建筑工程造价预算中人工神经网络的应用

前言：想要写出一篇引人入胜的文章？我们特意为您整理了建筑工程造价预算中人工神经网络的应用范文，希望能给你带来灵感和参考，敬请阅读。

摘要:建筑工程造价预算对企业来说至关重要，其造价预算的准确性直接影响到建筑企业的利润率。影响建筑工程造价准确性的一个重要因素是建筑材料的价格波动。以螺纹钢为例，采用人工神经网络开展了建筑材料价格的预测。研究结果表明，人工神经网络能够有效地预测建筑材料未来的价格走势，从而为工程造价预算提供建筑材料的价格走势，提高造价预算的准确度。

关键词:工程造价，人工智能，预算

1概述

随着我国经济不断进步，城市化过程不断发展，人们对于各类型建筑的需求也在日益提升，建筑企业得到了蓬勃发展。与建筑企业盈利水平密切的工程造价也逐渐成为企业广泛关注的热点和难点问题之一。建筑工程造价是指建筑活动中企业的总成本，工程造价预算通常包括建筑安装工程的成本、建筑设备购置及租赁费用、建筑规划筹备费用、工程期间贷款利息等费用［1］，建筑工程造价的准确预算能够减小企业不合理的投入，控制项目的支出，实现企业利润的最大化。针对建筑工程造价这一问题，苏择浦［2］根据工程施工程序对工程造价中存在的问题提出了一些合理的建议。张萌等［3］采用BIM方法分析了转配式建筑施工过程中的成本预算研究。毛健［4］给出了一些降低建筑工程造价的建议，包括加强施工设计管理、加强施工过程管理等。公维龙等［5］分析了工程造价预算超标的原因，并在此基础上提出了解决对策。候颖哲［6］分析了新形势下的建筑工程造价管理的研究，分析了当前工程造价管理中的不足。目前，由于建筑工程的建设周期较长，工程建设初期能够做到对材料在市场上的价格预估、成本的波动范围等不稳定因素的起伏范围，准确估计建筑材料的价格对建筑工程预算方面起到了至关重要的作用。因此，本文提出了一种基于人工神经网络的建筑材料价格预测方法。

2人工神经网络

神经系统广泛存在于人和动物等生物体内，能够为生物提供外界环境识别、记忆、逻辑分析等功能。利用仿生学，McCulloch和Pitts［7］两位学者最早在1943年提出了人工神经网络的概念，他们将生物的神经系统抽象成“M-P神经元模型”，这一模型由大量具有计算功能的神经元节点连接组成，每一个节点模拟神经元的电信号传播，其输出由激活函数(activationfunction)来实现，神经元节点之间通过一定的权值来连接。利用这一模型，人工神经网络在优化问题、信号处理、大数据处理、图像识别、人工智能等领域逐渐获得了广泛地应用。到了20世纪80年代，Rumelhart首次提出了反向传播算法(BackPropagation)，针对这种算法建立的神经网络又被称为BP神经网络系统。BP神经网络系统是以误差信息逆向传播为基础的多层前馈神经网络系统，由输入层、输出层及隐含层构成，经过数学分析可以证明，一个具有三层深度的BP神经网络能够以任意精度逼近一个连续函数，且该网络具有结构简单、容易编程、计算精度高的优点，从而得到了广泛的应用，也为后续人工神经网络的构建提供了理论基础BP神经网络算法整体上可以分为前向传播和后向传播，其中，信号的前向传播依次经过输入层神经元、隐含层神经元及输出层神经元。同层神经元之间各不相关，而且神经元的输入输出信号只能从低层神经元传递到高层神经元，其中神经元是否被激活则通过激活函数作为判断标准。激活函数种类较多，总体要求是该函数具有连续可微的特性，以方便后续的求导工作，本文即采用经典的Sigmod函数作为激活函数。后向传播将进行权重系数的修正，即开展误差修正，以提高神经网络预测的精确度。通过这两种传播机制反复进行计算直至预测误差低于设定阈值即可停止训练过程。本文采用三层人工神经网络，其结构如图1所示，其中，隐含层包括5个神经元。

3螺纹钢价格预测

工程建筑中常用的建筑材料包括水泥、砂石、钢材等材料，其价格的变动将对企业建筑工程的利润带来重要影响。本研究以建筑工程中常用的螺纹钢为例，采用人工神经网络对螺纹钢的价格走势开展了预测研究，如图2所示。图2中，黑色方框为近年来(2017年1月—2019年12月)36个月内的螺纹钢每月的实际价格，可以看出，螺纹钢价格随时间剧烈变化，且变化并无明显的规律，无法用目前现有的函数进行识别和预测。本文利用人工神经网络，以前期螺纹钢价格为训练样本建立神经网络系统，如图2所示，图2中实线为根据实际螺纹钢价格的BP神经网络拟合曲线，从图2中可以看出，BP神经网络拟合过滤了价格剧烈波动，保留了价格走势，获得了螺纹钢价格的总体走势。图2中虚线给出了未来12个月的价格走势，可以为工程造价的螺纹钢价格提供具有一定准确性的预测，结合训练样本中的不同时间的价格偏差量，进一步可以有效地规避螺纹钢价格剧烈变化引起的预算偏差。同理，人工神经网络还可以用于水泥、砂石、木材等常用的建筑材料的价格预测中，通过提供过去一段时间内的建筑材料价格，以此为人工神经网络系统训练数据建立起来的各个建筑材料的人工神经网络能够较为准确的预测价格的走势，从而能够实现建筑工程造价预算的高精度量化计算，避免人为因素造成的造价预算偏差。

4结语

建筑工程造价预算对于建筑企业的利润有至关重要的作用，为提高建筑工程造价预算中建筑材料价格预算的准确性，采用人工神经网络能够有效地应用于建筑材料未来价格的预测，降低建筑材料价格因素引起的预算误差，从而提高建筑工程造价预算的准确性，进而能够有效地提高建筑企业的利润率。

参考文献:

［1］李晓丽．建筑工程造价预算有效控制措施分析［J］．经济•管理•综述，2020(3):22-24．

［2］苏择浦．建筑工程造价全过程控制策略分析［J］．建筑与预算，2019，12(15):86-87．

［3］张萌，邱小秦，芦新月．装配式建筑施工进度问题及基于BIM的对策分析［J］．经济•管理•综述，2020(4):56-57．

［4］毛健．建筑工程造价影响因素及降低工程造价措施［J］．居舍，2020(3):71-72．

［5］公维龙，杨晶．建筑工程造价预算超标的原因及控制对策［J］．科学管理，2020(2):44-45．

［6］侯颖哲．新形势下的建筑工程造价管理探讨［J］．智能管理，2020(3):43-44．

作者：罗永康 单位：山西执中工程造价咨询有限公司