《基于粗糙集理论的建筑工程成本分析》由会员分享，可在线阅读，更多相关《基于粗糙集理论的建筑工程成本分析（3页珍藏版）》请在装配图网上搜索。
1、基于粗糙集理论的建筑工程本钱分析 摘要：传统建筑工程本钱分析方法存在运行效率低、收敛性能差，导致本钱分析不准确。因此提出基于粗糙集理论的建筑工程本钱分析方法，构建粗糙集?小波神经网络预测模型，实现建筑工程本钱的准确分析，通过粗糙集属性约简过滤掉冗余属性，减少小波神经网络输入节点，降低网络结构的复杂性，提高网络训练效率和精度。利用此预测模型，将采集到的建筑工程本钱干扰因素通过粗糙集理论实施约简处理，将约简的因素作为小波神经网络的节点输入训练网络，得到建筑工程本钱的分析结果。实验结果说明，所提方法具有较高的运行效率和收敛性能，能够对建筑工程本钱进行快速、准确的分析。关键词：粗糙集理论；建筑工程；本
2、钱分析；小波神经网络；约简；冗余属性中图分类号：TN711?34；F407.9文献标识码：A文章编号：1004?373X202119?0083?06Abstract：Thetraditionalcostanalysismethodofconstructionengineeringhaslowoperationefficiencyandpoorconvergenceperformance，whichleadstoinaccuratecostanalysis.Therefore，aconstructionprojectcostanalysismethodbasedonroughsettheoryi
3、sputforward，inwhichtheroughsetandwaveletneuralnetworkforecastingmodelisconstructedtorealizetheaccurateanalysisofthecostofconstructionengineering.Theattributereductionofroughsetcanfilterouttheredundantattributestodecreasethenumberofinputnodeofwaveletneuralnetwork，reducethecomplexityofnetworkstructure
4、，andimprovetheefficiencyandprecisionofnetworktraining.Theacquiredfactorsinfluencingtheconstructionengineeringcostarereducedbymeansofroughsettheory，andthereducedfactorisdeemedasinputnodeofwaveletneuralnetworkfortrainingnetworktogettheanalysisresultofconstructionengineeringcost.Theexperimentalresultss
5、howthattheproposedmethodhashighoperationefficiencyandconvergenceperformance，andcanquicklyandaccuratelyanalyzethecostofconstructionproject.Keywords：roughsettheory；constructionengineering；costanalysis；waveletneuralnetwork；reduction；redundantattribute隨着经济的快速开展，建筑行业的市场竞争不断提升，高质量的建筑工程本钱管理能够提高建筑工程的效益，增强建筑
6、企业的市场竞争力。寻求有效的建筑工程本钱分析方法，对于确保建筑企业健康快速开展具有重要应用意义【1】。传统基于神经网络的建筑工程本钱分析方法，存在运行效率低、收敛性能差，导致本钱分析不准确。为了解决该问题，本文提出基于粗糙集理论的建筑工程本钱分析方法，采用粗糙集?小波神经网络预测模型，实现对建筑工程本钱的快速、准确分析。1基于粗糙集?小波神经网络的建筑工程本钱分析粗糙集理论能够依据不可分辨原理以及知识约简措施，基于数据得到逻辑规那么，将该规那么当成知识系统的模型，输出定性以及定量的混合性信息，对条件特征以及决策特征间的关联性实施设置，对决策表实施约间获取输入空间同输出空间间的关联性，将冗余属性
7、过滤掉，使得知识表达空间维数降低。小波神经网络基于小波变换以及动态映射原理，采用小波神经网络结构对输入同输出关系知识的隐藏函数编码实施分析【2】，对网络结构实施学习、调控，得到输入空间与输出空间的关联性。本文结合小波分析、神经网络及粗糙集理论，即粗糙集?小波神经网络预测模型，实现建筑工程?小波神经网络预测模型构建本文设计的基于粗糙集?小波神经网络建筑工程工程本钱因素分析及数据采集建筑工程工程具有规模高、周期长等特征，建筑工程本钱和较多因素间具有一定的关联性。本文对某建筑企业进行研究，得到建筑工程数据，通过专家调查方法获取影响建筑工程本钱分析的干扰因素，这些因素主要有定量指标及定性指标【5】。定
8、量指标是建筑面积、占地面积、建筑总高度、层高、工期、建造当年的造价指数等；定性指标是建筑用途、结构种类、地基种类、根底类型、门窗类型、工程管理水平以及施工现场状态等。1.2.1数据的离散化2定性指标。对定性指标的离散化操作结果用表2描述。对单位面积的建筑工程本钱进行约简处理后，可知工程本钱分析的干扰因素是：总高度、标准层面积、结构类型、地下室面积以及工程管理水平和工期。1.2.2网络训练准备1数据的预处理。获取通过粗糙集属性约简后的最小属性集，将属性集当成神经网中的两个输入节点，完成单位面积建筑工程本钱的预测8。通过粗糙集约简后的历史数据用表3描述。小波神经网络输入以及输出都是归一化数据，假设
9、标准层建筑面积指标的最高值是9520，那么将全部该指标的值除以10000获取归一化的数据，其他指标也通过相同的方法获取归一化数据。2小波神经网络的结构和参数选取。分析表3能够获取小波神经网络的输入节点以及输出节点是6和1，基于经验设置隐层节点数大约是8，那么“6?8?1分别用于描述小波神经网络的输入层节点数、隐含层节点数以及输出层节点数9。参数选取过程中，设置期望误差=0.0001，训练次数是10000次。3网络的训练和预测评估结果。采用的训练样本是前15组数据，第1618组作为系统检验样本，网络期望工程本钱预测采用粗糙集?小波神经网络模型对建筑工程本钱实施预测过程中，期望误差值是0.001，
10、最终得到第1618样本的预测结果，用表4和图4描述。将拟建工程的干扰变量输入到训练好的粗糙集?小波神经网络预测模型内，通过式9得到拟建工程的本钱预测值。2实验分析实验比照分析本文方法和神经网络，对两种方法各试验次数低于10000次，训练的期望误差平方和是0.0001，两种方法的运行次数结果如表5所示。两种方法在最高运行次数下的收敛情况如图5、图6所示，迭代200次的误差比照见表6。综合分析上述结果能够得出，本文方法的收敛效率高于神经网络，误差低于神经网络，具有较高的运行性能。为了确保建筑工程的相似性，实验采用某建筑工程的6种工程数据当成测试数据，采用本文方法和传统神经网络对该建筑工程本钱实施预
11、测，用表7描述。将约简后的6组数据当成测试样本，输入本文方法和神经网络中，两种方法的工程本钱分析结果同真实值比照情况如表8和图7所示。分析上述實验结果可得，利用神经网络方法进行工程本钱预测时，最低以及最高相对误差值是0.0304和0.0446，本文方法的最低以及最高相对误差是0.0058和0.0116，说明本文方法的预测精度更高，是一种高精度的建筑工程本钱分析方法。3结语本文提出基于粗糙集理论的建筑工程本钱分析方法，采用基于粗糙集?小波神经网络预测模型，实现建筑工程本钱的快速、准确分析，具有较高的应用价值。参考文献【1】许宁，谭立新，范艺林.浅谈绿色施工本钱和效益J.施工技术，2021，442
12、1：107?109.XUNing，TANLixin，FANYilin.IntroductionofthegreenconstructioncostsandbenefitsJ.Constructiontechnology，2021，4421：107?工程绿色施工质量与环境本钱分析J.施工技术，2021，4512：103?106.WANGLi，WANGZhixiang.AnalysisofgreenconstructionqualityandenvironmentalcostsinconstructionengineeringJ.Constructiontechnology，2021，4512：1
13、03?模糊TOPSIS法的工程本钱方案分析J.数学的实践与认识，2021，4620：93?101.LIANGXi，CHENYongpeng.LCCandintuitionisticfuzzyTOPSISmethodbasedonthetheoryoftheVEanalysisoftheprojectcostschemeJ.Mathematicsinpracticeandtheory，2021，4620：93?工程施工中的应用研究J.钢结构，2021，316：88?riseChinahonourprojectJ.Steelconstruction，2021，316：88?工程工程团队知识存量度量研究J.模糊系统与数学，2021，301：157?scaleconstructionprojectteamJ.Fuzzysystemsandmathematics，2021，301：157?方法J.计算机工程与设计，2021，351：21?25.
基于粗糙集理论的建筑工程成本分析
