基于B神经网络的建筑工程承发包价格预测

基于BP神经网络的建筑工程承发包价格预测摘要：研究建筑工程承发包价格的发展变化规律是承发包价格管理中一个重要问题。通过分析已有的承发包价格预测方法，选取BP神经网络对承发包价格发展变化进行预测；在确定承发包价格的影响因素的基础上，建立基于BP神经网络的建筑工程承发包价格预测模型，并以西安市砖混结构住宅为例，应用建立的预测模型对承发包价格进行了预测，证明了该模型具有很好的实用性和可操作性。关键词：BP神经网络承发包价格预测TheForecastofContract-issuingPriceBasedontheBPNeuralNetworkYANWen-zhouZHANGJian-xin(ManagementSchool,Xi’anUniv.ofArch.&Tech.,Xi’anChinaAbstract:Itisanimportantissueofcontract-issuingpricemanagementtostudythelawofthechangeofthecontract-issuingprice.Afteranalysingthecontract-issuingpriceforecastmethodswhichhadbeenused,weselectBPneuralnetworktoforecastthecontract-issuingprice;Basedondeterminingtheinfluencingfactorsofcontract-issuingprice,establishthecontract-issuingpriceforecastmodelwhichbasedonBPneuralnetwork,andtakeXi'ancity’smasonrystructureresidenceforexample,weapplythismodeltoforecastthecontract-issuingpriceandtestifythepracticabilityandmaneuverabilityofthemodel.Keywords:BPneuralnetwork;thecontract-issuingprice;forecast1引言建筑工程承发包价格管理关系到国家建设资金的合理利用，关系到维护建筑市场的秩序以及承发包双方的合法权益，是国家有关主管部门和建筑各方都非常关心的问题。因此，研究建筑工程承发包价格的发展变化规律，从而制定和预测科学的建筑工程承发包价格已成为建筑市场上各利益主体的迫切需求。目前，可用于承发包价格预测的方法很多，比如回归分析法、因果分析法以及灰色系统等各种预测方法。预测方法的选择直接关系到预测目标的实现和预测结果的精确程度，因此我们必须结合建筑工程承发包价格自身的特点来选择合适的预测方法。已有的研究表明：回归分析需要因变量和自变量之间有一定的数学关系，但是建筑工程承发包价格和其影响因素之间并没有一定的数学函数关系[1]；因果分析法要求因变量和自变量有连续、稳定的关系，但是我们研究的内容不具备这样的特点；灰色系统虽然需要的数据较少，但是对统计数据不能进行有效筛选，因此也不适用[2]。而BP神经网络可以解决因变量与自变量之间的非线性问题和输入与输出之间没有固定算法的问题[3]，因此，选择BP神经网络进行承发包价格预测。2、建筑工程承发包价格影响因素确定影响承发包价格的因素复杂、多变，要将所有因素都进行分析研究是困难的。但是可以认为在一段经济、政治比较平稳时期，承发包价格的变动是由一些基本因素决定的。在选择影响建筑工程承发包价格因素时，本文还考虑到以下几方面：1）选取明显影响承发包价格的因素；2）便于对因素进行定量化处理；3）结合市场实际情况能够得到系统行为特征的数据序列。基于上述的认识和考虑，为了对建筑工程承发包价格预测研究，选择以下因素:（1）人工单价：人工单价具有多种形式，例如有木工、钢筋工、瓦工等。为了使人工单价可以对比、便于统计和计算，采用综合工日单价进行统计计算。（2）钢筋价格：钢筋品种比较多，有圆钢、角钢、螺纹钢等，再由于钢材价格特别不稳定，一月内的钢材价格也相差很大。鉴于这种情况，采用的钢材价格是螺纹钢年平均价格。（3）水泥价格：由于水泥品种繁多，资料收集比较困难，因此将以普通硅酸盐325水泥的平均价格作为研究对象。（4）木材价格：木材价格采用东北松原木的平均价格。（5）红砖价格：红砖价格采用机制红砖的平均价格。（6）玻璃价格：玻璃价格采用的是δ=3的开片平板玻璃的平均价格。（7）陶瓷价格：装饰类的材料是比较多的，地砖的品种和规格也是非常繁多的。这里采用300×300的地砖半瓷的平均价格。（8）防水材料价格：考虑到建材的实用性以及目前普通房屋建筑防水材料的通用性，采用4mm厚的聚酯胎SBS防水卷材的价格。3建筑工程承发包价格BP神经网络预测模型的建立3.1BP神经网络结构的设计BP神经网络结构的设计，其实就是层数的确定和各层神经元个数的选择。一般只有一个输入层和一个输出层。输入层的神经元个数由建筑工程承发包价格的影响因素数量确定，根据分析，输入层的神经元个数为8。以建筑工程承发包价格作为网络的输出，其神经元个数为1。1989年RobertHecht-Nielson证明了对于任何在闭区间内的一个连续函数，都可以用一个隐含层的BP网络来逼近[4]，因而隐含层数确定为1。隐含层节点数可通过经验公式确定为12个。其中，为隐含层节点数；为输入层节点数；为输出层节点数；a为调节常数，在1～10之间取值[3]。所以，BP网络的结构为:8-12-1，即8个输入节点，12个隐节点，1个输出节点的BP神经网络。建筑工程承发包价格预测BP神经网络结构如图1所示。图1建筑工程承发包价格预测BP神经网络结构图激活函数的选择一般情况下，隐含层使用Sigmiod激活函数（如对数Sigmiod函数和正切Sigmiod函数），输出层则是使用线性激活函数。因为Sigmiod函数具有非线性放大系数功能，它可以把输入从负无穷大到正无穷大变换成-1到1之间输出。对较大的输入信号，放大系数较小；而对较小的输入信号，放大系数则较大[5]。因此，Sigmiod函数可以用来处理和逼近建筑工程承发包价格和影响因素之间的非线性关系。线性激活函数可以保证网络的输出取任意值，因此符合承发包价格预测的需求。对数Sigmiod传递函数的激励作用使得隐层节点和输出层节点的输出限制在（0，1），当研究对象特性在正负区间变化时，采用对数Sigmiod传递函数作为激活函数的神经网络，不能映射对象在负区间特性的变化，失去了以任意精度逼近非线性函数的特性。因此，隐含层的激活函数选用正切Sigmiod传递函数，该函数具有收敛误差小的优点，其表达式为：，在Matlab神经网络工具箱中对应函数为tansig。输出层的激活函数采用纯线性传递函数，其表达式为：，Matlab神经网络工具箱中对应函数为purelin。BP网络创建及训练在确定了BP网络的结构和各层的激活函数之后，利用Matlab神经网络工具箱中的工具建立建筑工程承发包价格预测的BP神经网络。采用newff函数生成BP网络。在BP神经网络的训练算法中，都是通过计算性能函数的梯度，在沿负梯度方法调整权值和阈值，从而使性能函数达到最小。Matlab神经网络工具箱提供了多种训练函数，但是它们都是属于批处理模式的训练函数，它由函数train触发。这里选择动量批梯度下降函数(traingdm)进行训练，该函数在对权值和阈值更新时不仅考虑当前的梯度方向，而且还考虑了前一时刻的梯度方向，从而降低了网络性能对参数调整的敏感性，有效的避免了局部最小问题在网络训练中的出现[6]。BP网络创建及训练命令格式：net=newff(minmax(pn),[12,1],{'tansig','purelin'},'traingdm')4建筑工程承发包价格预测模型的应用4.1建筑工程承发包价格因素数据收集整理及归一化以西安市砖混结构住宅为例，对建筑工程承发包价格进行预测研究。根据西安市统计年鉴，1998至2006年陕西建设工程材料信息价以及调研得到影响建设工程承发包价格因素的相关数据，见表1。用Matlab工具箱归一化命令premnmx编写程序实现数据的归一化，样本数据归一化后分布在[-1,1]之间。命令格式：[pn,minp,maxp,tn,mint,maxt]=premnmx(p,t)表11998至2005年西安市建筑工程承发包价格主要因素信息价项目年份199819992000200120022003200420052006年度承发包价（元/㎡）497540575612652666742792824影响因素人工单价（元/工日）18.920.3121.9923.8224.7825.7326.9428.9530.54钢筋价格（元/t）249825332620259326003350342836203791水泥价格（元/t）245270266.25265270275305324335木材价格（元/m³）115911631166.7114511301110113011201083红砖价格（元/千块）102142145150160160168180193玻璃价格（元/㎡）161616161616161717陶瓷价格（元/块）2.32.32.32.32.32.31.81.71.6防水材料价格（元/㎡）2121212225252225264.2建筑工程承发包价格预测模型训练及预测选用结构8-12-1的BP神经网络来建模，将西安市建筑工程承发包价格的影响因素作为网络的输入变量，建筑工程承发包价格作为网络的输出量。用Matlab语言编写程序来实现，BP网络在经过4513利用BP神经元网络的预测模型，预测出西安市砖混结构住宅2005年、2006年承发包价格分别为800.59元/平方米和856.29元/平方米。根据西安市某房地产公司提供的数据，05年和06年西安市砖混结构住宅平均承发包价格为792元/平方米和824元/平方米，与预测值相对误差分别为1.08%和3.92%（检验误差均在5%以内），说明模型预测具有良好的准确性,可进行下一步的预测。4.3建筑工程承发包价格的BP网络预测以统计平均增长率的方法获得2007年至2010年各输入变量估计值，见表2。将输入变量估计值代入已经建立的模型得到预测结果，见表3。西安市砖混结构实际与预测承发包价格如图2所示。表22007年至2010年各输入变量估计值因素2007年2008年2009年2010年人工单价（元/工日）32.2233.9935.8637.84钢筋价格（元/t）3968415443494554水泥价格（元/t）347359372389木材价格（元/m³）1078107310691045红砖价格（元/千块）208223239257玻璃价格（元/㎡）1717.417.517.7陶瓷价格（元/块）1.581.521.461.41防水材料价格（元/㎡）26272728表32005年至2010年建筑工程承发包价格预测值年份200520062007200820092010预测价格800.59856.29868.35859.4868.96871.95图2西安市砖混结构实际与预测承发包价格5结语建筑工程承发包价格管理是国家有关主管部门和建筑市场各利益主体关注的焦点。通过分析已有的建筑工程承发包价格预测方法，提出了基于BP神经网络的建筑工程承发包价格预测方法。以西安市砖混结构为研究对象，在大量市场调研的基础上，通过对数据的收集、处理、BP神经网络训练检验和预测等过程，全面系统的检验了基于BP神经网络建筑工程承发包价格发展变化预测模型的有效性，并通过实证分析，表明该方法具有很好的实用性和可操作性。参考文献[1]张爽，房树田.回归分析法在工程造价分析系统开发中的应用[J].黑龙江工程学院学报,Vol.18,No.3,2004[2]王