基于主要特征因素和BP-GEP網(wǎng)絡(luò)的公路工程造價(jià)預(yù)測(cè)模型.pdf

1、工程造價(jià)預(yù)測(cè)的主要特點(diǎn)是影響工程造價(jià)的因素眾多，而相關(guān)資料較少。工程造價(jià)的多少與工程自身的特點(diǎn)有關(guān)，但它同時(shí)又受到許多不確定因素的影響，其系統(tǒng)是十分復(fù)雜的非線性系統(tǒng)。因此，如何反映工程自身特點(diǎn)與其造價(jià)之間的非線性關(guān)系，是構(gòu)建工程造價(jià)預(yù)測(cè)模型的關(guān)鍵所在。而基因表達(dá)式編程作為新型的人工智能數(shù)學(xué)建模方法，具有很強(qiáng)的函數(shù)發(fā)現(xiàn)能力和很高的搜索效率。同時(shí)神經(jīng)網(wǎng)絡(luò)的計(jì)算能力有兩個(gè)特點(diǎn):①大規(guī)模并行分布式結(jié)構(gòu);②神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)能力以及由此而來的泛化能力（

2、泛化是指神經(jīng)網(wǎng)絡(luò)對(duì)不在訓(xùn)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(luò)可以解決一些當(dāng)前還不能處理的復(fù)雜的大型問題。針對(duì)公路工程造價(jià)預(yù)測(cè)特點(diǎn)和已有預(yù)測(cè)模型的不足，求解基于主要特征因素和BP-GEP網(wǎng)絡(luò)的公路工程造價(jià)預(yù)測(cè)模型。
　　 在應(yīng)用BP神經(jīng)網(wǎng)絡(luò)建立模型，科學(xué)選取出12個(gè)公路工程造價(jià)主要特征因素的基礎(chǔ)上，將18個(gè)特征因素與12個(gè)主要特征因素分別作為輸入變量，與BP神經(jīng)網(wǎng)絡(luò)和GEP網(wǎng)絡(luò)分別組合，應(yīng)用15組高速公路

3、工程造價(jià)和特征因素的資料數(shù)據(jù)進(jìn)行實(shí)證研究，通過R平方、MSE、RMSE、MRE、MaxRE五個(gè)標(biāo)準(zhǔn)的評(píng)價(jià)，結(jié)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(gòu)建模型的預(yù)測(cè)精度;以12個(gè)主要特征因素為輸入變量和GEP網(wǎng)絡(luò)建立的公路工程造價(jià)預(yù)測(cè)模型為最優(yōu)，GEP極強(qiáng)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(yàn)證;基于GEP的公路工程造價(jià)預(yù)測(cè)模型在相當(dāng)程度上彌補(bǔ)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