基于神經網絡的工程造價估算方法及其Excel實現研究

蘭資

摘 要

建筑工程的系統性和復雜性提升了工程造價估算的難度，基于神經網絡的工程造價估算方法能夠提升工程造價估算的準確性。本文從傳統的工程造價估算方法入手，對基于神經網絡的工程造價估算方法及其Excel實現進行研究。

【關鍵詞】神經網絡 工程造價 估算方法 Excel實現

在建筑行業不斷發展的背景中，建筑企業面臨的競爭壓力越來越大。對于建筑企業而言，通過建筑工程成本的有效控制，實現所獲經濟效益的提升能夠對自身市場競爭力的提升產生相應的促進作用。選擇合理的工程造價估算方法具有一定的必要性。

1 傳統的工程造價估算方法

應用傳統工程造價估算方法進行估算，要求建筑工程的成本函數是一個具有確定性特點的數學形式，并且這個成本函數應該是對可利用歷史數據的最佳擬合。這些要求對傳統工程造價估算方法的精確度產生了不良影響，進而對該方法的實際應用產生相應的限制。

2 基于神經網絡的工程造價控制估算方法及其Excel實現

2.1 神經網絡的優點和應用

神經網絡是由一定數量的并行處理單元組成的系統，不同處理單元的實際處理方式和連接強度是影響神經網絡功能的主要因素。在神經網絡中，不同神經元之間的相互作用可以實現處理信息的目的。神經網絡具有時間連續性、高度非線性以及規模大的特點，神經網絡包含優化計算、處理知識以及聯想記憶等多種功能。神經網絡在電子科技領域中的應用主要集中在圖像和信號處理以及模式識別中。以某個500字符的代碼段為例，該代碼段可能是Python、Java或者C++。當需要通過程序的構造對該代碼段進行識別編寫時，構造神經網絡的方法更加有效。

2.2 基于神經網絡工程造價控制估算方法的合理性

神經網絡的優勢在于，它可以近似實現任意空間的數學映射。神經網絡的這種特點使得它在需要辨識數據模式的困難任務中得到了廣泛應用。神經網絡可以分別對實時數據和歷史資料進行訓練，這種特點為神經網絡在工程造價估算中的應用提供了可能。

2.3 神經網絡電子表格模擬程序

神經網絡電子表格模擬程序主要包括以下幾個步驟：

2.3.1 輸入輸出信息模塊

在該模型中，主要包含基礎基礎類型、結構類型、建造年份、工期、建址、層高、層數、內、外裝修門窗共9個輸入單元，還包含每平方米造價這一輸出單元，以及4個測試樣本和6個訓練樣本。為了將輸入單元、輸出單元的數據更好地展示出來，可以在Excel中建立一個表格。

2.3.2 輸入數據初始化

當表格構建完成之后，可以將相關數據輸入進行，為了便于神經網絡對數據進行合理處理，需要將表格中第一個模塊中的輸入數據調整至[-1，1]范圍中。當第一個模塊構造完成之后，為了簡化第二個模塊的構造時間和步驟，可以利用線性公式對第一個模塊的參數值進行合理調整，這個過程中使用的線性公式如下所示。

2.3.3 構建權重模塊I

就輸出節點、輸入節點以及隱層節點之間的數目關系而言，輸出節點與輸入節點數量之和的一般是隱層節點的實際設置數目。在權重模塊中，需要將所有的數值初始化為1.0。

2.3.4 當權重模塊I構建完成之后

需要考慮隱層節點的輸出模塊。這個步驟主要需要根據神經網絡的操作模型進行。

2.3.5 構建權重模塊II

該模塊的構建步驟與第三步中的做法相同，但在這個模塊中，需要在單一的輸出節點和隱層節點之間建立連接。

2.3.6 神經網絡的最終輸出

這個步驟與第四步類似。

2.3.7 對神經網絡的輸出值進行反調整，并對誤差進行有效計算

神經網絡輸出值的反調整范圍集中在初始賦值范圍中。

2.4 神經網絡的訓練過程

當神經網絡電子表格模擬完成之后，需要對神經網絡進行訓練，也可以將這個過程看成是權值的優化過程。由于權值優化過程具有一定的復雜性特點，因此可以將Excel中的Solver程序應用到這種預測方法中，與其他算法相比，這種算法的優勢表現為可以直接在表格中運行，簡化了操作步驟，實現該預測方法掌握難度的有效降低。運用這種預測方法進行操作可以發現，網絡運行結果滿意，應用這種預測方法的預測誤差小于0.4%。

2.5 分析參數變化對模型預測結果的敏感性

用戶通常無法確定能夠對特定工程進行精確描述的特征因素是什么，因此，為了保證模型的實用性，需要對參數變化對模型預測結果的敏感性進行有效測定。測定參數變化對模型預測結果敏感性的較為復雜，首先，用戶需要將工程中無法肯定的某一特征因素或幾個特征因素的組合選擇出來，然后使用戶選取的參數在初始值周圍逐漸變動，并將參數變動范圍控制在25%之內，為了更好地對參數對模型預測結果的敏感性進行分析，需要對樣本資料的數量進行合理控制。分析參數對模型預測結果名感性的界面如圖1所示。在實際分析過程中，需要將第一個模塊公式變為分別對多個分析資料進行計算，結合計算結果得出計算結果的標準差和平均值，并將估計成本與標準差和平均值進行比較。就平均值而言，在選定參數發生變化的情況下，可以通過敏感性分析對模塊中輸入參數的實際重要性進行有效判斷，通過不同參數的分別變化，分別對其進行敏感性分析，將所得標準差和平均值與最初估計進行比較，進而得出模塊中輸入參數的實際重要性判斷結果。

3 結論

隨著建筑企業面臨競爭壓力的不斷增大，建筑企業對建筑工程成本控制越來越重視。有效工程造價估算方法的使用可以幫助建筑企業獲得更多的經濟效益，傳統的工程造價估算方法精確度較低，基于神經網絡的工程造價估算方法可以保證工程造價估算結果的準確性。

參考文獻

[1]孫金麗，鄭立群，張世英.基于神經網絡的工程造價估算方法及其Excel實現[J].基建優化，2003（01）：38-40.

[2]吳子燕.基于人工神經網絡的高校建筑工程造價預測系統的研究與應用[D].西安：西北工業大學，2006.

[3]趙欣.基于BP神經網絡的地鐵土建工程造價估算方法研究[D].北京：北京交通大學，2008.

作者單位

廣西中源房地產有限公司宜州分公司 廣西壯族自治區宜州市 546300