基于神经网络的建筑造价预测方法及系统技术方案

本发明专利技术公开了基于神经网络的建筑造价预测方法及系统；本发明专利技术涉及建筑工程技术领域；使用sigmoid激活函数配合BP神经网络结构进行运算。同时读取根据影响因子的特性设计的动态缩放逻辑，动态缩放逻辑为对于价格因子根据市场价格波动情况进行动态调整。本发明专利技术的方案涵盖了建筑面积、建筑结构、建筑材料、建筑物基本参数和建筑管理等多类影响因子，确保预测模型能够综合考虑各种关键因素，从而提高预测的准确性。针对价格因子等受市场波动影响较大的因素，本发明专利技术集成动态缩放模块，根据市场价格波动情况动态调整输入数据，使模型能够更准确地反映市场价格变化对建筑造价的影响。

【技术实现步骤摘要】

本专利技术涉及建筑工程，具体涉及神经网络技术在建筑造价领域的应用，特别涉及基于神经网络的建筑造价预测方法及系统。

技术介绍

1、建筑造价是建筑工程项目管理中的重要组成部分，它涉及对建筑工程从规划、设计、施工到竣工全过程所需费用的预估、计算和控制。

2、尽管人工计算造价在过去很长一段时间内是建筑造价管理的主要方式，但随着建筑项目的规模和复杂性不断增加，传统人工计算造价逐渐暴露出以下技术缺陷：

3、(1)效率低下：传统人工计算造价需要耗费大量时间和人力，对工程量、材料价格、人工费用等进行逐一计算和汇总。这种方式不仅效率低下，而且容易出错，导致造价结果不准确。

4、(2)预测能力不足：由于人工计算造价依赖于经验和历史数据，往往难以对复杂多变的建筑项目进行准确预测。特别是在面对新材料、新技术和新工艺时，传统人工计算造价的方法更显得力不从心。

5、为此，本专利技术提出基于神经网络的建筑造价预测方法及系统。

技术实现思路

1、有鉴于此，本专利技术实施例希望提供基于神经网络的本文档来自技高网...

【技术保护点】

1.基于神经网络的建筑造价预测方法，其特征在于，包括执行如下步骤：

2.根据权利要求1所述的建筑造价预测方法，其特征在于：在所述S1中，所述影响因子数据包括建筑面积因子a、建筑结构因子b、建筑材料因子c、建筑物参数d和建筑管理因子e。

3.根据权利要求2所述的建筑造价预测方法，其特征在于：所述输入向量x为：x＝[a,b,c,d,e]T；其中T表示转置；

4.根据权利要求2所述的建筑造价预测方法，其特征在于：在所述S2中，所述BP神经网络的结构为：

5.根据权利要求4所述的建筑造价预测方法，其特征在于：在所述隐藏层中，其输出为：

...

【技术特征摘要】

1.基于神经网络的建筑造价预测方法，其特征在于，包括执行如下步骤：

2.根据权利要求1所述的建筑造价预测方法，其特征在于：在所述s1中，所述影响因子数据包括建筑面积因子a、建筑结构因子b、建筑材料因子c、建筑物参数d和建筑管理因子e。

3.根据权利要求2所述的建筑造价预测方法，其特征在于：所述输入向量x为：x＝[a,b,c,d,e]t；其中t表示转置；

4.根据权利要求2所述的建筑造价预测方法，其特征在于：在所述s2中，所述bp神经网络的结构为：

5.根据权利要求4所述的建筑造价预测方法，其特征在于：在所述隐藏层中，其输出为：

6.根据权利要求5所述的建筑造价预测方法，其特征在于：在所述输出层中，其输出为：

7.根据权利要求4所述的建筑造...

【专利技术属性】
技术研发人员：王丹，曾泳云，
申请(专利权)人：广州科技职业技术大学，
类型：发明
国别省市：