林骁元

摘要：通过研究工程造价的构成及其影响因素，利用神经网络有效处理多输入多输出非线性映射的优点，将工程主要特征量作为网络的输入量，工程造价作为输出量，建立了基于神经网络的工程估价模型。收集了某核电厂若干BOP电气工程作为样本，将训练好的网络用于某BOP子项电气工程的造价预测，经测算其精度满足要求，能够用于工程快速估算。

Abstract： By studying the constitution of engineering cost and its influencing factors， using advantages of neural networks to effectively handle the multi-input multi-output nonlinear mapping， the main feature of the project is taken as the input of the network， and the project cost is used as the output， an engineering evaluation model based on the neural network is established. A number of BOP electrical projects in a nuclear power plant were collected as samples， and the trained network was used to predict the cost of a certain BOP sub-item electrical project. The accuracy was measured to meet the requirements and could be used for rapid project estimation.

关键词：神经网络；工程造价；估算模型

Key words： neural network；project cost；estimation model

中图分类号：TP183；TU723.3 文献标识码：A 文章编号：1006-4311（2018）27-0077-04

0 引言

在整个建设工程周期中，建设前期的工程造价估算对整个建造成本的控制，起着关键的作用。造价估算是整个成本管理过程的起点，是成本控制的基础，因此寻找一套快速、便捷、实用的工程造价估算方法已成为一种迫切的需要。[1]而神经网络作为人工智能常用的一种方法，具有学习、记忆、联想、归纳、概括和抽取、容错以及自适应的能力，已在很多领域都得到广泛的应用。本文针对工程造价估算问题，结合神经网络的优点，尝试采用基于神经网络的工程造价估算方法。

1 神经网络简介

神经网络多种多样，本文以应用最为广泛的误差逆传播人工神经网络（Back Propagation Artificial Neural Network，BP ANN）即BP神经网络作为模型。

1.1 基本原理[2]

BP神经网络由多个神经元组成，见图1（a），分为输入层、隱含间和输出层，工作分为训练和预测两个阶段，在训练阶段，修正权值和获得映射关系固定权值，预测阶段计算并输出结果。学习阶段分为两部分，一部分是输入信号经过隐含层到达输出层为正向传播，另一部分是当实际输出与样本的希望值不一致时，系统自动算出输出误差，是误差反向传播，误差信号由输出层沿原路逐层向前反馈。……