BP神经网络在建筑物工程量估算中的应用研究

丁　红，刘　迪

(黑龙江省水利科学研究院，哈尔滨 150080)



BP神经网络在建筑物工程量估算中的应用研究

丁红，刘迪

(黑龙江省水利科学研究院，哈尔滨 150080)

以明水县沿河涝区骨干建筑物中的跌水为例，根据BP神经网络的基本原理和工程量估算特点，确定影响工程量估算的相关因素及参数，建立基于BP神经网络的建筑物工程量估算模型，通过网络训练和学习，估算结果的精度都可以满足实际工程建设估算的要求，该方法为其他建筑物工程量估算提供了一种新途径，具有良好的推广价值。

BP神经网络；建筑物；工程量估算模型

0　前　言

工程量计算是编制工程预算的基础工作，约占整个编制工作的50%～70%，同时也是编制施工作业计划、合理安排施工进度、组织现场劳动力、材料和机械以及向工程建设投资方结算工程价款的重要依据，其计算的精确度和快慢程度，直接影响工程造价的准确性以及工程建设的投资控制质量[1]。目前，工程量计算主体是手工算量，该方法不仅能够灵活的适应结构形式的变化，而且局部更改错误也较容易，但是该算法过程繁杂，重复性劳动多，容易出错。软件表格法作为手工算量的一种改进和延伸，也存在着计算繁琐等缺点。我国也有很多学者提出了一些快速估算方法，如回归分析法、模糊估算法、相似工程法，但是建筑物工程量或造价与建筑物的特征之间存在着某种程度上的映射关系，上述方法没能很好的反映这种关系[2～3]。因此，改进工程量计算方法，对于提高概预算质量，加快概预算速度，减轻编制人员的工程量，增强审核、审定透明度具有十分重要的意义。文章尝试采用BP神经网络分析这一映射关系，模型估算结果作为参考依据，检验手工计算的准确性，为预防工程量索赔的发生、有效控制造价、加强工程造价管理提供一种行之有效的科学方法。

1　BP神经网络基本原理

人工神经网络(Artificial neural networks，简称ANN)是从信息处理角度对人脑若干基本特性进行抽象和模拟，建立某种简单模型，按不同的连接方式组成不同的网络。长期以来，人工神经网络的隐含层连接权值调整问题缺乏有效的算法，误差反向传播算法(Back-propagation algorithm，简称BP算法)因其方便、直观且有效，成功地解决了求解非线性连续函数的多层前馈神经网络权重调整问题，是应用最为广泛而且较成功的一种算法。

BP算法求解模型的步骤如下[4]：

步骤1)：网络初始化。赋予网络各连接权值wij、Tli及阈值θi、θl在(-1，+1)区间的随机数。

步骤2)：从网络输入层节点输入训练样本对。

步骤5)：用期望输出模式tl、网络实际输出Ql，计算输出层的各节点的一般化误差δ1=(tl-Ol)Ol(1-Ol)。

步骤7)：用输出层各节点的一般化误差δl、中间层各节点的输出yi修正连接权值Tli和阈值θl。

步骤9)：对样本集中的每个样本反复学习上述过程，直至网络全局误差函数E<预先设定的一个极小值，即网络收敛，或学习回数>预先设定的值，即网络无法收敛。

3　实例应用

3.1项目概况

明水县沿河涝区属于中型涝区，位于明水县东侧、通肯河以西沿岸，隶属繁荣乡、树人乡境内，涝区总面积11 500 hm2，其中耕地面积9 200 hm2，易涝面积6 000 hm2，由于资金匮乏，管理不善，近二三十年以来一直未得到有效治理。因此，开展涝区治理，加大除涝能力建设，提高除涝标准，解决群众最关心、最直接、最现实的利益问题，是非常必要和紧迫的。自2013年入汛以来，黑龙江省强降雨频发，持续强度大，雨区较为集中，导致明水县沿河涝区一排干和八排干沟道及所属6条支沟淤积严重，主要建筑物中桥运行良好，涵洞和跌水均为临时建筑物，破损严重，带病运行。根据省里下达编制各市县涝区规划的通知，明水县在2014年1月完成了《黑龙江省明水县沿河涝区水毁工程修复实施方案设计报告》，设计主要任务是对涝区附近水毁比较严重的欣荣塘坝进行修复重建。依据项目区沟道布置情况，共需建设骨干建筑物24座，其中跌水7座、路下涵16座、桥1座[5]。因篇幅有限，文章仅以跌水为例进行建模估算。

3.2基于BP神经网络的建筑物工程量估算模型

3.2.1输入输出样本确定

文章选取沟底高程、设计流量、设计水位、沟底宽度、过闸流量、消力池深度、消力池长度、海漫长度等8个因素作为输入样本，工程量(其中土方、石方、钢筋混凝土均单独作为输出样本)作为输出样本，输入样本如表1所示。

3.2.2网络结构确定

文章采用三层网络进行训练，根据输入样本确定输入层的节点为8个，隐含层节点个数根据经验数据选定为22个，输出层节点数为3个，经2768次训练，网络精度达到要求。因此，文章网络拓扑结构为8:22:3。隐含层采用双曲正切Sigmoid函数作为传递函数，输出层采用线性函数作为传递函数。

3.2.3训练结果

文章采用matlab7.0编程实现BP神经网络估算建筑物工程量，首先将表1中序号1～5的样本作为训练样本依次输入网络，其余2个作为检测样本，按照上述建模步骤及确定的网络结构和参数反复训练，直至网络全局误差E<0.0005，得到土方工程量的训练结果，其中土方包括开挖和回填；然后重复上述的步骤，分别得到石方和钢筋混凝土工程量的训练结果；最后计算误差比率，分析训练精度，具体详见表2。

表1　建筑物工程量估算样本输入表

表2　BP神经网络模型的训练结果表

利用调整后的权值和阈值，对表1中序号6～7的建筑物进行工程量预测。同时，采用建成后实际工程量进行比较验证，结果列入表3。

表3　测试样本工程量估算结果比较表

由上述计算结果可知，基于BP神经网络的建筑物工程量估算精度较高，将BP神经网络用于工程量估算是可行的，估算精度都在±10%以内，大多数估算精度都在±1%以内。其中，误差较大的主要集中在土方工程量估算中，工程1的土方开挖估算误差为7.35%，回填为6.62%；工程4的土方开挖估算误差为8.29%，回填为5.73%。将模型估算量与建成后实际工程量相比较，得到了同样的结论，工程7的土方开挖估算误差为6.37%，其主要原因可能是地形条件差异较大，施工图纸中设计细节处存在差异，导致了估算值与实际工程量存在一定的误差。随着样本数量的增加，精度将会进一步的提高。

4　结　论

1)跌水的工程量与沟底高程、设计流量、设计水位、沟底宽度、过闸流量、消力池深度、消力池长度、海漫长度等因素之间存在着相关关系，BP神经网络通过网络训练和学习，可以有效、准确的描述并量化这种复杂关系，估算结果能够满足精度要求，将该方法推广后能够显著的减少工程造价人员的工程量，并对其他水利工程工程量估算具有指导意义。

2)文章建立了基于BP神将网络的建筑物工程量估算模型，结果显示，BP神经网络模型用于工程量估算精度较高，大多数估算精度都在±1%以内。其中，土方开挖和回填工程量估算误差稍大，但也都在±10%以内。因此，BP神经网络用于建筑物工程量估算具有现实的可行性，为进一步的工程造价提供了真实、可靠的数据支撑，也为工程造价人员提供了一种快捷、简便的科学方法。

[1]刘湘雄．人工神经网络在工程造价估算中的应用[J].建筑，2012(12)68:69．

[2]卢志强．工程造价和主要工程量快速估算中神经网络的应用研究[J].河南科技，2013(9):18．

[3]蒋晓红，程吉林，张跃飞．中小型水利工程的工程量估算BP神经网络模型[J].扬州大学学报(自然科学版)，2008，11(3):72-74．

[4]付强．数据处理方法及其农业应用[M].北京：科学出版社，2006：31-46．

[5]黑龙江农垦勘测设计研究院阿城分院．黑龙江省明水县沿河涝区水毁工程修复实施方案设计报告[R]．哈尔滨：黑龙江农垦勘测设计研究院阿城分院，2014．

Application of BP Nerve Net in Structure Project Quantity Estimation

DING Hong and LIU Di

(Heilongjiang Provincial Water Conservancy Scientific Research Institute, Harbin 150080, China)

Taking dropping water in the key structure of logging area along the river in Minshui County as the example, based on the characteristics about basic theory of BP nerve net and project quantity estimation,the related factors and parameters of project quantities estimation were determined to establish the structure project quantities estimation model of BP nerve net. Through net train and study, the accuracy of estimated results may meet the demands of actual project construction estimation, meanwhile,this method provides a new way to estimate other structure project quantities, having a good promotion value.

BP nerve net; structure; estimation model of project quantity

1007-7596(2016)06-0004-03

2016-05-04

丁红(1982-)，女，黑龙江林甸人，工程师；刘迪(1979-)，男，黑龙江林甸人，高级工程师。

TV214

A