神经网络方法在钢筋混凝土工程估价中的应用摘要：在发展中国家，神经网络方法可以为混凝土工程的造价分析提供一种指导性的工具，以克服各种变化因素已经主观因素的影响。本文中，提出3中神经网络方法来评价一个发展中建筑市场里模板工程、钢筋工程以及混凝土工程的生产率。18名专家被分在6个项目中手机数据，92项数据被收集用于分析。应用了商业软件进行神经网络的计算。处理过的数据被用于建立、训练、检验神经网络。神经网络产生的框架显示出足够的收敛性已经相对较强的普遍适用性。当对输入数据进行敏感性分析时，本框架也能对变化趋势的做出很好的表示。关键词：神经网络；混凝土；生产率；计算机辅助；发展中国家；项目管理前言投资估算对于顺利完成建设工程项目是很必要的内容。对建筑工程的估算可以分为对直接费用、间接费用、不确定费以及利润等。直接费用包括材料费、人工费和机械费。直接费是指构成工程实体的各项费用，它由各项定量指标和定性指标构成。定量因素包括单位材料价格、单位人工工资、单位设备租赁费用和折旧。定性因素更难确定，包括各种生产率以及建设风险等。有经验的估价师依靠他们的经验对定性因素做出判断。而相对缺少经验的估算师则可以通过工具来组合各种不确定因素。神经网络方法是通过模仿人脑的功能，像人脑一样，通过对以往的学习，对数据做出归纳和总结。数据网络在建设工程方面得到很多的应用。Portas和Abourizk（1997）设计了一套神经网络系统对梁、板、墙工程中模板的生产率进行分析。Sonmez和Rowings（1998）发展了对模板组装、混凝土浇捣、凝固过程的估算。Arditi和Tokdemir（1999）试图用神经网络预测建筑工程诉讼的结果。Alsugair和Al-Qudrah（1998）则用神经网络决定公路的翻新与否。Hegazy和Ayed（1998）则用神经网络对高速公路进行估价。Lietal（1999）则对建筑项目的投标确定进行顺利网络分析。在发展中国家，整个建筑工程环境由于许多不确定因素的影响而显得更加具有风险性，因此对直接工程费的影响也就更大。这些国家的工程师需要有效的工具来帮助他们更好地完成工程的估价。本文把目光投向埃及，一个有着新兴经济体制，拥有7000万人口和广泛基础设施及工业工程项目需求的中东国家。在埃及，混凝土结构占了建筑工程的大多数。我们尝试说明神经网络在对混凝土相关工程中工人生产率进行估算的过程。这以研究是通过实际工程项目中由专家掌握的数据来实现的。方法论这项研究的目标是在考虑定量因素和定性因素的情况下建立能够预测模板组装、钢筋搭接、混凝土浇捣过程中的生产率的神经网络模型。为实现这个目标，系统方法论是可行而且必要的。调查表格最初的调查表格是以文献查阅的方式获得的，它包含了影响混凝土工程生产率的各因素（ChaoandSkibniewski1994；Halliganetal。1994；Ersoz1999；Thomasetal.1999）。最初的表格经过5名经验丰富的工程管理专家的的讨论和修改，目的是将文献中的各项因素于当地市场的实际情况想结合。具体表格见图1混凝土工程生产率调查表本调查的目的是在考虑定性和定量因素情况下各因素对混凝土工程生产率的影响。参与者资料填表人地点公司填表日期项目信息项目名称业主项目位置项目顾问项目类型承包商总体情况结构类型混凝土用量工期（模板、钢筋以及钢筋）温度条件冷适中热施工环境良好适中恶劣模板组装信息工种人数工期模板类型脚手架类型监理力度小充分严格工人熟练度不熟练适中熟练工人加班时数多少工艺复杂程度典型复杂材料可达性高适中低返工率无中等高钢筋工程信息工种人数工期钢筋重量监理力度小充分严格工人熟练度不熟练适中熟练工人加班时数多少工艺复杂程度典型复杂材料可达性高适中低返工率无中等高混凝土浇捣信息工种人数工期浇捣方式预制现浇混合监理力度小充分严格工人熟练度不熟练适中熟练工人加班时数多少工艺复杂程度典型复杂材料可达性高适中低返工率无中等高总体评价图1混凝土工程生产率调查表数据收集数据收集包括对定性数据和定量数据的收集。定量数据对神经网络不会对造成太多的干扰，因为它是在同一环境和时间段内记录的数据，而定性数据有一定的主观性，主要靠专家的判断和经...
