施工企業(yè)基于人工神經(jīng)網(wǎng)絡(luò)模型在建筑工程成本預(yù)測(cè)的實(shí)例應(yīng)用

丁瑞豐,肖程耀

(四川省第六建筑有限公司，四川成都 610081)

隨著建筑業(yè)的競(jìng)爭(zhēng)越來(lái)越激烈，建筑管理領(lǐng)域面臨著越來(lái)越復(fù)雜的決策困境。這些困境通常是動(dòng)態(tài)的，不可重復(fù)的，并且有許多變量。這些變量通常是不確定的。在解決這些問(wèn)題的過(guò)程中，傳統(tǒng)的成本預(yù)測(cè)理論存在收集數(shù)據(jù)、分析因素和選擇變量的一些缺點(diǎn)。人工神經(jīng)網(wǎng)絡(luò)(ANN)是人工智能領(lǐng)域新興的綜合子學(xué)科，它能很好地處理該領(lǐng)域問(wèn)題的多樣性和復(fù)雜性，避免了傳統(tǒng)方法不足。它利用了歷史數(shù)據(jù)驅(qū)動(dòng)、“黑箱”建模方式，而且不需要先進(jìn)行統(tǒng)計(jì)上的信息驗(yàn)證，因此，有必要將人工神經(jīng)網(wǎng)絡(luò)作為非線性分析工具引入建筑工程管理領(lǐng)域。人工神經(jīng)網(wǎng)絡(luò)最顯著特點(diǎn)是學(xué)習(xí)并存儲(chǔ)歷史數(shù)據(jù)，從而去自適應(yīng)某個(gè)系統(tǒng)內(nèi)部特有模式，具有解決建筑經(jīng)濟(jì)管理領(lǐng)域中復(fù)雜問(wèn)題的巨大潛力。

1 成本預(yù)測(cè)國(guó)內(nèi)外現(xiàn)狀簡(jiǎn)要說(shuō)明

在工程項(xiàng)目的成本管理中，成本預(yù)測(cè)和成本控制是首要任務(wù)。因此，更準(zhǔn)確的成本預(yù)測(cè)在提高成本計(jì)劃的科學(xué)性，降低成本和提高經(jīng)濟(jì)效益方面發(fā)揮著重要作用。在進(jìn)行成本預(yù)測(cè)時(shí)，通常使用定量預(yù)測(cè)方法。從廣義上講，建筑工程的定量預(yù)測(cè)是基于歷史成本數(shù)據(jù)和成本影響因素之間建立某種數(shù)學(xué)關(guān)系。通過(guò)數(shù)學(xué)模型，并根據(jù)相應(yīng)函數(shù)算法和編程語(yǔ)言獲得預(yù)測(cè)結(jié)果。

國(guó)外對(duì)成本預(yù)測(cè)的研究開(kāi)始較早，其方法的演變過(guò)程經(jīng)歷了三個(gè)階段：第一階段是“工程造價(jià)信息服務(wù)部”預(yù)測(cè)模型，它考慮的時(shí)間、工程質(zhì)量和規(guī)模的項(xiàng)目成本，主要是基于類(lèi)似項(xiàng)目的歷史成本數(shù)據(jù)信息。第二階段是基于回歸分析模型。該模型量化影響成本定性因素，并且使用系數(shù)的方法建立回歸方程來(lái)實(shí)現(xiàn)成本的預(yù)測(cè)。在第三階段，考慮到影響成本大量不確定因素，并利用計(jì)算機(jī)軟件來(lái)建立預(yù)測(cè)模型。

2 人工神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介及基本原理

人腦的神經(jīng)系統(tǒng)中有大約1 000億個(gè)神經(jīng)元。神經(jīng)系統(tǒng)是這些神經(jīng)元的復(fù)雜網(wǎng)絡(luò)，具有高度的組織性并按功能區(qū)域相互作用。典型的生物神經(jīng)元具有樹(shù)突結(jié)構(gòu)，其從細(xì)胞體延伸到其它神經(jīng)元，與稱(chēng)為突觸的連接處接收電信號(hào)，在累積這些電信號(hào)達(dá)到某些閾值時(shí)，便形成神經(jīng)信號(hào)通路。有些信號(hào)傾向于激發(fā)該細(xì)胞，另一些信號(hào)傾向于抑制其激發(fā)。細(xì)胞沿其稱(chēng)為軸突的結(jié)構(gòu)向其它神經(jīng)元細(xì)胞發(fā)送相應(yīng)的信號(hào)。數(shù)千億神經(jīng)元組成的龐大神經(jīng)網(wǎng)絡(luò)成為人類(lèi)意識(shí)、記憶、認(rèn)知和學(xué)習(xí)等高級(jí)智能產(chǎn)生的主要原因。圖1是典型生物神經(jīng)元的簡(jiǎn)單模型的示意圖。

圖1 典型生物神經(jīng)元模型

人工神經(jīng)網(wǎng)絡(luò)(ANN)技術(shù)是20世紀(jì)80年代以來(lái)人工智能領(lǐng)域的研究熱點(diǎn)。它便是人腦結(jié)構(gòu)的抽象、簡(jiǎn)化的模擬。它基于模擬大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和功能的信息處理系統(tǒng)，具有自學(xué)習(xí)、自組織、自適應(yīng)和非線性函數(shù)逼近功能，有很強(qiáng)的容錯(cuò)能力。是信息預(yù)測(cè)、分類(lèi)和模式識(shí)別領(lǐng)域強(qiáng)大數(shù)據(jù)處理工具。人工神經(jīng)網(wǎng)絡(luò)模型有許多類(lèi)型。本文中選用應(yīng)用最為廣泛的BP(Back-Propagation，誤差反向傳播)神經(jīng)網(wǎng)絡(luò)模型。

相關(guān)理論證明了BP網(wǎng)絡(luò)模型可以實(shí)現(xiàn)任意函數(shù)的逼近。BP神經(jīng)網(wǎng)絡(luò)是多層的，包括節(jié)點(diǎn)和連接作用兩種主要元素。其中節(jié)點(diǎn)的作用是相當(dāng)于神經(jīng)元細(xì)胞，連接作用是反映節(jié)點(diǎn)連接關(guān)系。典型的BP神經(jīng)網(wǎng)絡(luò)由輸入層、隱藏層(可以包含多級(jí)隱藏層)和輸出層組成，如圖2所示。輸入層的節(jié)點(diǎn)本身沒(méi)有計(jì)算功能，它只負(fù)責(zé)數(shù)據(jù)輸入。隱藏層和輸出層節(jié)點(diǎn)分別具有“加權(quán)求和”以及激活函數(shù)(激活或者抑制)計(jì)算功能。隱藏層節(jié)點(diǎn)和輸出層節(jié)點(diǎn)的主動(dòng)計(jì)算功能是BP神經(jīng)網(wǎng)絡(luò)的基本原理。

圖2 誤差反向傳播 (BP) 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

通過(guò)歷史數(shù)據(jù)反復(fù)訓(xùn)練和學(xué)習(xí)來(lái)預(yù)測(cè)未知變量是人工神經(jīng)網(wǎng)絡(luò)最重要的特征之一。學(xué)習(xí)的實(shí)質(zhì)是：將相同訓(xùn)練集的樣本輸入和輸出重復(fù)應(yīng)用于網(wǎng)絡(luò)，網(wǎng)絡(luò)根據(jù)一定的訓(xùn)練規(guī)則自動(dòng)調(diào)整神經(jīng)元節(jié)點(diǎn)之間的連接強(qiáng)度并記憶其特有通路，使實(shí)際輸出滿(mǎn)足要求。

3 成本預(yù)測(cè)模型技術(shù)實(shí)現(xiàn)

本文主要研究建筑工程中土建施工成本的預(yù)測(cè)。利用人工神經(jīng)網(wǎng)絡(luò)(BP神經(jīng)網(wǎng)絡(luò))原理，研究了11個(gè)實(shí)際完成項(xiàng)目的真實(shí)成本。進(jìn)行可行性實(shí)證研究。BP神經(jīng)網(wǎng)絡(luò)模型由Matlab軟件中的Nntraintool(神經(jīng)網(wǎng)絡(luò)訓(xùn)練工具箱)模塊構(gòu)建。在11個(gè)竣工工程中，隨機(jī)選取9個(gè)工程當(dāng)作神經(jīng)網(wǎng)絡(luò)的訓(xùn)練集，剩余的2個(gè)工程當(dāng)作測(cè)試集。在輸入層端代入9個(gè)訓(xùn)練集工程中和成本顯著相關(guān)的9個(gè)工程特征值(即建筑面積、基礎(chǔ)指標(biāo)、主體結(jié)構(gòu)指標(biāo)、裝飾指標(biāo)、樓層數(shù)、層高、地下層數(shù)、建設(shè)中期工程造價(jià)指數(shù)、建設(shè)中期材料價(jià)格指數(shù))，在輸出端代入9個(gè)工程所對(duì)應(yīng)的實(shí)際成本費(fèi)用，進(jìn)行迭代訓(xùn)練學(xué)習(xí)。訓(xùn)練完成后，選定剩余的2個(gè)工程測(cè)試集用于對(duì)比模型預(yù)測(cè)成本費(fèi)用值與實(shí)際成本費(fèi)用的誤差率，當(dāng)誤差率小于5 %，證明該人工神經(jīng)網(wǎng)絡(luò)模型與建筑工程成本預(yù)測(cè)相結(jié)合是可行的。圖3為BP神經(jīng)網(wǎng)絡(luò)成本預(yù)測(cè)模型構(gòu)建流程。

4 實(shí)例應(yīng)用

本文選取了從2010～2015年筆者所在分公司承建的11個(gè)已竣工工程的土建工程成本費(fèi)用作為研究對(duì)象(實(shí)際工程名稱(chēng)均以工程編號(hào)替代)。整理后得到的工程數(shù)據(jù)如表1所示。

表1 工程樣本

4.1 建筑工程樣本定性變量處理

在BP神經(jīng)網(wǎng)絡(luò)算法中，需要特定的數(shù)據(jù)來(lái)處理問(wèn)題，影響工程成本的因素主要分為定量變量和定性變量?？芍苯邮褂枚恳蜃?，而定性因子需要轉(zhuǎn)換為定量因子。根據(jù)一般工程經(jīng)驗(yàn)，定性變量處理規(guī)則如表2所示。定性變量處理后的工程樣本數(shù)據(jù)如表3所示。

4.2 工程樣本特征值歸并化處理

本文將11個(gè)建筑工程樣本特征值歸并化處理成為9個(gè)建筑工程特征值。根據(jù)一般工程經(jīng)驗(yàn)，基礎(chǔ)指標(biāo)的權(quán)重值取0.1，主體指標(biāo)的權(quán)重值取0.4，裝飾指標(biāo)的權(quán)重值取0.25(表4)。

表1 工程樣本(續(xù))

表2 定性變量處理

4.3 劃分訓(xùn)練集和測(cè)試集

對(duì)于BP神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練集和測(cè)試集的劃分本例中采用隨機(jī)的劃分方式，從而規(guī)避主觀對(duì)數(shù)據(jù)進(jìn)行篩選。11個(gè)施工工程樣本，隨機(jī)分為9個(gè)樣本集合作為訓(xùn)練集，使用剩余的2個(gè)樣本集合作為測(cè)試集。

表3 工程特征值

表4 工程特征值(歸并處理后)

4.4 成本預(yù)測(cè)結(jié)果檢驗(yàn)

運(yùn)行Matlab軟件，使用9個(gè)訓(xùn)練集的訓(xùn)練樣本作為輸入變量在神經(jīng)網(wǎng)絡(luò)訓(xùn)練工具模塊中進(jìn)行訓(xùn)練，訓(xùn)練完成后，對(duì)2個(gè)建筑工程測(cè)試集的預(yù)測(cè)成本費(fèi)用與真實(shí)成本費(fèi)用進(jìn)行比較，其所得的結(jié)果如圖4、表5所示。

圖4 本例模型預(yù)測(cè)成本費(fèi)用與實(shí)際成本費(fèi)用對(duì)比

表5 本例檢驗(yàn)樣本結(jié)果

由表5可以看出，模型對(duì)2個(gè)測(cè)試集所預(yù)測(cè)出的工程樣本土建成本費(fèi)用值分別為1 434.3 元/m2和2 239.8 元/m2，而這2個(gè)工程的實(shí)際土建成本費(fèi)用分別為1 371.5 元/m2和2 327.6 元/m2，它們的實(shí)際工程樣本值與BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)出的工程樣本值的相對(duì)誤差率分別為4.58 %和3.77 %，兩個(gè)誤差值均小于目標(biāo)誤差5 %。因此，該BP神經(jīng)網(wǎng)絡(luò)建立的建筑工程成本預(yù)測(cè)模型是可用的。

5 結(jié)束語(yǔ)

目前，建筑業(yè)面臨的壓力和競(jìng)爭(zhēng)日趨激烈，企業(yè)的生存和發(fā)展面臨諸多挑戰(zhàn)。企業(yè)進(jìn)行合理的成本管理尤為重要和迫切?？陀^上社會(huì)經(jīng)濟(jì)環(huán)境、政府政策的方向以及項(xiàng)目本身的未知因素都時(shí)刻變化，主觀方面包括從業(yè)人員成本估算的理論知識(shí)水平、專(zhuān)業(yè)經(jīng)驗(yàn)技巧等，這些因素對(duì)項(xiàng)目成本的估算有重大影響。本文采用人工神經(jīng)網(wǎng)絡(luò)信息技術(shù)建立成本預(yù)測(cè)模型，并進(jìn)行了一系列研究。筆者所在分公司承建的建設(shè)工程項(xiàng)目，其中大部分是商業(yè)住宅，結(jié)構(gòu)類(lèi)型相對(duì)單一，由于有許多工程特征及經(jīng)濟(jì)指標(biāo)均會(huì)影響成本預(yù)測(cè)，因此在選擇項(xiàng)目成本預(yù)測(cè)數(shù)據(jù)時(shí)不可避免地存在一些低精度問(wèn)題。僅收集了11個(gè)工程數(shù)據(jù)，對(duì)于一個(gè)機(jī)器學(xué)習(xí)類(lèi)模型來(lái)說(shuō)，數(shù)據(jù)量極少，且數(shù)據(jù)特征值種類(lèi)也較少，訓(xùn)練出來(lái)的預(yù)測(cè)模型還有很大的擴(kuò)展空間。

如果將成本數(shù)據(jù)進(jìn)行長(zhǎng)期系統(tǒng)化收集，不斷完善工程特征值的建立規(guī)則，那么運(yùn)用人工神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行成本預(yù)測(cè)模型的創(chuàng)建將具有廣泛適應(yīng)性和通用性，通過(guò)推廣到各個(gè)工程分公司進(jìn)行實(shí)際應(yīng)用，從而整體提高全公司的成本管理水平，進(jìn)一步提升公司在建筑市場(chǎng)的核心競(jìng)爭(zhēng)力。