基于BP算法的工程造价散材量估算方法

2020-09-30宋文娟席永胜佟明勇

甘肃科技 2020年14期

宋文娟，席永胜，佟明勇

（兰州寰球工程有限公司，甘肃兰州730060）

1 概述

随着市场经济体制的完善及科学技术手段的革新，工程造价管理在工程建设的方案估算、可行性研究报告及技术经济分析、初步设计概算、施工图预算、竣工图决算中均变得至关重要，不但影响着后期资源的投入与项目的顺利开展，还将直接决定管理层的决策、工程质量及企业的最终盈利情况[1]。在工程建设前期的预算、概算、招标投标费用估算，后期的结算、决算的审核中，工程量估算或核算都是一项十分重要的内容[2]，其中核算建立在估算的基础之上。

2 工程造价中散材量的估算

工程造价影响因素较多，决定了工程计价依据的复杂性，然而由于项目前期缺乏准确数据，项目后期审核时若现场实测则工作量太大，对于工程量清单中散材量的核算非常困难，而散材量因工程规模、设计习惯、施工方式等因素而异，这给工程造价工作带来困难[3-6]。

对于上述问题，在以往的工作中往往借助类似工程预算法、生产能力指数法、重点抽查核算法等一些方法进行估算或核算，但由于缺乏对具体建设工程自身属性的考虑，因而估算准确性较低。基于此，本文提出一种基于人工神经网络的散材量估算方法，该方法考虑决定所要估算散材的属性，通过充分利用已有同类工程的数据，估算出当前工程的散材量，从而为造价管理提供更加精确可靠的数据。

3 BP算法模型

人工神经网络是一种模拟人脑细胞分布式工作特点和自组织功能实现并行处理、自学习和非线性映射的计算方法，在信息处理、模式识别、智能控制以及系统建模等领域得到广泛应用，其中基于误差反向传播（BP）算法的多层前馈网络由于可以以任意精度逼近任意连续函数，在非线性建模中具有良好的效果[7]。

BP算法由信息的正向传播和误差的反向传播两个过程组成。输入层神经元接收外界输入信息，并传递给中间层神经元；中间各层神经元经过传递函数运算，将信息传递至输出层，中间层可以为单层或者多层结构，因运算的复杂情况而定；信息的正向传播过程完成一次学，并经过输出层输出运算结果。

输出结果与期望值进行比较，并进入误差的反向传播。误差通过输出层，按误差梯度下降的方式修正各层权值。大量信息的正向传播和误差反向传播使网络参数不断优化，直至网络输出的误差减少到可以接受的程度，或者预先设定的学习次数为止。

以下以一个三层BP网络结构为例，给出其数学模型。如图1所示。

图1 三层BP网络结构

其中，输入层、隐含层、输出层分别为n、p、q个神经元，输入层至隐含层、隐含层至输出层的权值分别为W和V。

各隐含层的激活值为：

各隐含层的输出值为：

各输出层的激活值为：

各输出层的输出值为：

期望输出与实际输出的偏差值为：

采用平方和误差计算得：

各输出层神经元的输出误差为：

隐含层各神经元的输出误差为：

输出层和隐含层的权值修改为：

4 基于BP算法的散材估算方法

在工程造价管理中，散材量估算应依据具体散材的类型而定，估算过程可分为以下几步：

1）确定需要估算的散材类型A，确定影响A数量的因素，将其定义为输入向量P，将待估算A的数量定义为输出向量T；

2）根据以往工程项目，找出输入向量与输出向量的数据，则有 P=[p1,p2,…,pn]，T=[t1]；

3）建立BP网络，选定网络结构、初始化参数、训练函数，依据参数P、T对网络进行训练；

5）依据训练后的网络，对待估算工程的输入向量ps进行泛化，得到估算散材量TS。

5 工程实例

以下以某碳四深加工装置中分支电缆的总长度为例，验证本文算法的有效性。在该装置中，分支电缆总长度受众多因素影响，如接线箱的数量、总仪表数量、装置建设面积、装置规模等，本文选取其中影响最直接的两个参数：接线箱数量（p1）和仪表总数量（p2），则输入向量P=[p1,p2]。记分支电缆总量为t1，则输出向量T=[t1]。表1为以往同类工程的6组数据。