[1]卢 梅,韩小康,孔祥坤,等.基于BP神经网络和TOC的工程造价预控研究[J].西安建筑科技大学学报:自然科学版,2011,43(01):106-112.[doi:DOI:10.15986/j.1006-7930.2011.01.026]
　,,et al.Ｒｅｓｅａｒｃｈ　ｏｆ　ｃｏｎｓｔｒｕｃｔｉｏｎ　ｃｏｓｔ　ｆｏｒｅｃａｓｔｉｎｇ　ａｎｄ　ｃｏｎｔｒｏｌ　ｂａｓｅｄｏｎ　ＢＰ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ　ａｎｄ　ｔｈｅｏｒｙ　ｏｆ　ｃｏｎｓｔｒａｉｎｔ[J].J.Xi’an Univ. of Arch. & Tech.:Natural Science Edition,2011,43(01):106-112.[doi:DOI:10.15986/j.1006-7930.2011.01.026]
点击复制

基于BP神经网络和TOC的工程造价预控研究()
分享到：

西安建筑科技大学学报:自然科学版[ISSN:1006-7930/CN:61-1295/TU]

卷:
43
期数:
2011年01期
页码:
106-112
栏目:
出版日期:
2011-02-28

文章信息/Info

Title:
Ｒｅｓｅａｒｃｈ　ｏｆ　ｃｏｎｓｔｒｕｃｔｉｏｎ　ｃｏｓｔ　ｆｏｒｅｃａｓｔｉｎｇ　ａｎｄ　ｃｏｎｔｒｏｌ　ｂａｓｅｄ
ｏｎ　ＢＰ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ　ａｎｄ　ｔｈｅｏｒｙ　ｏｆ　ｃｏｎｓｔｒａｉｎｔ
文章编号:
１００６－７９３０（２０１１）０１－０１０６－０７
作者:
卢 梅1; 韩小康1; 孔祥坤2; 蔡静3
(1.西安建筑科技大学管理学院,陕西 西安 710055,2. 武警陕西消防总队,陕西 西安 710016,3. 日照市规划设计研究院,山东 日照276826)
Author(s):
ＬＵ　Ｍｅｉ１; ＨＡＮ　Ｘｉａｏ－ｋａｎｇ１; ＫＯＮＧ　Ｘｉａｎｇ－ｋｕｎ２; ＣＡＩ　Ｊｉｎｇ３
（１．Ｓｃｈｏｏｌ　ｏｆ　Ｍａｎａｇｅｍｅｎｔ，Ｘｉ′ａｎ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ａｒｃｈｉｔｅｃｔｕｒｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ，Ｘｉ′ａｎ　７１００５５，Ｃｈｉｎａ；
２．Ｓｈａａｎｘｉ　Ｆｉｒｅ　Ｕｎｉｔ　ｏｆ　Ａｒｍｅｄ　Ｐｏｌｉｃｅ，Ｘｉ′ａｎ　７１００１６，Ｃｈｉｎａ；３．Ｒｉｚｈａｏ　Ｇｕｉｈｕａ　Ｓｈｅｊｉ　Ｙａｎｊｉｕｙｕａｎ，Ｒｉｚｈａｏ　２７６８２６，Ｃｈｉｎａ）
关键词:
工程造价; BP神经网络; TOC
Keywords:
construction cost;  BP neural network;  theory of constraint
分类号:
TU723.3
DOI:
DOI:10.15986/j.1006-7930.2011.01.026
文献标志码:
A
摘要:
为了有效控制工程造价，使建设投资确定，本文运用BP神经网络对工程造价进行预测，以预测结果对工程量清单计价模式进行优化，再以优化的工程量清单计价模式为计价依据，通过TOC理论对工程造价进行控制。以六条高速公路为样本数据，其中一条为检测数据，运用BP神经网络仿真，建立仿真模型。通过十三次迭代，模型顺利拟合，并且代人样本检测数据的输出结果与实际吻合。再以检测数据的输出结果为依据对这条高速公路进行TOC理论优化，最终相比优化前工程决算总额减少了2072.6万元，降低了1%。
Abstract:
Ｔｏ　ｃｏｎｔｒｏｌ　ｃｏｎｓｔｒｕｃｔｉｏｎ　ｃｏｓｔ　ｅｆｆｅｃｔｉｖｅｌｙ　ｓｏ　ｔｈａｔ　ｔｈｅ　ｉｎｖｅｓｔｍｅｎｔ　ｏｆ　ｃｏｎｓｔｒｕｃｔｉｏｎ　ｃｏｍｐａｎｙ　ｉｓ　ｔｏ　ｅｎｓｕｒｅ　ｃａｎ　ｂｅ　ｅｎｇｕｒｅｄ，
ｔｈｉｓ　ｐａｐｅｒ　ａｐｐｌｉｅｓ　ＢＰ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ　ｔｏ　ｆｏｒｅｃａｓｔ　ｔｈｅ　ｃｏｎｓｔｒｕｃｔｉｏｎ　ｃｏｓｔ，ａｎｄ　ｕｓｅｓ　ｔｈｅ　ｏｕｔｃｏｍｅ　ｏｆ　ｔｈｅ　ｆｏｒｅｃａｓｔ　ｔｏ　ｏｐｔｉｍｉｚｅ
　ｔｈｅ　ｂｉｌｌ　ｏｆ　ｑｕａｎｔｉｔｉｅｓ（ＢＯＱ）ａｇａｉｎ．Ｉｔ　ｔｈｅｎ　ｔａｋｅｓ　ａｄｖａｎｔａｇｅ　ｏｆ　ｔｈｅ　ｔｈｅｏｒｙ　ｏｆ　ｃｏｎｓｔｒａｉｎｔ　ｔｏ　ｃｏｎｔｒｏｌ　ｔｈｅ　ｃｏｎｓｔｒｕｃｔｉｏｎ
ｃｏｓｔ　ｂａｓｅｄ　ｕｐｏｎ　ｔｈｅ　ｏｐｔｉｍｉｚｅｄ　ｔｈｅ　ＢＯＱ　ａｔ　ｌａｓｔ．Ｗｉｔｈ　ａ　ｓａｍｐｌｅ　ｏｆ　ｄａｔａ　ｆｒｏｍ　ｓｉｘ　ｈｉｇｈｗａｙｓ，ｉｎｃｌｕｄｉｎｇ　ａ　ｔｅｓｔｉｎｇ　ｄａｔａ，ｕｓｉｎｇ
ＢＰ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ　ｓｉｍｕｌａｔｉｏｎ，ｓｉｍｕｌａｔｉｏｎ　ｍｏｄｅｌ　ｉｓ　ｂｕｉｌｔ．Ｔｈｒｏｕｇｈ　１３ｉｔｅｒａｔｉｏｎｓ，ｔｈｅ　ｍｏｄｅｌ　ｆｉｔ　ｗｅｌｌ，ａｎｄ　ｔｈｅ　ｏｕｔｐｕｔｓ　ｏｆ　ｔｅｓｔ
ｄａｔａ　ｐｒｏｖｅｄ　ｔｏ　ｂｅ　ｃｏｎｓｉｓｔｅｎｔ　ｗｉｔｈ　ｔｈｅ　ａｃｔｕａｌ．Ｔｈｅｎ　ｂｙ　ｕｓｉｎｇ　ＴＯＣ　ｔｏ　ｏｐｔｉｍｉｚｅ　ｂａｓｅｄ　ｏｎ　ｔｈｅ　ｏｕｔｐｕｔ，ｔｈｅ　ｏｐｔｉｍｉｚｅｄ　ｆｉｎａｌ　ａｃｃｏｕｎｔ
　ｏｆ　ｔｈｅ　ｐｒｏｊｅｃｔ　ｒｅｐｒｅｓｅｎｔｓ　ａ　ｒｅｄｕｃｔｉｏｎ　ｏｆ　２０．７２６ｍｉｌｌｉｏｎ　ｙｕａｎ，ｌｏｗｅｒ　ｂｙ　１％ａｓ　ｃｏｍｐａｒｅｄ　ｗｉｔｈ　ｔｈｅ　ｐｒｅｖｉｏｕｓ　ｆｉｎａｌ　ａｃｃｏｕｎｔ．

参考文献/References:

references
［１］　深圳市中哲投资顾问有限公司．２０１０－２０１５年中国建筑业投资分析及前景预测报告［Ｒ］．深圳：中投顾问产业研究
中心，２００９．
Ｓｈｅｎｚｈｅｎ　Ｚｈｏｎｇｚｈｅ　Ｉｎｖｅｓｔｍｅｎｔ　Ａｄｖｉｓｏｒｙ　Ｃｏ．，Ｌｔｄ．Ｉｎｖｅｓｔｍｅｎｔ　ａｎａｌｙｓｉｓ　ａｎｄ　ｆｏｒｅｃａｓｔ　ｒｅｐｏｒｔ　ｏｎ　Ｃｈｉｎａｓ　ｃｏｎｓｔｒｕｃｔｉｏｎ
ｉｎｄｕｓｔｒｙ　２０１０－２０１５［Ｒ］．Ｓｈｅｎｚｈｅｎ：Ｉｎｖｅｓｔｍｅｎｔ　Ａｄｖｉｓｅｒ　Ｉｎｄｕｓｔｒｙ　Ｒｅｓｅａｒｃｈ　Ｃｅｎｔｅｒ，２００９．
［２］　朱　凯，王正林．精通ＭＡＴＬＡＢ神经网络［Ｍ］．北京：电子工业出版社，２０１０：１９３－１９８．
ＺＨＵ　Ｋａｉ，ＷＡＮＧ　Ｚｈｅｎｇ－ｌｉｎ．Ｐｒｏｆｉｃｉｅｎｔ　ｉｎ　ＭＡＴＬＡＢ　Ｎｅｕｒａｌ　Ｎｅｔｗｏｒｋ［Ｍ］．Ｂｅｉｊｉｎｇ：Ｐｕｂｌｉｓｈｉｎｇ　Ｈｏｕｓｅ　ｏｆ　Ｅｌｅｃｔｒｏｎｉｃｓ
Ｉｎｄｕｓｔｒｙ，２０１０：１９３－１９８．
［３］　ＧＯＬＤＲＡＴＴ　ＥＭ．Ｉｔ’ｓ　Ｎｏｔ　Ｌｕｃｋ［Ｍ］．Ｇｒｅａｔ　Ｂａｒｒｉｎｇｔｏｎ：Ｔｈｅ　Ｎｏｒｔｈ　Ｒｉｖｅｒ　Ｐｒｅｓｓ，１９９７．
［４］　ＧＯＬＤＲＡＴＴ　ＥＭ．Ｃｒｉｔｉｃａｌ　Ｃｈａｉｎ［Ｍ］．Ｇｒｅａｔ　Ｂａｒｒｉｎｇｔｏｎ：Ｔｈｅ　Ｎｏｒｔｈ　Ｒｉｖｅｒ　Ｐｒｅｓｓ，１９９７．
［５］　艾利·高德拉特．关键链［Ｍ］．北京：电子工业出版社，２００６．
ＧＯＬＤＲＡＴＴ　Ｅ　Ｍ．Ｃｒｉｔｉｃａｌ　Ｃｈａｉｎ［Ｍ］．Ｂｅｉｊｉｎｇ：Ｐｕｂｌｉｓｈｉｎｇ　Ｈｏｕｓｅ　ｏｆ　Ｅｌｅｃｔｒｏｎｉｃｓ　Ｉｎｄｕｓｔｒｙ，２００６．
［６］　韩小康，卢　梅．基于关键链的工程造价控制研究［Ｊ］．建筑经济，２００９（１２）：１０３－１０５．
ＨＡＮ　Ｘｉａｏ－ｋａｎｇ，ＬＵ　Ｍｅｉ．Ｒｅｓｅａｒｃｈ　ｏｆ　ｃｏｎｓｔｒｕｃｔｉｏｎ　ｃｏｓｔ　ｃｏｎｔｒｏｌ　ｂａｓｅｄ　ｕｐｏｎ　ｃｒｉｔｉｃａｌ　ｃｈａｉｎ　ｍｅｔｈｏｄ［Ｊ］．Ｃｏｎｓｔｒｕｃｔｉｏｎ
Ｅｃｏｎｏｍｙ，２００９（１２）：１０３－１０５．
［７］　全国造价工程师执业资格考试培训教材编审委员会．工程造价计价与控制［Ｍ］．北京：中国计划出版社，２００９：２０５．
Ｔｒａｉｎｉｎｇ　Ｍａｔｅｒｉａｌｓ　Ｑｕａｌｉｆｉｃａｔｉｏｎ　Ｅｘａｍｉｎａｔｉｏｎ　Ｅｄｉｔｏｒｉａｌ　Ｂｏａｒｄ　ｏｆ　Ｎａｔｉｏｎａｌ　Ｃｏｎｓｔｒｕｃｔｉｏｎ　Ｃｏｓｔ　Ｅｎｇｉｎｅｅｒ．Ｐｒｉｃｉｎｇ　ａｎｄ
Ｃｏｎｔｒｏｌ　ｏｆ　Ｃｏｎｓｔｒｕｃｔｉｏｎ　Ｃｏｓｔ［Ｍ］：Ｂｅｉｊｉｎｇ：Ｃｈｉｎａ　Ｐｌａｎｎｉｎｇ　Ｐｒｅｓｓ，２００９：２０５．
［８］　朱大奇，史　慧．人工神经网络原理及应用［Ｍ］．北京：科技出版社，２００６：４３．
ＺＨＵ　Ｄａ－ｑｉ，ＳＩ　Ｈｕｉ．Ｐｒｉｎｃｉｐｌｅ　ａｎｄ　Ａｐｐｌｉｃａｔｉｏｎ　ｏｆ　Ａｒｔｉｆｉｃｉａｌ　Ｎｅｕｒａｌ　Ｎｅｔｗｏｒｋｓ［Ｍ］．Ｂｅｉｊｉｎｇ：Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ
Ｐｒｅｓｓ，２００６：４３．

相似文献/References:

[1]崔凤坤,杜岳涛,徐 岳,等.基于混合算法的大跨度钢管混凝土拱桥正常使用可靠度评估[J].西安建筑科技大学学报:自然科学版,2016,48(06):874.[doi:10.15986/j.1006-7930.2016.06.016]
　CUI Fengkun,DU Yuetao,XU Yue,et al.Reliability evaluation for long-span CFST arch bridges at serviceability limit states based on hybrid algorithm[J].J.Xi’an Univ. of Arch. & Tech.:Natural Science Edition,2016,48(01):874.[doi:10.15986/j.1006-7930.2016.06.016]
[2]韦海民,苏桐.地下综合管廊PPP项目模式选择研究[J].西安建筑科技大学学报:自然科学版,2018,50(01):126.[doi:10.15986/j.1006-7930.2018.01.020]
　WEI HaiminSU Tong.Research on mode selection of utility tunnel PPP project[J].J.Xi’an Univ. of Arch. & Tech.:Natural Science Edition,2018,50(01):126.[doi:10.15986/j.1006-7930.2018.01.020]
[3]段瑞芳,冉 衠,王旭东,等.考虑施工不确定性的斜拉桥张拉方案优化[J].西安建筑科技大学学报:自然科学版,2019,51(01):59.[doi:10.15986/j.1006-7930.2019.01.010]
　DUAN Ruifang,RAN Zhun,WANG Xudong,et al.Study of the backfill effect on tunnel lining segments property[J].J.Xi’an Univ. of Arch. & Tech.:Natural Science Edition,2019,51(01):59.[doi:10.15986/j.1006-7930.2019.01.010]
[4]卢梅,杨佳兴,张喜临.基于BP神经网络及熵权灰靶法的分包商选择研究[J].西安建筑科技大学学报:自然科学版,2019,51(03):447.[doi:10.15986/j.1006-7930.2019.03.021]
　LU Mei,YANG Jiaxing,ZHANG Xilin.Research on subcontractor selection based on BP neural network and entropy grey target method[J].J.Xi’an Univ. of Arch. & Tech.:Natural Science Edition,2019,51(01):447.[doi:10.15986/j.1006-7930.2019.03.021]

备注/Memo

备注/Memo:
收稿日期： 修改稿日期：基金项目：陕西省“13115”科技创新工程重大科技项目（2009ZDKG-66）；陕西省重点学科建设专项资金资助项目(1971—)，女，新疆乌鲁木齐人，博士，,副教授，主要从事工程项目管理、结构工程；BP神经网络又称为误差反向传播（Back Propagation）神经网络，它是一种多层的前向型神经网络。在BP网络中，信号是前向传播的，而误差是反向传播的。BP网络通常具有一个或多个sigmoid隐层和线性输出层，能够对具有有限个不连续点的函数进行逼进。所谓的反向传播是指误差的调整过程是从最后的输出层依次向之前各层逐渐进行的。标准的BP网络采用梯度下降算法，网络权值沿着性能函数的梯度反向调整[2]。BP神经网络的结构见图1所示，P、A是网络的输入、输出向量，每一个神经元用一个节点表示，网络由输入层、隐层和输入层节点组成，隐层可以是一层，也可以是多层（图1是单隐层），前层至后层节点通过权联接。图1 BP神经网络
更新日期/Last Update: 2015-11-01