基于BP網絡模型的渾河臺安縣段治理成本估算分析

李延君

(遼寧省臺安縣水利事務服務中心，遼寧 臺安 114100)

0 引 言

我國北方地區河網稠密、水系發達，各支流縱橫交錯且雨量較為豐富。近年來，暴雨、強降雨等極端天氣頻繁發生，水土流失與中小河流洪澇災害問題嚴重威脅著沿河民眾生命財產安全[1]。為進一步加強中小河流綜合治理工作，我國正式頒布了關于加快水利改革發展的決定。項目法人在河流治理規劃階段面臨著如何準確估算治理成本的難題，且該治理成本估算為支付河流前期勘測、設計、研究等費用以及向上級部門申報治理資金的重要依據。所以，為更好的促進我國中小河流治理有必要建立合適的河道治理成本估算模型。

由于具有聯想記憶、自適應性、自組織學習、高度非線性映射、高度容錯等特性，BP神經網絡在估算工程投資、處理多因素復雜問題等方面應用廣泛[2-4]。針對BP網絡在工程造價估算方面的應用諸多學者開展了一系列研究，如楊無疆等[5]根據住宅工程的特征類目和神經網絡的基本原理，構建了能夠快速估算成本造價的BP網絡模型；王新征等[6]將神經網絡理論與顯著性成本法相耦合，運用顯著性成本優化模型快速估算了擬建工程投資；任宏等[7]考慮軟件環境、工程硬件、工程造價指數對投資成本的影響，基于改進的BP網絡構建工程量和工程造價估算模型，并對模型的實用性和準確性以深圳市已建工程進行了驗證。

文章對河流治理工程規劃設計階段的投資成本運用BP神經網絡方法進行估算，根據遼河平原腹地河流治理工程特點選擇神經網絡的輸入量，由此構建基于BP網絡的工程成本估算模型，結合渾河臺安縣段已建治理工程資料驗證了模型的精確性和適用性。

1 河道治理工程特征指標的選取與處理

1.1 工程造價影響因素

造價成本估算涉及到的范圍廣、因素多且計算過程較為復雜，任意一項參數的改變均可對工程造價產生一定的影響和波動，且不同特征指標的影響程度存在一定差異，若全部考慮、統一對待各特征元素并忽略其間的差異影響，則成本估算結果勢必會產生偏差。一般情況下，河流治理主要有河道建筑物、疏浚工程、護岸工程等建設任務，低山丘陵區中小河流具有洪水陡漲陡落、水力坡降大、河道狹窄等特征，從而導致河道淤積通常較少、堤防沖刷損壞嚴重，平原區的河流具有河床寬廣、水量大、容易形成泥沙堆積。通過分析河流治理成本造價構成，總工程70%的成本用于護岸工程建設，因此在河流治理投資估算中護岸工程的造價特征指標十分重要。護岸工程成本造價主要與護岸類型、結構尺寸、河岸地形地質條件、水流流速、河道坡比等因素相關[8]。

1.2 特征指標的選取

遼河平原腹地河流不具有較為復雜的地質特征，地勢起伏變化不明顯，局部地區也會存在著暴雨強度大，降雨集中，但是不同區域的氣候條件存在一定差異。另外，降水匯集不易集中、洪水位較低、坡降較小以及匯流時間段較長等為遼河平原腹地的典型特征，水流速度較慢，沖刷能力和攜沙能力都比較弱，岸坡具有一定的抗沖刷能力，洪水懸移質與推移質偏多，但是若發生特大洪水極易引起淤塞河槽、河岸滑坡、坍塌等災害，甚至可能出現摧毀村莊鄉鎮、損壞耕地等災害。對此，要充分考慮河道水土流失的特點、水流特征，綜合考察整個流域與河道上下游、左右岸的之間的關聯性，按照科學的方法統籌規劃各項治理措施。目前，格賓擋墻、雷諾護坡、仰斜式漿砌石擋墻、重力式漿砌石擋墻等為遼河平原腹地中小河流常見的護岸型式。在選擇護岸型式時要考慮的因素有水流流速、河道坡比、地質條件等，同時分析是否與生態環境、沿河景觀之間的協調性[9-12]。文章結合已建項目相關資料和工程造價主要影響因素，選擇治理措施生態與否、護岸頂寬、護岸高度、水流流速、河道走勢、治理長度、天然坡比、護岸型式等8個河道治理特征指標。

1.3 特征指標的量化

字符型和數值型為護岸工程特征指標的主要類型，必須經數據預處理后方可將數值型特征指標輸入模型；字符型特征指標不僅要作數據預處理，而且要轉化為數值型參數方可參與運算。數值型指標有各賓擋墻、雷諾護坡、仰斜式擋土墻、重力式擋土墻，相應的賦值分別為4、3、2、1，字符型特征指標有流速度、天然坡比、河道走勢，其量化結果見表1。

表1 指標量化結果

2 BP網絡成本估算模型

2.1 模型結構

由輸出層、輸入層、隱含層三層網絡結構組成的BP網絡成本估算模型，其隱含層一般存在多層或一層。全連接為BP網絡各層及之間的連接方式，而連接程度的控制主要依據對權值的調整來實現，學習過程為權值調整的常用方法，神經元在同一層次內不存在相互連接的關系。

BP網絡主要有輸入、輸出、誤差計算、自學習、傳遞函數等運算模塊，其中輸入層可實現成本估算信息的接受，通過設定期望誤差和一系列神經元節點的運算完成最終的成本估算。客觀事物的復雜關系利用高度非線性映射、高度容錯性的樣本學習與訓練過程描述，對隱含層的變換計算使得訊號經過輸出節點形成相應的輸出值，非線性Sigmoid激活函數為傳遞過程中輸出節點與隱含層的運算公式。為降低輸出成本與理想成本之間的誤差，通常需要將反復多次學習訓練，當達到設定的精度要求時停止網絡參數的訓練。

2.2 模型參數

在河流治理成本估算過程中BP網絡的相關參數主要有：①確定BP網絡輸入、輸出節點：根據具體的問題設定網絡的輸出、輸入節點數，文章設定的網絡輸出和輸入節點為1、8個。②設定閾值和權值：選取-1-1之間的隨機數作為閾值和初始權值。③設定學習速率：為保證系統的穩定性一般選取較小的學習速率，即0.01-0.80。④收斂精度的設定：通常情況下根據工程投資實際值與預測值之間的均方誤差確定，若最小均方誤差小于模型收斂誤差，則認為模型收斂運算結束，該模型收斂精度為0.0002。⑤隱含層的確定。選用試錯法確定隱含層數及其節點數，試錯結果表明節點數為28、隱含層為1層時BP網絡的均方誤差最小，模擬效果最佳。

2.3 成本估算流程

反演預測、網絡訓練、樣本篩選與準備模塊為構成BP神經網絡成本估算的主要流程，詳見圖1。

3 模型驗證

為了進一步驗證BP網絡的實用性與可行性，以渾河臺安縣某遼河平原腹地32段中小河流治理工程為樣本，綜合考慮頂寬、護岸高度、結構型式等特征指標對成本估算的影響。BP網絡輸入量為能夠反映工程特點、對成本造價影響較大的8個典型因子，工程造價相關資料和具體特征指標見表2。其中，BP網絡訓練樣本為1-28#樣本，檢測樣本為29#-32#樣本。

圖1 基于BP網絡的成本估算流程

經73次訓練后BP網絡的性能曲線見圖2，設定的收斂誤差為0.0002，最小均誤差為0.00018625，滿足預期精度要求。對于相似樣本可利用訓練好的網絡實現自動的計算處理，誤差最小時的結果輸出即為成本估算最終值。具體而言，模型輸入向量選擇為初始數據，網絡輸出即為成本估算結果，利用網絡對學習樣本訓練，當達到設定精度要求時停止運算，采用該模型進行成本估算分析，并輸出最后的結果值。

文章運用訓練好的網絡模型測試29-32#成本估算樣本，結果如表3，由此確定各工程的投資成本分別為32.58、12.95、35.72、22.46萬元/百米，相對誤差分別為3.07%、7.72%、2.80%、4.4%，均小于10%，由此表明在河流治理成本估算方面所構建的網絡模型具有較高的精確度，可為工程投資和成本控制提供一定參考。

表2 工程投資成本和樣本特征指標值 m、萬元/百米

續表2 工程投資成本和樣本特征指標值 m、萬元/百米

圖2 樣本訓練性能曲線

4 結 論

考慮到遼河平原腹地河流治理的特征，河道護岸工程為河流綜合治理的重要環節。文章結合遼河平原腹地河流特點和已建工程相關資料，選擇護岸型式、水流速度、河道走勢、治理長度、天然坡比、措施生態與否、護岸頂寬、護岸高度8項指標構成BP網絡輸入向量，然后針對遼河平原腹地河流治理項目構建投資成本估算模型，并以渾河臺安縣某已建河流治理工程為例，驗證了該模型的準確度與可行性。研究表明，所構建的BP網絡成本估算模型具有較強的非線性擬合能力和較高的計算精度，能夠系統全面的描述工程造價與工程特征指標之間的非線性關系，可為工程投資成本控制和方案優化設計提供一定指導。