资源描述：
《2 基于BP人工神经网络的建筑废料管理的评价模型》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、基于BP人工神经网络的建筑废料管理的评价方法研究董爱华基金项目：受国家自然科学基金资助（项目号：70302015）董爱华（1981-），男，山东人，助教，同济大学博士生，主要从事建设工程管理方面的研究。，闵洲源闵洲源（1982-），女，黑龙江人，同济大学硕士生，研究方向为建设工程管理。（同济大学经济与管理学院，上海200092）摘要：构建单一新建建设工程项目（不包含拆除工程）的建筑废料管理评价指标体系，概述基于BP人工神经网络评价方法的基本原理，并详述基于BP人工神经网络的建筑废料管理评价模型的建立过程，包括神经网络的建立、学习训练，以及结果的检
2、验等。将该模型应用于实际工程建筑废料管理的评价，进行实例检验，得到较满意结果。关键词：人工神经网络建筑废料管理评价指标体系ConstructionWasteManagementEvaluationModelBasedOnB-PNeuralNetworksDONGAi-hua,MINZhou-yuan(SchoolofEconomicandManagement,TongjiUniversity,Shanghai200092,China)Abstract：TheevaluationindexsystemofConstructionWasteManag
3、ementisbuilt.Andbasedontheexplanationofitsbasicprinciples,thesuperiorityoftheevaluationmethodbasedonartificialneuralnetworksisanalyzedinthecaseofapplyingonConstructionWasteManagementevaluation.Thedevelopingprocessofagreenconstructionevaluationmodelisdiscussedindetail.Andthent
4、hemodelisappliedtotheevaluationofarealprojectandgivessatisfactoryresult.Keywords:artificialneuralnetworks;ConstructionWasteManagement;evaluationindexsystem建筑的建造过程产生大量的建筑废料。国外经验数据表明，就房屋建筑而言，建设过程中每平方米建筑面积大约产生20～40千克建筑废料[[]ErikK.Lauritzen.建设与建筑物拆除废物再循环的经济效益与环境效益[M].产业与环境(中文版),19
5、95,Vol.17(2):26～31.[]ErikK.Lauritzen.Theeconomicandenvironmentalbenefitsofrecyclingofconstructionanddemolitionwaste[M].IndustryandEnvironment(Chineseedition),1995,Vol.17(2):26～31.[]陆凯安.我国建筑垃圾的现状与综合利用[J].施工技术(北京),1999,Vol.28(5)44～45.]。建筑废料引发占用大量土地、环境污染、资源浪费等环境问题。我国工业城市建筑废料处理的最
6、主要方式是卫生填埋，约占全部处理量的70%以上[[]LUKai-an.StatusQuoandComprehensiveUtilizationofRefuseProducedfromConstructionandRemovalofBuildingsinChina[J].Constructiontechnology(Beijing),1999,Vol.28(5)44～45.[3]潘大丰,李群.神经网络多指标综合评价方法研究[J].农业系统科学与综合研究,1999,15(2):105-107.]。加利福尼亚州建筑废料管理法案（1999）定义建筑废料管
7、理，指建设项目的业主方和承包商，在政府的相关法律、法规、条例的指导下，依据项目实际情况，在项目策划阶段，编制建筑废料管理计划，经政府相关管理部门批准后，在项目建设过程中贯彻实施该计划，同时接受相关管理部门的监督，并在项目竣工后提交建筑废料管理报告。通过这一系列活动，回收利用建筑资源，减少填埋处理的废料，进而达到减少浪费、防止污染、保护环境的目的。目前，国内外鲜见可供借鉴的建筑废料管理评价理论。遴选建筑废料管理的评价方法很重要。与层次分析法、模糊理论分析法等相比，基于人工神经网络的评价方法是更接近于人类思维模式的定性和定量相结合的综合评价方法[[]
8、PANDa-feng,LIQun.StudyonTheMulti-indexComprehensiveEvaluationMethodo
