在工程建设项目投资管理中,对工程投资影响最大的是项目的前期阶段,而该阶段中可行性研究阶段的工程投资估算更是项目的决策依据和工程造价的控制依据。因此,探寻一套快速、简捷、实用的工程造价估算方法已成为建筑行业的迫切需要。 人工神经网络(ANN)模拟人脑或自然的神经网络的基本特性,具有很强的学习、联想、容错、自适应、自组织及抗干扰能力,其强大的功能为快速、准确、方便地考虑多因素预测建筑设计方案造价提供了可能。 本文在研究多种传统建筑造价预测方法的基础上,系统地分析了建筑规划方案造价的影响因素,针对西安地区高校的建筑规划方案,确定了建筑工程分类特征集、训练集及学习模型。采用了多种神经网络模型应用于建筑工程造价预测,并一一比较了这些模型,最终实现了这些算法。 本文混合运用人工神经网络的设计思想,进行高校建筑工程造价估算软件系统的分析与设计,具体工作包括: 1.确定了高校建筑工程造价的构成和影响因素 在研究传统确定建筑造价的常见方法的基础上,研究了建筑工程造价的构成和影响因素。特别是建筑工程结构和主要分项工程的特征在工程造价中所起的作用,确定了多个主要因素。这些因素都作为神经网络的输入变量,得到了应用。 2.研究了多种神经网络模型并应用于高校建筑工程造价的预测 在深入研究反向传播(BP)网络、径向基函数(RBF)神经网络、模糊神经网络(FNN)等模型的基础上,利用模型的逼近功能,使建筑工程造价的估算值的影响因素变化更逼近于其在成本构成中的客观作用,从而更接近于工程实际造价,提出了基于神经网络的非确定性工程投资估算,为高校建设项目的投资估算提出了一种新颖、高效的方法。同时,对这几种神经网络模型进行了比较。 3.高校建筑工程造价估算系统的架构和设计 在建筑工程造价估算模型的基础上,开发了计算机辅助系统。分析并设计了基于神经网络的高校建筑工程造价估算系统:根据不同的建筑结构,寻找用户需求,确立影响因素,建立系统的需求模型;构建神经网络学习模型、数据分析模型来描述系统的分析模型;使用架构、流程图来获得系统的设计模型:使用Matlab工具来描述系统的仿真模型。