基于主要特征因素和BP-GEP網(wǎng)絡的公路工程造價預測模型.pdf

1、工程造價預測的主要特點是影響工程造價的因素眾多，而相關資料較少。工程造價的多少與工程自身的特點有關，但它同時又受到許多不確定因素的影響，其系統(tǒng)是十分復雜的非線性系統(tǒng)。因此，如何反映工程自身特點與其造價之間的非線性關系，是構建工程造價預測模型的關鍵所在。而基因表達式編程作為新型的人工智能數(shù)學建模方法，具有很強的函數(shù)發(fā)現(xiàn)能力和很高的搜索效率。同時神經(jīng)網(wǎng)絡的計算能力有兩個特點:①大規(guī)模并行分布式結構;②神經(jīng)網(wǎng)絡學習能力以及由此而來的泛化能力（

2、泛化是指神經(jīng)網(wǎng)絡對不在訓練集中的數(shù)據(jù)可以產(chǎn)生合理的輸出）。這兩種信息處理能力讓神經(jīng)網(wǎng)絡可以解決一些當前還不能處理的復雜的大型問題。針對公路工程造價預測特點和已有預測模型的不足，求解基于主要特征因素和BP-GEP網(wǎng)絡的公路工程造價預測模型。
　　 在應用BP神經(jīng)網(wǎng)絡建立模型，科學選取出12個公路工程造價主要特征因素的基礎上，將18個特征因素與12個主要特征因素分別作為輸入變量，與BP神經(jīng)網(wǎng)絡和GEP網(wǎng)絡分別組合，應用15組高速公路

3、工程造價和特征因素的資料數(shù)據(jù)進行實證研究，通過R平方、MSE、RMSE、MRE、MaxRE五個標準的評價，結果表明，用主要特征因素作為模型輸入變量能顯著提高所構建模型的預測精度;以12個主要特征因素為輸入變量和GEP網(wǎng)絡建立的公路工程造價預測模型為最優(yōu)，GEP極強的非線性空間全局搜索的函數(shù)發(fā)現(xiàn)能力和很高的搜索效率再一次得到驗證;基于GEP的公路工程造價預測模型在相當程度上彌補了以往模型的不足。研究選取的主要特征因素，將主要特征因素選取與