基于粒子群-小波神经网络的水工隧洞造价预测

李天翔，黎伞伞

(1.中国电建集团贵阳勘测设计研究院有限公司，贵阳 550081; 2.贵州理工学院，贵阳 550003)

项目前期阶段是工程建设的初始阶段，其造价文件成果是投资决策的重要参考依据，对工程的投资起着宏观控制的作用。在项目建设各阶段中，项目前期阶段对造价的影响程度最高。使用计价定额能准确计算出工程的前期造价，但是需要花费大量的时间，因此如何快速而准确地预测工程造价是众多学者关注和研究的焦点。水利水电工程往往受自然条件制约多、施工条件复杂、工期长、范围广，同时大部分工程均为非标准化设计，这些因素都给项目的造价求解增加了难度。吁莎[1]用模糊数学理论对水电工程造价案例进行筛选，再采用BP神经网络，实现水电工程特征与造价之间的复杂非线性映射；迟晓梅[2]通过分析国内水利工程造价估算中存在的问题，将粒子群算法与水利工程造价候选方案进行动态映射，将参数约束问题转换成函数，形成动态模型；王建[3]运用灰色系统理论的原理和方法，建立水利工程造价估算模型，并对估算结果进行检验。本文在粒子群算法和小波神经网络理论的基础上，构建隧洞的造价预测模型，并利用实际工程检验其有效性。

1 粒子群-小波神经网络算法

1.1 小波神经网络

小波神经网络是将小波变换和人工神经网络结合后发展起来的，小波神经网络继承了小波变换的多分辨率分析的特性，使其能够对具体奇异信号进行精确识别，具有更强的非线性映射能力。……