澳门赌场

学术堂首页 | 文献乞助论文范文 | 论文标题题目 | 参考文献 | 开题报告 | 论文格局 | 择要大纲 | 论文称谢 | 论文查重 | 论文辩论 | 论文颁发 | 期刊杂志 | 论文写作 | 论文PPT
学术堂专业论文进修平台您以后的地位:学术堂 > 办理学论文 > 工程办理论文

修建工程估价中GA-ANN模子的操纵探析

来历:洛阳理工学院学报(自然迷信版) 作者:刘龙
宣布于:2020-06-01 共2537字

  工程估价论文第四篇:修建工程估价中GA-ANN模子的操纵探析

  择要:按照遗传算法和神经搜集的特色, 操纵遗传算法优化神经搜集模子, 成立了修建工程布局与工程造价之间的非线性干系。以现实的室第工程为例, 考证了遗传算法优化神经搜集模子的可行性和靠得住性, 并且优于简略的神经搜集模子, 为现实工程投资预算供给了一种有用的体例。

  关头词:遗传算法; 神经搜集; 工程布局; 工程造价;

  Evaluation of Construction Engineering Based on the GA-ANN Model

  Abstract:According to the features of genetic algorithm (GA) and artificial neural network (ANN) , GA has been used to optimize the ANN model, thus to establish a non-linear relationship between construction engineering structure and engineering cost.Taking the real residential projects as examples, this paper has verified the feasibility and reliability of GA-ANN model which is superior to the simple ANN model and proves an effective evaluation method for project investment.

  修建工程估价是工程扶植中非常首要的任务, 在名目倡议书和可行性研讨阶段是决议决议计划、筹资和节制造价的首要按照。适用的工程造价预算体例已成为修建行业的火急须要。周丽萍[1]接纳BP神经搜集去展望修建工程估价。胡振锋[2]接纳一个恍惚数学预算工程造价体例。因为修建工程布局和工程造价之间的非线性干系, 接纳传统体例常常须要以往的经历和大批工程资料和烦琐的计较。本文接纳一套疾速、简便、适用的夹杂GA-ANN模子, 基于修建工程布局对修建工程停止估价。

  1 基于夹杂GA-ANN模子的工程估价展望

  1.1 遗传算法

  遗传算法 (Genetic Algorithms, 简称GA) 是1962年由美国Michigan大学Holland传授提出的摹拟自然界遗传机制和生物退化论而成的一种最优搜刮体例[3]。它只请求题目是可计较的, 无可微性请求, 靠近现实题目, 操纵规模普遍。本文接纳GA来优化ANN的权值和阈值, 使优化后的ANN可以或许或许或许更好地展望函数输出。GA优化ANN的身分包含种群初始化、顺应度函数、挑选操纵、穿插操纵和变异操纵。本文把展望输出和希冀输出之间的偏差相对值作为个别顺应度函数, 被界说为:

  式中, n为搜集输出节点数, ANNi (X) 为ANN第i个节点的展望输出;Yi为第i个节点的希冀输出。

  1.2 野生神经搜集

  野生神经搜集 (Artificial Neural Network, 简称ANN) 是仿照人脑任务体例而设想的一种机器, 它可用电子或光电元件完成, 也可用软件在惯例计较机上仿真[4]。特别, ANN可揭露数据样本中包含的非线性干系, 可以或许或许肆意精度迫近肆意持续函数, 能对多成因的庞杂的未知系数停止高度建模[5]。在此次研讨中修建工程估价所须要斟酌的首要影响身分:布局情势、根本范例、修建层数、外墙装潢、墙体资料、门窗范例、修建的立体组合。须要展望的修建工程估价:木料用量、水泥用量、每平方米造价、每100 m2的钢材用量。是以, 成立修建工程布局和工程造价之间的非线性干系搜集布局如图1所示。本文接纳均匀平方偏差来判定ANN模子是不是知足请求, 计较公式为:

 

  图1 ANN神经搜集表示图  

  1.3 夹杂GA-ANN模子

  夹杂GA-ANN模子的操纵代价已被很好证实[6], 它操纵GA来调剂ANN搜集的一切毗连权值和阈值。本文接纳夹杂GA-ANN模子展望修建工程估价, 该研讨的GA-ANN模子的任务道理如图2所示。

  GA-ANN模子的建模进程:

  (1) 成立恰当ANN模子, 并初始化它的权值和阈值。

  (2) 肯定GA参数, 并随机初始化种群。

  (3) 计较种群顺应度值, 从中找出最优个别。

  (4) 停止挑选、穿插和遗传操纵。

  (5) 如果一切的个别都给出最好展望, 接着停止下一步。

  (6) 判定退化发生到达或取得最优个别, 优化进程竣事;不然, 前往到 (3) 。

  (7) 把最优权值和阈值给ANN。

  (8) 练习ANN模子。

  (9) 判定ANN模子是不是知足请求。如果, 到下一步;若否, 更新ANN回到 (1) 。

  (10) 用最优的ANN模子展望修建工程估价。

  2 实例阐发

  从文献[1]中搜集了20个室第工程估价实例, 此中15个作为练习样本, 4个作为测试样本, 1个用来考证GA-ANN模子的可行性和有用性。修建工程估价ANN模子有输出层、隐含层和输出层构成, 搜集布局如图1所示。

  输出身分: (1) 布局情势c; (2) 根本范例; (3) 修建层数s; (4) 外墙装潢d; (5) 墙体资料m; (6) 门窗范例t; (7) 立体组合p。如表1所示。

  输出成果: (1) 木料用量w; (2) 水泥用量c; (3) 造价m; (4) 钢材用量r。

  GA-ANN模子颠末21次练习后现实输出成果与希冀输出偏差平方和知足偏差许可值, 申明练习好的搜集可用, 输出成果如表2所示。由表2可知, 现实的修建工程估价成果与夹杂GA-ANN模子展望成果根基分歧。可是现实修建工程估价成果和ANN模子的展望成果相差较大。申明夹杂GA-ANN展望模子优于ANN模子, 可以或许或许或许对修建工程造价疾速、精确、适用的停止预算。

 

  图2 夹杂GA-ANN模子的流程图  

  表1 修建工程特点表     

  

  表2 测试样本的输出成果和现实成果    

 

  将表2测试样本的输出成果和现实成果颠末均匀平方偏差计较并绘制出变更曲线如图3所示。基于GA-ANN模子在修建工程估价的操纵非常靠近于实在的现实成果。

  3 结语

  按照实例研讨, 并把夹杂GA-ANN模子成果和ANN模子成果与现实值相比拟, 成果标明夹杂GA-ANN模子成果更靠近于现实值。从而考证了夹杂GA-ANN模子更精确, 完整可以或许或许有用地停止修建工程估价。

  操纵GA-ANN模子可以或许或许或许便利地成立修建工程布局与工程造价之间的非线性干系, 经由过程练习和测试样本对模子停止练习和测试, 操纵时只要将筑工程布局参数输出已练习好的神经搜集模子中, 就可以获得响应的工程造价。该体例非常简略、直观、精确、高效, 具备广漠的操纵远景。

  

  图3 均匀平方偏差变更曲线  

  参考文献

  [1]周丽萍, 胡振锋.BP神经搜集在修建工程估价中的操纵[J].西安修建科技大学学报, 2005, 37 (2) :262-296.

  [2]沈良峰.修建工程疾速估量的一种模子及操纵[J].产业工程与办理, 2004 (2) :86-94.

  [3]Holland J H.Adaptation in natural and artificial systems[M].MI:University of Michigan Press, 1975.

  [4]杨建刚.野生神经搜集适用教程[M].杭州:浙江大学出书社, 2001.

  [5]张士科, 茹忠亮, 赵洪波.基于M ATLAB的B P神经搜集在煤巷锚杆支护设想中的操纵[J].煤矿机器, 2008, 29 (6) :262-296.

  [6]赵宏, 张洁, 侯鲁健, 等.并行G A-ANN展望模子研讨[J].计较机工程与操纵2011, 47 (22) :216-235.

作者单元:中房团体安阳市房地产开辟无限义务公司 洛阳理工学院国资处
原文来由:袁园,刘龙.基于GA-ANN模子在修建工程估价中的操纵[J].洛阳理工学院学报(自然迷信版),2012,22(04):55-58.
相干标签:
  • 报警平台
  • 搜集监察
  • 备案信息
  • 告发中间
  • 传布文化
  • 诚信网站