隨著科技的發展，建筑工程的進步也是很顯著的，現如今，國家也在倡導者綠色建筑和綠色施工。在施工過程中減少對自然資源的消耗和生態環境的保護。本文是一篇城市規劃學刊投稿的論文范文，主要論述了基于BP神經網絡的建筑工程綠色施工評價。

　　摘要： 通過對綠色施工理論的探討，構建了建筑工程綠色施工評價的指標體系。基于BP人工神經網絡評價方法構建了建筑工程綠色施工評價模型，并運用該模型對一實際工程項目的綠色施工進行了模擬。

　　Abstract： This article discusses the green construction theory and builds a construction project green construction assessment index system. The construction project green construction assessment model is built based on BP artificial neural network， and the model is used to simulate the green construction of a practical project.

　　關鍵詞： BP人工神經網絡,綠色施工,評價方法

　　Key words： BP artificial neural network;green construction;assessment method

　　0 引言

　　隨著我國建筑業的快速發展，建筑工程建設消耗自然資源和破壞生態環境的問題，已經引起了社會各界的廣泛關注，建筑生產活動中的施工階段是大規模地改變自然生態環境、消耗自然資源的階段。針對該階段進行控制和管理，實施綠色施工，可以有效改善建筑工程能耗大、破壞生態環境等的問題。近年來，綠色施工已經成為建筑工程的施工的主要趨勢，我國已經在綠色建筑的評價體系研究方面取得了很多富有價值的研究成果，如建設部住宅產業化促進中心制定的《綠色生態住宅小區建設要點與技術導則》、《現代房地產綠色開發與評價》、《綠色奧運建筑評估體系》等，建設部發布的《綠色施工導則》中給出了綠色施工的定義，指工程施工過程中，在保證質量、安全等基本要求的前提下，通過科學管理和先進技術，最大限度地節約資源與減少對環境負面影響的施工活動，實現節能、節地、節水、節材和環境保護[1]。以這些理論背景為基礎，構建綠色施工評價指標體系，研究適用于綠色施工的評價方法對于推動綠色施工實踐具有十分重要的意義。

　　人工神經網絡，是利用計算機來模擬生物神經網絡系統，通過模擬生物神經系統的工作機理，來抽取其活動過程中的可利用部分通過物理器件進行實現，也就是將生物細胞進行了數學化[2]。目前比較常用的是BP(Back Propagation)神經網絡算法。是一種基于逆傳播原理的算法，由于它優秀的自學習、自聯想功能，使得BP人工神經網絡廣泛的應用于非線性建模、函數逼近等方面。本文選擇BP神經網絡模型研究建筑工程綠色施工評價問題，能夠模擬出專家對綠色施工評價的思維過程，大大提高工作效率，減少評價周期，避免評價過程中人為因素及模糊隨機性的影響。

　　1 建筑工程綠色施工評價指標

　　建筑工程綠色施工是一個多種因素相互影響作用的綜合系統，建筑工程綠色施工評價工作的進行依賴于綠色施工評價指標的選取的有效性和準確性。本文參考了各位專家學者對綠色施工定義、框架劃分及相關文獻的研究，并聽取了他們的意見建議，從建筑工程綠色施工的本質要求出發，將建筑工程綠色施工評價的總體目標分為施工技術、施工綜合管理、各類資源及能源的使用、環境控制這4個指標。并結合對各類資源、能源的節約理念，環境保護目標，可持續發展原則，以人為本的價值觀等將這4個一級指標細分為26個二級指標，從而建立了建筑工程評價指標體系，見表1。

　　2 基于BP人工神經網絡的建筑工程綠色施工評價模型

　　2.1 BP人工神經網絡的基本原理

　　BP神經網絡的學習過程是由正向傳播和反向傳播兩個階段構成的，若給定一組樣本的輸入值和期望輸出值，通過正向傳播過程計算各節點之間的權值和閾值，然后通過將誤差通過反向傳播計算，實現對權值和閾值的調節，反復以上過程直到使輸出值落到最終滿意的誤差范圍內，達到網絡訓練的目的。其具體的計算過程這里以一個分別包含一個輸入層、隱含層和輸出層的三層的人工神經網絡結構加以說明，如圖1所示。

　　令wir表示輸入層節點xi到隱含層節點yr間的連接權值，wrj表示隱含層節點yr到輸出層節點zj間的連接權值，θr表示為隱含層節點的閾值，θj為輸出層節點的閾值：

　　①給wir、θr、wrj、θj隨機賦一個較小的值，其值一般在0到1之間。

　　②輸入樣本，設樣本個數為P，樣本模式為(A(k)C(k))(K=1，2，…，P)，即由給定樣本的輸入值和期望輸出值組成的矩陣。將A(k)的值x■■作為輸入層節點的值，逐層按公式(1)、(2)所示依次進行正向的計算：

　　此處的EAV表示的是網絡訓練的目標誤差函數(j=l，2，…，n;k=1，2，…，p)。

　　基于上述計算，就能把擬解決問題的特征值反應在權值和閾值上，然后就可以利用這組特定的值來求解實際問題的結果。

　　2.2 面向MATLAB的BP網絡評價模型設計

　　利用計算機軟件―MATLAB神經網絡工具箱中所具有的函數功能，可以將上訴神經網絡的計算過程，通過調用函數來進行實現。

　　2.2.1 樣本數據的選取

　　以表1所示的建筑工程綠色施工評價指標體系為基礎，對各定性指標采用專家評判法進行量化，將綠色施工水平從低到高依次劃分為五個等級：低(0，0.2);較低(0.2，0.4);一般(0.4，0.6);較高(0.6，0.8);高(0.8，1)。通過組織專家對國內的15個項目的綠色施工水平進行評定，得到了這15個項目的綠色施工評價指標值，見表2。 　　對表2中的數據進行歸納整理，征求各位專家的意見，得到建筑工程項目的綠色施工評價綜合評分表，見表3。

　　2.2.2 模型算法的實現

　　①確定BP網絡結構各層神經元節點數。采用圖1所示3層BP網絡結構，輸入層為各評價指標的評價值，共26個神經元節點，輸出層表示對一個建筑工程綠色施工評價的綜合結果，即只有一個神經元數值，根據經驗公式和反復的迭代試驗缺點隱含層神經元節點數目為19個。即本文研究問題的BP神經網絡評價模型結構為28×12×1。

　　②對網絡模型進行訓練。將表2中前12組數據的專家打分值作為網絡的輸入節點值輸入網絡，將表3中的綜合評定值作為這12組數據的期望輸出值，使用MATLAB軟件編程，MATLAB中的語言為：

　　MATLAB程序語言具體如下：

　　P=[]';

　　T=[];

　　( 輸入向量P和目標向量T的矩陣值)

　　threshold=[];

　　(設定網絡輸入向量的取值范圍矩陣，一般單個輸入向量的取值范圍為[0，1])

　　net=newff(threshold，[15，1]，{‘tansig’，‘logsig’}，‘traingdx’);

　　(此語句創建BP神經網絡，訓練函數為traingdx函數;權值調節規則函數為learngdm函數;，各層激勵函數類型為{‘tansig’，‘logsig’})

　　net.trainParam.epochs=1000;

　　(設置網絡的最大訓練次數)

　　net.trainParam.goal=0.00001;

　　(設置網絡的期望誤差)

　　net=train(net，P，T);

　　(對創建的BP神經網絡進行訓練)

　　經學習訓練后的網絡輸出結果見表4，它們與期望輸出非常接近，綠色評價等級一致。網絡訓練結果如圖2。

　　③對網絡模型進行檢測。將表2中后3組數據作為校驗數據輸入訓練好的神經網絡，MATLAB中的程序語言為：

　　P_test=[]';

　　(輸入測試樣本的矩陣值)

　　Y=sim(net，P_test).

　　(對網絡模型進行仿真)

　　得到的綜合評價結果見表5。

　　由表5可見由訓練好的神經網絡得到的檢測樣本的實際輸出值與期望值誤差很小，且綜合評價結果與專家評價結果一致。說明得到的神經網絡所反映的輸入與輸出之間的關系是正確的，可以有效地應用于其他建筑工程項目的綠色施工評價。

　　3 案例分析

　　某地區稅務局的辦公樓工程，規劃用地約4300m2，地上九層、地下一層，建筑總高度34.5m，框架結構，建筑面積約為8989.44m2。由于該工程建設初期，建設單位、設計單位、監理單位對工程提出了一部分綠色施工要求，施工單位在建設過程中采用了大量的綠色施工新技術、新機械、新工藝。并針對保護環境采取了一定的技術措施，但由于施工工期安排較緊，人員培訓不到位等因素的影響，在工程綠色施工方面還存在個別的問題，在對工程項目資料做了仔細研究和對工程項目相關人員進行了了解的基礎上，給出了此工程項目綠色施工評價指標的的分值，見表6。

　　將表6中的數據輸入已經訓練成功的神經網絡模型中，經網絡計算，得到該項目綠色施工的綜合評價得分為0.6084，屬于綠色評價等級中的較高級別，此類工程項目可以在對施工人員進行培訓，控制噪聲和廢水、廢料，節約資源與能源方面做進一步的優化從而提高綠色施工水平。

　　4 結論

　　本文構建了建筑工程綠色施工評價指標體系，并通過BP人工神經網絡法，對建筑工程綠色施工進行了定量化的評價，通過樣本的訓練和檢測驗證了模型的有效性，訓練好的網絡可用于一般建筑工程項目的綠色評價中，可大大提高評價工作的效率，及其準確性、針對性。

　　參考文獻：

　　[1]熊燕.高等級公路綠色施工評價研究[D].長沙理工大學碩士學位論文.長沙：長沙理工大學，2013.

　　[2]施彥，韓力群，廉小親.神經網絡設計方法與實例分析[M].北京：北京郵電大學出版社，2009.

　　[3]陳建國，閔洲源.基于BP人工神經網絡的綠色施工評價方法研究[J].基建優化，2007，10(28)：169-172.

　　[4]牛建強.基于BP神經網絡的超高層建筑綠色施工評價的研究[D].西安建筑科技大學碩士論文.西安：西安建筑科技大學，2011.

　　[5]李惠玲，李軍，鐘欽.基于灰色聚類法的綠色施工評價[J].工程管理學報，2012(2)：18-22.

　　相關期刊推薦：《老區建設》雜志由江西省社會科學界聯合會、江西省革命老根據地建設委員會主辦，創刊于1986年，是全國首家宣傳扶貧開發、農業經濟、區域經濟和老區建設的綜合性刊物，面向國內外公開發行;是《中國期刊網》、《中國學術期刊(光盤版)》全文收錄期刊、中國學術期刊綜合評價數據庫來源期刊。