基于人工智能技术的建筑工程造价估算研究(附件)【字数：20155】
工程建设项目造价是对工程造价管理进行明确的关键，也别是施工前期，由于工程信息缺乏，且过于笼统，这是的工程估算以及估算成本通常是边角大的，要大量编译时间。怎样对工程实践中的工程造价进行快速准确并且合理的计算，是需要我们提起重视的。本文研究的是江西省建筑工程，收集整理得到有关于工程建筑造价的数据信息，来进行江西省市建筑工程造价数据库的基本建立，并详细研究和探讨了建筑施工的快速评价模型。基于人工智能技术，具有较高的计算精度和较快的速度。本文所研究的内容主要根据下面两个内容开展分析，首先是理论分析，通过遗传算法模块、神经网络模块与人工智能模块开展分析，并详细研究当前的神经网络评估模型，对其在结构上的不足以及较强的泛化能力进行明确，以使神经网络结构的能力最小化。其次为通过收集获取的工程造价数据信息为理论依据，来对其造成影响的因素进行明确。以RBF评价模型升级为前提，来对特征量因素在工程造价方面的影响进行获取，进而对特征变量中最敏感的值当成模型输入变化。就上述特征变量同建筑工程造价间存在紧密联系进行证明。最终整理、分析以及编制样本，同时基于框架结构，进行工程造价样本库的建立。在模型计算机程序借助MATLAB平台进行编写。并借助实例计算，来对这一模型的速度和方便进行证明，且其计算精度非常高。最终来对本文工作进行总结，对今后的研究方向进行规划。关键词 工程造价，估价模型，神经网络，遗传算法，样本
目 录
目录 I
1 引言 1
2 人工智能技术的基本理论及原理 2
2.1 人工智能概述 2
2.2 人工神经网络 2
2.3 遗传算法基本理论 2
3 基于人工神经网络的建筑工程造价估算模型分析研究 3
3.1 模糊神经网络模型 3
3.1.1 模糊神经网络模型的基本思想 3
3.1.2 模糊神经网络的学习方法 4
3.1.3 模糊神经网络理论和应用存在的问题 5
3.2 BP 人工神经网络模型 6
3.2.1 BP 网络模型的基本思想 6
3.2.3 BP 网络模型的学习 7
3.2.4 BP 网络的泛化能力 8
3.3 径向基函数 *好棒文|www.hbsrm.com +Q: ^351916072#
（RBF）神经网络模型 8
3.3.1 径向基函数（RBF）网络模型概述 8
3.3.2 RBF 网络模型的拓扑结构 9
3.4 BP 和 RBF 的比较 10
4 基于人工智能技术实现建筑工程造价估算 11
4.1 遗传算法优化 RBF 网络模型 11
4.1.1 遗传算法与神经网络融合 11
4.1.2 遗传算法优化 RBF 网络的学习模型 13
4.2 特征变量的确定 15
4.2.1 工程造价的组成及特点 15
4.2.2 工程造价影响因素分析 16
4.2.3 确定特征变量（输入变量） 17
5 模型实证与分析 21
5.1 模型实现环境 21
5.1.1 计算工具 21
5.1.2 流程设计 21
5.2 实例检测与分析 22
5.3 灵敏度分析 30
结束语 32
致谢 33
参考文献 34
1 引言
我国目前已经提出了节约型社会发展的基本指标，其是一条较高科技含量、较低资源消耗、较强经济效益、有效利用人力资源以及较少环境污染的道路。在建设基础设施时，但是随着我国市场化改革的日益深入开展，使得必须在保证当前工程造价方法和理论的完善条件下，使得我国社会经济健康平稳发展。确定和控制了其他管理领域的理论和方法的新突破，并进行了项目的建设。深入分析研究确定和控制价格。根据计算的结果控制实际的工程造价，来对工程造价以及投资成本目标进行明确，而工程的成本包括调整、计算以及监督造价，对其偏差进行及时发掘。所以要对资源利用率进行提升，对资源配置进行优化，便必定在控制目标开始，来对工程造价进行估算。
在项目开始建设到最后的完成，可将其建设过程进行四个阶段的划分，一是前期决策，二是项目开发，三是项目实施，四是竣工验收和后评。为对施工期间的各方经济关系相适，满足于企业对于建造成本解决的实际要求，进而以施工阶段数次为依据进行价格计算。前期决策时要开展投资估算，进行设计预算和施工方案预算的编制，来对项目开发阶段中拟定的合同价格进行确定，同时就项目实施阶段对结算价格进行明确，实现最终决算，在完成以及验收阶段进行实现。
但是始终以来，国内造价管理以工程造价结算为中心，就工程实施阶段，尤其在进行工程建造的时候，十分重视对成本的控制。有数据表明，1%至2%的项目总投资成本会对70%至80%的项目投资造成影响。就此发现，在施工阶段，虽然花费比较多，但是实际控制的效果不理想，反而是工程前期，虽造价低，但是会影响整个工程的实际成本。此外，当前并未有较为准确、简单且快速的工程造价估算以及控制管理系统的建立，这对于工程造价的控制是非常困难的。由于科学技术的不断发展，评价方法已越来越多，包括估计定额法、比重法、神经网络法、模糊数学计算法、估计指标法、指数平滑法以及灰色关联度计算法等。
2 人工智能技术的基本理论及原理
2.1 人工智能概述
在斯坦福大学的研究中心，人们将人工智能应用到科学研究领域，分析知识的产生与发展，怎样对知识进行获得和应用。麻省理工则是将人工智能应用到企业工作中，其是对怎样让计算机仅仅借助人才来进行实现进行研究。这体现了人工智能含有的基本理念便是人工智能处于对人类智力活动的研究上，对其深入分析，进而得到人工智能分析系统，对怎样对计算机进行使用来进行研究是要人类智能才可实现，即如何应用软件和硬件。计算机对人类智能的先关理论、技术和方法进行模拟，人工神经网络借助对人脑的研究，想要借助大量处理单元对人脑系统进行模拟。如今人工智能已经变成为一门学科，通过应用人工智能来解决实际问题，提升人类的创造力。通常其是一门对机器的使用方法进行研究，让其具备看、说、听、学、思考、解决问题等技能的一门学科。广义人工智能不仅包括专家系统，还包括人工神经网络、模式识别、智能机器人等。简而言之，其意图进行可以作为人类的智能机器的制作，甚至是相比人类更为聪明。
2.2 人工神经网络
神经网络就是人工神经网络。他使用物理装置或计算机模拟神经网络处于生物体中呈现的功能与结构，同时在工程领域进行应用。神经网络的关键并非是借助物理设备来对生物体内的神经网络进行赋值，其是对可用部分进行提取，来对计算机以及其他系统难以解决的问题进行克服，进而可以对专家系统开展系统的学习以及识别。同时伴随着生物学以及仿真技术的发展，使得人们不断深入的了解了大脑，神经网络今后的应用空间将更为广泛。但是因为生物神经网络的发展与进步，使得智能处理系统功能不断完善，结构方面其是对人脑生物神经系统进行模拟的，因而具有一定的智能特征。
目 录
目录 I
1 引言 1
2 人工智能技术的基本理论及原理 2
2.1 人工智能概述 2
2.2 人工神经网络 2
2.3 遗传算法基本理论 2
3 基于人工神经网络的建筑工程造价估算模型分析研究 3
3.1 模糊神经网络模型 3
3.1.1 模糊神经网络模型的基本思想 3
3.1.2 模糊神经网络的学习方法 4
3.1.3 模糊神经网络理论和应用存在的问题 5
3.2 BP 人工神经网络模型 6
3.2.1 BP 网络模型的基本思想 6
3.2.3 BP 网络模型的学习 7
3.2.4 BP 网络的泛化能力 8
3.3 径向基函数 *好棒文|www.hbsrm.com +Q: ^351916072#
（RBF）神经网络模型 8
3.3.1 径向基函数（RBF）网络模型概述 8
3.3.2 RBF 网络模型的拓扑结构 9
3.4 BP 和 RBF 的比较 10
4 基于人工智能技术实现建筑工程造价估算 11
4.1 遗传算法优化 RBF 网络模型 11
4.1.1 遗传算法与神经网络融合 11
4.1.2 遗传算法优化 RBF 网络的学习模型 13
4.2 特征变量的确定 15
4.2.1 工程造价的组成及特点 15
4.2.2 工程造价影响因素分析 16
4.2.3 确定特征变量（输入变量） 17
5 模型实证与分析 21
5.1 模型实现环境 21
5.1.1 计算工具 21
5.1.2 流程设计 21
5.2 实例检测与分析 22
5.3 灵敏度分析 30
结束语 32
致谢 33
参考文献 34
1 引言
我国目前已经提出了节约型社会发展的基本指标，其是一条较高科技含量、较低资源消耗、较强经济效益、有效利用人力资源以及较少环境污染的道路。在建设基础设施时，但是随着我国市场化改革的日益深入开展，使得必须在保证当前工程造价方法和理论的完善条件下，使得我国社会经济健康平稳发展。确定和控制了其他管理领域的理论和方法的新突破，并进行了项目的建设。深入分析研究确定和控制价格。根据计算的结果控制实际的工程造价，来对工程造价以及投资成本目标进行明确，而工程的成本包括调整、计算以及监督造价，对其偏差进行及时发掘。所以要对资源利用率进行提升，对资源配置进行优化，便必定在控制目标开始，来对工程造价进行估算。
在项目开始建设到最后的完成，可将其建设过程进行四个阶段的划分，一是前期决策，二是项目开发，三是项目实施，四是竣工验收和后评。为对施工期间的各方经济关系相适，满足于企业对于建造成本解决的实际要求，进而以施工阶段数次为依据进行价格计算。前期决策时要开展投资估算，进行设计预算和施工方案预算的编制，来对项目开发阶段中拟定的合同价格进行确定，同时就项目实施阶段对结算价格进行明确，实现最终决算，在完成以及验收阶段进行实现。
但是始终以来，国内造价管理以工程造价结算为中心，就工程实施阶段，尤其在进行工程建造的时候，十分重视对成本的控制。有数据表明，1%至2%的项目总投资成本会对70%至80%的项目投资造成影响。就此发现，在施工阶段，虽然花费比较多，但是实际控制的效果不理想，反而是工程前期，虽造价低，但是会影响整个工程的实际成本。此外，当前并未有较为准确、简单且快速的工程造价估算以及控制管理系统的建立，这对于工程造价的控制是非常困难的。由于科学技术的不断发展，评价方法已越来越多，包括估计定额法、比重法、神经网络法、模糊数学计算法、估计指标法、指数平滑法以及灰色关联度计算法等。
2 人工智能技术的基本理论及原理
2.1 人工智能概述
在斯坦福大学的研究中心，人们将人工智能应用到科学研究领域，分析知识的产生与发展，怎样对知识进行获得和应用。麻省理工则是将人工智能应用到企业工作中，其是对怎样让计算机仅仅借助人才来进行实现进行研究。这体现了人工智能含有的基本理念便是人工智能处于对人类智力活动的研究上，对其深入分析，进而得到人工智能分析系统，对怎样对计算机进行使用来进行研究是要人类智能才可实现，即如何应用软件和硬件。计算机对人类智能的先关理论、技术和方法进行模拟，人工神经网络借助对人脑的研究，想要借助大量处理单元对人脑系统进行模拟。如今人工智能已经变成为一门学科，通过应用人工智能来解决实际问题，提升人类的创造力。通常其是一门对机器的使用方法进行研究，让其具备看、说、听、学、思考、解决问题等技能的一门学科。广义人工智能不仅包括专家系统，还包括人工神经网络、模式识别、智能机器人等。简而言之，其意图进行可以作为人类的智能机器的制作，甚至是相比人类更为聪明。
2.2 人工神经网络
神经网络就是人工神经网络。他使用物理装置或计算机模拟神经网络处于生物体中呈现的功能与结构，同时在工程领域进行应用。神经网络的关键并非是借助物理设备来对生物体内的神经网络进行赋值，其是对可用部分进行提取，来对计算机以及其他系统难以解决的问题进行克服，进而可以对专家系统开展系统的学习以及识别。同时伴随着生物学以及仿真技术的发展，使得人们不断深入的了解了大脑，神经网络今后的应用空间将更为广泛。但是因为生物神经网络的发展与进步，使得智能处理系统功能不断完善，结构方面其是对人脑生物神经系统进行模拟的，因而具有一定的智能特征。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jmgl/gcgl/30.html
