淺析BP神經網絡算法在工程估價中的應用

馮諭 夏晨

摘 要：本文綜述了工程造價和工程估價的含義，闡述了兩者間的不同之處，且通過闡述BP神經網絡算法原理，使其可以更直觀更易理解的運用于工程估價行業

關鍵詞：BP神經網絡算法;感知機;工程估價;工程造價

引言

早在古代，各種算術、建設古籍中已經涉及到工程估價和定額的相關內容。古時的浩大工程，像是都江堰、阿房宮的建設極有可能運用了這方面的相關知識才建的雄偉廣闊。而工程估價這個含義，從古至今都有出現。只是如今對于工程估價的定義更為具體，且其體系較為完整、系統。本文將通過BP神經網絡算法對工程估價原理進行深層次的剖析和闡述[1]。

1 工程估價的含義

1.1 工程造價

在闡述工程估價之前，首先引入工程造價一詞。工程造價是建設項目從籌建之日起至竣工驗收整個過程中所花費的全部費用的綜合，即建設工程總投資。相對于估價而言，其是結果。

1.2 工程估價

工程估價過程按照程序可以分成投資估算、設計總概算、修正概算、施工圖預算以及進一步的估算等等最后決定工程造價。在此排序中，越往后估算的量值越準確一些。那如何達到這一目的得呢？則之后引入BP神經網絡算法。

2 BP神經網絡算法

2.1 神經網絡原理概述

以神經網絡單元為例敘述最簡單的神經網絡模型原理。引入“感知機”概念，“感知機”是人類最早提出的單體人造神經元模型，圖1即為典型的神經網絡圖，“感知機”具體原理如圖2所示。

其中x為輸入變量，w為權重值，b為偏值，sign（x）為與其匹配的非線性函數。可表示為相應權重乘以輸入變量求和加偏值。當側重不同時，只需改變權重和偏值即可改變不同結果。

而典型神經網絡模型則是上述單位模型共同作用的效果。較為繁瑣，且不定性較高。算出的值不準確。

2.2 BP神經網絡模型

由于神經網絡模型較為繁瑣，且不定性因素多，解答較為困難，則在此引入BP神經網絡模型，BP神經網絡模型是在神經網絡模型的基礎上通過逆運算，即結果反推過程，改變權重，迭代運算，使得其輸出結果無限接近真值的一種數學模型。在工程估價行業使用此模型最好不過[2]。

首先介紹單體神經元模型即感知機的反向傳播算法機制。首先看下圖3，

該圖反映了神經網絡模型的正向推導過程，很明顯，要想預測值與相應的真值達到完全一致的話，需要保證權重與理想權重完全正確，且非線性函數配對也要完全正確。根據經驗而言，正向推導顯然是不現實的。那么就需要引入BP神經網絡模型，即反向傳播算法，在此算法中，需要確定的量即為權重，即所要達成的目標是找到上圖權重的正確取值，從而使得預測值和真值無限接近[3]。

則BP神經網絡反向傳播算法如下圖4所示。

預測值與真值之間會有一定的差距，取真實目標值為未知數，通過經驗或者其他一些手段設置損失函數或者設置損失值。則可通過損失函數或損失值使用優化器來得到新的權重，通常使用的優化方法為梯度下降法（對損失函數求偏導）。從而使得損失函數或損失值越來越小，接近于零，達到預測值與真實目標值無限接近的目的。

上述為單體神經元模型的反向傳導過程的實現，對于神經網絡系統，大同小異，存在一個誤差即損失函數的反算過程。該過程雖繁瑣，但算出的值真實可靠。誤差很小。該算法可通過MATLAB軟件實現。

2.3 BP神經網絡模型與工程估價

工程估價使得最初的投資估算無限接近于工程造價的方法即可為BP神經網絡算法，根據損失函數，梯度下降法改變其相應的權重，使得估算值無限接近于真值。經過一系列的迭代計算。最終得到工程造價。

3 結束語

本文提出了BP神經網絡模型在工程估價中的應用。通過BP神經網絡系統可以從各方面分析其權重因素對工程造價的影響，從而較快速的給出一個準確的預測值。BP神經網絡算法改變了過去經驗算法的不足，對于工程估價行業有里程碑的意義。其不僅能較好的應用于工程實踐，也為其他類似的非線性估算具有重要意義。

參考文獻

[1]陳強，翟明艷.基于BP神經網絡的建筑工程估價模型研究 [J].基建優化，2002（6）.23

[2]楊無疆，林玲.基于BP神經網絡的工程造價快速估算模型 [J].建筑經濟，2011，9：53-55

[3]黎曦，胡奎，胡伍生.神經網絡BP算法在工程估價中的應用[J].山西建筑，2007（10），33（28）：367-368