基于优化卷积神经网络的建筑工程造价估算

王淑苹，黄良辉

(1.广东南华工商职业学院 建筑与艺术设计学院，广东 广州 510507；2.广东建设职业技术学院，广东 广州 510440)

0 引言

近几年来随着市场竞争的不断加剧，建筑企业的利润不断降低，成本控制已经成为了建筑企业未来发展的核心，因此建筑工程造价的估算具有重要意义。传统的建筑工程造价估算主要采用回归模型和蒙特卡罗模拟估算模型[1-4]，这些方法存在计算精度较低和耗费时间较长的缺陷。

如今，随着人工智能技术的发展，研究人员开始将人工神经网络、模糊数学和灰色系统等技术应用于工程造价估算领域。例如，孟俊娜等人[5]提出基于BP神经网络的民用建筑工程造价估算方法，通过提取相应的工程特征指标，以工程造价作为输出值，验证了BP神经网络模型的可行性。刘春[6]提出了一种基于改进布谷鸟搜索算法优化支持向量机的建筑工程造价估算模型，通过改进布谷鸟搜索算法估计支持向量机参数，从而提高了工程造价估算准确性，但是其造价估算指标体系选取数量较少，且支持向量机参数优化的效果不突出[7-9]，即局部寻优和全局寻优之间的平衡较为困难，直接限制了估算的最小误差性能[10]。通过分析发现上述模型的准确率仍无法满足实际工程管理需求。

随着深度学习理论的提出和硬件设备计算性能的提升，卷积神经网络以更高的识别率在计算机视觉和自然语言处理领域获得了极大的成功[11-13]。因此，本文尝试将卷积神经网络引入到建筑工程造价估算应用中，以便进一步提高造价估算的准确性。……