基于改進BP神經網絡的公共市政工程質量評估模型

王百成，夏天，張亞偉

（中交一公局第七工程有限公司，鄭州 451452）

1 基于改進BP神經網絡的公共市政工程質量評估數據收集

根據改進BP神經網絡的網絡構造調整公共市政工程質量評估數據的收集模式，利用網絡算法收集評估數據，并設置數據收集算法流程。

確定整體BP神經網絡的結構，并根據結構參數獲取網絡間的收集權重，選取誤差較小的權重數據作為收集的基礎參數[1]。若網絡權重參數與收集的數據模式不相符，則修改此時的BP神經網絡權重并加強收集數據訓練力度，當達到整體訓練次數后整合局部收集最小值，按照最小數值計算不同算子在數據收集選擇中的收集程度，直至收集程度符合標準數據收集精度，結束整體收集算法操作。若不符合標準收集精度則重新判斷局部最小數值[2]。

由收集算法獲取公共市政工程質量評估數據，將這些數據集中傳輸至管理中心，調整中心參數的標準狀態，控制質量評估數據處于限值范圍內，構建此時的管控準則，規則化處理質量評估模式下的數據信息，同時分配不同的數據收集空間，將不同類的質量評估數據收集至不同的空間中，匹配監管系統，時刻監控質量評估數據的空間流動狀態。收集工程外部因素數據，作為可變因素排除外部數據對收集結果的影響。分析收集算法與收集數據間的關聯信息，加強整體數據收集力度并轉化數據收集的可控性，在數據收集中心設置存儲系統，確保收集的數據存儲于安全空間中，達到公共市政工程質量評估數據收集的目的。

2 基于改進BP神經網絡的公共市政工程質量評估數據管理

在獲取相應的公共市政工程質量評估數據后，按照評估數據的質量模式管理數據內容。在質量參數評估的許可范圍內選擇與質量評估參數相近的度量方法。根據工程質量樣本參數調整整體度量方式，在度量質量評估參數的整體合格率后檢測其評估速率是否與質量評估數據管理相適應。轉化質量參數之間的標準差數據，將不同的參數劃分為不同的評估空間。設置空間管理準則，確保空間內部數據處于良好的狀態中。根據BP神經網絡計算原理限制質量評估的前提條件，同時匹配度量條件數據。固定此時的評估數據范圍，將數據范圍擴展至質量因素，分析質量的均勻程度。標記質量評估參數在評估管理空間的位置，時刻監管其位置信息，當產生異常狀況時及時做出相應處理。

管理質量評估值數據權重，降低其在評估中心區的比重，并提升其在因素集中的評估比重。設置評估判別標準，構建內部工程質量評估集中操作模塊，嚴格落實整體質量管理制度，由此保證整體模型良好運行。對于主要的管理數據進行審查，分析市政工程質量參數，執行數據認可指令，控制不同的指令填充區域處于同一操作位置中。調整質量評估的管理形式，加強施工準備時期的質量管理因素，并結合開工報告質量信息調整整體評估管理方案。按照工程質量的高低分析不同工程質量評估標準的達標程度，分配內部序列質量參數，融合公共市政工程質量轉化機制，設置質量評估管理過程。

加強整體評估數據的管理有效率，在獲取評估管理操作時等待內部數據處理層的數據處理。關注BP神經網絡的計算模式，將網絡計算模式與質量評估管理相結合，調節結合后的參數性質，選取最佳的質量評估管理，執行評估管理任務，設置質量管理原則，并將其原則的內部聯系以圖像形式表示。

由此完成對公共市政工程質量數據的管理。

3 基于改進BP神經網絡的公共市政工程質量評估模型構建

典型BP神經網絡主要分為3個層次，分別為輸入層、隱含層和輸出層，不同的層次之間具有較為緊密的關聯性，本文利用改進BP神經網絡的形式構建整體工程質量評估模型，調整不同工程質量的評估狀態，并設置BP神經網絡拓撲結構圖。

在構建模型的初始階段，將BP神經網絡的輸入層數據輸入，并設置n個輸入節點，在節點中調取所需的網絡結構參數，將評估參數與結構參數相結合，設置評估指標，構建工程質量判斷體系，在體系構建的過程中設計質量目標，管理質量目標的存儲方式，同時轉化不同的質量度量方法。對于不同的質量參數采取不同的質量度量方法，并結合評估指標調節不符合整體評估操作的質量數據。設計工程材料的壓實程度為80%，將評估指標參數添加至驗收項目中，檢測驗收項目與評估指標的匹配程度，若匹配程度大于0選擇該評估指標作為質量評估的基礎數據，若匹配程度小于0則將該評估指標清除，尋找下一個適宜的指標參數。構建權重系數，對于評估指標體系中不足的部分進行補充，調整指標的系數權重合理性，管理工程質量數據與權重參數的相關性信息，掌控工程質量的評估過程，配置監控裝置，時刻監控工程質量數據在傳輸空間中的傳輸狀態。在當前的BP神經網絡中設置選擇性評估參數，針對不同的質量評估模型估算不同的評估參數，設置此時的BP神經網絡估算模型圖。

根據估算的結果集合神經網絡訓練模式執行訓練指令，將質量參數全部錄入神經網絡的輸入層，并調整輸入層的數據存儲機制，促使存儲機制與評估模型內部存儲含量相匹配。劃分不同的評估組別，設置5組評估樣本，將神經網絡的預期誤差減少至0.01。再經過以上評估訓練后，設置BP神經網絡模型訓練結果圖。

根據訓練結果數據，再次減少預期誤差參數，將其降低至0.001，調整此時的質量評估模型的操作模式，加強整體評估管理力度，獲取所需的質量評估結果，實現工程質量評估模型的構建研究。

4 實驗與研究

根據以上評估模型數據構建實驗研究，選取某公共市政道路工程作為實驗對象，該道路屬于城市一級次干道，全長約2 186.53 m，道路總寬36 m。收集該道路的工程質量數據，同時劃分工程質量區域，對于不同區域的質量參數采取不同的評估模式，同時完善內部評估模型的評估機制調整參數，確保實驗的完整進行，繪制工程施工平面布置圖。

根據以上實驗環境調整評估數據的具體參數評估范圍，分析處于不同的施工平面的質量參數，在構建評估模型的同時設置因素集，評價因素集中的質量參數，并劃分中心區域的質量參數，將主導因素放在第一因素集中保存，將次要因素放在次要因素集中，等待評估模型的參數評估調整，及時處理與評估需求不符的質量參數，并管理質量影響因素，建立數據權重集，由此獲取不同因素在評估過程中所占的比重大小。

配置評判集，在評判集中添加評估數據，組合評估的結果數據，并將這些數據集中于同一個評估數據集合中，保證集合內部的數據處于正常流通的狀態中。選用模糊統計的方法對各評估因素執行基礎評分指令，確定不同評估結果之間的評估指標，選取最終評估結果中較為接近的結果數據作為后續評估標準，同時查找數據見的隸屬關系，獲取一級模糊評價向量，在向量因素中調整評估數據，由此得到完整的評估精準度數據，根據獲取的數據將本文評估模型的評估精準程度與傳統評估模型的評估精準程度進行對比，對比結果見表 1、表 2。

表1 本文評估模型評估精準程度結果表

表2 傳統評估模型評估精準程度結果表

根據表1和表2可分析可知，本文基于改進BP神經網絡的公共市政工程質量評估模型的評估精準程度高于傳統公共市政工程質量評估模型的評估精準程度，當評估時間為60 d時，本文評估模型的評估精準程度比傳統評估模型高15%。

本文評估模型在評估的過程中強化內部工程質量數據，在獲取質量參數的同時加強整體參數管理力度，并同時集中對質量數據的分析程度，按照評估模型內部評估機制設置不同的質量評估方案，在執行評估指令的同時轉化工程質量的評估標準，防止評估標準參數與評估機制數據處于不同的狀態中。時刻標記評估的時間點，串聯時間點信息，及時分析不同時刻的評估結果，排除無關的評估因素，實現精準評估。

綜上所述，本文評估模型具有較高的評估有效性，能夠提升原有評估模型的評估正確率，并縮減評估的不必要時間，操作性較強，能夠在不同的施工環境下執行質量評估操作，具有較為明顯的評估優勢。

5 結語

本文根據傳統公共市政工程質量評估模型的構建方式提出一種新式基于改進BP神經網絡的公共市政工程質量評估模型，通過獲取科學性較高的工程質量數據后，管理整體數據信息，排列數據序列，分析不同存儲空間的質量評估參數，并劃分相應的評估標準數據，在完善數據評估設置的基礎上逐漸提高整體公共市政工程的施工程度，利用改進BP神經網絡轉化內部評估層，從外界輸入層輸入完整的評估數據，在加密層加強數據的加密程度，避免評估數據的外泄，能夠更好地維護評估模型的內部機制，符合整體模型構建需求。實驗結果表明，本文評估模型能夠及時地掌控工程質量參數，并增強整體評估模型的評估精準率，提供評估效率，為使用者提供良好的服務。