陳懂娟

摘 ?要：公共建筑工程造價預(yù)測是項目可行性分析的重要依據(jù)，是比選設(shè)計方案的關(guān)鍵參照，因此，造價預(yù)測結(jié)果的精準(zhǔn)度及時效性對工程項目投資決策具有重要影響。為解決傳統(tǒng)造價預(yù)測方法誤差大、時效性差的弊端，該文提出基于BP神經(jīng)網(wǎng)絡(luò)的公共建筑工程造價快速預(yù)測方法，分析公共建筑工程造價預(yù)測的影響因子，介紹BP神經(jīng)網(wǎng)絡(luò)預(yù)測造價原理及可行性，給出BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型的構(gòu)建方法，并對BP神經(jīng)網(wǎng)絡(luò)預(yù)測造價模型的應(yīng)用效果進行仿真分析。經(jīng)過模型仿真分析與評價，證實BP神經(jīng)網(wǎng)絡(luò)在公共建筑工程造價預(yù)測方面具有良好優(yōu)勢，比傳統(tǒng)造價預(yù)測方法的預(yù)測結(jié)果更加精準(zhǔn)與快速。

關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò)；公共建筑；工程造價；造價預(yù)測；預(yù)測模型

中圖分類號：TU723.3 ? ? ?文獻標(biāo)志碼：A ? ? ? ? ?文章編號：2095-2945（2024）18-0153-04

Abstract： Public construction cost prediction is an important basis for project feasibility analysis and a key reference for comparison and selection of design schemes. therefore， the accuracy and validity of cost prediction results have an important impact on project investment decision-making. In order to solve the disadvantages of large error and poor timeliness of traditional cost prediction methods， this paper puts forward a fast prediction method of public construction cost based on BP neural network， analyzes the influence factors of public building cost prediction， introduces the principle and feasibility of BP neural network forecasting cost， gives the construction method of BP neural network forecasting model， and simulates and analyzes the application effect of BP neural network forecasting cost model. Through model simulation analysis and evaluation， it is proved that BP neural network has good advantages in public construction cost prediction， and the prediction result is more accurate and faster than the traditional cost prediction method.

Keywords： BP neural network; public building; project cost; cost prediction; prediction model

造價投資估算是建筑工程管理的核心，其與項目盈利水平息息相關(guān)，因而精準(zhǔn)預(yù)測工程造價意義重大。公共建筑工程是指提供公共活動場所的公共建筑建設(shè)項目，包含辦公、商業(yè)、旅游、科教文衛(wèi)、通信和交通運輸?shù)阮愋?，這些建筑工程往往規(guī)模大、投資高，需要提前做好工程造價的預(yù)測分析。傳統(tǒng)造價預(yù)測方法以回歸理論、統(tǒng)計分析理論為主，預(yù)測方法存在精度低、效率差的問題。而神經(jīng)網(wǎng)絡(luò)（Back Propagation，BP）屬于人工神經(jīng)網(wǎng)絡(luò)的一種，可模擬人的智慧展開公共建筑工程造價預(yù)測，可以提高造價預(yù)測的準(zhǔn)確性與時效性。

1 ?公共建筑工程造價預(yù)測的影響因子分析

公共建筑工程具有建筑時間長、涉及工序多的特征，在造價預(yù)測時存在多個影響因子，這些因子共同作用于公共建筑工程的造價。通過分析工程造價相關(guān)資料，結(jié)合與土建工程師溝通交流的結(jié)果，可以歸納出公共建筑工程造價涉及的影響因子可以分為5類，一是建筑面積相關(guān)因子，有建筑面積、占地面積、標(biāo)準(zhǔn)層建筑面積和地下室建筑面積4個因子；二是建筑結(jié)構(gòu)相關(guān)因子，包含基礎(chǔ)類別、地基類別、樁基類別、結(jié)構(gòu)類型、樓梯結(jié)構(gòu)形式、外立面及裝修情況7個關(guān)鍵因子；三是建筑材料相關(guān)因子，為鋼筋價格、混凝土價格2個因子；四是建筑物基本參數(shù)，涵蓋層高、層數(shù)、建筑總高度、工程質(zhì)量等級、抗震強度和工期6個因子；五是建筑管理相關(guān)因子，由項目管理水平、施工環(huán)境、土方處理難度3部分組成[1]。這些影響因子是公共建筑工程造價預(yù)測的重要依據(jù)。

2 ?基于BP神經(jīng)網(wǎng)絡(luò)預(yù)測造價的相關(guān)分析

BP神經(jīng)網(wǎng)絡(luò)屬于多層前饋神經(jīng)網(wǎng)絡(luò)，具備誤差反向?qū)W習(xí)功能是其重要特征。BP神經(jīng)網(wǎng)絡(luò)涵蓋多種映射關(guān)系，可采用最速下降法、通過持續(xù)性誤差反向?qū)W習(xí)獲取知識。由于BP神經(jīng)網(wǎng)絡(luò)的內(nèi)部權(quán)值及閥值均具有可調(diào)性，因而網(wǎng)絡(luò)誤差的平方和相對較低。BP神經(jīng)網(wǎng)絡(luò)由輸入層、隱含層、輸出層3部分結(jié)構(gòu)組成，輸入層用于接收外界信息，會將信息傳送給隱含層的神經(jīng)元，此層是信息處理的主要場所，信息處理與交換完成后，會將信息傳送給輸出層，輸出層神經(jīng)元做最終處理后，學(xué)習(xí)過程結(jié)束。BP神經(jīng)網(wǎng)絡(luò)具有非線性映射、泛化、容錯三大能力，學(xué)習(xí)過程中可以自動修正誤差，對于具有復(fù)雜性影響因子的公共建筑工程而言，其造價預(yù)測屬于小樣本、非線性問題，利用BP神經(jīng)絡(luò)展開造價預(yù)測，可對人工智能進行模擬，能夠提高預(yù)測精度、縮短預(yù)測時間，因其泛化能力較高，還可實現(xiàn)工程造價的快速預(yù)測[2]。

3 ?基于BP神經(jīng)網(wǎng)絡(luò)的公共建筑工程造價預(yù)測模型構(gòu)建

3.1 ?預(yù)測指標(biāo)選擇與量化

在建筑工程造價預(yù)測經(jīng)驗的基礎(chǔ)上，結(jié)合公共建筑工程的實際情況，剔除影響程度較低的因子，并對部分概念重合的因子進行合并處理，最后整理出17個關(guān)鍵性的公共建筑工程造價預(yù)測影響指標(biāo)，這些指標(biāo)可作為公共建筑工程造價預(yù)測模型的輸出集。然后對這些指標(biāo)進行量化處理，量化后的指標(biāo)情況詳見表1。

3.2 ?預(yù)測模型構(gòu)建機理

BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型可利用MATLAB平臺中的神經(jīng)網(wǎng)絡(luò)工具箱創(chuàng)建，此工具箱中有3個函數(shù)，一是參數(shù)設(shè)置函數(shù)newff，用于構(gòu)建前向BP神經(jīng)網(wǎng)絡(luò)；二是訓(xùn)練函數(shù)train，主要作用是訓(xùn)練神經(jīng)網(wǎng)絡(luò)；三是預(yù)測函數(shù)sim，其功能是利用訓(xùn)練完成的BP神經(jīng)網(wǎng)絡(luò)進行函數(shù)輸出預(yù)測[3]。建模時，先選取影響程度較大的造價影響因子，再收集與整理樣本數(shù)據(jù)，確定樣本數(shù)據(jù)，數(shù)據(jù)處理后分離出用于模型訓(xùn)練的樣本，并向MATLAB平臺的BP神經(jīng)網(wǎng)絡(luò)模型傳送樣本，利用此模型展開多次樣本訓(xùn)練，便可完成公共建筑工程造價預(yù)測模型的創(chuàng)建，之后還可以展開模型仿真分析與檢驗，并評估公共建筑工程造價預(yù)測模型的效果，BP神經(jīng)網(wǎng)絡(luò)造價預(yù)測模型構(gòu)建機理如圖1所示。

4 ?基于BP神經(jīng)網(wǎng)絡(luò)的公共建筑工程造價預(yù)測模型仿真分析

4.1 ?案例選取

以某城市同一年度的公共建筑工程作為造價預(yù)測研究對象，篩選該市28個公共建筑工程項目，因所選項目的地質(zhì)條件類似，具有較高的可比性。所選案例工程均為未裝修的公共建筑工程，為提高造價預(yù)測的準(zhǔn)確性，在按照專家意見將其中面積低于20 000 m2、大于500 000 m2的公共建筑工程剔除后，最終篩選了24個可用于案例分析的樣本工程。本研究中，從中篩選了18個樣本作為訓(xùn)練樣本，再提取出5個樣本進行測試，然后利用MATLAB平臺中的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型展開仿真分析與效果評價。

4.2 ?指標(biāo)處理

4.2.1 ?定性指標(biāo)數(shù)據(jù)處理

按照項目管理水平，將選取的18個案例工程劃分為4個等級，優(yōu)為1級，良為2級，中為3級，差為4級，并按照類似方法處理外立面、土方處理難度2個建筑管理相關(guān)因子，并對基礎(chǔ)類別、樁基類別、結(jié)構(gòu)類別3個建筑結(jié)構(gòu)相關(guān)因子、抗震等級這一建筑參數(shù)因子展開相同處理。其中，項目管理水平根據(jù)建筑單位資質(zhì)等級進行分級，而土方處理難度則按照處理價格判定，劃分為簡單、一般、較難、很難4個級別，各級的每平米價格分別是低于50元、50～100元、100～150元和高于150元。

4.2.2 ?定量指標(biāo)數(shù)據(jù)處理

按照實際數(shù)據(jù)量化處理地上/地下建筑面積、地上/地下層數(shù)、地上/地下層高和建筑高度等建筑參數(shù)指標(biāo)，并采用同樣方法處理鋼筋均價變化率、混凝土均價變化率、單方造價3個建筑材料相關(guān)指標(biāo)。除單方造價外，2個材料均價變化率按照所選取案例工程建設(shè)當(dāng)年的建筑材料價格均價作為計算基準(zhǔn)[4]。

4.3 ?建模與仿真

4.3.1 ?搭建BP神經(jīng)網(wǎng)絡(luò)造價預(yù)測模型

啟動MATLAB平臺，調(diào)用newff函數(shù)，按照net=newff（PR，[S1，S2……SN1]），{TF1TF2……TFN1}，BTF，BLF，PF）格式創(chuàng)建前向BP網(wǎng)絡(luò)。網(wǎng)絡(luò)輸入取向量取值范圍矩陣表示為創(chuàng)建格式中的PR，[S1，S2……SN1]及{TF1TF2……TFN1}分別代表網(wǎng)絡(luò)隱含層及輸出層的神經(jīng)元數(shù)量及傳輸函數(shù)，而BTF及PF分別代表網(wǎng)絡(luò)權(quán)值學(xué)習(xí)函數(shù)以及性能數(shù)。模型創(chuàng)建完成后，需要在平臺中再次調(diào)用train函數(shù)，此函數(shù)按照[net，tr]=train（NET，X，T，Pi，Ai）格式創(chuàng)建，然后對BP神經(jīng)網(wǎng)絡(luò)展開數(shù)據(jù)訓(xùn)練。此格式當(dāng)中，NET表示待訓(xùn)練網(wǎng)絡(luò)，X與T分別表示輸入及輸出數(shù)據(jù)矩陣，Pi及Ai分別代表初始化輸入層與輸出層條件，net、tr則是訓(xùn)練完成網(wǎng)絡(luò)及訓(xùn)練過程記錄的表示符號，這2個參數(shù)系統(tǒng)默認(rèn)給出，其余參數(shù)則需要手動設(shè)置[5]。在分離好的樣本工程中選取18個公共建筑工程項目作為訓(xùn)練集，導(dǎo)入BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型訓(xùn)練，進而完成BP神經(jīng)網(wǎng)絡(luò)造價預(yù)測模型的創(chuàng)建。模型的最大訓(xùn)練次數(shù)設(shè)為1萬次，訓(xùn)練精度及學(xué)習(xí)效率分別取值0.02及0.05，動量因子設(shè)為0.9。

4.3.2 ?基于BP神經(jīng)網(wǎng)絡(luò)的造價預(yù)測

利用選取的5個樣本工程測試BP神經(jīng)網(wǎng)絡(luò)造價預(yù)測模型的造價預(yù)測效果，工程編號分別為14、15、16、17和18。打開MATLAB平臺后，調(diào)用BP神經(jīng)網(wǎng)絡(luò)預(yù)測函數(shù)sim，函數(shù)建立格式為y=sim（net，x），其中，net表示訓(xùn)練完成的網(wǎng)絡(luò)，而x、y分別表示輸入數(shù)據(jù)及網(wǎng)絡(luò)預(yù)測數(shù)據(jù)[6]。對5個測試樣本預(yù)測值及實際值擬合得到的曲線如圖2所示，圖2中顯示，5個樣本工程單方造價的實際與預(yù)測值間偏差并不大。

4.3.3 ?BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型評價

1）預(yù)測結(jié)果誤差評價。5個樣本工程單方造價實際與預(yù)測數(shù)據(jù)情況見表2，其中，單方造價預(yù)測結(jié)果的絕對偏差最小的樣本工程為14#，其單方造價實際值與預(yù)測值分別為893元/m3與828元/m3，差值為65元/m3，絕對偏差最大的為18#樣本工程，實際單方2 890元/m3，預(yù)測單方為3 156元/m3，差值為266元/m3，這一數(shù)據(jù)偏差未超出可接受范圍。而5組數(shù)據(jù)當(dāng)中，相對誤差最大的是18#樣本工程，誤差值為9.20%，相對誤差最小的是17#樣本工程，誤差值僅為4.55%，但5個樣本工程的相對誤差均未超過10%，說明BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型在公共建筑工程造價預(yù)測準(zhǔn)確度方面表現(xiàn)良好。

2）預(yù)測結(jié)果穩(wěn)定性評價。利用曲線表示基于BP網(wǎng)絡(luò)模型的公共建筑工程造價預(yù)測結(jié)果的相對誤差，如圖3所示。根據(jù)曲線變化趨勢分析發(fā)現(xiàn)，5個樣本工程的相對誤差波動幅度不大，說明預(yù)測結(jié)果具有較高的穩(wěn)定性，且仿真分析對于BP網(wǎng)絡(luò)模型造價預(yù)測結(jié)果的檢驗效果良好。模型構(gòu)建與預(yù)測分析均利用MATLAB平臺完成，可通過編程運算完成整個預(yù)測過程，造價預(yù)測速度要優(yōu)于傳統(tǒng)概預(yù)算軟件等傳統(tǒng)造價預(yù)測方法。

4.3.4 ?樣本數(shù)量對模型影響效應(yīng)評價

在樣本數(shù)量較少的情況下，BP神經(jīng)網(wǎng)絡(luò)預(yù)測造價的準(zhǔn)確度、效率表現(xiàn)均良好，為進一步驗證樣本數(shù)量對模型預(yù)測結(jié)果的影響效應(yīng)，選取13個樣本為訓(xùn)練樣本，同樣以上述5個樣本工程作為測試樣本展開模型仿真分析，得到的模型預(yù)測結(jié)果數(shù)據(jù)見表3。在訓(xùn)練樣本數(shù)量變少的情況下，測試樣本的造價預(yù)測結(jié)果絕對偏差、相對誤差均有所增大，除16#樣本工程的單方造價預(yù)測結(jié)果為9.53%以外，其余4個樣本工程的相對誤差均介于10%～20%，最高值為17.36%。說明，BP神經(jīng)網(wǎng)絡(luò)造價預(yù)測模型雖在小樣本數(shù)據(jù)處理方面優(yōu)勢顯著，然而訓(xùn)練樣本數(shù)量也不能過少，否則可能會由于模型訓(xùn)練不夠充分而導(dǎo)致預(yù)測結(jié)果的準(zhǔn)確度，為此，公共建筑工程造價預(yù)測時，需要合理設(shè)置訓(xùn)練樣本的數(shù)量。

5 ?結(jié)束語

本文根據(jù)文獻資料、結(jié)合工作經(jīng)驗梳理了建筑工程造價預(yù)測的影響因子，提出了基于BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測公共建筑工程造價的快捷預(yù)測方法。BP神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建主要采用MATLAB平臺，依托其中的神經(jīng)網(wǎng)絡(luò)工具箱，分別調(diào)用參數(shù)設(shè)置函數(shù)newff、訓(xùn)練函數(shù)train、預(yù)測函數(shù)sim而實現(xiàn)。結(jié)合篩選的案例工程，展開樣本訓(xùn)練及測試分析，總結(jié)出基于BP神經(jīng)網(wǎng)絡(luò)的公共建筑工程造價預(yù)測方法的預(yù)測準(zhǔn)確率、快捷性、穩(wěn)定性均較佳，在小樣本數(shù)據(jù)處理方面具有良好優(yōu)勢，但實際應(yīng)用中需要合理設(shè)置樣本數(shù)量，應(yīng)盡可能增大訓(xùn)練樣本數(shù)量，以降低預(yù)測結(jié)果的相對誤差，保障公共建筑工程造價預(yù)測的準(zhǔn)確性。

參考文獻：

[1] 郭威，丁曉欣.基于BP神經(jīng)網(wǎng)絡(luò)的公共建筑工程造價預(yù)測研究[J].建材技術(shù)與應(yīng)用，2023（4）：10-13.

[2] 龍盈.基于BP神經(jīng)網(wǎng)絡(luò)工程造價預(yù)測模型研究[J].江西建材，2022（10）：433-434，437.

[3] 謝金豪，劉文昌.基于GA-BP神經(jīng)網(wǎng)絡(luò)的建筑工程造價預(yù)測研究[J].建筑經(jīng)濟，2022，43（S1）：235-240.

[4] 劉偉軍，李念.基于MEA-BP神經(jīng)網(wǎng)絡(luò)建筑工程造價指數(shù)預(yù)測[J].工程經(jīng)濟，2021，31（1）：23-27.

[5] 滕凌云.基于BP神經(jīng)網(wǎng)絡(luò)的建筑工程造價預(yù)測模型構(gòu)建研究[J].住宅產(chǎn)業(yè)，2020（12）：110-113.

[6] 陳新國.基于BP神經(jīng)網(wǎng)絡(luò)的建筑工程造價預(yù)測探討[J].今日財富，2017（5）：24-25.