公路工程造價估算論文

導語：公路工程造價估算論文一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要：為提升公路工程造價估算的準確性，應用模糊神經網絡法對公路工程造價進行估算。結合工程案例，詳細探討了公路工程造價估算中模糊神經網絡的應用，結果表明，采用模糊神經網絡方法能夠有效降低公路工程造價估算結果的平均誤差，可以極大程度提高工程造價計算精度，獲得合理的造價。

關鍵詞：公路工程；造價；估算；模糊

神經網絡對于公路工程建設企業來說，工程估價的準確性與合理性，直接決定著項目投資決策的正確性，是分析工程項目可行性的主要環節，同時也是公路工程項目標底編制的主要控制標準，因此工程造價估算的準確性，是各建設單位研究的重點內容，其對加強公路工程項目成本管理，有著積極的作用。

1公路工程造價估算的必要性

公路工程管理工作中，造價管理是主要內容，此項工作直接影響著建設企業的效益與工程的質量，歷來都是管理的核心部分。工程造價估算是項目前期管理的重要內容，是實現項目成本控制目標的基礎。造價估算能夠為項目施工方提供成本控制方案編制的依據。在設計招標前，明確工程預計造價，能夠避免招標環節惡意行為的發生。

2模糊神經網絡應用流程優勢

2.1模糊神經網絡應用流程。近年來，公路工程造價估算工作中，多采取模糊神經網絡來進行估算。公路工程造價估算，多是通過輸入公路工程相關要求與特點，最后輸出估算結果，這與模糊神經網絡應用原理極為相似，其具體流程如下。（1）構建信息庫基于已有工程信息，包括工程特征因素與工程造價等材料，構建造價信息庫。（2）取值結合公路工程施工要求，明確各類特征因素，包括評價指標，確定數據取值。（3）選取輸入與輸出向量基于模糊神經思想法，在造價信息庫內，至少選擇3個已完成施工的項目，作為基礎數據，以供神經網絡學習與訓練。輸入向量選擇為各類特征因素值，輸出向量為造價估算值。（4）迭達運算基于系統內的造價數據來編制算法程序，以供神經網絡學習，設計學習率，通過多次迭達運算，保障造價估算的準確性。2.2模糊神經網絡的應用優勢。公路工程造價估算中，采取模糊神經網絡法，具有以下優點。（1）造價模型化利用模糊數學，可以高效處理模糊信息。采取對比已建設和新建的公路工程，進行定量化描述，使得相關問題可以模型化。（2）結果更為科學開展公路工程造價估算，應用模糊神經網絡，再通過構建數學模型，進行數學計算分析，能夠減少人為計算的誤差，計算結果的準確性與科學性較高。（3）適應性強公路工程造價具有動態變化特性，模糊神經網絡模型能夠很好地適應此特性。此估算方法的應用，主要是依靠計算機，不僅運算速度快，而且運算精度較高。

3模糊神經網絡在公路工程造價估算中的應用

模糊神經網絡估算方法較多，文中選擇BP神經網絡法，是基于仿人腦的神經系統結構，具有較強的學習能力，為非線性自適應動態系統[1]?，F對其在公路工程造價估算中的應用，做以下的分析。3.1公路工程樣本描述與定量。公路工程構件主要包括底層、基層、面層等，工程造價是由各構件類型與價格等因素決定，實物工程量取決于工程結構設計參數。已建工程造價變動，主要是受到構件因素的影響，被稱作是工程特征?；诠こ烫匦?，將公路工程劃分為不同類別，若按照路面形式劃分，主要包括瀝青路面和水泥路面等，為特征類目。對于工程定量化，是按照特征類目，依據定額水平與工程特征，填入相關數據，如表1所示。由表1能夠看出，每個公路工程模式均可以利用表格的形式來定量化描述，一個特征可以由多個類目組成，按照比例來計算量化結果。3.2BP神經網絡學習算法。在BP神經網絡中，需要將信息傳遞到網絡隱節點上，使用S型激活函數，把信息傳出，接著發揮激活函數的作用，成功輸出結果。在網絡隱節點以及輸出節點位置處，選擇S型激活函數，即f（x）=11+ex，若此結果未能按照正常程序開展，此時要轉變成反向傳播。假設存在N個樣本，定義描述為（Xk，yk)(k=1,2,⋯,N)，其中某個輸入值為Xk，對應的神經網絡輸出值是yk，而隱層節點I的輸出值是Oj[2]。3.3工程造價估算模型?；贐P神經網絡，構建公路工程造價快速估算模型。針對以往工程案例，開展估算研究，將工程特征定量化數值，設為Xij(i=1,2,3,⋯,n;j=1,2,3,⋯,n)，將相應的工程造價定額預算相關資料，設為yis(i=1,2,3,⋯,n;s=1,2,3...n)，不考慮市場價格調整。明確BP神經網絡結構系統參數，包括輸入層節點數m、輸出層節點數n、隱層節點數L。以Xij為輸入，以yis為輸出，開始神經網絡訓練，獲得新建工程的造價估算神經網絡，反向估算新建工程造價[3]。3.4計算實例。以某省道一級公路和二級公路工程為例，其中一級公路使用的是瀝青混凝土路面，記為T19；二級公路使用的是水泥混凝土路面，記為T20，檢驗18個樣本工程造價數據，基于檢驗結果能夠了解，T19造價指數是0.98，T20造價指數為0.96，獲得預算資料如下：T19路面類型是半柔性路面；基層為水泥穩定碎石；底層材料為石灰土；路面結構為瀝青混凝土；面層厚度為15cm；基層厚度為14cm；底層厚度為10cm；T20路面類型是剛性路面；基層為工業廢渣穩定土；底層材料為石灰土；路面結構為水泥混凝土；面層厚度為12cm；基層厚度為16cm；底層厚度為12cm。將獲得的預算材料和表1資料進行對比分析，能夠明確T19工程特征定量化描述是T19=(3,1,2,2,2,6,2.5)，T20工程特征定量化描述是T20=(5,4,7,3,4,3,4.1)，將T19與T20，輸入到經過訓練的BP神經網絡中，獲得的結果為T19=(0.4029,0.4056,0.5005,0.4365),T20=(0.6277,0.6156,0.4290,0.5661)，經過反算，獲得工程造價資料預測值，其中V19=(481.74,16.44,0.0046,145.85),V20=(1185.82,37.16,0.0033,247.07)，預測的相對誤差O19=(1.61%,4.65%,4.15%,1.40%)，O20=(3.76%,3.67%,5.70%,1.84%)，由此能夠看出，基于BP神經網絡預測的工程造價估算精度較高[4]。

4結語

模糊神經網絡的應用，主要是基于模糊數學與神經網絡理論，借助類似工程之間存在的相似性，采用BP神經網絡法進行公路工程造價估算，能夠快速獲得估算結果，具有較強的應用優勢。

作者:錢強 單位:中建路橋集團有限公司

參考文獻：

[1]王運琢.基于BP神經網絡的高速公路工程造價估算模型研究[J].石家莊鐵道大學學報（自然科學版），2011，24（2）：61-64.

[2]劉湘雄.人工神經網絡在工程造價估算中的應用[J].建筑，2012（12）：68-69.

[3]陳文盛.工程造價估算模型研究與基于層次分析法的BP神經網絡模型應用[J].價值工程，2015（29）：86-89.

[4]陳宏偉.公路工程估價的分布估計神經網絡算法[J].價值工程，2013（8）：105-106.