基于BP神經網絡的鄉村公路工程造價模型研究*

王中莉

(中南林業科技大學涉外學院，湖南長沙410004)

隨著我國公路工程建設規模和投資力度不斷增大，如何控制和降低工程造價成為公路建設中的一個突出問題。而當前在公路建設中普遍存在的造價失控現象，最主要原因就在于投資預測的準確程度不夠，因而公路工程造價估算日益顯示出其重要性。尤其是對于鄉村公路而言，因其獨有的特點，受地質、氣候條件影響很大，建立一個適合鄉村公路工程的造價模型具有重要的現實意義。傳統的工程造價估算方法和估算模型有很多，但這些方法在一定程度上存在局限性和不全面性，不能完全滿足公路工程造價估算的需要。在歷史數據不全面，又需要快而準確地估算出工程造價的情況下，運用BP神經網絡來對公路工程造價進行估算比較合適。本文以鄉村公路的重要組成部分之一——路基工程的造價為研究實例，提出了基于BP神經網絡的鄉村公路工程造價模型。

一、BP神經網絡模型簡述

標準的BP神經網絡由最下層的輸入層、最上層的輸出層、中間的一個或多個隱含層組成，各層之間實現完全連接，同層神經元之間沒有連接。BP算法的學習過程包括了正向傳播和反向傳播兩個過程［1］。在正向傳播過程中，輸入信息經輸入層、隱含層逐層傳遞到輸出層，由輸出層向外界輸出信息處理結果;如果在輸出層未能得到所期望的輸出值，則開始誤差的反向傳播過程，將誤差信息通過輸出層，沿原路逐層修改各層權值，向隱含層、輸入層逐層反傳，再經過正向傳播。反復地運用這兩個過程，直到誤差減小到可接受為止，或者預先設定的學習次數為止［2］。

圖中各神經元的輸入與輸出(除輸入層)為非線性映射，一般采用S(Sigmoid)

二、實例分析

本文選用在鄉村公路工程造價中所占比例較大的路基工程進行模型的建立，以此說明BP神經網絡方法在鄉村公路工程造價模型中的應用。

(一)工程特征因素的確定

工程特征即能表示工程特點，且能反映工程的主要成本構成的重要因素。通過對路基工程造價的眾多影響因素進行分析和篩選，確定公路長度、設計斷面挖方量、平均填土高度、平均邊坡長度、寬填厚度、路基增均占地寬、土質類型、可借用土方、其他因素的工程量這9種主要因素作為工程特征。

(二)建立造價模型

本文采用三層BP網絡模型，該模型的輸入單元數為9個，分別為公路長度 x1(公里)、設計斷面挖方量 x2(1000m3)、平均填土高度x3(m)、平均邊坡長度x4(m)、寬填厚度x5(m)、路基增均占地寬x6(m)、土質類型x7、可借用土方x8(m3)、其他因素的工程量x9(m3);輸出單元數為5個，分別為總計價金額y1(萬元)，總計價土石方量y2(1000m3)，路基因加寬所應增加的填方數量y3(m3)，路基因沉降而增加的土方量y4(m3)，其它工程增加量y5(m3);隱含層單元數為2×9+1=19個。共收集訓練樣本8個，測試樣本4個。模型用Matlab編程實現。表1中列出了12個樣本的特征數據和預算資料。

表1 鄉村公路路基工程樣本數據

(三)測試結果分析

(1)首先對樣本9－11的測試結果進行分析如下:

?

表中的平均誤差為4次預測結果的相對誤差的平均值，其中相對誤差為:

(2)將樣本9－11的測試結果的平均誤差進行分類整理，得到圖1所示。

從上圖可知，5個輸出指標的平均誤差浮動總體上都在可允許范圍之類。通過樣本9－11對所建立造價模型的檢測，證實此模型可用來預測鄉村公路路基工程造價。

(3)對實例樣本12的測試結果分析

通過以上三個樣本的檢測，得到了平均誤差的整體走勢圖。進而對樣本12，也就是所選實例——某縣水電站庫區公路路基工程數據進行測試。經過多次測試比較，在訓練次數達到10003時，誤差是最小的，測試結果與期望輸出最為接近。測試結果如表2所示。

圖1 輸出指標平均誤差分析圖

表2 路基工程造價模型測試結果

測試結果分析:由表2可以看出，測試結果的相對誤差最大為2．22%，最小為－2．63%，預測結果較為精確，同時也證明了將BP神經網絡用于鄉村公路工程造價模型的可行性和有效性。

三、結論

本文所建立的BP神經網絡模型能夠快速、準確地估算出鄉村公路路基工程的實際造價，經實踐檢驗估算結果與實際工程造價相符，能夠較好地應用于工程實際。同時，本文的研究從某種程度上說是一種新的嘗試，對于鄉村公路工程的造價估算是一個新的思路，這也為其他類似的工程提供了理論依據。

［1］劉彩紅．BP神經網絡學習算法的研究［D］．重慶:重慶師范大學，2008．

［2］Chua Boon Lay，Khalid M，Yusof R．An enhanced intelligent database engine by neural network and data mining:TENCON 2000［J］．Proceedings，2000，(2):518 －523．

［3］王旭，王宏，工文輝．人工神經元網絡原理與應用［M］．沈陽:東北大學出版社，2000．

［4］徐宗本，王國俊．計算智能［M］．上海:上海交通大學出版社，2004．