基于遗传神经网络的公路工程造价估算分析

从影响公路造价的影响因素中提取特征因子为参数,用历史数据为依据,用遗传神经网络建立了公路造价快速估测模型,最后用实例验证了遗传神经网络模型在公路工程造价估测中的优良效果。     

基于BP神经网络的绿色建筑造价成本估算模型

鉴于目前对绿色建筑造价成本的研究较少,通过分析影响绿色建筑造价成本的主要因素,建立了基于BP神经网络的绿色建筑建造成本估算模型,并利用MATLAB软件对模型进行了训练,最后用工程实例对模型进行了验证,结果表明该模型具有较好的泛化能力,能较准确的估算绿色建筑的造价成本。因此BP神经网络在这方面有很好的应用前景。     

BP神经网络在PC建筑造价预测模型构建中的应用

文中分析了应用BP神经网络预测装配式建筑造价的合理性,选取造价预测指标,确定样本数据,建立了基于BP神经网络的装配式建筑造价预测模型;通过样本数据的仿真试验,验证了该模型在装配式建筑造价预测方面误差小、稳定性好、速度快及准确性高等优点,可为项目的投资决策提供数据支持。     

基于循环神经网络改进雷达定量估测强降水

为了解决天气雷达传统定量估测强降水有较大偏差的问题,基于循环神经网络(recurrent neural network, RNN)模型,提出了一种有效的雷达估测强降水方法。基于对降水演变规律的认识,重新设计RNN结构,实现了对前3个时次雨量计降水的耦合,从而改善天气雷达估测强降水的效果。利用连续观测的雷达资料,结合前3个时次雨量计对地面降水量进行估测,解决了利用Z-R关系估测强降水时存在较大偏差的问题。利用2015年夏季降水测试数据集进行验证,并与滚动法建立的Z-R关系方法进行了对比,结果表明,在≥30 mm/h的强降水下,RNN估测降水方法相比Z-R关系方法的均方根误差(root mean square error,RMSE)降低了24.28%,中位绝对误差(median absolute error,Median AE)降低了32.83%。因此,循环神经网络估测降水方法对于定量估测强降水效果显著,具有业务应用价值。     

基于BP神经网络的建筑工程造价预测模型及其应用

本文系统提出了建筑工程造价估计的BP神经网络方法,系统分析了用该方法进行建筑工程造价估计的基本原理、网络模型及估价方法。工程实例表明,应用BP神经网络估计工程造价具有方便、准确的特点。     

基于灰关联的PSO-BP神经网络的高层住宅造价估算

针对高层住宅工程造价管理的难点及传统造价估算方法存在的不足,采用灰关联分析与粒子群优化的 BP 神经网络相结合的方法,以高层住宅工程特征指标为网络的输入向量,达到快速、准确地估算高层住宅工程造价的目标。借助文献回顾法与灰关联分析法系统地确定工程特征指标体系并作为神经网络的输入向量;引入 PSO 算法优化 BP 网络的权值及阈值,解决网络收敛速度慢、易陷入局部极小值等缺点。并通过实例验证构建的模型,提高了前期决策阶段造价估算的精确度,实现了快速估算     

基于自适应PSO-BP神经网络的城轨造价预测研究北大核心

随着交通强国的推进,城轨在现代化城市交通体系中承担起更加重要的作用,而如何高效地利用已有建设数据是投资控制的重点。针对目前BP神经网络在造价预测方面的缺点,本文提出自适应PSO-BP神经网络算法,并基于已建城轨建设数据对算法性能和造价影响因素进行分析。结果表明,自适应PSO-BP神经网络改善了BP神经网络的稳定性和精度,预测结果表明在车站数量小于17座时,线路长度与车站数量对工程造价的影响呈非线性关系;在车站数大于17座时,线路长度与车站数量对工程造价的影响呈线性关系,其中车站数量的影响约为7亿元/站,线路长度的影响约为3亿元/km。     

BP神经网络在公路工程估价中的研究及应用

运用模糊数学和BP神经网络模型方法,对公路工程造价做了有意的研究。利用神经网络模型对待建公路工程进行造价分析可以节省时间,减小历史状况对价格估算的影响,也有利于工程造价的控制。并以收集到样本为例,对该模型进行了实证研究,表明了该方法具有快速准确等的优点。     

灰色组合模型在坝体水平位移预测中的应用

在灰色预测的基础上,引入BP神经网络模型,建立了GM（1,1）和BP神经网络组合模型,分别运用GM（1,1）模型、BP神经网络模型和它们的组合模型三种模型对坝体的非线性水平位移进行了分析,对比发现此组合模型兼有灰色预测和BP神经网络预测的优点,模型既克服了原始数据少的缺点,也增强了预测的自适应性,证明了组合模型的预测精度较高,可以应用于坝体水平位移的预测。     

基于BP神经网络的市政排水工程造价估算

在综合分析市政排水工程特征的基础上,构建了基于BP神经网络市政排水工程造价估算指标体系和工程造价估算模型,并设计了基于Matlab神经网络工具箱函数的算法程序,用该模型对样本集进行了学习训练和仿真测试,结果表明该网络模型具有较好的泛化能力,能够较准确地估算工程造价.     

基于 SVR 的工程建设项目快速投资估算方法研究

在建设项目前期,如何快速而准确地估算工程项目的造价,对项目的投资决策具有很大的意义。针对传统造价估算 方法的不足之处,采用 SPSS 统计分析软件进行工程造价指标的相关性分析及指标体系选取,将之作为输入变量,使用真实 案例训练集样本训练 SVR 模型并进行仿真模拟预测。为了验证提出的 SVR 模型的有效性,引入 BP 人工神经网络来进行预 测结果的对比验证。结果表明,SVR 模型得到的预测值平均绝对百分比误差约为 5%,拟合优度 R2高达 0.97,远小于 BPNN 模型的预测误差 14%,即提出的 SVR 估算模型要比 BP 人工神经网络预测模型具有更良好的泛化能力,预测精度更高,因 此其在工程项目前期投资估算实践中具有一定的现实意义。     

铁路桥梁混凝土工程造价大数据计算模型优化设计

基于大数据分析,对铁路桥梁混凝土工程造价计算模型的优化进行了研究。通过分析BP神经网络模型原理,发现该模型多输入多输出因素的非线性网络关系处理能力与本工程造价计算的非线性映射关系相吻合。利用计算机软件MATLAB中的BP神经网络工具箱进行搜索和查询,对于所采集得到的混凝土工程样本数据进行学习训练,把各项模型模拟数据结果和实际得到的样品数据结果进行比较分析,本研究构建的BP神经网络工程造价计算模型的误差率为3.29%,可满足铁路桥梁混凝土工程造价计算的精度要求。     

基于 BAS-SCA-BP 模型的高校建筑工程项目投资估算研究

针对标准BP 神经网络建筑工程项目投资估算模型收敛速度慢、预测精度低的问题,提出融合改进天牛须和正余弦双重优化算法（BAS-SCA）优化BP 神经网络的建筑工程项目投资估算模型。以某市高校建筑工程项目为研究对象,分析相关文献并结合显著性理论初步选择工程造价影响因子,利用粗糙集属性约简算法筛选出关键因素;基于此,通过构建基于BAS-SCA-BP 的神经网络估算模型实现快速、准确的建筑工程投资估算。研究结果表明:基于BAS-SCA-BP 的估算模型较标准BP 神经网络估算模型的估算精度有了大幅提高,与其他智能算法改进的BP 神经网络估算模型的性能相比较,该模型在稳定性和预测精度方面表现更佳。     

基于小生境等维BP神经网络的沉降预报

针对传统BP神经网络全局优化能力低、无法学习的缺陷,引入遗传算法中的小生境技术,研究了基于小生境等维BP神经网络模型,同时利用MATLAB进行编程实现。该模型的核心思想是借助小生境遗传算法优化神经网络的连接权和阈值,进而提高了等维BP神经网络模型的全局优化能力,改善了模型的收敛性。结合宁波某大楼沉降监测实例,利用小生境等维BP神经网络、GM(1,1)模型、等维BP神经网络模型分别对沉降数据建模预测,结果表明,小生境等维BP神经网络模型更加符合实际情况、预测效果更佳。     

神经网络BP算法在工程估价中的运用

先简要的介绍了神经网络和BP算法,提出了其优点和缺点,利用神经网络方法建立了数学模型,同时运用模拟软件对该数据进行分析,验证了该模型的可行性,得出神经网络在估价方面的应用存在很大的利用空间.     

CAST工艺的BP和RBF人工神经网络仿真模型

将误差反向传播前馈(BP)神经网络模型和径向基函数(RBF)神经网络模型应用到CAST工艺中,并采用多输入、双输出神经网络模拟处理过程中各变量之间的关系和预测出水水质.误差分析结果表明,训练阶段RBF神经网络模型的拟合精度比BP神经网络模型的高,但两者的预测精度相差不大;测试阶段BP神经网络模型和RBF神经网络模型预测出水COD的平均相对误差分别为6.35%、6.80%,预测出水TN的平均相对误差分别为7.19%、5.49%,均在8%以下,这说明两种神经网络模型均可用于模拟CAST污水处理工艺各变量之间的关系和预测出水水质,为污水厂的运行管理提供了理论依据.     

基于遗传算法的BP神经网络模型在地下水动态预测中的应用研究

地下水系统是一个复杂的非线性动力系统,地下水系统的输出(地下水位)与输入(降水入渗、蒸发、人工开采等)具有非常复杂的非线性关系。神经网络以其强大的处理非线性系统的能力而在地下水水位预测中得到了广泛的应用,它与传统的统计分析模型相比,具有更好的持久性和适时预报性,且能用于解决同时存在多个自变量和多个因变量的地下水系统预报问题。但是由于网络输入存在多重共线性,导致网络泛化能力不高,降低了网络的预测性能;并且在求解时易陷入局部极小,且收敛速度慢。针对以上问题提出了基于遗传算法的BP神经网络地下水动态预测模型。先用遗传算法优化确定BP网络的初始权阀值,然后应用LMBP算法在这个解空间里对网络进行精调,搜索出最优解或近似最优解。这样既实现了两者的优势互补,发挥了神经网络广泛的映射能力和遗传算法的全局搜索能力,也加快了网络的学习速度,综合提高了整个学习过程中的逼近能力和泛化能力。本文以Matlab7为平台设计了计算过程和具体的实现方式,还以分布于元宝露天矿区的6眼监测并为例,分别采用基于遗传算法的BP神经网络模型和BP神经网络模型对研究区的地下水位进行了短期预测,从对比分析的结果来看基于遗传算法的BP神经网络模型明显优于BP神经网络模型,是一种预测短期地下水位比较理想的预测模型。     

MIV-PSO-BP神经网络用户热负荷预测

提出利用MIV-PSO-BP神经网络预测用户热负荷。MIV-PSO-BP神经网络基于BP神经网络,利用PSO算法优化神经网络初始参数,采取MIV算法筛选与输出变量相关程度最大的输入变量。以绝对误差、均方根误差作为指标,评价MIV-PSO-BP神经网络的预测效果。结合箱线图,比较BP神经网络、MIV-PSO-BP神经网络的预测相对误差分散程度与异常点数量。与BP神经网络相比,MIV-PSO-BP神经网络的预测效果更理想。由BP神经网络、MIV-PSO-BP神经网络的预测结果相对误差箱线图可知,MIV-PSO-BP神经网络预测结果相对误差集中,异常点少;BP神经网络预测结果相对误差分散,异常点多。MIV-PSO-BP神经网络预测准确性、稳定性更高。