基于BP神經網絡的建筑工程造價預測探討

隨著我國市場經濟的高速發展，城市建筑的發展也越來越迅速，對于建筑工程的造價預算也越來越嚴格，諸多施工單位都非常重視造價環節，而對于建筑工程造價的預算的精準性程度，在很大程度上決定了施工單位對建筑工程招標投標的可行程度，本文就基于BP神經網絡的建筑工程造價預測進行分析探討，以便跟好的提高建筑工程造價環節的預測，研究出更快更有效的建筑工程造價預算，并通過具體的案例對其預算進行詳細的闡述，以供相關人士進行參考。

隨著我城市化發展越來越快，建筑行業得到了蓬勃發展，而建筑工程成本預算在整個建筑工程中有著重要的意義。傳統的建筑工程造價預算模式比較粗曠簡單，其主要預測方式就是對整個建筑工程的每個施工環節所需要的建筑材料及人工費用的總和，再加上對部分建筑材料的損耗而得出的結果，這種建筑工程造價預測模式相當復雜，而且進行預測時需要花費大量的時間，極易出現誤差情況，而基于BP神經網絡的建筑工程造價預測卻能快速的實現對建筑工程造價的計算，并得出造價預算結果，這對于整個建筑工程造價預測有著積極的作用。

一、工程概述

該工程為某房地產投資開發公司建的高層綜合大樓，樓體長度為185.50米，樓體寬度為125.70米，樓體高度為112.00米，地下樓層為2層，地上樓層位28層，建筑總面積為2.35萬平方米，該工程的主體設計部分由中建設計院設計，其結構為混合式結構，建筑工程樁基建設使用的是最新的鉆孔罐注樁施工技術，基坑支護使用釘支護施工方式，所澆筑的樁基采用鋼筋籠與混凝土結構，砌墻所用磚為工業式重磚所砌，外墻裝飾使用的是國外進口的乳膠漆，內墻裝飾用的乳膠漆也是進口產品，為白色，地面結構是普通的水泥加大理石構成，門窗部分使用的是傳統的鋼架構門窗。

二、建立BP神經網絡模型進行建筑工程造價預測

BP神經網絡模型對于建筑工程造價預測非常有效，不但能夠精準的對建筑工程造價計算，而且還能對其進行每一個環節的參數分析，并對其參數經過計算后確定，在整個BP神經網絡模型工作時，將建筑工程的每一個環節的各項參數輸入，其中所有的參數都能融入于整個BP神經網絡模型所包含的神經元的數量和所有的參數，BP神經網絡模型中輸入的建筑工程的輸入層區的物理主要包含了各個環節的處理信息數據，還有模型中暫時未處理或已經處理的問題的數據所對應的全部信息，而在BP神經網絡模型中輸出層的物理主要包含的數據信息，就是其中暫時未能解決的問題數據和數據相預期的答案。

建立BP神經網絡模型能夠進行建筑工程的造價計算，還能夠對其造價預測影響的部分元素進行分析處理，從而能夠進一步完成對建筑工程造價的預測計算，而且整個計算過程相對于傳統的建筑工程造價計算較為簡便。可以系統的設定一連串較小的數據，將這些數據預定為初始值，如a1，a2，a3……an等設置為輸入量，C1，C2，C3……Cn等設置為輸出量。之后進行建筑工程的每一個環節進行造價預測計算的時候，可以根據每種方案進行計算，計算公式為：Cs=a1C1+a2（1-a1）C2+a3（1-a1）（1-a2）C3+……+an（1-an）（1-an+1）Cn。在這個基礎上，可以得到建筑工程每一個環節的計算數值，從而有效的確定建筑工程整體造價的預測數值。

三、基于BP神經網絡的建筑工程成本預測

該工程為某房地產投資開發公司的高層綜合大樓，其中一部分運用于商業，另一部分運用于公司員工住宿。因此，該建筑工程與其余建筑工程有著較為明顯得對比性，根據該工程造價的實際情況進行分析，可以快速的計算出工程造價，可以從該工程的建筑面積、安裝工程、地面工程、外墻裝修、天棚裝飾、內墻裝修、門窗工程、建筑層數、砌筑工程、樁基、等10個方面進行計算，從而得出整個建筑工程的造價，通過對該建筑工程的10個特征，在基于BP神經網絡的建筑工程造價預測會更加精準和詳細，該工程與其余工程相比，除了層數及建筑材料使用不同以外，在其余多方面的結構定型上都不會有太大的比較，基本上沒有多大的差別。由此可見，為了最大效率的滿足于精度計算的需求，又要使得工程建筑造價預測相對簡便，可以按照相似的程度進行類似工程的造價預測探討.如圖1所示。

選擇的工程類似工程以A、B、C、D、E、F來標示，而該工程為某房地產投資開發公司的高層綜合大樓，用S來標示，根據表1可以看出，S與A、B、C、D、E、F六棟相似建筑比較，相似系數分別為0.931、0.921、0.915、0.917、0.935、0.912等，因此，a1就可以等于0.931，a2就可以等于0.921，a2就可以等于0.915，a4就可以等于0.917，a5就可以等于0.935，a6就可以等于0.921，6組相似建筑物的單方造價與之對應分別為C1就可以等于9310，C2就可以等于9210，C2就可以等于9150，C4就可以等于9170，C5就可以等于9350，C6就可以等于9210。由此可見，該工程為某房地產投資開發公司的高層綜合大樓的建筑工程造價預測計算公式可以使Cs=a1C1+a2（1-a1）C2+a3（1-a1）（1-a2）C3+a4（1-a1）（1-a2）（1-a3）C4+a5（1-a1）（1-a2）（1-a3）（1-a4）C5+a6（1-a1）（1-a2）（1-a3）（1-a4）（1-a5）C6+1/6（1-a1）（1-a2）（1-a3）（1-a4）（1-a5）（1-a6）（C1+C2+C3+C4+C5+C6）等計算方式進行工程造價預算。最后將相類似建筑工程所得參考數據帶入計算公式中，就能很精準的計算出該工程為某房地產投資開發公司的高層綜合大樓工程的造價預算，其得出的結果為1495.68。修正后的該工程為某房地產投資開發公司的高層綜合大樓的建筑工程造價結果為1564.87。

四、結語

基于BP神經網絡的建筑工程造價預測，能夠有效的控制建筑工程的造價，在運用其進行造價計算的過程中，能夠有效的對建筑整體數據進行確定，擁有非常精準的數值，特別是在早期的建筑工程階段，運用BP神經網絡模型進行建筑工程造價預算的精準度能控制在96%以上，不但比傳統的工程造價更簡捷方便，而且還省略了大量的時間，為整個建筑工程項目打下了良好的造價估算基礎，對于建筑企業招標投標有著巨大的作用。由于BP神經網絡模型具有強大的建筑工程造價計算功能，使得其在整個建筑造價中占據著重要的地位，所使用的范圍也越來越廣泛。由此可見，在進行建筑工程造價預測的過程中，充分利用BP神經網絡模型進行造價預測，能夠大大降低企業的成本，提高企業的經濟效益。（作者身份證號為350321197902184516）