论文部分内容阅读
在建设项目不同时间的成本计算过程中,最粗略的就是投资估算,但却对整个项目影响非常大。它是项目决策的依据,也是制定投资计划和控制投资的有效工具。然而,由于建设项目工程造价估算所处的阶段比较靠前,有关工程项目的许多信息无法确定,并且在工程建设过程中还会发生许多不可预见的影响工程造价的事情,使得项目投资估算的编制十分困难。因此,找到一种切实可行的建设工程项目快速投资估算的方法有着非常深远的意义。首先,本文在大量查阅和深入研究国内外建设工程项目投资估算方法和估算模型的基础上,对收集的49组住宅工程造价数据中分部分项工程造价占总工程造价的比例进行数据统计和分析,根据帕累托图法找出建筑安装工程造价中的主要分部分项工程,从中提取和整理并得到工程特征因素,然后建立结构模型,分析影响工程造价的工程特征向量,依据主次因素分析法剔除次要工程特征因素,将筛选得到的主要工程特征向量作为工程造价估算模型的输入向量。其次,根据标准BP神经网络的学习过程,结合灰色理论中灰数的相关知识,采用区间灰数的方式来设置隐含层与输入层之间的初始连接权值,在训练过程中通过不断调整区间灰数的取值区间来逼近权值的最优值,优化了标准BP神经网络的学习过程。再次,为了验证该模型的有效性及可行性,在项目开展前期,根据收集的住宅工程的1 17组样本,选择1个样本为测试样本,通过对工程特征向量的量化处理及训练样本、测试样本的灰色一次累加和归一化处理后,运用MATLAB软件建立动态快速估算建筑工程造价模型,通过测试得出灰色BP神经网络模型的预测结果满足要求。最后以本溪某住宅小区2#楼作为实证分析对象,运用所建立的模型和收集整理得到的相似工程数据训练模型,对2#楼相关造价数据进行估算,同时利用估算指标计算得出2#楼的单方造价等数据。通过对比优化BP神经网络估算模型预测值以及传统估算方法计算结果与实际值之间的误差,验证了所建立模型的准确性、高效性和可靠性。本文建立了基于灰色BP神经网络的建筑工程造价估算模型,该模型为实现有效降低工程成本、提高工作效率的建筑工程造价估算提供了技术支持,对建筑工程造价估算在自动化、智能化方向上的发展具有一定的实际意义。