基于计算智能的工程项目估算分析

【摘要】：随着国民经济的飞速发展,过去的工程项目估算模式明显地暴露出弊端,对行业的发展起到一定的阻碍和束缚作用。国家投入了大量的资金进行工程建设,从而使得工程估算受到有关部门及相关人员的关注。加快工程估算模式的改革,使之能够和国际的习惯做法接近和靠拢,是当前工程造价管理的必然趋势。工程估算是指在投资决策阶段,依据所掌握的资料及投资估算指标、经验和方法,对工程项目的投资额进行估算。 经过多年的理论探索和实践努力,工程估算在工程造价管理中的地位和作用越来越重要,只有确保投资决策阶段工程估算的及时性和准确性,才能对工程造价管理全过程中的工程造价的发生进行有效的控制,才能提高投资效益和社会效益,减小我国固定资产投资领域的损失。尽管工程估算方法很多,但是估算精度不高。近年来神经网络的迅速发展,并且神经网络中的Bp算法在工程估算中已经取得了可喜的成绩,但是Bp算法是基于梯度下降的方法收敛速度慢,容易陷入局部极小点等缺陷。而遗传算法是应用最广的优化搜索算法之一,目前,遗传算法已经在许多领域得到了应用,如函数优化、模型优化、结构优化、工业生产、图像处理等。但遗传算法易于陷入局部最优,在有些时候收敛速度过慢,这使得基本遗传算法很难找到全局最优。于是本文把遗传算法和神经网络结合起来,使它们相互弥补从而得到相对最优的解。 本文主要的优化思想为：首先采用神经网络随机产生初始化权值,再利用遗传算法优化神经网络的权值,将优化所得参数作为神经网络的初始化权值,既保留了遗传算法的强全局随机搜索能力,又具有神经网络的鲁棒性和自学习能力,并且可兼有神经网络广泛映射能力和遗传算法快速全局收敛等性能。论文主要内容：课题的来源、意义及基于计算智能的理论；神经网络的来源、分类及神经网络的特点；神经网络中的Bp算法及模拟在工程中的应用；遗传算法的基本知识和它的特点；神经网络和遗传算法结合起来,应用已经成熟的基本理论,在工程中进行模拟估算并和标准的Bp算法估算进行对比；最后,本文结论。