基于BP神經網絡的公路路基造價方法研究

潘延昌

（蘭州鐵道設計院有限公司,甘肅 蘭州 730070）

1 概述

隨著我國經濟的快速發展，高速公路的建設也在全國范圍內掀起了新的建設熱潮，十三五期間,我國的公路里程已達485萬km,其中高速公路總里程已達14.3萬km,位列世界第一。但是由于公路工程造價的不可控性以及行業現狀的不斷變化，對公路工程造價管理的要求也進行一步提高[1]。尤其是隨著近幾年我國對公路工程的投入不斷加大，工程前期預算一次次被打破，導致對工程造價的管理要求也相應提高。公路工程項目的造價問題已經成為一個亟待解決的問題。

工程造價，最早為工程造價與管理是一種管理學的問題，造價作為該學科最為根本的問題已經由來已久，Konchar M.K.[2]認為造價為設計階段及施工階段所支付的工程費用，其中不包含現場管理費。谷重雄[3]則認為用于某項工程的所有費用即為造價的概念。而我國學者認為工程造價是指從事某項工程時所有費用的總和即為工程造價[4-6]。總而言之，不論國內外學者對造價概念的理解不盡相同，但是，基本對造價在工程中的應用的理解基本相同，即都認為造價是對從事某項工程中某項或某幾項費用的總和。

目前，針對公路工程造價管理的研究，國內外學者取得了許多重要研究成果[7-9]。郭曉軍[10]通過公路工程造價的研究，建立了一套控制公路工程造價的系統，并通過實踐對系統的適用性進行了優化和處理。王新志通[11]過自主設計開發了造價系統，并對系統中的處理模型及包含框架進行了說明。陳政[12]通過造價信息采集，對公路工程造價系統進行了優化。JianG.F[13]對美國的公路工程造價管理系統進行了綜合分析和評價。ChouJ.S.[14]開發了對公路工程造價能夠進行全周期監控的系統，并進行了應用。總之，隨著科技手段的不斷進步以及信息系統的不斷完善，對公路工程造價的管理研究會慢慢成熟。

本文主要通過BP神經網絡，結合實際工程對公路路基土石方量及防護工程量進行了計算，通過對計算結果和實際工程量的對比，研究本系統的適用性及結果的準確性，以期研究結果對公路工程建設過程中施工造價的控制及施工成本的把握提供參考。

2 BP神經網絡的特點及原理

BP神經網絡的特點是根據神經學中依靠神經元建立起來的具有自動調節功能的動態模型系統，本文中的公路路基造價估算就是基于此而建立的，利用動態模型實時進行造價調整，在工程建設過程中達到安全經濟的目的，此方法具有靈活，操作簡便等優點。

BP神經網絡運用在工程造價中是主要依靠它的性質決定的，即在其中輸入x個節點，經過一系列非線性的運算就會得到y個結果，這時候網絡空間也就從x維變為y維。通過調整其中的參數，使其達到預期的效果，該模型分為三層，通過輸入信號在經過內部非線性函數的復雜計算導出結果，模型內部分布圖如圖1所示。

圖1 模型內部分層示意圖

圖中紅色部分所示分別為輸入層和輸出層，中間藍色部分所示為復雜函數計算層，通過中間一系列非線性復雜函數的計算達到動態調整公路路基造價的目的。

本模型中BP神經網絡的計算過程如圖2所示，通過設定目標和期望值對計算結果反復輸入及輸出以達到合理的要求。

圖2 模型計算流程圖

3 模型的計算過程

3.1 參數選取

在模型建立前期需要進行大量的調查，選取合理的參數，以保證結果的可靠性、精確性和適用性。本模型主要是用來計算路基的造價而建立，因此通過查閱大量關于路基概預算資料，對模型中需要的計算參數進行確定。最終通過建筑安裝工程費獲得計算路基工程造價的參數，主要包括路基的長度及橫、縱斷面尺寸、地基處理的方法等。

3.2 模型計算過程

通過某高速公路路基土石方的統計，對全線路基土石方進行匯總，得到土石方平均值為320000m3/km，通過對全線路基橋隧占比的統計，得到表示單位千米路基土石方量(x單位：m3/km)與橋隧比(y，單位：%)之間的關系式，從式1中可以看出基本滿足線性關系。

由于路基跨度大，各段的橋隧占比不均且土石方的用量也各不相同，因此，本模型建立過程中將防護工程量（y,單位：m3）分為以下幾個等級，并得到與土石方用量（x，單位：m3）的關系式見表 1。

表1 函數關系匯總表

通過前期的計算，將計算參數輸入界面，并對50km長共計7個標段的路基工程進行造價估算。

4 模型結果分析

通過對土石方及防護工程進行路基工程造價的計算分別得到土石方及路基防護工程預測值與實際的誤差百分比，見表2、3。從表中可以看出，在土石方估算中最大誤差絕對值為12%，最小誤差為5%。在防護工程估算中最大誤差為16%，最小誤差為1%。

表2 模型土石方計算分析

表3 模型防護工程計算分析

圖3 誤差對比圖

圖3為通過模型計算得到的土石方工程及防護工程誤差對比圖，從圖中可以看出通過該模型計算得到的兩種工程誤差絕對值均小于16%，低于20%的要求，而且在土石方工程中基本都在10%以內。在防護工程中誤差變化范圍幅度較大，說明由于防護工程的復雜性以及防護技術的不同較土石方工程量難以預測。總體而言，誤差值均在20%以內，說明該模型可以用于一般路基工程量的估算。

5 結論與討論

本文主要采用BP神經網絡模型，對公路路基造價的計算進行了模擬，并對計算結果進行了分析，分析結果表明本文建立的模型結果，基本符合實際工程中的情況，可以對以后路基工程造價的計算提供相應的參考，本文主要得到以下幾點結論：

1）在土石方估算中最大誤差絕對值為12%，最小誤差為5%。誤差值基本都在10%以內，說明本模型在土石方工程量估算中可以簡單、有效地對路基土石方量進行估算。

2）在防護工程估算中最大誤差為16%，最小誤差為1%，誤差變化范圍幅度較大，說明由于防護工程的復雜性以及防護技術的不同較土石方工程量估算誤差較大。

由于條件限制，本文中模型參數的選取以及工程量估算中忽略了實際工程的許多復雜因素，有必要在下一步總結工程現場數據，提高參數選取的全面性、精確性，以使模型估算值更接近于實際值。