基于ANN贡献分析及GEP算法的地铁车站土建造价预测模型
发布时间：2021-01-16 00:10
科学地选取工程特征因素及预测方法对于构建一个好的造价预测模型十分关键。在选取的14个影响地铁车站土建造价特征因素中,利用神经网络贡献分析的变量选取方法,筛选出12个主要特征因素。并针对这选定的14个全部特征因素和12个主要特征因素分别组合BP神经网络和GEP 2种预测方法构建4个不同的造价预测模型,应用18组地铁车站土建造价和特征因素的历史数据进行实例探究,通过R2,MSE,RMSE和MaxRE 4个指标的评价,结果表明:用主要特征因素为模型输入变量能显著提高模型的预测精度,且和GEP算法组合建立的造价预测模型为最优。将主要特征因素选取和预测方法选取相结合构建求解的最优模型很好地解决了已有相关研究中选取特征因素主观性多科学性不足及未考虑特征因素选取对预测方法选取的影响问题。
【文章来源】：铁道科学与工程学报. 2020,17(08)北大核心
【文章页数】：10 页
【部分图文】：
单隐层BP神经网络拓扑图及其层次贡献分析图Fig.1TopologydiagramofBPneuralnetworkwithsinglehiddenlayeranditshierarchicalcontributionanalysisdiagram
第8期王杰，等：基于ANN贡献分析及GEP算法的地铁车站土建造价预测模型2155费用的84%。结合查阅已有文献及工程历史资料，根据专家的经验，剔除对工程造价影响相对较小的因素，初步选取14个变量作为地铁车站土建工程造价的特征因素。根据这14个特征因素，搜集整理到18组广州市不同线路的地铁车站土建工程特征值及它们延米造价数据(见表1)，考虑到统一量纲，将它们线性压缩至[0.1,0.9](见表2)。图2地铁车站土建工程造价预测模型研究流程Fig.2Researchprocessofforecastmodelofsubwaystationcivilengineeringcost表1地铁车站土建工程特征因素原始数据Table1Originaldataofcharacteristicfactorsofcivilengineeringofsubwaystation车站因素层数车站长/m标准宽/m施工方法站台型式站台宽/m埋深/m顶板覆土/m主体结构围护结构支撑方式支撑数物价指数出入口通道数延米造价/(万·m1)12226.6330.111112.1014.422.954312101.86438.8522247.0930.022112.1013.632.173412101.86330.8932202.3121.501110.0018.004.10521398.49345.9643167.1032.901315.1522.502.50721498.49854.0353147.0019.40118.0021.903.00751498.49361.1761206.2323.70127.0011.203.00113798.49340.5374147.0022.701112.0026.502.006115105.77684.7881193.8316.60127.0011.203.00143598.49240.5192688.7021.701112.1013.022.174113101.86325.59102249.9220.251110.1014.372.503213101.86637.28112239.6937.981113.1013.822.044211101.86637.68122536.7859.401115.1012.333.004223101.866
lgorithm参数名称种群大小进化次数函数集终止集基因个数头部长度连接函数变异概率IS插串概率RIS插串概率单点重组概率两点重组概率基因变换概率基因重组概率参数说明10050000{+,,*,/,Sin,Cos,Tan,Arctan}模型输入变量610+0.10.10.10.30.30.10.13模型的求解与比选3.1主要工程特征因素的选取将搜集到的案例数据的前15组设为训练样本，后3组作为验证样本，并依据上述BP神经网络的相关参数设置，利用MATLAB仿真，所得结果如图3所示。由图3可知,第7次循环结束时训练样本的均方误差达到设定的精度要求(＜1×107)，从图4可以看到：虽训练样本具有极好的预测精度，但验证样本的预测精度低，无法满足工程可研阶段投资估算<±10%的精度要求。图3训练效果与训练状态Fig.3Trainingeffectandtrainingstate
【参考文献】：
期刊论文
[1]基于基因表达式编程的地铁隧道土建工程造价估算[J]. 王杰,卢毅. 长沙理工大学学报(自然科学版). 2019(03)
[2]地铁车站不同施工工法对工程造价的影响研究[J]. 马靖华,程亚平. 建筑经济. 2019(05)
[3]地铁车站的造价分析与控制[J]. 黄栋. 工程技术研究. 2017(06)
[4]地铁车站造价分析与控制[J]. 黄义勇. 铁路工程造价管理. 2012(03)
[5]优化车站建筑设计 降低地铁工程造价[J]. 何佳. 工程建设与设计. 2004(06)
[6]基于神经网络的变量选择方法[J]. 高仁祥,张世英,刘豹. 系统工程学报. 1998(02)
硕士论文
[1]基于BP神经网络的地铁土建工程造价估算方法研究[D]. 赵欣.北京交通大学 2008
本文编号：2979770
【文章来源】：铁道科学与工程学报. 2020,17(08)北大核心
【文章页数】：10 页
【部分图文】：
单隐层BP神经网络拓扑图及其层次贡献分析图Fig.1TopologydiagramofBPneuralnetworkwithsinglehiddenlayeranditshierarchicalcontributionanalysisdiagram
第8期王杰，等：基于ANN贡献分析及GEP算法的地铁车站土建造价预测模型2155费用的84%。结合查阅已有文献及工程历史资料，根据专家的经验，剔除对工程造价影响相对较小的因素，初步选取14个变量作为地铁车站土建工程造价的特征因素。根据这14个特征因素，搜集整理到18组广州市不同线路的地铁车站土建工程特征值及它们延米造价数据(见表1)，考虑到统一量纲，将它们线性压缩至[0.1,0.9](见表2)。图2地铁车站土建工程造价预测模型研究流程Fig.2Researchprocessofforecastmodelofsubwaystationcivilengineeringcost表1地铁车站土建工程特征因素原始数据Table1Originaldataofcharacteristicfactorsofcivilengineeringofsubwaystation车站因素层数车站长/m标准宽/m施工方法站台型式站台宽/m埋深/m顶板覆土/m主体结构围护结构支撑方式支撑数物价指数出入口通道数延米造价/(万·m1)12226.6330.111112.1014.422.954312101.86438.8522247.0930.022112.1013.632.173412101.86330.8932202.3121.501110.0018.004.10521398.49345.9643167.1032.901315.1522.502.50721498.49854.0353147.0019.40118.0021.903.00751498.49361.1761206.2323.70127.0011.203.00113798.49340.5374147.0022.701112.0026.502.006115105.77684.7881193.8316.60127.0011.203.00143598.49240.5192688.7021.701112.1013.022.174113101.86325.59102249.9220.251110.1014.372.503213101.86637.28112239.6937.981113.1013.822.044211101.86637.68122536.7859.401115.1012.333.004223101.866
lgorithm参数名称种群大小进化次数函数集终止集基因个数头部长度连接函数变异概率IS插串概率RIS插串概率单点重组概率两点重组概率基因变换概率基因重组概率参数说明10050000{+,,*,/,Sin,Cos,Tan,Arctan}模型输入变量610+0.10.10.10.30.30.10.13模型的求解与比选3.1主要工程特征因素的选取将搜集到的案例数据的前15组设为训练样本，后3组作为验证样本，并依据上述BP神经网络的相关参数设置，利用MATLAB仿真，所得结果如图3所示。由图3可知,第7次循环结束时训练样本的均方误差达到设定的精度要求(＜1×107)，从图4可以看到：虽训练样本具有极好的预测精度，但验证样本的预测精度低，无法满足工程可研阶段投资估算<±10%的精度要求。图3训练效果与训练状态Fig.3Trainingeffectandtrainingstate
【参考文献】：
期刊论文
[1]基于基因表达式编程的地铁隧道土建工程造价估算[J]. 王杰,卢毅. 长沙理工大学学报(自然科学版). 2019(03)
[2]地铁车站不同施工工法对工程造价的影响研究[J]. 马靖华,程亚平. 建筑经济. 2019(05)
[3]地铁车站的造价分析与控制[J]. 黄栋. 工程技术研究. 2017(06)
[4]地铁车站造价分析与控制[J]. 黄义勇. 铁路工程造价管理. 2012(03)
[5]优化车站建筑设计 降低地铁工程造价[J]. 何佳. 工程建设与设计. 2004(06)
[6]基于神经网络的变量选择方法[J]. 高仁祥,张世英,刘豹. 系统工程学报. 1998(02)
硕士论文
[1]基于BP神经网络的地铁土建工程造价估算方法研究[D]. 赵欣.北京交通大学 2008
本文编号：2979770
本文链接：https://www.wllwen.com/kejilunwen/jiaotonggongchenglunwen/2979770.html
