王 飞，郑张丽，郭静静，尹建英

(1.河北工程大学 经济管理学院，河北 邯郸056038;2.邯郸市城市建设投资公司，河北邯郸056002)

高速公路工程造价预测的研究，对工程建设项目成本的管理与控制具有极为重要的意义。BP神经网络具有很好的非线性映像功能，而且它的自学习自适应能力以及信息处理能力也特别强，在公路工程造价预测实施过程中能动态、灵活地解决遇到的问题，相对于传统的预测方法，它更为科学、便捷和可靠。

1BP神经网络简述

1.1 BP神经网络原理

BP神经网络算法也可以叫作反向传播算法(简称BP算法)，具有良好的自学习和自组织能力，由输入层、隐含层和输出层三类神经元层组成，其中隐含层可以根据问题的繁复程度设成多层［1］。BP神经网络是一种多层的前馈神经网络，信号前向传播，误差反向传播是该网络最主要的两个过程，重复的运用这两个过程，使均方误差不断减小，从而使BP神经网络预测的输出结果不断向期望输出靠拢，直到满足要求［2］，如图1所示。

1.2 BP神经网络的训练步骤

1)网络初始化。系统首先依据其本身的输入输出序列(X，Y)来确定神经网络各层各自的节点数，然后进行连接权值的初始化。包括输入层、隐含层和输出层神经元间的连接权值Wij、Wjk，以及隐含层阈值 θj，输出层阈值 θk。

2)计算各层输出结果。

式中Xi－输入层第i个节点的输出值;Yi－中间层第j个节点的输出值;Zk－输出层中第k个节点的实际输出值。

3)误差计算。假设输出节点j的实际输出是，节点j的期望输出是，则我们定义系统的网络误差为