基于神经网络的建筑工程造价预测研究

  目前，国内外许多专家学者对工程造价的预测模型展开了深入的研究，国内外专家学者对于工程造价预测的研究现状如下。国内比较成熟的研究有集中于传统的统计学习方法，例如线性回归、参数估计、指数平滑和时间序列、灰色理论等等。也有基于人工智能理论的人工神经网络的工程造价预测模型研究，但相对传统的统计分析方法而言，还不够成熟。线性回归是通过统计分析以寻找隐藏在大量数据背后的统计规律性的方法，线性回归法是通过建立回归分析模型来预测工程造价的，当该方法面对不确定因素繁多且数据样本较少的情况时表现较差。段鹏（分别针对传统的统计分析方法如线性回归、参数估计、指数平滑等进行了深入分析，并指出，指数平滑法更适合短期内的一些预测。对于长期的预测来说，指数平滑法的表现则不够让人满意。指数平滑语法在进行短期预测时，优势较为明显，如其所需计算较为便利，费用低，历史数据需求小等，相对来说，指数平滑预测法是一种较为优秀的短期预测技术；而线性回归是运用统计方法，寻找隐藏在大量数据背后的统计规律性的方法，线性回归法是通过建立回归分析模型来预测工程造价，当该方法面对不确定因素繁多且数据样本较少的情况时表现较差，甚至会出现方法失效的情况。时间序列法也是进行工程造价预测的重要统计分析方法，它是一种动态数据的处理。许多专家学者也针对基于时间序列法的工程造价的预测模型，展开了深入研究。其中包括胡六星（以工程量清单计价为基細，提出了基于时间序列的建筑工程造价预测模型。分别对工程量清单中的各项清单的价格或造价进行预测，进而估算出整个建筑工程的造价。并以钢材的价格估算为例，进行了实证分析，且分析结果表明，基于时间序列的钢材价格预测准确度较高。陈文萃，卢彩霞等（也基于时间序列理论对建筑工程的造价进行了预测。基于灰色理论的建筑工程造价预测相关的研究也较多，研究也较为成熟。一部分学者将研究的重点集中在建筑工程造价的某一分项工程的造价预测上，如谢玉梅（将灰色系统理论应用于建筑工程的一个分项——被基工程的造价预测中，并结合具体的工程实例进行了预测模型的仿真分析，并通过预测结果与实际结果的对比分析，为建筑工程的造价预测起到了一定的指导作用°。而另外一部分学者直接将灰色理论应用到整个建筑工程的造价预测上，如孙涛运用灰色理论中的系统预测技术，并结合建筑工程造价的历史数据等信息，建立了灰色预测模型来进行建筑工程造价的预测。并通过工程实例分析，阐述了建筑工程造价预测的操作程序。李旭方（和张建华等（等也分别展开了基于灰色系统理论的建筑工程造价预测研究，并结合具体工程实例进行了实例分析，且均得到了一定的预测效果。

  2.2  国内外建筑工程造价预测的先进经验

  工程造价预测具有一定的现实意义和推广价值，因此，国内外许多专家学者针对工程造价预测展开了深入的研究。其中包括基于线性回归、参数估计、灰色理论等的传统统计学习方法的研究，也包括一部分灰色理论、基于神经网络等人工智能理论展开研究的学者。国外基于计算机信息化和人工智能理论的研究较多，而且较为成熟，可以为我们今后在建筑工程造价预测上的发展和研究提供很大帮助。近年来，计算机科学不断发展和进步，一些较为优秀的人工智能理论也引入到建筑工程造价预测中，并且取得了一定的效果。如基于灰色理论的建筑工程造价快速估算的研究便取得了一定的进步。研究人员探讨了灰色理论在建筑工程造价预测中的应用原理和方法步媒，并得到了基于灰色理论的建筑工程造价预测模型，获得了较为合理的预测结果。提出应用灰色理论的系统预测方法来进行事前预测，以获得提前控制成本。计算机仿真预测技术也是今年来国外发展较快的一种重要的预测技术，所谓计算机仿真预测技术即根据需要进行预测的对象，构建一个仿真模型，该仿真模型是通过逻辑流程图的形式展现出来的，并利用计算机进行模拟运行该仿真模型，模拟将要进行预测的对象随着时间的改变而发展变化的情况。利用计算机仿真预测技术，进行建筑工程造价的预测即通过构建逻辑结构图进行仿真模拟，以模拟出建筑工程造价随着时间变化的规律，并据此来推断出建筑工程造价未来的发展态势，进而实现建筑工程造价的预测。又如前面提到的吴子燕等人在分析以往传统建筑工程造价预测方法不足的基她上，提出了以神经网络为数学模型的建筑工程造价预测新技术。然后基于西安地区高校的建设案例，分别釆用神经网络、径向基函数和模糊神经网络进行了高校建筑工程的造价预测，并最终实现了这些算法；然后，分别比较了基于不同神经网络模型的预测效果。最后，基于前期研究的基础上，构建了建筑工程造价预测的计算机辅助系统，并进行了应用测试，且效果较好。近年来随着国内外许多专家学者的研究工作的展开，神经网络算法也不断得到改善和优化。刘天舒在神经网络技术的改进上进行了一定的尝试。首先其系统研究了国内外神经网络的研究动态，然后，基于实际问题提出了一种改进的神经网络理论，并对新算法进行了详细且深入的验证，以验证新算法的可行性；之后通过计算机语言实现了新算法的整个数学运算过程。通过实例分析与验证，基于不同算法的神经网络的计算结果对比表明：相较于传统的网络，改进后的神经网络，易于编程且算法简单，误差控制较为准确稳定。张登文和王建燕等也分别基于神经网络展开了建筑工程造价预测的研究，以单方造价作为输出集，以选取的建筑工程造价预测指标集作为输入变量，进而建立了建筑工程造价预测指标集与单方造价输出集之间的非线性函数关系，实现了工程造价的快速估算。

  本文通过大量的文献资料的查闽工作，以及结合多年的实际工作经验，对建筑工程造价预测进行了较为详实的研究，主要结论如下：通过理论学习和对建筑工程造价构成、预测的进一步理解，同时，在分析影响建筑工程造价的关键因素且结合实际工程经验的基础上选出了工程造价的主要影响因素作为建筑工程造价预测的指标。所选指标细致，且较为深入与全面，对本研究构建的建筑工程造价预测模型的预测效果起到了重要地辅助作用。在理论上深入的研究了神经网络的基本原理、拓扑结构、参数选择、算法流程与具体推算过程、程序编程实现等方面，在方法论及逻辑的层面阐述了解决建筑工程造价测算这类非线性动力学系统的思路，包括其函数拟合及后期的预测与仿真分析部分。同时结合建筑工程造价预测的理论，应用神经网络对浙江省杭州市部分案例工程的造价预测进行了建模。预测结果表明本研究构建的基于神经网络的建筑工程造价预测模型预测精度良好，预测效果稳定。基于之前的理论准备及资料学习，本研究论证了神经网络应用于建筑工程造价预测的可行性。确认之后，应用计算机编程的思想进行了详细的计算机程序设计，并且在平台上实现了建模的全过程，而且后期模型的应用表现良好，误差在可接受的范围之内。可为建筑工程项目的投资等提供帮助，具有一定的推广意义。本研究构建的基于神经网络的建筑工程造价预测模型，虽然预测精度表现良好，误差控制在以内，且预测速度较快，但由于工程造价是一个巨大的基数，的误差往往也会给建设项目的投资决策等带来一定的影响，而且，建筑工程造价的预测速度还能够进一步提高。在本文的研究过程中发现并希望能在今后进一步研究的问题：本文所建立的建筑工程造价预测模型还有很多地方未能细化，笔者将在今后的学习中继续进行深入的探究。本研究将进一步深化，选取更为优秀和先进的数学模型，应用到建筑工程造价预测模型的建立上，以进一步提高预测精度，进一步提升测算速度，从而达到进行建筑工程造价预测的理想要求。由于建筑工程具有多样性、唯一性等特点，不同建筑类型之间的造价差别很大，故本文只选取了住宅类的项目作为样本，对构建的建筑工程造价预测模型进行训练与测试，今后将选取其它类型的样本进行研究，以便确定该模型对建筑工程造价预测的普适性，及不同类型样本对预测结果的差异性。由于影响建筑工程造价的因素较多，且各因素之间相互关联，故在指标的选取上存在一定的难度，今后将进一步完善与补充建筑工程造价的预测指标，如柱网类型、设备选型、人工价格指数等。