基于rbf神经网络的投标报价预测研究

《基于rbf神经网络的投标报价预测研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于RBF神经网络的投标报价预测研宄摘要：针对建筑工程特点，提出了基于RBF神经网络的建筑工程投标报价方法，建立建筑工程投标报价标高率数学模型。应用MATLAB计算软件，以实例验证了该模型的正确性及实用性。Abstract：Accordingtothepeculiarityofconstructionengineering,basedonthetheoryofRBFneuralnetworks.Mark-uprateevaluationmodelofconstructionengineeringissetup.AparticularsoftwareMATLABisemployedtoana

2、lyzetheevaluationmodel.Theaccuracyandvalueoftheapproacharetestifiedbytheprototypicaldata.关键词：RBF神经网络；标局率；报价Keywords：RBFneuralnetwork；mark-uprate；pricing中图分类号:TU723.3文献标识码:A文章编号：1006-4311(2015)26-0049-030引言神经网络在建设工程领域应用越来越广泛，BP神经网络会出现局部最小化问题和“过拟合”现象，径向基函数(radialbasisfunction,RBF)神经网络的逼近能力、分类能力、学习速度

3、等方面都优于BP网络。所以，文章将径向基函数神经网络用于标高率决策模型的建立，较BP神经网络有一定的进步与提升。1径向基函数神经网络原理1.1径向基函数神经网络基本结构径向基函数神经网络是径向基函数(radialbasisfunction,RBF)与人工祌经网络相结合形成的一种局部逼近网络，可以任意精度逼近任意连续函数。RBF神经网络一般为三层结构，如图1，包含输入层、隐含层和输出层，每层都有其特定作用。1.2径向基函数神经网络训练过程具体训练过程如图2。1.3径向基函数神经网络的实现径向基函数神经网络一般采用MATLAB软件中的神经网络工具箱对其进行模拟。MATLAB软件的神经网络工具箱

4、为RBF神经网络提供了很多工具箱函数，通过合理调用函数，能设计出符合要求的RBF神经网络。RBF神经网络一般采用newrb函数作为设计函数，在创建过程中newrb函数可以特定方式完成权值和阈值的选取和修正。文章采用newrb函数创建径向基函数神经网络，训练过程如下：①输入样本数据（不包括测试数据），建立newrb神经网络；②找出均方差最大的一个样本数据；③依据均方差最大的样本，网络自动增加一个径向基神经元，其权值等于该样本输入向量的转置；阈值b=[-log（0.5）]l/2/spread,spread为径向基函数的扩展系数，默认值为1.0;④以输入样本数据和输入层及隐含层之间的权值的点积为

5、径向基神经元输出，此点积作为线性网络层神经元的输入，重新设计线性网络层，使均方差最小；⑤当均方误差未达到规定的误差性能指标，且神经元数目未达到规定的上限值时，重复以上步骤，直到满足上述任一条件为止。newrb函数设计径向基函数神经网络的格式：2标高率模型的建立标高金概念国外应用较早，包括报价中除直接成本以外的开办费、管理费、利润和不可预见费等。考虑到我国的实际情况，文章将标高金定义为投标企业的盈利部分，包括利润和不可预见费（风险费用）。标高率决策模型仅用于确定标高金，工程成本部分采用其他方法确定。标高金的数额一般与工程规模相关，而采用标高率可以避免这一影响。基于此，文章应用径向基函数神经网

6、络建立标高率预测模型，报价中的工程成本部分可以利用现有的工程定额系统和工程计价软件如广联达和神机妙算等来进行快速、准确的估算。2.1标高率影响因素分析考虑到我国建设市场的特点及现状，文章从以下五个方面考虑标高率的影响因素，包括：项目因素，项目所在地社会因素，业主因素，承包商自身因素，竞争对手因素。项目因素包括工程复杂性、工程规模、合同条件、工期要求和质量要求五项因素；社会因素包括材料设备人员可得性、基础设施、政策环境和市场前景四项因素;业主因素包括管理能力、业主信誉、资金力量、招标规范性四项因素；自身因素包括类似工程经验、施工能力、任务饱满度三项因素；对手因素包括竞争对手数量、相对优势两项

7、因素。2.2模型指标体系的建立界定上述18项影响因素取值范围，如表1所示。以这18项影响因素作为输入变量，以标高率（％）作为唯一输出变量Y，构成模型的变量体系。2.3RBF神经网络构建文章设计的径向基函数神经网络模型共有三层：输入层、隐含层和输出层。其中，输入层有18个神经元，与输入变量（XI，X2，…，X18）相对应。隐含层神经元个数文章设定上限为30个。输出层有唯一神经元，即标高率。通过该模型建立一个由（XI，X2,