BP神经网络在混凝土价格预测中的应用研究

孙晋东

（南京市建设工程造价监督站，江苏 南京 210000）

0 引言

工程材料作为工程造价信息的核心部分，受到所有相关行业人员的密切关注。如今各地的工程造价管理机构为规范发布价格信息的准确性和时效性，制定了一套包括信息收集、分析定价、会议评审、信息发布四个步骤的价格发布模式，信息价已成为施工单位、建设单位、工程造价咨询企业、相关管理部门重要的价格依据。现阶段的工程材料价格信息管理存在两点不足：一是收集的材料价格信息量较少，导致数据不充足。二是材料价格分析方法较为落后，缺少对数据的深度挖掘和综合分析，易出现材料信息价对比实际市场价滞后的状态[1]。针对工程材料价格在工程建设中的重要意义，本文提出一种结合BP神经网络的人工智能方法在混凝土材料价格预测中的应用研究，以提高材料价格发布的精确性和及时性。

1 BP神经网络应用原理介绍和模型搭建

1.1 BP神经网络应用原理

BP神经网络模型简称BP神经网络，具有结构稳定、算法简单的优点，目前在科研、经济等范畴都得到了广泛应用。BP神经网络处理数据的能力较强，具有普遍联想、智能学习、自我适应的能力，这些强大的功能使BP神经网络在解决材料价格分析预测工作存在的问题时有明显优势，为材料价格的深层次分析和数据处理提供了便利[3]。

1.2 神经网络预测流程

BP神经网络预测价格的流程，第一步是收集历史的价格数据信息，第二步为配置BP神经网络的基本参数，通过导入过去的价格数据从而反复锻炼BP神经网络，直至达到理想的精度要求，最后将测试价格信息导入到已经完善的BP神经网络模型中，经过系统自动计算得到预测数值。

1.3 价格数据预处理

BP神经网络导入数据的幅动不能太大，数据波动越均匀，网络的预测能力就越强，因此需对样本集进行数据归一处理，使数据均匀分布在[-1，1]。本文以商品混凝土C10（非泵送）为例，详细介绍如何利用BP神经网络模型进行价格预测。选取2017～2018年南京市造价站发布的商品混凝土C10价格信息作为学习样本，数据如表1所示。

表1 南京地区商品混凝土C10（非泵送）价格

表1中的各月价格可用向量X=（x1，x2，…，x12），对向量X按上式（1）作归一化[4]处理，得向量Y={yi}=（0.012，0 ，0.081，0.113，0.162，0.304，0.283，0.283，0.324，397，0.417，0.781，0.721，0.619，0.559，0.64 ，0.8 0.769，0.749，0.749，0.822，0.862，0.976，1）。

1.4 训练策略

混凝土价格预测采用连续预测方式，即用4个月的历史数据来预测第5个月的价格信息。本文采用2019年上半年南京市混凝土信息价的数据作为测试集，用以检验预测准确性。

1.5 神经网络参数设置

本文建立的BP神经网络模型如下。一、输入层确定为4个神经元，指代前4个月的价格。二、隐含层考虑输入层和输出层的神经元数量，结合经验公式，并经不断测评，明确神经元数量为8个。采用双极性Sigmoid函数作为隐含层的激活函数。三、输出层设置为输出预测数据的1个神经元。四、使用梯度下降函数traingd()为训练函数。五、设置的学习精度ε=0.003，设置的迭代次数3000次[5]。

2 BP神经网络模型预测材料价格测试

由训练好的神经网络测试得到的2019年上半年混凝土C10价格预测数据及相对误差如表2所示。

表2 训练测试得到2019年上半年混凝土C10价格训练值及相对误差

由数据绘制图1：

以商品混凝土C20价格数据输入模型再次预测，得到预测曲线图如图2所示：

其预测价格和实际价格误差如表3所示：

表3 训练测试得到2019年上半年混凝土C20价格训练值及相对误差

表4 训练测试得到2019年上半年混凝土C30价格训练值及相对误差

以商品混凝土C30价格数据输入模型再次预测，得到预测曲线图如图3所示：

其预测价格和实际价格误差如表4所示：

由上图1、2、3可以看出蓝色折线是真实的报价，每个数据点代表当月的商品混凝土（非泵送）含税价格，图中绿色数据点代表的是训练得到的三层神经网络根据历史价拟合出的系统。图中红色的6个数据点是由该三层神经网络预测出来的六个月数据，可以看到，红色的折线走势与真实的蓝色折线大致相同，在第四个月时，真实价格出现较大反弹，预测的数据也反映出了价 格回升。

3 结论

对于三种不同强度的混凝土，虽然三种价格上存在差别，但是通过神经网络模型的预测，得到的预测价格和真实价格之间的误差，普遍保持在3%左右，相对稳定。因此本神经网络具有一定的科学性和实用性，能够更加精确地分析预测材料价格，将BP神经网络应用到混凝土价格分析预测工作当中，可以有效突破材料信息价分析工作的瓶颈，解决数据处理大和人工分析干扰因素的问题，进一步提升材料信息价发布质量，为各方建设主体提供更加优质的信息服务。