基于改进BP神经网络的公共市政工程质量评估模型

王百成，夏天，张亚伟

（中交一公局第七工程有限公司，郑州 451452）

1 基于改进BP神经网络的公共市政工程质量评估数据收集

根据改进BP神经网络的网络构造调整公共市政工程质量评估数据的收集模式，利用网络算法收集评估数据，并设置数据收集算法流程。

确定整体BP神经网络的结构，并根据结构参数获取网络间的收集权重，选取误差较小的权重数据作为收集的基础参数[1]。若网络权重参数与收集的数据模式不相符，则修改此时的BP神经网络权重并加强收集数据训练力度，当达到整体训练次数后整合局部收集最小值，按照最小数值计算不同算子在数据收集选择中的收集程度，直至收集程度符合标准数据收集精度，结束整体收集算法操作。若不符合标准收集精度则重新判断局部最小数值[2]。

由收集算法获取公共市政工程质量评估数据，将这些数据集中传输至管理中心，调整中心参数的标准状态，控制质量评估数据处于限值范围内，构建此时的管控准则，规则化处理质量评估模式下的数据信息，同时分配不同的数据收集空间，将不同类的质量评估数据收集至不同的空间中，匹配监管系统，时刻监控质量评估数据的空间流动状态。收集工程外部因素数据，作为可变因素排除外部数据对收集结果的影响。分析收集算法与收集数据间的关联信息，加强整体数据收集力度并转化数据收集的可控性，在数据收集中心设置存储系统，确保收集的数据存储于安全空间中，达到公共市政工程质量评估数据收集的目的。

2 基于改进BP神经网络的公共市政工程质量评估数据管理

在获取相应的公共市政工程质量评估数据后，按照评估数据的质量模式管理数据内容。在质量参数评估的许可范围内选择与质量评估参数相近的度量方法。根据工程质量样本参数调整整体度量方式，在度量质量评估参数的整体合格率后检测其评估速率是否与质量评估数据管理相适应。转化质量参数之间的标准差数据，将不同的参数划分为不同的评估空间。设置空间管理准则，确保空间内部数据处于良好的状态中。根据BP神经网络计算原理限制质量评估的前提条件，同时匹配度量条件数据。固定此时的评估数据范围，将数据范围扩展至质量因素，分析质量的均匀程度。标记质量评估参数在评估管理空间的位置，时刻监管其位置信息，当产生异常状况时及时做出相应处理。

管理质量评估值数据权重，降低其在评估中心区的比重，并提升其在因素集中的评估比重。设置评估判别标准，构建内部工程质量评估集中操作模块，严格落实整体质量管理制度，由此保证整体模型良好运行。对于主要的管理数据进行审查，分析市政工程质量参数，执行数据认可指令，控制不同的指令填充区域处于同一操作位置中。调整质量评估的管理形式，加强施工准备时期的质量管理因素，并结合开工报告质量信息调整整体评估管理方案。按照工程质量的高低分析不同工程质量评估标准的达标程度，分配内部序列质量参数，融合公共市政工程质量转化机制，设置质量评估管理过程。

加强整体评估数据的管理有效率，在获取评估管理操作时等待内部数据处理层的数据处理。关注BP神经网络的计算模式，将网络计算模式与质量评估管理相结合，调节结合后的参数性质，选取最佳的质量评估管理，执行评估管理任务，设置质量管理原则，并将其原则的内部联系以图像形式表示。

由此完成对公共市政工程质量数据的管理。

3 基于改进BP神经网络的公共市政工程质量评估模型构建

典型BP神经网络主要分为3个层次，分别为输入层、隐含层和输出层，不同的层次之间具有较为紧密的关联性，本文利用改进BP神经网络的形式构建整体工程质量评估模型，调整不同工程质量的评估状态，并设置BP神经网络拓扑结构图。

在构建模型的初始阶段，将BP神经网络的输入层数据输入，并设置n个输入节点，在节点中调取所需的网络结构参数，将评估参数与结构参数相结合，设置评估指标，构建工程质量判断体系，在体系构建的过程中设计质量目标，管理质量目标的存储方式，同时转化不同的质量度量方法。对于不同的质量参数采取不同的质量度量方法，并结合评估指标调节不符合整体评估操作的质量数据。设计工程材料的压实程度为80%，将评估指标参数添加至验收项目中，检测验收项目与评估指标的匹配程度，若匹配程度大于0选择该评估指标作为质量评估的基础数据，若匹配程度小于0则将该评估指标清除，寻找下一个适宜的指标参数。构建权重系数，对于评估指标体系中不足的部分进行补充，调整指标的系数权重合理性，管理工程质量数据与权重参数的相关性信息，掌控工程质量的评估过程，配置监控装置，时刻监控工程质量数据在传输空间中的传输状态。在当前的BP神经网络中设置选择性评估参数，针对不同的质量评估模型估算不同的评估参数，设置此时的BP神经网络估算模型图。

根据估算的结果集合神经网络训练模式执行训练指令，将质量参数全部录入神经网络的输入层，并调整输入层的数据存储机制，促使存储机制与评估模型内部存储含量相匹配。划分不同的评估组别，设置5组评估样本，将神经网络的预期误差减少至0.01。再经过以上评估训练后，设置BP神经网络模型训练结果图。

根据训练结果数据，再次减少预期误差参数，将其降低至0.001，调整此时的质量评估模型的操作模式，加强整体评估管理力度，获取所需的质量评估结果，实现工程质量评估模型的构建研究。

4 实验与研究

根据以上评估模型数据构建实验研究，选取某公共市政道路工程作为实验对象，该道路属于城市一级次干道，全长约2 186.53 m，道路总宽36 m。收集该道路的工程质量数据，同时划分工程质量区域，对于不同区域的质量参数采取不同的评估模式，同时完善内部评估模型的评估机制调整参数，确保实验的完整进行，绘制工程施工平面布置图。

根据以上实验环境调整评估数据的具体参数评估范围，分析处于不同的施工平面的质量参数，在构建评估模型的同时设置因素集，评价因素集中的质量参数，并划分中心区域的质量参数，将主导因素放在第一因素集中保存，将次要因素放在次要因素集中，等待评估模型的参数评估调整，及时处理与评估需求不符的质量参数，并管理质量影响因素，建立数据权重集，由此获取不同因素在评估过程中所占的比重大小。

配置评判集，在评判集中添加评估数据，组合评估的结果数据，并将这些数据集中于同一个评估数据集合中，保证集合内部的数据处于正常流通的状态中。选用模糊统计的方法对各评估因素执行基础评分指令，确定不同评估结果之间的评估指标，选取最终评估结果中较为接近的结果数据作为后续评估标准，同时查找数据见的隶属关系，获取一级模糊评价向量，在向量因素中调整评估数据，由此得到完整的评估精准度数据，根据获取的数据将本文评估模型的评估精准程度与传统评估模型的评估精准程度进行对比，对比结果见表 1、表 2。

表1 本文评估模型评估精准程度结果表

表2 传统评估模型评估精准程度结果表

根据表1和表2可分析可知，本文基于改进BP神经网络的公共市政工程质量评估模型的评估精准程度高于传统公共市政工程质量评估模型的评估精准程度，当评估时间为60 d时，本文评估模型的评估精准程度比传统评估模型高15%。

本文评估模型在评估的过程中强化内部工程质量数据，在获取质量参数的同时加强整体参数管理力度，并同时集中对质量数据的分析程度，按照评估模型内部评估机制设置不同的质量评估方案，在执行评估指令的同时转化工程质量的评估标准，防止评估标准参数与评估机制数据处于不同的状态中。时刻标记评估的时间点，串联时间点信息，及时分析不同时刻的评估结果，排除无关的评估因素，实现精准评估。

综上所述，本文评估模型具有较高的评估有效性，能够提升原有评估模型的评估正确率，并缩减评估的不必要时间，操作性较强，能够在不同的施工环境下执行质量评估操作，具有较为明显的评估优势。

5 结语

本文根据传统公共市政工程质量评估模型的构建方式提出一种新式基于改进BP神经网络的公共市政工程质量评估模型，通过获取科学性较高的工程质量数据后，管理整体数据信息，排列数据序列，分析不同存储空间的质量评估参数，并划分相应的评估标准数据，在完善数据评估设置的基础上逐渐提高整体公共市政工程的施工程度，利用改进BP神经网络转化内部评估层，从外界输入层输入完整的评估数据，在加密层加强数据的加密程度，避免评估数据的外泄，能够更好地维护评估模型的内部机制，符合整体模型构建需求。实验结果表明，本文评估模型能够及时地掌控工程质量参数，并增强整体评估模型的评估精准率，提供评估效率，为使用者提供良好的服务。