安徽建筑
中图分类号：TU723.3文献标识码：A 文章编号：1007-7359（2023）1-0095-02
DOI:10.16330/jki.1007-7359.2023.1.038银河宽频
0前言
工程造价是工程项目预估或实际支出的建设费用。按工程不同的建设阶段，工程造价根据不同时期有多种类型。其中，工程项目的前期投资估算影响着项目的前期决策，是决策项目投资的重要依据。因此，工程造价是成本控制的 基础[1]
，影响着项目整体的成本管理。工程项目的造价具有单独性、唯一性和
复杂性等特点[2]
。项目实施过程中，影响工程造价的因素很多，由于造价人员的经验不同，会导致造价估算的准确性不同。
人工神经网络作为人工智能领域的研究热点，可以利用信息处理技术模拟人脑神经元网络建立模型，并按照不同的连接方式组成不同的网络。神经网络以不同网络结构分类为前向网络和反馈网络。BP 神经网络作为典型的多层前向型人工神经网络，在模式识别、函数逼近、分类、数据压缩等方面应用广泛[3]。近年来，随着构建BP 神经网络模型预测项目造价估算研究的深入，BP 神经网络在工程造价中得到较为广泛的应用。本文将对BP 神经网络在工程项造价估算方面的研究现状进行阐述和分析。 1BP 神经网络模型在建筑工程造价中研究现状
人工神经网络模型已被研究证明可以预测工程项目造价。目前，国内外研究表明，人工神经网络预测技术越来越多，理论研究趋于成熟[4-8]。M.E.GEOR⁃GY 等人通过使用人工神经网络，在预算授权阶段对建设项目成本进行参数估测，并对理论的正确性和合理性进行阐述。同时，通过MATLAB 平台，发现经过训练的人工神经网络模型对新工程进行估测时的误差[9]。Shi H 等基于粗糙理论，建立基于优化粒子和BP 神经网
络的模型，以预测、估算工程造价，并选取建筑实例工程项目进行实证分析，证
明模型的实用性[10]
。任宏等基于BP 神经网络利用MATLAB 软件，以实际工程资料为例，建立工程造价和主要工程量的数学模型，通过对比考虑造价指数等影响，验证了改进模型的可行性和精确性[11]。张登文等通过增加造价指数为特征指标，以实例计算结果表明改进BP 神经模型工程造价精度更高，证明模型的
可靠性及实用性[12]
。王建茹等通过MATLAB 程序设计，建立基于BP 神经网络的建筑工程造价模型，选取工程造价的影响因素作为输入值，以单方造价为输出值，建立了输入值与输出值的函数关系，快速估算出建筑项目工程造价[13]
。滕凌云将建筑工程造价中的特征值量化，作为模型输入样本，构建BP 神经网络工程造价预测模型。通过验证，证明BP 模型能够满足建筑工程造价预测要求[14]。
2BP 神经网络模在市政工程造价中研究现状
BP 神经网络也可以适用于市政工程中的造价估算。张俊以太湖高铁片区道路工程为例，运用PyCharm 软件建立基于Tensorflow 框架的BP 神经网络模型，选取15个特征值。以15个项目为样本训练模型，通过不断测试，直到条件满足。张俊利用测试模型对3个项目进行预测，预测值与实际值相对误差均小于10%，验证了BP 神经模型在道路工程造价中的可行性与精确性[2]。王飞等基于BP 神经网络对公路工程造价展开
研究，通过确定7个影响较大的工程特征作为输入向量构建了高速公路的工程造价模型，证明了BP 神经网络可以有效提高工程造价预测的精确性，具有较强
的使用价值[15]
。潘延昌对公路路基工程展开研究，构建BP 神经网络模型估算7个标段土石方量和防护工程量造价，预测结果表明，土石方量估算误差基本在10%以内，防护工程量估算误差在16%以内，防护工程比土石方工程量造价估算误差大[16]。贺倩以铁路桥梁混凝土工程为例，建立BP 神经网络模型。提取9个影响因子为研究对象，统计其相关性，最终确定7个重要影响因子。研究以21个桥梁数据为支撑，估算项目总投资。通过网络输出投资与实际总投资对比，相对误差3.29%，未超出设定误差±9.5%。结果表明，BP 神经网络构建的工程造价模型具有较高的精准度[17]。
3BP 神经网络的设计原理
BP 神经网络是一种多层次的人工
神经网络。网络结构主要包括三层：输
入层、输出层和隐含层[15]
。BP 神经网络结构图见图1所示，其包含2层隐含层。
同一层间的神经元无连接，因此，BP 神经网络可以挖掘输入层中的更多信息，完成更复杂的信息处理[3]。BP 神经网络的传递函数一般采用Sigmoid 、线性函数。典型的BP 神经网络是Sig⁃moid 函数用于隐含层，线性函数用于输出层。BP 神经网络采用误差反向传播算法进行学习，神经网络根据误差逐层修正。BP 神经模型的工作流程图见图2
所示。
图2BP 神经模型工作流程图
这种采用监督式的学习方式，需要通过相关数据训练，再以一定数量的样本进行测试。如果样本数量不足，会影响模型预测结果。
摘要：BP神经网络是一种模拟人类神经系统，利用计算机仿真的信息处理技术。文章
分析了BP神经网络在建筑工程和市政工程造价估算方面的应用研究进展，并介绍了BP 网络的设计原理、不足和改进，展望BP神经网络模型在工程造价中的发展前景。同时，也提出了发展的局限性。
关键词：BP神经网络；工程造价；建筑工程；市政工程
作者简介：
杨悦(1991-)，女，安徽六安人，毕业于安徽建筑大学建筑与土木工程专业，硕士，助教。专业方向：土木工程。基金项目：
2019年度省教育厅科学研究项目（KJ2019A1189）：基于神经网络的合成纤维在无机稳定土经济模型研究
BP 神经网络在工程造价中的研究现状综述
杨悦，张贤芳
男峰论坛
（安徽国防科技职业学院城市建设学院，安徽
六安
237011
）
图1BP 神经网络模型结构图
B I M 技术研究与应用Copyright ©博看网. All Rights Reserved.
安徽建筑
在工程项目中造价金额，需要比较
精确的数值，否则会影响成本控制。因
此，利用BP神经网络构建工程造价模型
需选取合适的数据样本。李芬等人选取
山区高速公路桥梁工程18组数据为训
练样本，以桥梁特征为参数，采用BP神
经网络算法，利用5组测试样本检验模
型，预测工程造价值的准确性。结果显
示，预测值的误差均在测试值的6%以
内，模型效果显著[18]。王运琢以40个公
路收费站房建工程为样本，其中38个作
为训练样本，2个作为测试样本。王运
琢选取7个输入单元，4个输出单元，在
MATLAB平台构建两个隐含层的BP神
<经网络。研究表明，总体误差比率较小，
证明模型的泛化能力较好。对于个别工
程误差大，王运琢提出原因是学习样本
数量不足[19]。杨锦跃以26个工程为样
本，其中21个作为训练样本，5个作为测
试样本，在MATLAB平台对BP神经网
络模型做仿真分析。经分析研究得出构
建基于BP神经模型的建筑工程造价模
型分析预测误差相对较小，效果较好。
同时，杨锦跃发现样本个数太少，模型预
测相对误差较大[20]。
4BP神经网络的不足与改进
传统BP神经网络算法的误差曲面
存在一定的平面，该平面会导致误差缓
慢调整，从而权值的调整速率减缓。训
练的迭代次数增加，训练进程变缓，训练
时间增加[21-22]。
BP神经网络没有统一精确的计算
隐含层神经元数的方法。一般会借鉴其
他学者经验公式确定隐含层神经元数，
此种方法计算出的隐含层神经元数，可
能会影响BP神经网络的训练精度[23]。
BP神经网络的学习率也是由经验公式
计算确定，这样的取值可能会影响BP神
经网络的稳定性，降低效率[24]。BP神经
网络计算过程容易存在局部极小点，使
网络在学习过程无法计算出误差最小
值[25]。
由于BP神经网络具有训练进程慢、
隐含层神经元数和学习率确定难、局部
极小点等缺点，在实际应用中，传统的
BP神经网络算法难以广泛应用，因此出
现一些改进的BP神经网络算法。肖滨
通过使用动量法和学习率自适应调整的
算法来改进传统的BP神经网络算法，估
算公路工程的预算金额。通过对多次预
测值与实际值进行线性回归分析，得出
相关系数均在0.9以上，证明该种方法
改进的BP神经网络运行稳定。肖滨也
提出这种改进的BP神经网络也是需要
大量相近的数据训练模型[26]。王雪青等
用遗传算法对BP神经网络初始权值进
行改进和优化，选取15组实例作为训练
样本，5组为预测样本，分别用BP神经
网络和改进的BP神经网络运行模拟预
测建设工程项目投标报价标高金值。对
比实际标高金值与模型预测值，得出遗
传算法BP神经网络计算平均相对误差
更小，收敛速度更快，王雪青等认为利用
遗传算法的BP神经网络模型可以改善
食品工业科技BP网络训练进程慢、局部极小点的缺
点[27]。
5结语
BP神经网络作为一种人工神经网
络具有很强的模式识别和数据拟合能
力。其在工程造价中的应用不断显示出
优越性，并吸引着越来越多的研究学者
深入探索。大量的研究实例表明，将BP
神经网络应用到工程造价估算，对提高
项目的造价预算准确性和控制企业的成
本都具有极大的积极意义。
BP神经网络模型构建需要大量的
相关数据进行训练。部分工程项目样本
数据存在信息不能及时共享，收集能力
有限。同时，BP神经网络的模拟能力与
训练样本关系很大，对样本具有一定的
依赖性。如果样本选取不当，会导致BP
神经网络模型运行效果不佳，难以达到
预期性能。因此，在利用BP神经网络进
行快速估价还具有一定的局限性。由于
工程项目的复杂性，影响工程造价的因
素较多，选择不同的影响因素作为指标
可能会导致不同的预测结果。
参考文献
[1]余剑.刍议BP神经网络在建筑工程造价
中有效应用[J].江西建材,2015(09):
249-250.
[2]张俊.基于BP神经网络的太湖高铁片区
道路工程造价预测研究[D].安徽建筑大
学,2021.
[3]陈明.MATLAB神经网络原理与实例精
解[M].北京：清华大学出版社,2013.
[4]Friedrich B k,Barmann F.A learning Al⁃
ogorithm for Multilayered Neural Ner⁃
works Based on Linear Square Prob⁃
lems.Neural Networks.1993.
[5]Hogan M T,Howard B,Beale D M.Neu⁃
ral Network Design.1996.
[6]Naylor TH,Finger JM.Verification of
computer simulation models[J].Man⁃
agement Science,1967,14(2):B-92-
B-101.
[7]Mair C,Shepperd M.The consistency
of empirical comparisons of regres⁃
sion and analogy-based software
project cost prediction[C]//Empirical
Software Engineering,2005.2005In⁃
ternational Symposium on.IEEE,2005:
10PP.
[8]Al-Momani AH.Construction cost pre⁃
diction for public school buildings in
Jordan[J].Construction Management
&Economics,1996,14(4):311-317.
[9]M.E.Georgy；s.H.Barsoum.Artificial
neural networks model for parametric
estimating of construction project
costs.Journal of Engineering and Ap⁃
plied Science,2005,52(6):1050-1066.
[10]Shi H,Li W.The integrated methodol⁃
ogy of rough set theory and artificial
neural-network for construction proj⁃
ect cost prediction[C]//Intelligent In⁃
formation Technology Application,
2008.IITA08.Second International
Symposium on.Ieee,2008,2:60-64.
[11]任宏，周其明.神经网络在工程造价和
主要工程量快速估算中的应用研究[J].
微计算机信息
土木工程学报,2005(08):135-138.
[12]张登文，蒋红妍，张子圆.基于BP神经
网络的建筑工程造价快速预测[J].水利
建行网点转型与建筑工程学报,2010,8(03):61-62+
73.
[13]王建茹.基于BP神经网络的建设工程
造价预测方法[J].沈阳建筑大学学报
(社会科学版),2014,16(01):42-45.
[14]滕凌云.基于BP神经网络的建筑工程
造价预测模型构建研究[J].住宅产业,
2020(12):110-113.
[15]王飞，郑张丽，郭静静，等.基于神经网络
的公路工程造价预测模型[J].河北工程
大学学报(自然科学版),2014,31(04):
102-104.
[16]潘延昌.基于BP神经网络的公路路基
造价方法研究[J].甘肃科技,2020,36
(14):97-99.
[17]贺倩.基于BP神经网络的铁路桥梁混
凝土工程造价模型[J].建筑技术开发,
2021,48(17):106-108.
[18]李芬，汤虎.基于神经网络的山区公路
桥梁造价预测[J].土木工程与管理学
报,2011,28(04):78-81.
[19]王运琢.基于BP神经网络的高速公路
工程造价估算模型研究[J].石家庄铁道
大学学报(自然科学版),2011,24(02):
61-64.
[20]杨锦跃.基于BP神经网络的建筑工程
造价预测研究[D].浙江大学,2015.
[21]Haseeb Jamee Ahmed.An examina⁃
tion of real estate appraisal patterns
in the residendial moetgamarket[D].
Jacksonville State University,1998.
[22]James Roger ward a for⁃
mal statement of risedential real es⁃
tate appraisal theory:behavioral ap⁃
proach[D].university of Wisconsin-
madison,1982.
[23]宁武龙.基于BP神经网络的轴承寿命
预测平台开发[D].西南交通大学,2014.
[24]李菊.BP神经网络在房地产批量评估
中的应用研究[D].昆明理工大学,2015.
[25]曾明，魏衍.一种BP神经网络改进算法
的研究及应用[J].微计算机信息,2009,
25(18):193-195.
[26]肖滨.基于改进BP神经网络的公路工
程概算审查[J].湖南交通科技,2008
(01):34-36.
[27]王雪青，喻刚，孟海涛.基于GA改进BP
神经网络的建设工程投标报价研究[J].
土木工程学报,2007(07):93-98. BIM
技术研究与应用
Copyright©博看网. All Rights Reserved.
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议