BP神經(jīng)網(wǎng)絡在混凝土價格預測中的應用研究

孫晉東

（南京市建設工程造價監(jiān)督站，江蘇 南京 210000）

0 引言

工程材料作為工程造價信息的核心部分，受到所有相關行業(yè)人員的密切關注。如今各地的工程造價管理機構為規(guī)范發(fā)布價格信息的準確性和時效性，制定了一套包括信息收集、分析定價、會議評審、信息發(fā)布四個步驟的價格發(fā)布模式，信息價已成為施工單位、建設單位、工程造價咨詢企業(yè)、相關管理部門重要的價格依據(jù)。現(xiàn)階段的工程材料價格信息管理存在兩點不足：一是收集的材料價格信息量較少，導致數(shù)據(jù)不充足。二是材料價格分析方法較為落后，缺少對數(shù)據(jù)的深度挖掘和綜合分析，易出現(xiàn)材料信息價對比實際市場價滯后的狀態(tài)[1]。針對工程材料價格在工程建設中的重要意義，本文提出一種結合BP神經(jīng)網(wǎng)絡的人工智能方法在混凝土材料價格預測中的應用研究，以提高材料價格發(fā)布的精確性和及時性。

1 BP神經(jīng)網(wǎng)絡應用原理介紹和模型搭建

1.1 BP神經(jīng)網(wǎng)絡應用原理

BP神經(jīng)網(wǎng)絡模型簡稱BP神經(jīng)網(wǎng)絡，具有結構穩(wěn)定、算法簡單的優(yōu)點，目前在科研、經(jīng)濟等范疇都得到了廣泛應用。BP神經(jīng)網(wǎng)絡處理數(shù)據(jù)的能力較強，具有普遍聯(lián)想、智能學習、自我適應的能力，這些強大的功能使BP神經(jīng)網(wǎng)絡在解決材料價格分析預測工作存在的問題時有明顯優(yōu)勢，為材料價格的深層次分析和數(shù)據(jù)處理提供了便利[3]。

1.2 神經(jīng)網(wǎng)絡預測流程

BP神經(jīng)網(wǎng)絡預測價格的流程，第一步是收集歷史的價格數(shù)據(jù)信息，第二步為配置BP神經(jīng)網(wǎng)絡的基本參數(shù)，通過導入過去的價格數(shù)據(jù)從而反復鍛煉BP神經(jīng)網(wǎng)絡，直至達到理想的精度要求，最后將測試價格信息導入到已經(jīng)完善的BP神經(jīng)網(wǎng)絡模型中，經(jīng)過系統(tǒng)自動計算得到預測數(shù)值。

1.3 價格數(shù)據(jù)預處理

BP神經(jīng)網(wǎng)絡導入數(shù)據(jù)的幅動不能太大，數(shù)據(jù)波動越均勻，網(wǎng)絡的預測能力就越強，因此需對樣本集進行數(shù)據(jù)歸一處理，使數(shù)據(jù)均勻分布在[-1，1]。本文以商品混凝土C10（非泵送）為例，詳細介紹如何利用BP神經(jīng)網(wǎng)絡模型進行價格預測。選取2017～2018年南京市造價站發(fā)布的商品混凝土C10價格信息作為學習樣本，數(shù)據(jù)如表1所示。

表1 南京地區(qū)商品混凝土C10（非泵送）價格

表1中的各月價格可用向量X=（x1，x2，…，x12），對向量X按上式（1）作歸一化[4]處理，得向量Y={yi}=（0.012，0 ，0.081，0.113，0.162，0.304，0.283，0.283，0.324，397，0.417，0.781，0.721，0.619，0.559，0.64 ，0.8 0.769，0.749，0.749，0.822，0.862，0.976，1）。

1.4 訓練策略

混凝土價格預測采用連續(xù)預測方式，即用4個月的歷史數(shù)據(jù)來預測第5個月的價格信息。本文采用2019年上半年南京市混凝土信息價的數(shù)據(jù)作為測試集，用以檢驗預測準確性。

1.5 神經(jīng)網(wǎng)絡參數(shù)設置

本文建立的BP神經(jīng)網(wǎng)絡模型如下。一、輸入層確定為4個神經(jīng)元，指代前4個月的價格。二、隱含層考慮輸入層和輸出層的神經(jīng)元數(shù)量，結合經(jīng)驗公式，并經(jīng)不斷測評，明確神經(jīng)元數(shù)量為8個。采用雙極性Sigmoid函數(shù)作為隱含層的激活函數(shù)。三、輸出層設置為輸出預測數(shù)據(jù)的1個神經(jīng)元。四、使用梯度下降函數(shù)traingd()為訓練函數(shù)。五、設置的學習精度ε=0.003，設置的迭代次數(shù)3000次[5]。

2 BP神經(jīng)網(wǎng)絡模型預測材料價格測試

由訓練好的神經(jīng)網(wǎng)絡測試得到的2019年上半年混凝土C10價格預測數(shù)據(jù)及相對誤差如表2所示。

表2 訓練測試得到2019年上半年混凝土C10價格訓練值及相對誤差

由數(shù)據(jù)繪制圖1：

以商品混凝土C20價格數(shù)據(jù)輸入模型再次預測，得到預測曲線圖如圖2所示：

其預測價格和實際價格誤差如表3所示：

表3 訓練測試得到2019年上半年混凝土C20價格訓練值及相對誤差

表4 訓練測試得到2019年上半年混凝土C30價格訓練值及相對誤差

以商品混凝土C30價格數(shù)據(jù)輸入模型再次預測，得到預測曲線圖如圖3所示：

其預測價格和實際價格誤差如表4所示：

由上圖1、2、3可以看出藍色折線是真實的報價，每個數(shù)據(jù)點代表當月的商品混凝土（非泵送）含稅價格，圖中綠色數(shù)據(jù)點代表的是訓練得到的三層神經(jīng)網(wǎng)絡根據(jù)歷史價擬合出的系統(tǒng)。圖中紅色的6個數(shù)據(jù)點是由該三層神經(jīng)網(wǎng)絡預測出來的六個月數(shù)據(jù)，可以看到，紅色的折線走勢與真實的藍色折線大致相同，在第四個月時，真實價格出現(xiàn)較大反彈，預測的數(shù)據(jù)也反映出了價 格回升。

3 結論

對于三種不同強度的混凝土，雖然三種價格上存在差別，但是通過神經(jīng)網(wǎng)絡模型的預測，得到的預測價格和真實價格之間的誤差，普遍保持在3%左右，相對穩(wěn)定。因此本神經(jīng)網(wǎng)絡具有一定的科學性和實用性，能夠更加精確地分析預測材料價格，將BP神經(jīng)網(wǎng)絡應用到混凝土價格分析預測工作當中，可以有效突破材料信息價分析工作的瓶頸，解決數(shù)據(jù)處理大和人工分析干擾因素的問題，進一步提升材料信息價發(fā)布質(zhì)量，為各方建設主體提供更加優(yōu)質(zhì)的信息服務。