基于模糊BP神经网络的电缆隧道快速报价研究.pdf
版权申诉
5星 · 超过95%的资源 123 浏览量
2021-09-25
21:29:34
上传
评论
收藏 1.05MB PDF 举报 
EngineeringManagement
| 工程管理 |
·
159
·
2019 年第 22 期
基于模糊 BP 神经网络的电缆隧道快速报价研究
滕雪松，王玉宝，潘晓晨，颜 鹏
（山东电力工程咨询院有限公司，山东济南250000）
摘 要：为了准确进行电缆隧道快速报价，文章针对对隧道造价影响较大的指标因素，采用 BP 神经网络和模糊理论相结
合的方法对报价方法进行训练学习，实验结果表明，该算法在电缆隧道快速报价的精度上有较高的应用价值。
关键词：电缆隧道；模糊理论；BP 神经网络；快速报价
中图分类号：
U459.9
文献标志码：
A
文章编号：
2096-2789
（
2019
）
22
-
0159
-
02
作者简介：滕雪松（1986—），男，硕士，研究方向：技术
经济及管理。
随着城市化进程不断加深，线路走廊更加紧张，越
来越多的线路技改项目采用电缆隧道方式。在电缆隧道
工程的投标中，投标报价的合理与否直接影响着中标的
成功率。要合理确定投标报价，工程造价的确定是关键。
神经网络则具有非常强的自适应和学习能力，但存在收
敛速度慢、易产生局部最优等不足。模糊诊断方法最大
的优点就是利用一定的原则对实际指标进行模糊界定。
将二者进行融合，可以弥补神经网络在模糊数据处理方
面的不足和纯模糊系统在学习方面的缺陷。笔者构建模
糊 BP 神经网络对电缆工程造价进行快速估算，取得了
较好的结果。
1
模糊 BP 神经网络算法的基本原理
BP 神经网络是一种按误差逆传播算法训练的多层前
馈网络，BP 网络能够自学习，实现输入和输出之间的任
意复杂非线性关系，无需事先描述映射关系的数学方程。
它的学习过程是使用最速下降法，通过反向传播来不断
调整网络的权值和阈值，使网络的误差函数达到最小。
BP 神经网络模型拓扑结构包括输入层（Input layer）、隐
含层（Hidden layer）和输出层（Output layer）。
具体计算思想对应于n 个输入学习样本：x1，
x2，…，xn 的输出样本为 O1，O2，…，Om。学习训
练的目的是利用实际输出 O1，O2，…，Om 与目标矢
量 D1，D2，…，Dm 之间的误差修正隐层的权值，使
输出值 O 与期望值 D 之间的误差平方和达到最小。
模糊 BP 神经网络模型与单独的 BP 神经网络的结构
及训练学习算法都是相同的，不同的是模糊 BP 神经网
络模型将模糊概念融合在神经网络的输入输出的表达形
式上，模型原理图如图 1 所示。
2
模糊 BP 神经网络的电缆隧道快速报价
2.1
指标体系的确定
依据电缆隧道工程的施工工艺和技术特点，结合电
缆隧道工程概、预算编制工程中项目划分，以及各指标
对最终费用的影响程度，确定电缆隧道快速报价的指标
体系，如表 1 所示。
2.2
指标特征值提取和数据模糊变换
以山东地区以往 110kV 电缆隧道工程为样本，提取
指标数据以及最终单位造价，进行特征提取——模糊化
处理，固定其他指标值，只变动单一指标值，计算单位
造价对不同指标的变化。对电缆隧道快速报价指标体系
来说，其子集的隶属度函数是不同的，一般可引入“大
约为 a”的模糊概念，用正态分布函数来表示。
2.3
模糊 BP 神经网络设计
依据 BP 神经网络模型结构特点，并结合电缆隧
道快速报价指标体系分析，可以构建以 7 个指标技
术经济指标值为输入、隐层节点数为 11、单位造价
（万元 /km）为输出的 BP 神经网络。
（1）原始数据。选取山东省具有代表性的 50 条电
缆隧道工程为样本，对各项特征指标的技术经济指标值
进行统计记录，并将相对应的单位造价对应，形成 50
份原始统计数据。部分电缆隧道快速报价的 BP 神经网
络输入样本如表 2 所示。
（2）模糊处理。采用正态函数（k ＞ 0），对节点
的技术指标特征值进行无量纲化处理，其中取 k=0.1，a
图 1 模糊 BP 神经网络结构
表 1 电缆隧道快速报价指标体系
编号 指标 编号 指标
Y1 隧道埋深 Y5 防水材料
Y2 开挖土质比例 Y6 工井设置个数
Y3 隧道壁厚 Y7 防腐材料
Y4 隧道净空截面
表 2 电缆隧道快速报价的 BP 神经网络输入样本（部分）
指标 X1 X2 X3 X4 X5 X6 X7
Y1 5.649 4.032 1.882 9.315 6.244 9.347 6.72
Y2 17.442 6.519 3.042 11.382 13.788 11.418 10.865
Y3 16.307 6.28 2.93 11.183 13.062 11.219 10.466
Y4 5.108 2.913 1.359 0.963 4.967 6.295 4.854
Y5 5.652 4.039 1.885 9.366 6.252 9.366 6.732
Y6 5.276 4.626 2.159 9.403 6.177 9.436 6.898
Y7 5.046 2.662 1.081 0.341 4.82 6.04 4.639
… … … … … … … …
资源评论
hunkchang8882021-10-04用户下载后在一定时间内未进行评价，系统默认好评。
weixin_454426712021-10-04用户下载后在一定时间内未进行评价，系统默认好评。
