基于贝叶斯正则化神经网络的工程造价估算模型研究

摘要

建筑业在我国经济发展中起支柱产业的作用。随着我国经济体制改革的不断深入，经济的持续发展，固定资产的投资不断增加，往往在投资控制部分存在一些问题。在建设过程中投资随着项目的进行而无法控制，最终导致超出预期估算的局面，给投资人带来了无法预测的损失。因此投资估算的正确性、合理性将直接影响到项目的投资决策、投资控制、投资经济效果，并直接影响到工程建设能否顺利进行。 加入WTO后，我国经济已纳入全球经济一体化轨道，彻底融入到世界经济的大潮中。建国以来，我国一直实行与计划经济相适应的造价估算体系，即基于估算指标和定额的工程造价估算体系，同时建设工程项目造价管理的模式也发生了一定的变革，但是其中仍有不少问题存在。基于这些问题，本文就工程造价管理中的建设初步估算的合理确定与有效控制进行了研究。投资估算是建设工程项目造价的最高限额，是项目投资决策的重要依据，也是设计概算造价的控制指标。投资估算对于项目建设前期阶段乃至整个项目都起着至关重要的作用。 随着我国对建筑市场投资的透明化、科学化程度不断加深，同时为了满足对外开发并与国际经济接轨的需要，我国的投资估算方式将逐步过渡到西方国家的“量”与“价”分离的做法<'[16]>。即不依据定额，而靠造价师的经验和技巧，参照当时当地的技术经济指标和造价信息来估算工程造价。这种专家大脑的思维方式与神经网络工程的研究正好吻合。这就为投资估算与神经网络的结合提供了思路与基础。目前神经网络数学模型已广泛的应用于公路、住宅、厂房等投资估算中。它是对造价估算方式与国际接轨所作的有效尝试，并开拓了神经网络的又一应用领域。本论文主要在以下的几个方面进行了研究： (1) 建设工程项目投资控制的现状，提出以项目前期投资决策阶段为重点的建设全过程投资控制，指出投资估算在项目建设前期的重要地位。 (2) 分析投资估算的固有特点，总结传统投资估算方法的优缺点，展望工程投资估算的发展趋势。 (3) 介绍神经网络在建筑工程领域的应用实例，阐述神经网络模型的结构、主要特点、原理算法，提出其应用于投资估算的最佳模式。 (4) 概括基于神经网络投资估算模型的基本原理、主要特点及框架，详细介绍模型的函数及其主要功能，阐述了模型的训练和测试并探讨了系统的适用性及应用前景。 (5) 运用MATLAB6.0语言编写了神经网络的投资估算程序，对其神经网络程序给出了改造，引入了贝叶斯(Bavesian)正则化算法，较好的解决了神经网络泛化问题。文中收集了河南地区近一年来的多层民用建筑实例56个，作为训练样本对BP神经网络进行训练，并利用测试样本分析其在不同参数取值情况下的泛化性能。 最后，通过实际运算结果表明：系统的基本理论正确，程序设计合理，实际应用效果较好。

目录

文摘

英文文摘

声明

1绪论

1.1研究背景

1.2建设产品的特性和东、西方工程估算体系的简介

1.2.1建筑产品的特性

1.2.2由建筑产品特性而衍生的东、西方两大估算体系

1.3现代投资估算的理论基础及其应用方向

1.3.1现代投资估算的理论基础

1.3.2其应用方向

1.4选择神经网络用于投资估算的原因

1.5论文研究的意义

2建设工程项目的投资管理

2.1概述

2.1.1建设工程项目投资管理

2.2建设工程项目投资控制现状

2.3建设工程项目全过程投资控制

2.3.1建设工程项目投资的多次性计价

2.3.2建设工程项目实施过程中的成本费用控制

3建设工程项目前期投资估算

3.1建设工程项目造价的最高限额

3.2投资估算的分类

3.3投资估算的作用及其注意事项

3.4投资估算的深度

3.5投资估算的编制依据和传统编制方法

3.5.1传统投资估算的编制依据

3.5.2传统的投资估算编制方法

3.6工程造价估算过程自动化介绍

4改进的BP神经网络理论

4.1概述

4.1.1神经网络的概述

4.1.2神经网络在建筑工程中的应用

4.2人工神经网络的基本结构与模型

4.3 BP神经网络理论

4.3.1 BP神经网络算法

4.3.2 Bayesian正则化算法

5基于改进的神经网络的投资估算模型

5.1快速估算工程造价的模型思路

5.2建筑工程样本的模式描述

5.2.1影响造价的结构表现特征

5.2.2影响造价的建筑表现特征

5.3 BP神经网络依照建筑特征建模

5.4 BP神经网络估价系统的实现过程

5.4.1 MATLAB数学计算语言

6工程实例分析与计算

6.1引言

6.2科学地选择样本提高结果的精确率

6.3实例计算

6.3.1样本的输入与初始化

6.3.2将样本的输入网络

6.3.3改造神经网络，引入贝叶斯(Bayesian)正则化-trainbr工具箱

6.3.4贝叶斯正则化的神经网络与BP神经网络的比较

6.3.5贝叶斯正则化的神经网络估算模型在实际工程中的应用举例

结论与展望

结论

展望

攻读学位期间发表的学术论文

致谢

参考文献