【摘要】：工程造價領(lǐng)域包括的內(nèi)容很多,從業(yè)人員必須提高工作效率才能創(chuàng)造更多的價值。因此,如何快速估算建筑工程的造價便成為此領(lǐng)域需要重點研究的內(nèi)容。在項目可行性研究階段,我們有必要估算出工程造價,以便將來作為招投標(biāo)標(biāo)底的依據(jù)。因此,在工程建設(shè)的前期,我們必須估算工程造價來控制投資成本。如何準(zhǔn)確快速的建立估價預(yù)測模型是人們需要解決的實際問題,工程造價的估算方法有很多,但這些方法都存在著缺陷,精度不高。如何在確保精度的前提下,又能快速估價,是目前需要研究的重點。傳統(tǒng)的估價方法有很多種,但它們的計算結(jié)果精度不高,誤差較大,隨著計算機的不斷發(fā)展,人們逐漸將數(shù)理模型與計算機相結(jié)合,尋求一種滿意的估價模型,來解決工程中的一些問題。本文主要介紹了模糊數(shù)學(xué)法、灰色理論法、神經(jīng)網(wǎng)絡(luò)法,模糊數(shù)學(xué)與灰色理論能有效的解決相似度的問題,對待估工程的造價估算起到了畫龍點睛的作用,神經(jīng)網(wǎng)絡(luò)對樣本的訓(xùn)練與測試也促進了建筑工程的快速估價。將這三種方法用于工程造價中,誤差都可以控制在允許的范圍之內(nèi),本文通過分析大量的工程實例,建立數(shù)據(jù)庫,將理論與實際相結(jié)合,挑選出影響工程造價的幾個主要因素,應(yīng)用模糊數(shù)學(xué)和灰色理論分別估算待估工程的造價值,并在此基礎(chǔ)上,提出了灰色模糊神經(jīng)網(wǎng)絡(luò)模型,即根據(jù)模糊貼近度和灰色關(guān)聯(lián)度篩選出與擬建工程最為相似的工程項目,并將其作為BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本,將樣本數(shù)據(jù)進行量化分析與歸一化處理,通過多輪次的計算,不斷確定網(wǎng)絡(luò)的權(quán)值和閾值,直到滿意為止。根據(jù)誤差計算結(jié)果,可以得出結(jié)論,灰色模糊神經(jīng)網(wǎng)絡(luò)的精度高于單獨使用模糊數(shù)學(xué)模型和灰色理論模型,而且克服了過去的缺點,靈活性更好,更能讓人滿意,實現(xiàn)了對建筑工程造價快速預(yù)估的目的,為建筑工程造價的研究提供了一種新的解決方法。MATLAB中的神經(jīng)網(wǎng)絡(luò)工具箱里面設(shè)置了有關(guān)BP人工神經(jīng)網(wǎng)絡(luò)的相關(guān)函數(shù),本文通過工程實例介紹了神經(jīng)網(wǎng)絡(luò)工具箱中NNTool的功能,敘述了如何利用NNTool對建筑工程進行訓(xùn)練與測試,并介紹了訓(xùn)練過程中各參數(shù)所表示的意義以及對樣本的作用,詳細的介紹了神經(jīng)網(wǎng)絡(luò)工具箱的操作步驟。
[Abstract]:The field of engineering cost includes a lot of content, practitioners must improve their work efficiency to create more value. Therefore, how to estimate the construction cost quickly becomes the important research content in this field. It is necessary to estimate the project cost in the project feasibility study stage so as to serve as the basis for bidding in the future. Therefore, in the early stage of engineering construction, we must estimate the project cost to control the investment cost. It is a practical problem that how to set up accurate and fast evaluation and prediction model. There are many methods to estimate engineering cost, but these methods have defects and low accuracy. How to ensure the accuracy, and how to quickly evaluate, is the focus of the current research. There are many kinds of traditional valuation methods, but their accuracy is not high and the error is large. With the development of computer, people gradually combine mathematical model with computer to seek a satisfactory evaluation model. To solve some of the problems in the project. This paper mainly introduces the fuzzy mathematics method, the grey theory method, the neural network method, the fuzzy mathematics and the grey theory can effectively solve the similarity degree question, the estimate of the cost of the estimate project has played the important role. Neural network training and testing of samples also promote the rapid evaluation of construction projects. The error can be controlled within the allowable range by applying these three methods to the project cost. By analyzing a large number of engineering examples, establishing a database, combining theory with practice, this paper selects several main factors that affect the project cost. Applying fuzzy mathematics and grey theory to estimate the construction value of the project to be evaluated, a grey fuzzy neural network model is put forward, that is, according to the fuzzy closeness degree and grey correlation degree, the project which is most similar to the proposed project is selected. It is used as the training sample of BP neural network, the sample data is analyzed and normalized, and the weights and thresholds of the network are determined through the calculation of multiple rounds until satisfactory. According to the result of error calculation, it can be concluded that the precision of grey fuzzy neural network is higher than that of using fuzzy mathematical model and grey theory model alone, and it overcomes the shortcomings of the past, has better flexibility and is more satisfactory. The paper realizes the purpose of rapid estimate of construction cost, and provides a new solution for the study of construction cost. The related function of BP artificial neural network is set up in the neural network toolbox of MATLAB. This paper introduces the function of NNTool in neural network toolbox through engineering example, describes how to use NNTool to train and test building engineering, and introduces the significance of each parameter in the training process and its function to samples. The operation steps of neural network toolbox are introduced in detail.
【學(xué)位授予單位】：沈陽建筑大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TU723.3

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 王凡,孟立凡;關(guān)于使用神經(jīng)網(wǎng)絡(luò)推定操作者疲勞的研究[J];人類工效學(xué);2004年03期

2 常國任;李仁松;沈醫(yī)文;劉鋼;;基于神經(jīng)網(wǎng)絡(luò)的直升機艦面系統(tǒng)效能評估[J];艦船電子工程;2007年03期

3 陳俊;;神經(jīng)網(wǎng)絡(luò)的應(yīng)用與展望[J];佛山科學(xué)技術(shù)學(xué)院學(xué)報(自然科學(xué)版);2009年05期

4 許萬增;;神經(jīng)網(wǎng)絡(luò)的研究及其應(yīng)用[J];國際技術(shù)經(jīng)濟研究學(xué)報;1990年01期

5 張軍華;神經(jīng)網(wǎng)絡(luò)技術(shù)及其在軍用系統(tǒng)中的應(yīng)用[J];現(xiàn)代防御技術(shù);1992年04期

6 雷明,李作清,陳志祥,吳雅,楊叔子;神經(jīng)網(wǎng)絡(luò)在預(yù)報控制中的應(yīng)用[J];機床;1993年11期

7 靳蕃;神經(jīng)網(wǎng)絡(luò)及其在鐵道科技中應(yīng)用的探討[J];鐵道學(xué)報;1993年02期

8 宋玉華，，王啟霞;神經(jīng)網(wǎng)絡(luò)診斷──神經(jīng)網(wǎng)絡(luò)在自動化領(lǐng)域里的應(yīng)用[J];中國儀器儀表;1994年03期

9 魏銘炎;國內(nèi)外神經(jīng)網(wǎng)絡(luò)技術(shù)的研究與應(yīng)用概況[J];電機電器技術(shù);1995年04期

10 王中賢，錢頌迪;神經(jīng)網(wǎng)絡(luò)法在經(jīng)濟管理中的應(yīng)用[J];航天工業(yè)管理;1995年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡(luò)的混沌性[A];1996中國控制與決策學(xué)術(shù)年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡(luò)[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡(luò)和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡(luò)的新機遇——紀(jì)念中國神經(jīng)網(wǎng)絡(luò)10周年[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

6 許進;保錚;;神經(jīng)網(wǎng)絡(luò)與圖論[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預(yù)報產(chǎn)品的神經(jīng)網(wǎng)絡(luò)釋用預(yù)報應(yīng)用[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡(luò)在中學(xué)生創(chuàng)造力評估中的應(yīng)用[A];第十二屆全國心理學(xué)學(xué)術(shù)大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡(luò)的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學(xué)學(xué)報（增刊）][C];2009年

10 張廣遠;萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2010年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 美國明尼蘇達大學(xué)社會學(xué)博士 密西西比州立大學(xué)國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經(jīng)網(wǎng)絡(luò)硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡(luò)將大顯身手[N];中國紡織報;2003年

4 中國科技大學(xué)計算機系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡(luò)”：打開復(fù)雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經(jīng)網(wǎng)絡(luò)[N];科技日報;2011年

7 健康時報特約記者　 張獻懷;干細胞移植：修復(fù)受損的神經(jīng)網(wǎng)絡(luò)[N];健康時報;2006年

8 劉力;我半導(dǎo)體神經(jīng)網(wǎng)絡(luò)技術(shù)及應(yīng)用研究達國際先進水平[N];中國電子報;2001年

9 ;神經(jīng)網(wǎng)絡(luò)和模糊邏輯[N];世界金屬導(dǎo)報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡(luò)應(yīng)用研究通過鑒定[N];中國船舶報;2006年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 楊旭華;神經(jīng)網(wǎng)絡(luò)及其在控制中的應(yīng)用研究[D];浙江大學(xué);2004年

2 李素芳;基于神經(jīng)網(wǎng)絡(luò)的無線通信算法研究[D];山東大學(xué);2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡(luò)的混沌性及幾類時滯神經(jīng)網(wǎng)絡(luò)的同步研究[D];電子科技大學(xué);2014年

4 王新迎;基于隨機映射神經(jīng)網(wǎng)絡(luò)的多元時間序列預(yù)測方法研究[D];大連理工大學(xué);2015年

5 付愛民;極速學(xué)習(xí)機的訓(xùn)練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學(xué);2015年

6 李輝;基于粒計算的神經(jīng)網(wǎng)絡(luò)及集成方法研究[D];中國礦業(yè)大學(xué);2015年

7 王衛(wèi)蘋;復(fù)雜網(wǎng)絡(luò)幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學(xué);2015年

8 張海軍;基于云計算的神經(jīng)網(wǎng)絡(luò)并行實現(xiàn)及其學(xué)習(xí)方法研究[D];華南理工大學(xué);2015年

9 李艷晴;風(fēng)速時間序列預(yù)測算法研究[D];北京科技大學(xué);2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關(guān)鍵技術(shù)研究[D];東南大學(xué);2015年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 章穎;混合不確定性模塊化神經(jīng)網(wǎng)絡(luò)與高校效益預(yù)測的研究[D];華南理工大學(xué);2015年

2 賈文靜;基于改進型神經(jīng)網(wǎng)絡(luò)的風(fēng)力發(fā)電系統(tǒng)預(yù)測及控制研究[D];燕山大學(xué);2015年

3 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學(xué);2015年

4 陳彥至;神經(jīng)網(wǎng)絡(luò)降維算法研究與應(yīng)用[D];華南理工大學(xué);2015年

5 董哲康;基于憶阻器的組合電路及神經(jīng)網(wǎng)絡(luò)研究[D];西南大學(xué);2015年

6 武創(chuàng)舉;基于神經(jīng)網(wǎng)絡(luò)的遙感圖像分類研究[D];昆明理工大學(xué);2015年

7 李志杰;基于神經(jīng)網(wǎng)絡(luò)的上證指數(shù)預(yù)測研究[D];華南理工大學(xué);2015年

8 陳少吉;基于神經(jīng)網(wǎng)絡(luò)血壓預(yù)測研究與系統(tǒng)實現(xiàn)[D];華南理工大學(xué);2015年

9 張韜;幾類時滯神經(jīng)網(wǎng)絡(luò)穩(wěn)定性分析[D];渤海大學(xué);2015年

10 邵雪瑩;幾類時滯不確定神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性分析[D];渤海大學(xué);2015年

本文編號：2135702