基于BP神经网络的工程造价预测模型优化研究OA
工程造价预测是住宅项目决策阶段的核心管控环节,直接影响投资决策的科学性。传统BP神经网络收敛慢、易陷入局部最优,难以满足项目前期造价预测的高精度、高效率需求。文中通过构建GA-PSO-BP优化预测模型,结合项目特征,搭建16项造价影响因素体系,通过主成分分析降维提取7项主成分作为输入,以消除指标共线性并降低计算复杂度;同时针对BP初始参数随机的缺陷,引入粒子群算法全局寻优,嵌入遗传算法交叉、变异操作优化粒子更新,避免种群早熟,提升搜索能力。对比试验显示,预测模型平均绝对百分比误差仅2.86%,决定系数达0.981 6,训练迭代次数较传统BP降低61.6%,精度与效率显著优于单一BP与PSO-BP模型,可为住宅项目决策阶段造价管控提供可靠支撑。
刘敏
普诚正华工程咨询有限公司,贵州贵阳550081
建筑与水利
BP神经网络工程造价预测粒子群算法遗传算法模型优化
《江西建材》 2026 (6)
P.359-361,372,4
评论