刘毅然,张福泉

(1.新南威尔士大学土木工程学院,悉尼 2052; 2.闽江学院计算机与控制工程学院,福州 350108)

工程造价预测作为大数据技术在工程成本预估中的一项重要应用,有效提高了工程项目资金使用的预见性和合理性。通过对各种工程类型的样本特征进行大数据分析,可以有效预见单位造价和总造价。[1]通过工程成本预测,一方面有效提高建设实施控制策略,降低资金浪费,另一方面为招投标提供合理佐证,提高报价科学性,增强竞标竞争力。工程造价预测对资金管理控制策略的制定提供了有力的技术支持,[2]但是上述应用必须是建立在高效精准的工程造价预测算法之上。工程造价影响指标要素多且异构性强,导致数据特征受到施工环境影响具有一定变化,要根据这些特征获得较高的造价预测精度并不简单。当前支持向量机和神经网络模型是工程造价预测中的两种主流方法。为了进一步增强这两种方法对不同工程领域造价预测的适用性,对当前这两种方法有较多的改进方案。

在最新的工程造价预测研究中,吴飚等人[3]采用贝叶斯网络建立造价预测模型,实现了公路造价的合理预测,但该方法纳入的预测指标特征并不多,导致预测准确度存在一定的提升空间;杨凯等人[4]采用反向传播神经网络(Back propagation neural networks,BPNN)建立电网工程造价预测模型,并采用遗传算法(Genetic algorithm,GA)对NN参数进行优化求解,提升了BPNN模型工程造价预测准确率,但是会导致预测效率出现下降。……