基于BP神经网络的乡村公路工程造价模型研究*

王中莉

(中南林业科技大学涉外学院，湖南长沙410004)

随着我国公路工程建设规模和投资力度不断增大，如何控制和降低工程造价成为公路建设中的一个突出问题。而当前在公路建设中普遍存在的造价失控现象，最主要原因就在于投资预测的准确程度不够，因而公路工程造价估算日益显示出其重要性。尤其是对于乡村公路而言，因其独有的特点，受地质、气候条件影响很大，建立一个适合乡村公路工程的造价模型具有重要的现实意义。传统的工程造价估算方法和估算模型有很多，但这些方法在一定程度上存在局限性和不全面性，不能完全满足公路工程造价估算的需要。在历史数据不全面，又需要快而准确地估算出工程造价的情况下，运用BP神经网络来对公路工程造价进行估算比较合适。本文以乡村公路的重要组成部分之一——路基工程的造价为研究实例，提出了基于BP神经网络的乡村公路工程造价模型。

一、BP神经网络模型简述

标准的BP神经网络由最下层的输入层、最上层的输出层、中间的一个或多个隐含层组成，各层之间实现完全连接，同层神经元之间没有连接。BP算法的学习过程包括了正向传播和反向传播两个过程［1］。在正向传播过程中，输入信息经输入层、隐含层逐层传递到输出层，由输出层向外界输出信息处理结果;如果在输出层未能得到所期望的输出值，则开始误差的反向传播过程，将误差信息通过输出层，沿原路逐层修改各层权值，向隐含层、输入层逐层反传，再经过正向传播。反复地运用这两个过程，直到误差减小到可接受为止，或者预先设定的学习次数为止［2］。

图中各神经元的输入与输出(除输入层)为非线性映射，一般采用S(Sigmoid)

二、实例分析

本文选用在乡村公路工程造价中所占比例较大的路基工程进行模型的建立，以此说明BP神经网络方法在乡村公路工程造价模型中的应用。

(一)工程特征因素的确定

工程特征即能表示工程特点，且能反映工程的主要成本构成的重要因素。通过对路基工程造价的众多影响因素进行分析和筛选，确定公路长度、设计断面挖方量、平均填土高度、平均边坡长度、宽填厚度、路基增均占地宽、土质类型、可借用土方、其他因素的工程量这9种主要因素作为工程特征。

(二)建立造价模型

本文采用三层BP网络模型，该模型的输入单元数为9个，分别为公路长度 x1(公里)、设计断面挖方量 x2(1000m3)、平均填土高度x3(m)、平均边坡长度x4(m)、宽填厚度x5(m)、路基增均占地宽x6(m)、土质类型x7、可借用土方x8(m3)、其他因素的工程量x9(m3);输出单元数为5个，分别为总计价金额y1(万元)，总计价土石方量y2(1000m3)，路基因加宽所应增加的填方数量y3(m3)，路基因沉降而增加的土方量y4(m3)，其它工程增加量y5(m3);隐含层单元数为2×9+1=19个。共收集训练样本8个，测试样本4个。模型用Matlab编程实现。表1中列出了12个样本的特征数据和预算资料。

表1 乡村公路路基工程样本数据

(三)测试结果分析

(1)首先对样本9－11的测试结果进行分析如下:

?

表中的平均误差为4次预测结果的相对误差的平均值，其中相对误差为:

(2)将样本9－11的测试结果的平均误差进行分类整理，得到图1所示。

从上图可知，5个输出指标的平均误差浮动总体上都在可允许范围之类。通过样本9－11对所建立造价模型的检测，证实此模型可用来预测乡村公路路基工程造价。

(3)对实例样本12的测试结果分析

通过以上三个样本的检测，得到了平均误差的整体走势图。进而对样本12，也就是所选实例——某县水电站库区公路路基工程数据进行测试。经过多次测试比较，在训练次数达到10003时，误差是最小的，测试结果与期望输出最为接近。测试结果如表2所示。

图1 输出指标平均误差分析图

表2 路基工程造价模型测试结果

测试结果分析:由表2可以看出，测试结果的相对误差最大为2．22%，最小为－2．63%，预测结果较为精确，同时也证明了将BP神经网络用于乡村公路工程造价模型的可行性和有效性。

三、结论

本文所建立的BP神经网络模型能够快速、准确地估算出乡村公路路基工程的实际造价，经实践检验估算结果与实际工程造价相符，能够较好地应用于工程实际。同时，本文的研究从某种程度上说是一种新的尝试，对于乡村公路工程的造价估算是一个新的思路，这也为其他类似的工程提供了理论依据。

［1］刘彩红．BP神经网络学习算法的研究［D］．重庆:重庆师范大学，2008．

［2］Chua Boon Lay，Khalid M，Yusof R．An enhanced intelligent database engine by neural network and data mining:TENCON 2000［J］．Proceedings，2000，(2):518 －523．

［3］王旭，王宏，工文辉．人工神经元网络原理与应用［M］．沈阳:东北大学出版社，2000．

［4］徐宗本，王国俊．计算智能［M］．上海:上海交通大学出版社，2004．