基于粗糙集理论的建筑工程成本分析

分类：建筑工程论文发表 时间：2018-11-06 09:22 关注：(1)

　　侯文婷1，2

　　(1.武汉科技大学，湖北武汉430081;2.内蒙古建筑职业技术学院，内蒙古呼和浩特010050)

　　摘要：传统建筑工程成本分析方法存在运行效率低、收敛性能差，导致成本分析不准确。因此提出基于粗糙集理论的建筑工程成本分析方法，构建粗糙集⁃小波神经网络预测模型，实现建筑工程成本的准确分析，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成本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，得到建筑工程成本的分析结果。实验结果说明，所提方法具有较高的运行效率和收敛性能，能够对建筑工程成本进行快速、准确的分析。

　　关键词：粗糙集理论;建筑工程;成本分析;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⁃373X(2018)19⁃0083⁃06

　　随着经济的快速发展，建筑行业的市场竞争不断提升，高质量的建筑工程成本管理能够提高建筑工程的效益，增强建筑企业的市场竞争力。寻求有效的建筑工程成本分析方法，对于确保建筑企业健康快速发展具有重要应用意义[1]。传统基于神经网络的建筑工程成本分析方法，存在运行效率低、收敛性能差，导致成本分析不准确。为了解决该问题，本文提出基于粗糙集理论的建筑工程成本分析方法，采用粗糙集⁃小波神经网络预测模型，实现对建筑工程成本的快速、准确分析。

　　1基于粗糙集-小波神经网络的建筑工程成本分析

　　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则，将该规则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，实现建筑工程成本分析，通过粗糙集原理对小波神经网络输入端样本实施约简处理，得到属性间的关系，对小波神经网络结构进行简化

　　2实验分析

　　实验对比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次的误差对比见表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种项目数据当成测试数据，采用本文方法和传统神经网络对该建筑工程成本实施预测，用表7描述

　　3结语

　　本文提出基于粗糙集理论的建筑工程成本分析方法，采用基于粗糙集⁃小波神经网络预测模型，实现建筑工程成本的快速、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.浅谈绿色施工成本和效益[J].施工技术，2015，44(21)：107⁃109.XUNing，TANLixin，FANYilin.Introductionofthegreenconstructioncostsandbenefits[J].Constructiontechnology，2015，44(21)：107⁃109.

　　[2]王丽，王志祥.建筑工程绿色施工质量与环境成本分析[J].施工技术，2016，45(12)：103⁃106