论文部分内容阅读
隨着我国市场经济的高速发展，城市建筑的发展也越来越迅速，对于建筑工程的造价预算也越来越严格，诸多施工单位都非常重视造价环节，而对于建筑工程造价的预算的精准性程度，在很大程度上决定了施工单位对建筑工程招标投标的可行程度，本文就基于BP神经网络的建筑工程造价预测进行分析探讨，以便跟好的提高建筑工程造价环节的预测，研究出更快更有效的建筑工程造价预算，并通过具体的案例对其预算进行详细的阐述，以供相关人士进行参考。
随着我城市化发展越来越快，建筑行业得到了蓬勃发展，而建筑工程成本预算在整个建筑工程中有着重要的意义。传统的建筑工程造价预算模式比较粗旷简单，其主要预测方式就是对整个建筑工程的每个施工环节所需要的建筑材料及人工费用的总和，再加上对部分建筑材料的损耗而得出的结果，这种建筑工程造价预测模式相当复杂，而且进行预测时需要花费大量的时间，极易出现误差情况，而基于BP神经网络的建筑工程造价预测却能快速的实现对建筑工程造价的计算，并得出造价预算结果，这对于整个建筑工程造价预测有着积极的作用。
一、工程概述
该工程为某房地产投资开发公司建的高层综合大楼，楼体长度为185.50米，楼体宽度为125.70米，楼体高度为112.00米，地下楼层为2层，地上楼层位28层，建筑总面积为2.35万平方米，该工程的主体设计部分由中建设计院设计，其结构为混合式结构，建筑工程桩基建设使用的是最新的钻孔罐注桩施工技术，基坑支护使用钉支护施工方式，所浇筑的桩基采用钢筋笼与混凝土结构，砌墙所用砖为工业式重砖所砌，外墙装饰使用的是国外进口的乳胶漆，内墙装饰用的乳胶漆也是进口产品，为白色，地面结构是普通的水泥加大理石构成，门窗部分使用的是传统的钢架构门窗。
二、建立BP神经网络模型进行建筑工程造价预测
BP神经网络模型对于建筑工程造价预测非常有效，不但能够精准的对建筑工程造价计算，而且还能对其进行每一个环节的参数分析，并对其参数经过计算后确定，在整个BP神经网络模型工作时，将建筑工程的每一个环节的各项参数输入，其中所有的参数都能融入于整个BP神经网络模型所包含的神经元的数量和所有的参数，BP神经网络模型中输入的建筑工程的输入层区的物理主要包含了各个环节的处理信息数据，还有模型中暂时未处理或已经处理的问题的数据所对应的全部信息，而在BP神经网络模型中输出层的物理主要包含的数据信息，就是其中暂时未能解决的问题数据和数据相预期的答案。
建立BP神经网络模型能够进行建筑工程的造价计算，还能够对其造价预测影响的部分元素进行分析处理，从而能够进一步完成对建筑工程造价的预测计算，而且整个计算过程相对于传统的建筑工程造价计算较为简便。可以系统的设定一连串较小的数据，将这些数据预定为初始值，如a1，a2，a3……an等设置为输入量，C1，C2，C3……Cn等设置为输出量。之后进行建筑工程的每一个环节进行造价预测计算的时候，可以根据每种方案进行计算，计算公式为：Cs=a1C1+a2（1-a1）C2+a3（1-a1）（1-a2）C3+……+an（1-an）（1-an+1）Cn。在这个基础上，可以得到建筑工程每一个环节的计算数值，从而有效的确定建筑工程整体造价的预测数值。
三、基于BP神经网络的建筑工程成本预测
该工程为某房地产投资开发公司的高层综合大楼，其中一部分运用于商业，另一部分运用于公司员工住宿。因此，该建筑工程与其余建筑工程有着较为明显得对比性，根据该工程造价的实际情况进行分析，可以快速的计算出工程造价，可以从该工程的建筑面积、安装工程、地面工程、外墙装修、天棚装饰、内墙装修、门窗工程、建筑层数、砌筑工程、桩基、等10个方面进行计算，从而得出整个建筑工程的造价，通过对该建筑工程的10个特征，在基于BP神经网络的建筑工程造价预测会更加精准和详细，该工程与其余工程相比，除了层数及建筑材料使用不同以外，在其余多方面的结构定型上都不会有太大的比较，基本上没有多大的差别。由此可见，为了最大效率的满足于精度计算的需求，又要使得工程建筑造价预测相对简便，可以按照相似的程度进行类似工程的造价预测探讨.如图1所示。
选择的工程类似工程以A、B、C、D、E、F来标示，而该工程为某房地产投资开发公司的高层综合大楼，用S来标示，根据表1可以看出，S与A、B、C、D、E、F六栋相似建筑比较，相似系数分别为0.931、0.921、0.915、0.917、0.935、0.912等，因此，a1就可以等于0.931，a2就可以等于0.921，a2就可以等于0.915，a4就可以等于0.917，a5就可以等于0.935，a6就可以等于0.921，6组相似建筑物的单方造价与之对应分别为C1就可以等于9310，C2就可以等于9210，C2就可以等于9150，C4就可以等于9170，C5就可以等于9350，C6就可以等于9210。由此可见，该工程为某房地产投资开发公司的高层综合大楼的建筑工程造价预测计算公式可以使Cs=a1C1+a2（1-a1）C2+a3（1-a1）（1-a2）C3+a4（1-a1）（1-a2）（1-a3）C4+a5（1-a1）（1-a2）（1-a3）（1-a4）C5+a6（1-a1）（1-a2）（1-a3）（1-a4）（1-a5）C6+1/6（1-a1）（1-a2）（1-a3）（1-a4）（1-a5）（1-a6）（C1+C2+C3+C4+C5+C6）等计算方式进行工程造价预算。最后将相类似建筑工程所得参考数据带入计算公式中，就能很精准的计算出该工程为某房地产投资开发公司的高层综合大楼工程的造价预算，其得出的结果为1495.68。修正后的该工程为某房地产投资开发公司的高层综合大楼的建筑工程造价结果为1564.87。
四、结语
基于BP神经网络的建筑工程造价预测，能够有效的控制建筑工程的造价，在运用其进行造价计算的过程中，能够有效的对建筑整体数据进行确定，拥有非常精准的数值，特别是在早期的建筑工程阶段，运用BP神经网络模型进行建筑工程造价预算的精准度能控制在96%以上，不但比传统的工程造价更简捷方便，而且还省略了大量的时间，为整个建筑工程项目打下了良好的造价估算基础，对于建筑企业招标投标有着巨大的作用。由于BP神经网络模型具有强大的建筑工程造价计算功能，使得其在整个建筑造价中占据着重要的地位，所使用的范围也越来越广泛。由此可见，在进行建筑工程造价预测的过程中，充分利用BP神经网络模型进行造价预测，能够大大降低企业的成本，提高企业的经济效益。（作者身份证号为350321197902184516）
随着我城市化发展越来越快，建筑行业得到了蓬勃发展，而建筑工程成本预算在整个建筑工程中有着重要的意义。传统的建筑工程造价预算模式比较粗旷简单，其主要预测方式就是对整个建筑工程的每个施工环节所需要的建筑材料及人工费用的总和，再加上对部分建筑材料的损耗而得出的结果，这种建筑工程造价预测模式相当复杂，而且进行预测时需要花费大量的时间，极易出现误差情况，而基于BP神经网络的建筑工程造价预测却能快速的实现对建筑工程造价的计算，并得出造价预算结果，这对于整个建筑工程造价预测有着积极的作用。
一、工程概述
该工程为某房地产投资开发公司建的高层综合大楼，楼体长度为185.50米，楼体宽度为125.70米，楼体高度为112.00米，地下楼层为2层，地上楼层位28层，建筑总面积为2.35万平方米，该工程的主体设计部分由中建设计院设计，其结构为混合式结构，建筑工程桩基建设使用的是最新的钻孔罐注桩施工技术，基坑支护使用钉支护施工方式，所浇筑的桩基采用钢筋笼与混凝土结构，砌墙所用砖为工业式重砖所砌，外墙装饰使用的是国外进口的乳胶漆，内墙装饰用的乳胶漆也是进口产品，为白色，地面结构是普通的水泥加大理石构成，门窗部分使用的是传统的钢架构门窗。
二、建立BP神经网络模型进行建筑工程造价预测
BP神经网络模型对于建筑工程造价预测非常有效，不但能够精准的对建筑工程造价计算，而且还能对其进行每一个环节的参数分析，并对其参数经过计算后确定，在整个BP神经网络模型工作时，将建筑工程的每一个环节的各项参数输入，其中所有的参数都能融入于整个BP神经网络模型所包含的神经元的数量和所有的参数，BP神经网络模型中输入的建筑工程的输入层区的物理主要包含了各个环节的处理信息数据，还有模型中暂时未处理或已经处理的问题的数据所对应的全部信息，而在BP神经网络模型中输出层的物理主要包含的数据信息，就是其中暂时未能解决的问题数据和数据相预期的答案。
建立BP神经网络模型能够进行建筑工程的造价计算，还能够对其造价预测影响的部分元素进行分析处理，从而能够进一步完成对建筑工程造价的预测计算，而且整个计算过程相对于传统的建筑工程造价计算较为简便。可以系统的设定一连串较小的数据，将这些数据预定为初始值，如a1，a2，a3……an等设置为输入量，C1，C2，C3……Cn等设置为输出量。之后进行建筑工程的每一个环节进行造价预测计算的时候，可以根据每种方案进行计算，计算公式为：Cs=a1C1+a2（1-a1）C2+a3（1-a1）（1-a2）C3+……+an（1-an）（1-an+1）Cn。在这个基础上，可以得到建筑工程每一个环节的计算数值，从而有效的确定建筑工程整体造价的预测数值。
三、基于BP神经网络的建筑工程成本预测
该工程为某房地产投资开发公司的高层综合大楼，其中一部分运用于商业，另一部分运用于公司员工住宿。因此，该建筑工程与其余建筑工程有着较为明显得对比性，根据该工程造价的实际情况进行分析，可以快速的计算出工程造价，可以从该工程的建筑面积、安装工程、地面工程、外墙装修、天棚装饰、内墙装修、门窗工程、建筑层数、砌筑工程、桩基、等10个方面进行计算，从而得出整个建筑工程的造价，通过对该建筑工程的10个特征，在基于BP神经网络的建筑工程造价预测会更加精准和详细，该工程与其余工程相比，除了层数及建筑材料使用不同以外，在其余多方面的结构定型上都不会有太大的比较，基本上没有多大的差别。由此可见，为了最大效率的满足于精度计算的需求，又要使得工程建筑造价预测相对简便，可以按照相似的程度进行类似工程的造价预测探讨.如图1所示。
选择的工程类似工程以A、B、C、D、E、F来标示，而该工程为某房地产投资开发公司的高层综合大楼，用S来标示，根据表1可以看出，S与A、B、C、D、E、F六栋相似建筑比较，相似系数分别为0.931、0.921、0.915、0.917、0.935、0.912等，因此，a1就可以等于0.931，a2就可以等于0.921，a2就可以等于0.915，a4就可以等于0.917，a5就可以等于0.935，a6就可以等于0.921，6组相似建筑物的单方造价与之对应分别为C1就可以等于9310，C2就可以等于9210，C2就可以等于9150，C4就可以等于9170，C5就可以等于9350，C6就可以等于9210。由此可见，该工程为某房地产投资开发公司的高层综合大楼的建筑工程造价预测计算公式可以使Cs=a1C1+a2（1-a1）C2+a3（1-a1）（1-a2）C3+a4（1-a1）（1-a2）（1-a3）C4+a5（1-a1）（1-a2）（1-a3）（1-a4）C5+a6（1-a1）（1-a2）（1-a3）（1-a4）（1-a5）C6+1/6（1-a1）（1-a2）（1-a3）（1-a4）（1-a5）（1-a6）（C1+C2+C3+C4+C5+C6）等计算方式进行工程造价预算。最后将相类似建筑工程所得参考数据带入计算公式中，就能很精准的计算出该工程为某房地产投资开发公司的高层综合大楼工程的造价预算，其得出的结果为1495.68。修正后的该工程为某房地产投资开发公司的高层综合大楼的建筑工程造价结果为1564.87。
四、结语
基于BP神经网络的建筑工程造价预测，能够有效的控制建筑工程的造价，在运用其进行造价计算的过程中，能够有效的对建筑整体数据进行确定，拥有非常精准的数值，特别是在早期的建筑工程阶段，运用BP神经网络模型进行建筑工程造价预算的精准度能控制在96%以上，不但比传统的工程造价更简捷方便，而且还省略了大量的时间，为整个建筑工程项目打下了良好的造价估算基础，对于建筑企业招标投标有着巨大的作用。由于BP神经网络模型具有强大的建筑工程造价计算功能，使得其在整个建筑造价中占据着重要的地位，所使用的范围也越来越广泛。由此可见，在进行建筑工程造价预测的过程中，充分利用BP神经网络模型进行造价预测，能够大大降低企业的成本，提高企业的经济效益。（作者身份证号为350321197902184516）