BP神經網絡在建筑物工程量估算中的應用研究

丁　紅，劉　迪

(黑龍江省水利科學研究院，哈爾濱 150080)

?

BP神經網絡在建筑物工程量估算中的應用研究

丁紅，劉迪

(黑龍江省水利科學研究院，哈爾濱 150080)

以明水縣沿河澇區骨干建筑物中的跌水為例，根據BP神經網絡的基本原理和工程量估算特點，確定影響工程量估算的相關因素及參數，建立基于BP神經網絡的建筑物工程量估算模型，通過網絡訓練和學習，估算結果的精度都可以滿足實際工程建設估算的要求，該方法為其他建筑物工程量估算提供了一種新途徑，具有良好的推廣價值。

BP神經網絡；建筑物；工程量估算模型

0　前　言

工程量計算是編制工程預算的基礎工作，約占整個編制工作的50%～70%，同時也是編制施工作業計劃、合理安排施工進度、組織現場勞動力、材料和機械以及向工程建設投資方結算工程價款的重要依據，其計算的精確度和快慢程度，直接影響工程造價的準確性以及工程建設的投資控制質量[1]。目前，工程量計算主體是手工算量，該方法不僅能夠靈活的適應結構形式的變化，而且局部更改錯誤也較容易，但是該算法過程繁雜，重復性勞動多，容易出錯。軟件表格法作為手工算量的一種改進和延伸，也存在著計算繁瑣等缺點。我國也有很多學者提出了一些快速估算方法，如回歸分析法、模糊估算法、相似工程法，但是建筑物工程量或造價與建筑物的特征之間存在著某種程度上的映射關系，上述方法沒能很好的反映這種關系[2～3]。因此，改進工程量計算方法，對于提高概預算質量，加快概預算速度，減輕編制人員的工程量，增強審核、審定透明度具有十分重要的意義。文章嘗試采用BP神經網絡分析這一映射關系，模型估算結果作為參考依據，檢驗手工計算的準確性，為預防工程量索賠的發生、有效控制造價、加強工程造價管理提供一種行之有效的科學方法。

1　BP神經網絡基本原理

人工神經網絡(Artificial neural networks，簡稱ANN)是從信息處理角度對人腦若干基本特性進行抽象和模擬，建立某種簡單模型，按不同的連接方式組成不同的網絡。長期以來，人工神經網絡的隱含層連接權值調整問題缺乏有效的算法，誤差反向傳播算法(Back-propagation algorithm，簡稱BP算法)因其方便、直觀且有效，成功地解決了求解非線性連續函數的多層前饋神經網絡權重調整問題，是應用最為廣泛而且較成功的一種算法。

BP算法求解模型的步驟如下[4]：

步驟1)：網絡初始化。賦予網絡各連接權值wij、Tli及閾值θi、θl在(-1，+1)區間的隨機數。

步驟2)：從網絡輸入層節點輸入訓練樣本對。

步驟5)：用期望輸出模式tl、網絡實際輸出Ql，計算輸出層的各節點的一般化誤差δ1=(tl-Ol)Ol(1-Ol)。

步驟7)：用輸出層各節點的一般化誤差δl、中間層各節點的輸出yi修正連接權值Tli和閾值θl。

步驟9)：對樣本集中的每個樣本反復學習上述過程，直至網絡全局誤差函數E<預先設定的一個極小值，即網絡收斂，或學習回數>預先設定的值，即網絡無法收斂。

3　實例應用

3.1項目概況

明水縣沿河澇區屬于中型澇區，位于明水縣東側、通肯河以西沿岸，隸屬繁榮鄉、樹人鄉境內，澇區總面積11 500 hm2，其中耕地面積9 200 hm2，易澇面積6 000 hm2，由于資金匱乏，管理不善，近二三十年以來一直未得到有效治理。因此，開展澇區治理，加大除澇能力建設，提高除澇標準，解決群眾最關心、最直接、最現實的利益問題，是非常必要和緊迫的。自2013年入汛以來，黑龍江省強降雨頻發，持續強度大，雨區較為集中，導致明水縣沿河澇區一排干和八排干溝道及所屬6條支溝淤積嚴重，主要建筑物中橋運行良好，涵洞和跌水均為臨時建筑物，破損嚴重，帶病運行。根據省里下達編制各市縣澇區規劃的通知，明水縣在2014年1月完成了《黑龍江省明水縣沿河澇區水毀工程修復實施方案設計報告》，設計主要任務是對澇區附近水毀比較嚴重的欣榮塘壩進行修復重建。依據項目區溝道布置情況，共需建設骨干建筑物24座，其中跌水7座、路下涵16座、橋1座[5]。因篇幅有限，文章僅以跌水為例進行建模估算。

3.2基于BP神經網絡的建筑物工程量估算模型

3.2.1輸入輸出樣本確定

文章選取溝底高程、設計流量、設計水位、溝底寬度、過閘流量、消力池深度、消力池長度、海漫長度等8個因素作為輸入樣本，工程量(其中土方、石方、鋼筋混凝土均單獨作為輸出樣本)作為輸出樣本，輸入樣本如表1所示。

3.2.2網絡結構確定

文章采用三層網絡進行訓練，根據輸入樣本確定輸入層的節點為8個，隱含層節點個數根據經驗數據選定為22個，輸出層節點數為3個，經2768次訓練，網絡精度達到要求。因此，文章網絡拓撲結構為8:22:3。隱含層采用雙曲正切Sigmoid函數作為傳遞函數，輸出層采用線性函數作為傳遞函數。

3.2.3訓練結果

文章采用matlab7.0編程實現BP神經網絡估算建筑物工程量，首先將表1中序號1～5的樣本作為訓練樣本依次輸入網絡，其余2個作為檢測樣本，按照上述建模步驟及確定的網絡結構和參數反復訓練，直至網絡全局誤差E<0.0005，得到土方工程量的訓練結果，其中土方包括開挖和回填；然后重復上述的步驟，分別得到石方和鋼筋混凝土工程量的訓練結果；最后計算誤差比率，分析訓練精度，具體詳見表2。

表1　建筑物工程量估算樣本輸入表

表2　BP神經網絡模型的訓練結果表

利用調整后的權值和閾值，對表1中序號6～7的建筑物進行工程量預測。同時，采用建成后實際工程量進行比較驗證，結果列入表3。

表3　測試樣本工程量估算結果比較表

由上述計算結果可知，基于BP神經網絡的建筑物工程量估算精度較高，將BP神經網絡用于工程量估算是可行的，估算精度都在±10%以內，大多數估算精度都在±1%以內。其中，誤差較大的主要集中在土方工程量估算中，工程1的土方開挖估算誤差為7.35%，回填為6.62%；工程4的土方開挖估算誤差為8.29%，回填為5.73%。將模型估算量與建成后實際工程量相比較，得到了同樣的結論，工程7的土方開挖估算誤差為6.37%，其主要原因可能是地形條件差異較大，施工圖紙中設計細節處存在差異，導致了估算值與實際工程量存在一定的誤差。隨著樣本數量的增加，精度將會進一步的提高。

4　結　論

1)跌水的工程量與溝底高程、設計流量、設計水位、溝底寬度、過閘流量、消力池深度、消力池長度、海漫長度等因素之間存在著相關關系，BP神經網絡通過網絡訓練和學習，可以有效、準確的描述并量化這種復雜關系，估算結果能夠滿足精度要求，將該方法推廣后能夠顯著的減少工程造價人員的工程量，并對其他水利工程工程量估算具有指導意義。

2)文章建立了基于BP神將網絡的建筑物工程量估算模型，結果顯示，BP神經網絡模型用于工程量估算精度較高，大多數估算精度都在±1%以內。其中，土方開挖和回填工程量估算誤差稍大，但也都在±10%以內。因此，BP神經網絡用于建筑物工程量估算具有現實的可行性，為進一步的工程造價提供了真實、可靠的數據支撐，也為工程造價人員提供了一種快捷、簡便的科學方法。

[1]劉湘雄．人工神經網絡在工程造價估算中的應用[J].建筑，2012(12)68:69．

[2]盧志強．工程造價和主要工程量快速估算中神經網絡的應用研究[J].河南科技，2013(9):18．

[3]蔣曉紅，程吉林，張躍飛．中小型水利工程的工程量估算BP神經網絡模型[J].揚州大學學報(自然科學版)，2008，11(3):72-74．

[4]付強．數據處理方法及其農業應用[M].北京：科學出版社，2006：31-46．

[5]黑龍江農墾勘測設計研究院阿城分院．黑龍江省明水縣沿河澇區水毀工程修復實施方案設計報告[R]．哈爾濱：黑龍江農墾勘測設計研究院阿城分院，2014．

Application of BP Nerve Net in Structure Project Quantity Estimation

DING Hong and LIU Di

(Heilongjiang Provincial Water Conservancy Scientific Research Institute, Harbin 150080, China)

Taking dropping water in the key structure of logging area along the river in Minshui County as the example, based on the characteristics about basic theory of BP nerve net and project quantity estimation,the related factors and parameters of project quantities estimation were determined to establish the structure project quantities estimation model of BP nerve net. Through net train and study, the accuracy of estimated results may meet the demands of actual project construction estimation, meanwhile,this method provides a new way to estimate other structure project quantities, having a good promotion value.

BP nerve net; structure; estimation model of project quantity

1007-7596(2016)06-0004-03

2016-05-04

丁紅(1982-)，女，黑龍江林甸人，工程師；劉迪(1979-)，男，黑龍江林甸人，高級工程師。

TV214

A