基于BP神经网络的住宅建筑设计阶段造价审核方法研究

摘要

在工程造价管理领域，国家正在进行改革，逐步实现由定额计价模式向“政府宏观调控、企业自主报价、市场形成价格”的工程量清单计价工模式的转变。在住宅工程建设过程中，对住宅工程投资影响最大的是项目的设计阶段。住宅建设各方越来越重视设计阶段的造价管理。因此，探寻一套可行、实用的住宅建筑设计阶段工程造价审核方法已成为建筑行业的迫切需要。
　　 本文首先分析了在住宅建设过程中影响工程造价的主要因素。住宅的建筑特征和在建设过程中消耗的人工、材料机械费用影响了住宅工程造价的确定。本文基于住宅建筑的特征来确相似工程。并通过住宅建筑特征画出确定相似工程的流程图。在分析影响住宅建筑工程造价因素的基础上，建立本文的造价修正系数。通过造价修正系数来降低因时间因素的不同，人工、材料费用价格波动，对工程造价的影响。在预测模型的验证中，用一个已建工程作为待审核工程，并用八个特征与待审核工程特征相近的已建住宅工程作为相似工程。住宅工程主要工程量审核模型中，先以相似工程的特征量化值作为BP神经网络的输入向量，以相似住宅建筑工程的主要工程量作为输出向量。先用八个“教师组”进行训练，以待审核工程的建筑特征量化值作为输入向量，通过模型预测，得出模型预测的待审核工程预测审核值。再用预测审核值与待审核的实际值进行比较。在住宅建筑工程造价审核模型中，先以相似工程的主要工程量作为输入向量，相似住宅工程的工程造价作为输出向量。用八个“教师组”进行训练，以待审核工程的主要工程量作为输入向量，通过模型预测，得出待审核工程的预测审核值。再用预测的审核值与待审核工程的实际工程造价进行比较。
　　 住宅工程造价数据采集标准的建立为造价审核模型提供了数据支持。以相似工程为基础建立的模型，提高了模型的预测精度。针对历史造价数据的静态性，分别对住宅建筑的建筑工程、装饰装修工程和安装工程进行造价修正。降低了时间因素对模型精度的影响。通过实际案例运用MATLAB工具箱进行计算，得到审核结果与实际值比较证明模型是可行的。通过实际案例运用MATLAB工具箱进行计算得到的结果与实际案例进行对比，误差在5％内。验证了该模型，计算快捷，并能够提高计算的精度。

目录

摘要

CONTENTS

第一章 绪论

1．1 论文的研究背景及目的

1．1．1 设计阶段造价管理的研究背景

1．1．2 设计阶段造价管理研究的目的

1．2 设计阶段造价管理研究综述

1．2．1 国外研究现状

1．2．2 国内研究现状

1．2．3 现状评述

1．3 论文的研究的内容和技术路线

1．3．1 论文研究的技术路线

1．3．2 论文研究的内容

1．4 论文的创新之处

第二章 BP神经网络的原理

2．1 神经网络基本理论

2．1．1 神经网络结构

2．1．2 基本BP算法公式推导

2．1．3 BP神经网络信息处理的特点及流程

2．2 BP神经网络的设计

2．2．1 网络的层数

2．2．2 隐含层的神经元数

2．2．3 初始权值的选取

2．2．4．学习速率

第三章 基于特征的相似工程确定流程

3．1 设计阶段影响住宅建筑工程造价的因素分析

3．2 住宅工程数据采集标准的建立

3．2．1 住宅建筑指标体系的建立

3．2．2 住宅建筑工程数据的采集

3．3 相似工程的确定流程

3．3．1 建筑特征

3．3．2 相似工程确定流程

第四章 造价指数及造价修正系数

4．1 造价指数

4．1．1 造价指数的介绍

4．1．2 造价指数的分类

4．1．3 工程造价指数的作用

4．2 本文简历的造价修正系数方法

4．2．1 人工、材料价格变化趋势分析

4．2．2 具体修正系数生成时需要考虑的因素

4．2．3、造价修正系数计算模型的建立

第五章 基于BP神经网络的住宅造价审核模型的研究

5．1 本文案例工程信息和MATLAB工具箱的使用

5．1．1 本文案例工程信息

5．1．2 nntool神经网络工具箱的使用

5．1．3 BP神经网络算法流程图

5．2 住宅工程工程量审核模型研究

5．2．1 住宅工程量审核输入输出层的选取及量化

5．2．2 住宅工程量审核BP算法程序流程

5．2．3 工程量审核模型结果分析

5．3 住宅工程造价审核模型研究

5．3．1 住宅工程造价审核输入输出层的选取及量化

5．3．2 住宅工程造价审核BP算法程序流程

5．3．3 工程造价审核模型结果分析

结论与展望

结论

展望

参考文献

攻读硕士学位期间发表的论文

声明

致谢