本发明专利技术公开基于BP神经网络的回填料成本预测方法、装置及设备，本发明专利技术涉及建筑施工技术领域，用于解决现有技术中无法准确预测回填料成本的问题。包括：采集历史回填工程项目对应的回填料相关数据，形成样本数据集，构建用于预测回填料成本的目标BP神经网络；获取待预测回填料数据；将待预测回填料数据输入训练完成的目标BP神经网络，预测得到回填料成本信息。采用海量历史回填工程项目对应的回填料相关数据训练得到的目标BP神经网络性能稳定，结合目标BP神经网络完成回填料成本的预测，进行回填全成本预测耗费时间少，可以基于输入的回填料种类、回填体积、回填速率及施工工期数据即可自动预测，预测精度高、操作简单且能够在实际工程中可靠应用。实际工程中可靠应用。实际工程中可靠应用。
【技术实现步骤摘要】
基于BP神经网络的回填料成本预测方法、装置及设备
[0001]本专利技术涉及建筑施工
，尤其涉及基于BP神经网络的回填料成本预测方法、装置及设备。
技术介绍
[0002]我国的土木工程建设从20世纪50年代起发展迅猛，高楼大厦、港口航道以及大型水利工程在祖国各地快速涌现。回填土工程作为土木工程建设的一部分，回填料的材料种类不断增多，施工工艺快速发展，促进了我国建筑产业的转型升级和高质量发展。
[0003]根据其物质组成和堆填方式，可将填土分为素填土、杂填土、冲填土和压实填土四类，每一类填土中又分出多种不同的材料种类。由于回填料种类繁多，不同回填料之间的回填速率各不相同，同时各种条件限制导致施工工期长短不一，因此对于回填料成本的计算一直以来都较为困难。以往的人力计算不但异常繁琐而且精度不高，只能进行纯粹的成本相加，不能考虑到各种其他因素。但是随着社会的不断进步，计算机算法逐渐被应用于各行各业。其中基于BP神经网络的预测方法由于具有精度高、适用范围广等优点被广泛应用于建筑行业的各个领域。
[0004]因此，亟需提供一种更为可靠的基于BP神经网络的回填料成本预测方案。
技术实现思路
[0005]本专利技术的目的在于提供基于BP神经网络的回填料成本预测方法、装置及设备，用于解决现有技术中无法准确预测回填料成本的问题。
[0006]为了实现上述目的，本专利技术提供如下技术方案：
[0007]第一方面，本专利技术提供基于BP神经网络的回填料成本预测方法，方法包括：
[0008]采集海量历史回填工程项目对应的回填料相关数据；所述回填料相关数据至少包括第一回填料种类、第一回填体积、第一回填速率、第一施工工期数据以及回填料成本真实数据；
[0009]利用所述回填料相关数据形成的样本数据集，构建用于预测回填料成本的目标BP神经网络；
[0010]获取待预测回填料数据；所述待预测回填料数据中至少包括第二回填料种类、第二回填体积、第二回填速率以及第二施工工期数据；
[0011]将所述待预测回填料数据输入训练完成的目标BP神经网络，预测得到所述待预测回填料数据对应的回填料成本信息。
[0012]可选的，所述样本数据集包括训练样本集和测试样本集；BP神经网络至少包括输入层、隐含层以及输出层；
[0013]所述利用所述回填料相关数据形成的样本数据集，构建用于预测回填料成本的目标BP神经网络，具体包括：
[0014]将所述训练样本集输入所述输入层；
[0015]输入所述输入层的训练样本集经所述隐含层传递至所述输出层；
[0016]经所述输出层的计算后，输出对应的回填料成本预测数据；
[0017]计算所述回填料成本预测数据与回填料成本真实数据之间的误差值；
[0018]当所述误差值未达到预设精度要求时，通过调整BP神经网络中的权值以及阈值，得到训练完成的目标BP神经网络。
[0019]可选的，当所述误差值未达到预设精度要求时，通过调整BP神经网络中的权值以及阈值，得到训练完成的目标BP神经网络，具体包括：
[0020]当所述误差值未达到预设精度要求时，从所述输出层逐层向所述输入层反馈所述误差值；
[0021]基于所述误差值调整BP神经网络中各层间的连接权值以及阈值，通过反复循环迭代减小所述误差值，直至迭代次数满足预设循环次数或所述误差值满足预设精度要求为止，确定优化后的连接权值以及阈值；
[0022]将所述测试样本集输入所述输入层，按照各层优化后的连接权值以及阈值运行，经所述隐含层传递至所述输出层，训练得到目标BP神经网络。
[0023]可选的，利用所述回填料相关数据形成的样本数据集，构建用于预测回填料成本的目标BP神经网络之前，还包括：
[0024]对所述回填料相关数据进行分类分析、关联分析、聚类分析以及异常检测，得到有效回填料相关数据；
[0025]基于所述有效回填料相关数据形成样本数据集，并将所述样本数据集分为训练样本集和测试样本集。
[0026]可选的，将所述训练样本集输入所述输入层之前，还包括：
[0027]对所述样本数据集中量纲不一致的数据序列进行正态化处理；
[0028]对正态化处理后的数据进行标准化以及归一化处理；
[0029]将所述训练样本集输入所述输入层，具体包括：
[0030]将经过正态化处理、标准化以及归一化处理后的数据样本集输入所述输入层。
[0031]可选的，将所述训练样本集输入所述输入层之前，还包括：
[0032]根据系统输入输出序列确定BP神经网络的输入层节点数、隐含层节点数、输出层节点数，初始化输入层、隐含层和输出层神经元之间的连接权值、初始化隐含层阈值、输出层阈值、给定学习速率以及神经元激励函数。
[0033]与现有技术相比，本专利技术提供的基于BP神经网络的回填料成本预测方法，包括：采集历史回填工程项目对应的第一回填料种类、第一回填体积、第一回填速率、第一施工工期数据以及回填料成本真实数据等回填料相关数据；利用回填料相关数据形成的样本数据集，构建用于预测回填料成本的目标BP神经网络；获取第二回填料种类、第二回填体积、第二回填速率以及第二施工工期数据等等这些待预测回填料数据；将待预测回填料数据输入训练完成的目标BP神经网络，预测得到待预测回填料数据对应的回填料成本信息。采用海量历史回填工程项目对应的回填料相关数据训练得到的目标BP神经网络性能稳定，结合目标BP神经网络完成回填料成本的预测，进行回填全成本预测耗费时间少，可以基于输入的回填料种类、回填体积、回填速率及施工工期数据即可自动输出预测结果。
[0034]相比人工计算的各种误差和各种不可控因素导致的成本增加，BP神经网络可以根
据以往的施工数据更加精准地预测回填全成本。且不需要回填土相关的理论知识，施工人员即可操作，操作简单。
[0035]另外，选择回填料种类、回填体积、回填速率及施工工期四个主要影响因素作为回填全成本费用预测关键输入参数，能够在实际工程中可靠应用。
[0036]第二方面，本专利技术提供基于BP神经网络的回填料成本预测装置，装置包括：
[0037]回填料相关数据采集模块，用于采集海量历史回填工程项目对应的回填料相关数据；所述回填料相关数据至少包括第一回填料种类、第一回填体积、第一回填速率、第一施工工期数据以及回填料成本真实数据；
[0038]目标BP神经网络构建模块，用于利用所述回填料相关数据形成的样本数据集，构建用于预测回填料成本的目标BP神经网络；
[0039]待预测回填料数据获取模块，用于获取待预测回填料数据；所述待预测回填料数据中至少包括第二回填料种类、第二回填体积、第二回填速率以及第二施工工期数据；
[0040]回填料成本信息预测模块，用于将所述待预测回填料数据输入训练完成的目标BP神经网络，预测得到所述待预测回填料数据对应的回填料成本信息。
[0041]第三方本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.基于BP神经网络的回填料成本预测方法，其特征在于，方法包括：采集海量历史回填工程项目对应的回填料相关数据；所述回填料相关数据至少包括第一回填料种类、第一回填体积、第一回填速率、第一施工工期数据以及回填料成本真实数据；利用所述回填料相关数据形成的样本数据集，构建用于预测回填料成本的目标BP神经网络；获取待预测回填料数据；所述待预测回填料数据中至少包括第二回填料种类、第二回填体积、第二回填速率以及第二施工工期数据；将所述待预测回填料数据输入训练完成的目标BP神经网络，预测得到所述待预测回填料数据对应的回填料成本信息。2.根据权利要求1所述的基于BP神经网络的回填料成本预测方法，其特征在于，所述样本数据集包括训练样本集和测试样本集；BP神经网络至少包括输入层、隐含层以及输出层；所述利用所述回填料相关数据形成的样本数据集，构建用于预测回填料成本的目标BP神经网络，具体包括：将所述训练样本集输入所述输入层；输入所述输入层的训练样本集经所述隐含层传递至所述输出层；经所述输出层的计算后，输出对应的回填料成本预测数据；计算所述回填料成本预测数据与回填料成本真实数据之间的误差值；当所述误差值未达到预设精度要求时，通过调整BP神经网络中的权值以及阈值，得到训练完成的目标BP神经网络。3.根据权利要求2所述的基于BP神经网络的回填料成本预测方法，其特征在于，当所述误差值未达到预设精度要求时，通过调整BP神经网络中的权值以及阈值，得到训练完成的目标BP神经网络，具体包括：当所述误差值未达到预设精度要求时，从所述输出层逐层向所述输入层反馈所述误差值；基于所述误差值调整BP神经网络中各层间的连接权值以及阈值，通过反复循环迭代减小所述误差值，直至迭代次数满足预设循环次数或所述误差值满足预设精度要求为止，确定优化后的连接权值以及阈值；将所述测试样本集输入所述输入层，按照各层优化后的连接权值以及阈值运行，经所述隐含层传递至所述输出层，训练得到目标BP神经网络。4.根据权利要求2所述的基于BP神经网络的回填料成本预测方法，其特征在于，利用所述回填料相关数据形成的样本数据集，构建用于预测回填料成本的目标BP神经网络之前，还包括：对所述回填料相关数据进行分类分析、关联分析、聚类分析以及异常检测，得到有效回填料相关数据；基于所述有效回填料相关数据形成样本数据集，并将所述样本数据集分为训练样本集和测试样本集。5.根据权利要求...
【专利技术属性】
技术研发人员：张林，刘喜，安媛媛，梁存君，申张鹏，曹雪峰，刘刚，史思军，
申请(专利权)人：中国建筑一局集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。