基于BP神经网络的装配式混凝土建筑估价研究

发布时间：2021-01-19 20:42

　　装配式混凝土建筑具有节能环保、减少现场人工、缩短施工工期、提升工程品质、推动建筑产品供给侧改革等优点,因而近年来在我国得到大力推广和发展。工程成本估价是建筑项目可行性研究、方案比选、投标报价、项目融资等的重要依据,但装配式混凝土建筑成本难以控制这一因素制约着其发展,若能快速对其进行工程估价有利于成本管理,能进一步给装配式混凝土建筑的发展提供保障。目前我国关于装配式混凝土建筑成本估价的模型及方法的研究也相对较少,由于BP神经网络在预测方面具有极大优势,可为成本估测带来较大便捷,因此将BP神经网络运用于装配式混凝土建筑估价具有一定的现实意义。论文以装配式混凝土建筑成本为对象,运用BP神经网络建立了装配式混凝土建筑估价模型以实现其成本的快速估价。从装配式混凝土建筑与传统现浇建筑不同建造方式的角度,分析两者的成本差异作为论文的基础。其次选择BP神经网络作为估算工具,并阐述其应用的合理性。再利用层次分析法建立递归模型,选出最主要的工程特征指标,进一步精简估价模型的输入向量。通过设置BP神经网络的基本结构、初始化相关参数、分析程序算法流程等,实现了MATLAB对装配式混凝土建筑估价模型的编程。并将... 

【文章来源】：江西理工大学江西省

【文章页数】：75 页

【学位级别】：硕士

【部分图文】：

训练网络结构图

第五章基于BP神经网络的装配式混凝土建筑成本估价模型55BP神经网络程序结构设计完后运用MATLAB对估价模型进行编程，最后将归一化后的样本训练集输入网络进行训练，其估价模型训练效果如下所示：（1）网络结构图5.2训练网络结构图由图可见本文的BP神经网络结构：是一个三层的BP神经网络，两个隐含层，一个输出层，输入层节点为10，隐含层节点为3，输出层节点为1。两个隐含层的神经元个数都为3，而输出层只有1个神经元。学习次数为2000，时间仅用了23秒，神经网络的训练收敛于0.0401。（2）训练样本回归状态图5.3训练样本回归图

第五章基于BP神经网络的装配式混凝土建筑成本估价模型56图中x坐标为样本的实际值，坐标y为样本估测出的值。可看出图中样本位置均分布于yx这条斜线附近，虽然有个别样本点距离稍大，但不影响整体训练效果，大多数样本数据是可拟合的。R越高表示拟合程度越高，R=0.88038为训练的回归系数，线性程度较高由此可见拟合效果是较好的，说明模型是具有估测能力。（3）网络收敛过程图5.4收敛过程图由图可见，收敛曲线最后接近一条直线，学习次数也达到了最大学习次数，具有较好的收敛效果。判断网络是否收敛有两个因素，一个是网络均方误差MSE是否达到最小值，另一个是判断最大学习次数是否达到。若均方误差追求过小，会使预测偏向样本的“噪声点”，放大差异性，衰弱共性，导致网络会产生过拟合现象使得模型估测效果不准确。图中本文的最小均方误差MSE为0.040121。为了防止神经网络在进行样本训练时达不到预期要求的学习误差，往往会设置一个最大循环次数以保证网络不会陷入死循环中[72]，本文最大学习次数为2000次。通过模型训练结果分析，表明该估价模型具有较好的收敛效果，且拟合程度也较高，是具有估测能力的。5.5实例验证及结果分析模型具有估测的能力后需要对其精确度进行检验看是否符合预期要求，我国建筑工程成本投资估算误差要求控制在10%以内[73]，因此需要用实例样本进行验证。为了检验模型的精确度，本文将6个验证样本数据输入到已训练好的成本


本文编号：2987678