危機(jī)或貿(mào)易摩擦等重大事件，在面對(duì)重大突發(fā)情況時(shí)可能會(huì)出現(xiàn)較大誤差，此時(shí)需要進(jìn)一步優(yōu)化模型才能達(dá)到需要的精度。

3 預(yù)測未來價(jià)格及分析

3.1 預(yù)測未來價(jià)格

運(yùn)用訓(xùn)練理想的BP神經(jīng)網(wǎng)絡(luò)模型，可以預(yù)測未來的圓鋼價(jià)格。例如，以2017年1—12月的圓鋼價(jià)格預(yù)測2018年1月的圓鋼價(jià)格，以此類推可以得到2—4月的價(jià)格信息甚至更往后時(shí)間的價(jià)格信息，預(yù)測結(jié)果見表3和圖5。

表3 模型預(yù)測結(jié)果

3.2 分析

運(yùn)用訓(xùn)練理想的BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測出2018年1—4月圓鋼價(jià)格，通過實(shí)際數(shù)據(jù)驗(yàn)證預(yù)測結(jié)果與實(shí)際價(jià)格基本一致，在沒有重大突發(fā)情況時(shí)，對(duì)承包商加強(qiáng)成本控制有一定的實(shí)用價(jià)值。

4 結(jié)語

本文應(yīng)用BP神經(jīng)網(wǎng)絡(luò)建立價(jià)格預(yù)測模型，用歷史價(jià)格數(shù)據(jù)作為訓(xùn)練樣本，不斷完善預(yù)測模型，預(yù)測出未來價(jià)格趨勢。通過實(shí)際數(shù)據(jù)驗(yàn)證，預(yù)測結(jié)果與實(shí)際價(jià)格基本一致。預(yù)測未來價(jià)格趨勢，可以減少價(jià)格波動(dòng)帶來的不確定性，為正確報(bào)價(jià)以及制訂后續(xù)的資金使用計(jì)劃提供幫助，對(duì)成本管控有一定的實(shí)用價(jià)值，但該模型只在一定條件下是可行且有效的，在面對(duì)重大突發(fā)情況時(shí)還有待優(yōu)化。