建筑工程估價(jià)中GA-ANN模型的運(yùn)用探析,工程管理論文

建筑工程估價(jià)中GA-ANN模型的運(yùn)用探析,工程管理論文本篇論文目錄導(dǎo)航：【】【】【】建筑工程估價(jià)中GA-ANN模型的運(yùn)用探析【】【】工程估價(jià)論文：建筑工程估價(jià)中GA-ANN模型的運(yùn)用探析內(nèi)容摘要：根據(jù)遺傳算法和神經(jīng)網(wǎng)絡(luò)的特點(diǎn),運(yùn)用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)模型,建立了建筑工程構(gòu)造與工程造價(jià)之間的非線性關(guān)系。以實(shí)際的住宅工程為例,驗(yàn)證了遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)模型的可行性和可靠性,并且優(yōu)于簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)模型,為實(shí)際工程投資估算提供了一種有效的方式方法。本文關(guān)鍵詞語(yǔ)：遺傳算法;神經(jīng)網(wǎng)絡(luò);工程構(gòu)造;工程造價(jià);EvaluationofConstructionEngineeringBasedontheGA-ANNModelAbstract：Accordingtothefeaturesofgeneticalgorithm(GA)andartificialneuralnetwork(ANN),GAhasbeenusedtooptimizetheANNmodel,thustoestablishanon-linearrelationshipbetweenconstructionengineeringstructureandengineeringcost.Takingtherealresidentialprojectsasexamples,thispaperhasverifiedthefeasibilityandreliabilityofGA-ANNmodelwhichissuperiortothesimpleANNmodelandprovesaneffectiveevaluationmethodforprojectinvestment.建筑工程估價(jià)是工程建設(shè)中特別重要的工作,在項(xiàng)目建議書(shū)和可行性研究階段是決定決策、籌資和控制造價(jià)的主要根據(jù)。實(shí)用的工程造價(jià)估算方式方法已成為建筑行業(yè)的迫切需要。周麗萍[1]采用BP神經(jīng)網(wǎng)絡(luò)去預(yù)測(cè)建筑工程估價(jià)。胡振鋒[2]采用一個(gè)模糊數(shù)學(xué)估算工程造價(jià)方式方法。由于建筑工程構(gòu)造和工程造價(jià)之間的非線性關(guān)系,采用傳統(tǒng)方式方法往往需要以往的經(jīng)歷體驗(yàn)和大量工程資料以及繁瑣的計(jì)算。本文采用一套快速、簡(jiǎn)捷、實(shí)用的混合GA-ANN模型,基于建筑工程構(gòu)造對(duì)建筑工程進(jìn)行估價(jià)。1基于混合GA-ANN模型的工程估價(jià)預(yù)測(cè)1.1遺傳算法遺傳算法(GeneticAlgorithms,簡(jiǎn)稱GA)是1962年由美國(guó)Michigan大學(xué)Holland教授提出的模擬自然界遺傳機(jī)制和生物進(jìn)化論而成的一種最優(yōu)搜索方式方法[3]。它只要求問(wèn)題是可計(jì)算的,無(wú)可微性要求,接近實(shí)際問(wèn)題,應(yīng)用范圍廣泛。本文采用GA來(lái)優(yōu)化ANN的權(quán)值和閾值,使優(yōu)化后的ANN能夠更好地預(yù)測(cè)函數(shù)輸出。GA優(yōu)化ANN的要素包括種群初始化、適應(yīng)度函數(shù)、選擇操作、穿插操作和變異操作。本文把預(yù)測(cè)輸出和期望輸出之間的誤差絕對(duì)值作為個(gè)體適應(yīng)度函數(shù),被定義為:式中,n為網(wǎng)絡(luò)輸出節(jié)點(diǎn)數(shù),ANNi(X)為ANN第i個(gè)節(jié)點(diǎn)的預(yù)測(cè)輸出;Yi為第i個(gè)節(jié)點(diǎn)的期望輸出。1.2人工神經(jīng)網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò)(ArtificialNeuralNetwork,簡(jiǎn)稱ANN)是模擬人腦工作方式而設(shè)計(jì)的一種機(jī)器,它可用電子或光電元件實(shí)現(xiàn),可以用軟件在常規(guī)計(jì)算機(jī)上仿真[4]。尤其,ANN可揭示數(shù)據(jù)樣本中蘊(yùn)含的非線性關(guān)系,能夠任意精度逼近任意連續(xù)函數(shù),能對(duì)多成因的復(fù)雜的未知系數(shù)進(jìn)行高度建模[5]。在這次研究中建筑工程估價(jià)所需要考慮的主要影響因素:構(gòu)造形式、基礎(chǔ)類型、建筑層數(shù)、外墻裝飾、墻體材料、門(mén)窗類型、建筑的平面組合。需要預(yù)測(cè)的建筑工程估價(jià):木材用量、水泥用量、每平方米造價(jià)、每100m2的鋼材用量。因而,建立建筑工程構(gòu)造和工程造價(jià)之間的非線性關(guān)系網(wǎng)絡(luò)構(gòu)造如此圖1所示。本文采用平均平方誤差來(lái)判定ANN模型能否知足要求,計(jì)算公式為:圖1ANN神經(jīng)網(wǎng)絡(luò)示意圖1.3混合GA-ANN模型混合GA-ANN模型的應(yīng)用價(jià)值已經(jīng)被很好證明[6],它利用GA來(lái)調(diào)整ANN網(wǎng)絡(luò)的所有連接權(quán)值和閾值。本文采用混合GA-ANN模型預(yù)測(cè)建筑工程估價(jià),該研究的GA-ANN模型的工作原理如此圖2所示。GA-ANN模型的建模經(jīng)過(guò):(1)建立適當(dāng)ANN模型,并初始化它的權(quán)值和閾值。(2)確定GA參數(shù),并隨機(jī)初始化種群。(3)計(jì)算種群適應(yīng)度值,從中找出最優(yōu)個(gè)體。(4)進(jìn)行選擇、穿插和遺傳操作。(5)假如所有的個(gè)體都給出最好預(yù)測(cè),接著進(jìn)行下一步。(6)判定進(jìn)化產(chǎn)生到達(dá)或者獲得最優(yōu)個(gè)體,優(yōu)化經(jīng)過(guò)結(jié)束;否則,返回到(3)。(7)把最優(yōu)權(quán)值和閾值給ANN。(8)訓(xùn)練ANN模型。(9)判定ANN模型能否知足要求。若是,到下一步;若否,更新ANN回到(1)。(10)用最優(yōu)的ANN模型預(yù)測(cè)建筑工程估價(jià)。2實(shí)例分析從文獻(xiàn)[1]中收集了20個(gè)住宅工程估價(jià)實(shí)例,華而不實(shí)15個(gè)作為訓(xùn)練樣本,4個(gè)作為測(cè)試樣本,1個(gè)用來(lái)驗(yàn)證GA-ANN模型的可行性和有效性。建筑工程估價(jià)ANN模型有輸入層、隱含層和輸出層組成,網(wǎng)絡(luò)構(gòu)造如此圖1所示。輸入因素:(1)構(gòu)造形式c;(2)基礎(chǔ)類型;(3)建筑層數(shù)s;(4)外墻裝飾d;(5)墻體材料m;(6)門(mén)窗類型t;(7)平面組合p。如表1所示。輸出結(jié)果:(1)木材用量w;(2)水泥用量c;(3)造價(jià)m;(4)鋼材用量r。GA-ANN模型經(jīng)過(guò)21次訓(xùn)練后實(shí)際輸出結(jié)果與期望輸出誤差平方和知足誤差允許值,講明訓(xùn)練好的網(wǎng)絡(luò)可用,輸出結(jié)果如表2所示。由表2可知,實(shí)際的建筑工程估價(jià)結(jié)果與混合GA-ANN模型預(yù)測(cè)結(jié)果基本一致。但是實(shí)際建筑工程估價(jià)結(jié)果和ANN模型的預(yù)測(cè)結(jié)果相差較大。講明混合GA-ANN預(yù)測(cè)模型優(yōu)于ANN模型,能夠?qū)ㄖこ淘靸r(jià)快速、準(zhǔn)確、實(shí)用的進(jìn)行估算。圖2混合GA-ANN模型的流程圖表1建筑工程特征表表2測(cè)試樣本的輸出結(jié)果和實(shí)際結(jié)果將表2測(cè)試樣本的輸出結(jié)果和實(shí)際結(jié)果經(jīng)過(guò)平均平方誤差計(jì)算并繪制出變化曲線如此圖3所示?；贕A-ANN模型在建筑工程估價(jià)的應(yīng)用特別接近于真實(shí)的實(shí)際結(jié)果。3結(jié)束語(yǔ)根據(jù)實(shí)例研究,并把混合GA-ANN模型結(jié)果和ANN模型結(jié)果與實(shí)際值相比擬,結(jié)果表示清楚混合GA-ANN模型結(jié)果更接近于實(shí)際值。進(jìn)而驗(yàn)證了混合GA-ANN模型更準(zhǔn)確,完全能夠有效地進(jìn)行建筑工程估價(jià)。運(yùn)用GA-ANN模型能夠方便地建立建筑工程構(gòu)造與工程造價(jià)之間的非線性關(guān)系,通過(guò)訓(xùn)練和測(cè)試樣本對(duì)模型進(jìn)行訓(xùn)練和測(cè)試,應(yīng)用時(shí)只需將筑工程構(gòu)造參數(shù)輸入已訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型中,就能得到相應(yīng)的工程造價(jià)。該方式方法特別簡(jiǎn)單、直觀、準(zhǔn)確、高效,具有廣闊的應(yīng)用前景。圖3平均平方誤差變化曲線以下為參考文獻(xiàn)[1]周麗萍,胡振鋒.BP神經(jīng)網(wǎng)絡(luò)在建筑工程估價(jià)中的應(yīng)用[J].西安建筑科技大學(xué)學(xué)報(bào),2005,37(2):262-296.[2]沈良峰.建筑工程快速估計(jì)的一種模型及應(yīng)用[J].工業(yè)工程與管理,2004(2):86-94.[3]HollandJH.Adaptationinnaturalandartificialsystems[M].MI:UniversityofMichiganPress,1975.[4]楊建剛.人工神經(jīng)網(wǎng)絡(luò)實(shí)用教程[M].