论文部分内容阅读
【摘要】建筑工程造价管理的重点就是动态预测，建筑公司的实际收益和动态工作的顺利完成是相互制约的，同时动态预测还会对工程的进展起到至关重要的影响。基于此，本文主要对建筑工程实际造价的动态预测方法进行了探讨。
【关键词】建筑工程；实际造价；动态预测
动态预测和静态预测是相对应的，动态预测是建立在静态预测的基础之上的，动态预测指的是具体的施工情况和变动的施工投入给工程造价估算带来的整合。不仅对自身实施整合，还要求其他的建筑企业依据动态造价的情况按时对外公开有关的造价成本。
1、建筑工程实际造价的动态预测方法
1.1造价预测相关模型的确立
在建筑工程里面，工程的造价起着决定性的作用，是企业控制工程成本的决定因素。依据项目的介绍对该施工项目要有比较全面的认识，对于工程的造价信息一定要掌握好，对于工程的施工环境、经济情况和有关策略都要采取科学的方法来进行认真的分析。还要对建筑材料市场价格的浮动有比较全面的了解，不仅要对资料信息有全面的掌握，还要掌握好建筑工程的工程建设进度。以过去的造价工程资料为基础，借助BP神经网络体系创建符合现实情况的检测模型，这样的动态模型创建好以后，可以对工程的施工情况有比较详细的了解，还会预测到可能发生的问题，同时找到解决问题的方法。在建筑工程施工期，动态工程预测的主要负责部门就是工程的项目部，项目部可以量化分析自己创建的动态预测模拟系统，确保工程的实际造价投入在自己的掌控范围之内。
1.2动态预测模型BP神经网络结构
（1）设计BP神经网络结构。建筑工程设计BP神经网络结构指的是对于每一层的神经网络结构数目、网络结构层数都有比较清楚的了解，在通常的情况下，该神经网络结构只有一个特定的输入层面，也可能是相互对应的输入层面。在该篇文章中，我们所探究的神经网络构成里，建筑工程的实际投入对于输入层的神经元数起着决定性的作用。经过研究表明，隐含层的神经网络可以探究闭区间的全部连续函数。
（2）建立动态的BP神经网络预测体系。通过上面的研究发现，我们能够将建筑工程的BP神经网络结构进行明确的确认，可以在这基础上借助网络工具创建建筑工程造价动态预测BP神经网络结构系统，还可以和相对应的函数体系组建高度一致的神经网络，确保BP神经网络结构系统完整。一般情况下，使用计算机梯度式运算模式来实现BP神经网络结构系统的训练，通过对权值和阀值进行再一次的整合梯度，从而实现函数的数值保持在较小的范围之内。建筑工程BP神经网络结构系统在进行实际的动态预测的时候，通常会选择的函数形式为Traingdm函数，该函数更新梯度阀值和权值的时候，一定要对梯度的方向进行高度的留意，要想将参照函数和神经网络的性能导致的影响进行整合就要依靠方向来完成，这样就不会出现一连串的小状况。
动态BP神经网络结构系统设计完成以后，可以借助相对应的设计数值来实施训练练习。在前向传播的时候，也就是我们所认为的数据输出和输入的过程，实质也就是由前到后的一个顺序过程。对于前后的节点值可以进行相关的连接，接着把那些节点值按照所连接的权值大小依次实施加权并将活动函数输入进来，由此得到新的权值，接着再向下一个节点推进。在回馈的阶段里，假如我们的预测值和实际的输出值之间有所不同，这就要求重新整合BP神经网络结构系统，将惩罚性学习模式启动，找到出现问题的节点，假如节点的权值非常的高，那么我们就需要将它的信任值进行下降调整，此时那些正确的节点值就需要提升。
2、建筑工程实际造价动态预测的应用
2.1建立模型
该文以某工程外管线工程为例，系统的描述BP神经网络结构系统动态预测的高效运用。需要结合多方面的因素来考虑BP神经网络结构系统的动态预测管理模式，尤其是外管线工程的实际费用支出。一般情况下，我们会从天气情况、单位的造价管理、土壤的实际情况以及单位的管理水平四个指标来进行综合的阐述，我们把这四项指标指定为BP神经网络结构系统在输入层的关键几个节点，可以根据实际的状况，把站外管线的造价实际支出预算值当做输入层的关键节点。依据上面阐述的实际情况，我们可以知道，借助每层的十几个节点就可以创建起网络层次，可以使用这个网络层次来预算下一个层次的建筑费用。还可以创建建筑工程造价BP神经网络结构系统动态预测训练样本，这样就可以对以后的建筑工程实现网络信息预测，提升工作的效率。
2.2计算模式与测试方法
（1）计算模式。在BP神经网络结构系统里面输入进去相关的工程有效信息，借助计算模式来进行反复的计算，假如最终的检测结果显示出来的数值和工程建设之初的预算值没有太大出入，则说明这组数据达到了要求的标准，是符合工程需要的。
（2）测试方法。由于误差的范围比较的小，可以借助BP神经网络结构系统来完成工程造价的动态预算和价值评估。假如9月份的所有指标系数都符合有关管的规定，这些指标系数包括地理情况、天气情况、管理的指数以及CPI指数，在BP神经网络结构系统里面输入这些数值，就会得到应该需要的预测费用的具体数值。BP神经网络结构系统可以提供给我们工程需要的实际数值，通过对这些数值的分析，不难发现9月份的资金额度已经超出了计划的范围之内。通过对市场的走访，我们找到了9月份超标的根本原因就是建筑市场建材的价格出现了较大的波动，价格全部的上涨，最终造成实际支出的费用已经超出了预算的额度。
3、结语
总之，经过对上面信息的分析不难发现，企业管理成本的重点就是对工程造价的高效管理，这也是实现质量管理的重要办法。在实践中不断的完善BP神经网络结构系统动态预测，要想发挥工程造价的真正意义就需要对工程进行科学、合理的管理。
参考文献
[1]何立勇.建筑工程造价控制现状及问题分析[J].山西建筑，2014，（35）：276-277.
[2]叶雪峰.建筑工程项目造价预测研究[J].技术与市场，2011，（01）：89-90.
作者简介
曾植文，1985年3月，男，汉族，广东省佛山市顺德区，大专，助理工程师，研究方向：工程造价，从事的工作：工程造价.
【关键词】建筑工程；实际造价；动态预测
动态预测和静态预测是相对应的，动态预测是建立在静态预测的基础之上的，动态预测指的是具体的施工情况和变动的施工投入给工程造价估算带来的整合。不仅对自身实施整合，还要求其他的建筑企业依据动态造价的情况按时对外公开有关的造价成本。
1、建筑工程实际造价的动态预测方法
1.1造价预测相关模型的确立
在建筑工程里面，工程的造价起着决定性的作用，是企业控制工程成本的决定因素。依据项目的介绍对该施工项目要有比较全面的认识，对于工程的造价信息一定要掌握好，对于工程的施工环境、经济情况和有关策略都要采取科学的方法来进行认真的分析。还要对建筑材料市场价格的浮动有比较全面的了解，不仅要对资料信息有全面的掌握，还要掌握好建筑工程的工程建设进度。以过去的造价工程资料为基础，借助BP神经网络体系创建符合现实情况的检测模型，这样的动态模型创建好以后，可以对工程的施工情况有比较详细的了解，还会预测到可能发生的问题，同时找到解决问题的方法。在建筑工程施工期，动态工程预测的主要负责部门就是工程的项目部，项目部可以量化分析自己创建的动态预测模拟系统，确保工程的实际造价投入在自己的掌控范围之内。
1.2动态预测模型BP神经网络结构
（1）设计BP神经网络结构。建筑工程设计BP神经网络结构指的是对于每一层的神经网络结构数目、网络结构层数都有比较清楚的了解，在通常的情况下，该神经网络结构只有一个特定的输入层面，也可能是相互对应的输入层面。在该篇文章中，我们所探究的神经网络构成里，建筑工程的实际投入对于输入层的神经元数起着决定性的作用。经过研究表明，隐含层的神经网络可以探究闭区间的全部连续函数。
（2）建立动态的BP神经网络预测体系。通过上面的研究发现，我们能够将建筑工程的BP神经网络结构进行明确的确认，可以在这基础上借助网络工具创建建筑工程造价动态预测BP神经网络结构系统，还可以和相对应的函数体系组建高度一致的神经网络，确保BP神经网络结构系统完整。一般情况下，使用计算机梯度式运算模式来实现BP神经网络结构系统的训练，通过对权值和阀值进行再一次的整合梯度，从而实现函数的数值保持在较小的范围之内。建筑工程BP神经网络结构系统在进行实际的动态预测的时候，通常会选择的函数形式为Traingdm函数，该函数更新梯度阀值和权值的时候，一定要对梯度的方向进行高度的留意，要想将参照函数和神经网络的性能导致的影响进行整合就要依靠方向来完成，这样就不会出现一连串的小状况。
动态BP神经网络结构系统设计完成以后，可以借助相对应的设计数值来实施训练练习。在前向传播的时候，也就是我们所认为的数据输出和输入的过程，实质也就是由前到后的一个顺序过程。对于前后的节点值可以进行相关的连接，接着把那些节点值按照所连接的权值大小依次实施加权并将活动函数输入进来，由此得到新的权值，接着再向下一个节点推进。在回馈的阶段里，假如我们的预测值和实际的输出值之间有所不同，这就要求重新整合BP神经网络结构系统，将惩罚性学习模式启动，找到出现问题的节点，假如节点的权值非常的高，那么我们就需要将它的信任值进行下降调整，此时那些正确的节点值就需要提升。
2、建筑工程实际造价动态预测的应用
2.1建立模型
该文以某工程外管线工程为例，系统的描述BP神经网络结构系统动态预测的高效运用。需要结合多方面的因素来考虑BP神经网络结构系统的动态预测管理模式，尤其是外管线工程的实际费用支出。一般情况下，我们会从天气情况、单位的造价管理、土壤的实际情况以及单位的管理水平四个指标来进行综合的阐述，我们把这四项指标指定为BP神经网络结构系统在输入层的关键几个节点，可以根据实际的状况，把站外管线的造价实际支出预算值当做输入层的关键节点。依据上面阐述的实际情况，我们可以知道，借助每层的十几个节点就可以创建起网络层次，可以使用这个网络层次来预算下一个层次的建筑费用。还可以创建建筑工程造价BP神经网络结构系统动态预测训练样本，这样就可以对以后的建筑工程实现网络信息预测，提升工作的效率。
2.2计算模式与测试方法
（1）计算模式。在BP神经网络结构系统里面输入进去相关的工程有效信息，借助计算模式来进行反复的计算，假如最终的检测结果显示出来的数值和工程建设之初的预算值没有太大出入，则说明这组数据达到了要求的标准，是符合工程需要的。
（2）测试方法。由于误差的范围比较的小，可以借助BP神经网络结构系统来完成工程造价的动态预算和价值评估。假如9月份的所有指标系数都符合有关管的规定，这些指标系数包括地理情况、天气情况、管理的指数以及CPI指数，在BP神经网络结构系统里面输入这些数值，就会得到应该需要的预测费用的具体数值。BP神经网络结构系统可以提供给我们工程需要的实际数值，通过对这些数值的分析，不难发现9月份的资金额度已经超出了计划的范围之内。通过对市场的走访，我们找到了9月份超标的根本原因就是建筑市场建材的价格出现了较大的波动，价格全部的上涨，最终造成实际支出的费用已经超出了预算的额度。
3、结语
总之，经过对上面信息的分析不难发现，企业管理成本的重点就是对工程造价的高效管理，这也是实现质量管理的重要办法。在实践中不断的完善BP神经网络结构系统动态预测，要想发挥工程造价的真正意义就需要对工程进行科学、合理的管理。
参考文献
[1]何立勇.建筑工程造价控制现状及问题分析[J].山西建筑，2014，（35）：276-277.
[2]叶雪峰.建筑工程项目造价预测研究[J].技术与市场，2011，（01）：89-90.
作者简介
曾植文，1985年3月，男，汉族，广东省佛山市顺德区，大专，助理工程师，研究方向：工程造价，从事的工作：工程造价.