前言：中文期刊网精心挑选了神经网络的基本特征范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
神经网络的基本特征范文1
机器有什么梦想？谷歌新的一些机器识别图像为我们给出了一个可能的答案：将不同的景物合成一种奇幻风景。
这些照片是由谷歌的图像识别神经网络产生的，该网络已被“教育”，以识别建筑物、动物和物体等图像。
研究人员将图片输入图像识别神经网络，并让它识别该图片中的一个特征，并修改图片以强调这项特征。修改后的图象然后被反馈到神经网络，并让神经网络再次识别其他特征并强调它们。最终，这幅图片被修改得面目全非。
在一个低水平上，这种神经网络可以被用来检测图像的边界。在这种情况下，这些图像就像绘画作品，使用过Photoshop滤镜的人应该对此感到不陌生：
但是，如果神经网络被要求识别更复杂的图像，——例如识别一头动物，它会产生令人不安的奇幻图景：
最终，这个软件可以对随机噪声进行识别，但生成的结果完全属于自身的想象：
如果你让一个用来识别建筑物的神经网络去识别一幅毫无特征的图像，它将产生这样的结果：
这些照片是惊人的，但他们不仅仅是用来展示的。神经网络具有机器学习的一个共同特征：它不是向计算机输入程序以让它能够识别特定的图像，而是向它输入许多图像，并让它自己整合这些图像的关键特征。
但是，这可能会导致软件更加出人意料。我们很难知道软件正在审查哪些特征，以及它忽略了哪些特征。例如，研究人员要求神经网络在一幅随机噪声图像中识别哑铃，发现它认为哑铃一定是有手臂握住的：
解决方案可能是向它输入更多放在地上的哑铃图像，直到它明白手臂并非哑铃的内在组成部分。
“神经网络面临的一个挑战是逐层识别。例如，第一层可以识别边缘或拐角。中间层识别基本特征，以寻求整体的形状或部件，例如门或叶子的形状。最后几层将这些组合成一个完整的图像，在识别非常复杂的事情时，——如整个建筑物或树木，这些神经元很活跃。”谷歌的工程师解释说。
神经网络的基本特征范文2
关键词：油气输送；ANN技术；意义；应用
1 ANN技术
ANN技术也就是人工神经网络技术。人工神经网络是一种通过模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。人工神经网络通过调节系统内部大量节点之间相互连接的关系，并对其之间关系进行信息处理，从而达到处理信息的目的。人工神经网络具有自学习和自适应的能力。人工神经网络技术（ANN技术）就是根据人工神经网络而提出来的处理单元互联组成的非线性、自适应信息处理系统技术，利用人工神经网络技术可以通过模拟大脑神经网络处理、记忆信息的方式进行信息处理。ANN技术通常是通过一个基于数学统计学类型的学习方法得以优化，所以人工神经网络技术也是数学统计学方法的一种实际应用。人工神经网络技术具有四个基本特征：非线性、非局限性、非常定性、非凸性。
就目前来说，常用的人工神经网络是Hopfield联想记忆网络，波尔兹曼学习机和网络误差反传（BP）试验方法。BP网络可以对油气管道油气泄漏、管道腐蚀速度等进行预测，所以在油气储运中，应用最多的是BPNN技术。
2 ANN技术在油气储运中的应用
（一）在油气储运中运用ANN技术的重要意义
油气储运工程主要包括油气田集输、长距离输送管道、储存与装卸等，它是连接油气生产、加工、分配、销售诸环节的纽带。ANN技术通常是通过一个基于数学统计学类型的学习方法得以优化，所以人工神经网络技术也是数学统计学方法的一种实际应用。人工神经网络（ANN）具有非线性、非局限性、非常定性、非凸性等特征，用人工神经网络技术的自适应能力学习管道的各种工况，对管道运行状况进行分类识别，从而更准确的检测油气储运管道泄漏情况和管道腐蚀速度。为了更加准确的检测油气储运管道泄漏情况和管道腐蚀速度，为了石油生产建设的需要，因此要在油气储运中运用人工神经网络技术（ANN技术）。
（二）ANN技术在油气储运中的具体应用
（1）在油气储运中应用ANN技术，是因为人工神经网络（ANN）具有以下的特点和优越性：第一，具有自学习功能。例如管道的油气泄漏情况或者管道腐蚀度进行识别时，首先要把不同管道的泄漏或腐蚀图像样板以及对应的应识别结果输入到人工神经网络系统（ANN）中，利用人工神经网络系统（ANN）的自学功能，学会识别其他的相类似的图像。人工神经网络（ANN）的自学习功能对于油气管道泄漏情况和管道腐蚀情况预测有特别重要的意义。第二，利用人工神经网络（ANN）的联想存储功能，把关于石油管道泄露或腐蚀等的各种情况进行相互的联想、比对，找出石油管道泄露的具体地方以及管道腐蚀的情况，进而提出切实可行的解决措施。第三，利用人工神经网络（ANN）的高速寻找优化解的能力，通过计算机的高速运算，找出解决石油运输中出现的问题的最佳方法。
（2）BPNN网络是一种基于广义2R规则的有监督的学习网络，属误差修正算法。采用BPNN网络对管道泄漏进行检测，主要是利用单元希望输出与实际输m之问的偏差作为连接权调整的参考，并最终减小这种误差。
（3）自适应模糊神绛网络系统具有自学习能力和非线性映射，它不仅能够获取信号的最佳估计，并且能够克服信号处理中存在的模型和噪声的不确定性、不完备性，所以可以用于噪声信号的非线性建模。利用自适应模糊神经网络系统的去噪可以提高压力信号、流量信号的信噪比。自适应模糊神经网络的自适应噪声抵消器具有实现简单、节省运行时间，能快速、有效地消除流量、压力信号中的各种噪声的特点，所以把自适应模糊神绛网络系统应用到油气储运中管道泄漏、腐蚀情况的检测中，提高泄漏检测和定位的精度。
（4）可以利用人工神经网络对油气管道的腐蚀过程和腐蚀速度进行预测。在油气输送管道中，由于各种油气性质的不同，再加上高速度、高循环率的运输，增加了油气管道的腐蚀程度。我们可以通过人工神经网络（ANN），采用逐步回归的方法对油气管道中的腐蚀程度和腐蚀速度进行预测，进而保证油气管道能够安全有效的运行。
3 结语
综上所述，油气储运工程主要包括油气田集输、长距离输送管道、储存与装卸等，它是连接油气生产、加工、分配、销售诸环节的纽带。ANN技术也就是人工神经网络技术，ANN技术具有可以充分逼近任意复杂的非线性关系，具有很强的鲁棒性和容错性，能够同时处理定量、定性知识，能够优化设计、模式识别、联想记忆等特点。在油气储运中用人工神经网络技术的自适应能力学习管道的各种工况，对管道运行状况进行分类识别，更准确的检测油气储运管道泄漏情况和管道腐蚀速度。
参考文献：
[1]王延民，齐志财.ANN技术在油气储运中的应用[J].油气田地面工程.2008，（10）：55.
神经网络的基本特征范文3
A
Hierarchy feature recognition based on feature face
PENG Sizhen， HAO Yongtao
(CAD Research Center, Tongji Univ., Shanghai 200092, China)
Abstract： To decrease the complexity of feature recognition, a hierarchy feature classification method based on feature entity, feature concrete face and feature virtual face is proposed. A hierarchy feature recognition method based on feature face is implemented by constructing two kinds of neural network input matrixes, and taking advantage of neural network in feature recognition. The example demonstrates that the method is more effective in recognizing feature of which the material is removed, but the range of feature recognition is somewhat limited.Key words：feature face; feature recognition; neural network
な崭迦掌冢2010[KG*9〗07[KG*9〗12 修回日期：2010[KG*9〗09[KG*9〗16ぷ髡呒蚪椋 彭思桢(1986―)，男，山东临沂人，硕士研究生，研究方向为智能CAD，(Email);ず掠咎(1973―)，男，山东威海人，副教授，博士，研究方向为企业信息集成系统、知识处理与挖掘、智能设计、分布式智能系统和ば槟庀质导际醯龋(Email)0 引 言
虽然对产品生产的自动化、智能化研究很多，但在工业上的应用效果并不理想.当前产品数据主要以较低层次的形式存储为主，如CSG和Brep这2种产品数据表示方法并不适合直接应用到产品设计之后的加工和制造中，特征识别技术的提出正逐步解决这个问题.
［1］
当前已提出很多种特征识别方法，如基于规则的、基于图的、基于几何解释的和基于体积分解的，这些方法都通过与特征库中已定义的特征类型进行比较来识别特征.但是，特征库不可能包含所有的特征类型，也不可能为特征库中所有的特征类型添加约束信息.另外，这些方法还存在效率低和没有学习能力等缺陷.
［2］人工神经网络具有学习和反馈的能力，在分类和特征识别领域有极大优势.
［3］
特征的类型越来越多，对特征进行准确、有效的分类是特征识别的基础，利用层次性分类方法可缩小特征对应的范围，从一定程度上降低特征识别的复杂度.层次性特征分类必然要求多层次的人工神经网络输入表示.
本文提出层次性特征分类方法以及特征实体、特征实面、特征虚面的概念，构造2个人工神经网络输入表示矩阵，用人工神经网络识别不同层次的特征，并研究人工神经网络的结构和训练方法.特征识别框架见图1.ね 1 特征识别框架1 特征分类及表示1.1 特征分类
目前存在许多特征的分类方式，STEPAP224是被广泛应用的特征分类方法之一.在STEPAP224中，加工特征被定义为1种生成特征，这种生成特征识别出为获得最终几何形状需从初始块中移除的材料体积；定义16种加工特征，如洞和狭槽等.作为1种国际标准，STEPAP224在特征分类上存在一定优势，但仍有以下缺点
［4］：（1）分类不严密，存在某些重叠的情况；（2）分类不完整，未包含所有的基础加工实体；（3）加工特征的定义不准确，STEPAP224定义移除材料的加工特征，但不适合定义添加材料的特征.为克服上述缺点，提出产品层次特征分类，见图2.ね 2 产品层次特征分类じ梅椒ǘ陨产中各个角度的加工特征进行层次分类，本文重点研究产品内延特征，其在第1层中包含5种基本特征类型，详细的分类层次见表1. 基于层次的特征分类方法不仅可清晰地描述各类特征之间的关系，而且可通过层次性特征识别减少特征识别的复杂度.每层特征的数量较少，使每个特征类型具有1个输出神经元成为可能.表 1 内延特征层次分类原始层内延特征第1层圆孔圆锥孔槽袋阶梯第2层通孔盲孔通圆锥孔盲圆锥孔通槽盲槽封闭袋开口袋通阶梯盲阶梯1.2 特征表示方法
有效的特征表示是构造特征识别的基础，目前广泛使用的特征表示方法是AAM（Attributed Adjacency Matrix），其由AAG（Attributed Adjacency Graph）转化而来，主要描述特征模型的几何和拓扑信息.该方法存在以下缺点
［5］：（1）表达形式不唯一，对于不同的特征，AAG可能具有相同的表达；（2）随着组成特征的面的增加，矩阵的大小急剧增加；（3）不仅需要利用启发式方法将AAG分解成几个子图，而且需要通过询问1组关于AM（Adjacency Matrix）布局和子图面数量的12个问题将每个矩阵转换为表示向量；（4）可识别的特征的范围有限，不能识别涉及到第2特征面的特征，如T槽.
为解决表达形式不唯一的问题，提出1组新概念，用以形成新的输入表示构造方法.
特征实体 实体等价于为得到某个外部特征的轮廓而加载到原始材料上的体积.
特征实面 物理上包含模型外部特征的基本形状的面，属可见的特征面.
特征虚面 与特征实面一起构成特征实体的边界面，是为描述特征实体虚拟出来的1种不可见的特征实体面，在描述特征实体时使其具有可见性.
图3为特征实体、特征实面、特征虚面及特征拓扑结构.特征虚面、特征实面表达内延特征的拓扑结构也可扩展到外延特征中，此时的特征虚面以特征之间相交面的形式出现.
(a)零件中的特征(b)移除的特征实体(c)特征拓扑结构图 3 特征实体、特征实面、特征虚面及特征拓扑结构2 人工神经网络的输入
以图3的特征拓扑结构为基础，结合层次性特征分类方法，构造2类人工神经网络输入以识别不同层次的特征.2.1 第1层输入构造
为实现表达形式的唯一性，从特征实体面的类型与特征面之间的角度关系出发，对组成特征实体的特征实面进行有序化处理.首先构造1个特征实面权重函数，其作用是根据组成特征的各个面的类型及相互间连接关系，对各个特征面进行赋值，形成特征实面序列构造的基础，其形式为ИW=S×10－T+v×0.1И式中：S为与当前实面邻接的特征实面数量；T为与当前实面邻接的特征虚面数量；v为面类型值.以图3为例，实面1与实面2，3和4邻接，故S=3；与虚面1邻接，故其T=1.面类型与面值的对应关系见表2.け 2 面类型与面值的对应关系面类型柱形面部分柱形面圆锥面部分圆锥面半圆面平面面值123456采用深度搜索方法进行特征面序列构造.首先选中权重最小的面，从此面出发，优先选择与此面连接且权重最小的面作为序列的下一元素，否则选择具有较小相交角度的面作为序列的下一元素，直到所有特征实面都加入到序列中为止.图4为某特征面序列构造的过程.け嗪糯选特征面目标序列1{f1, f2, f3, f4}NULL2{f2, f3, f4}f13{f2, f3}f1, f44{f2}f1, f4, f35NULLf1, f4, f3, f2图 4 特征面序列构造的过程ひ酝4序列为基础，如果特征实面数量超过5，需进行简化处理：如图5(a)所示的包含7个特征实面的特征，根据其拓扑结构信息可简化为图5(b)中含有5个特征实面的形式，构造如图5(c)所示的特征实面邻接图. （a） 7个特征实面的特征（b） 5个特征实面的特征 ぃc）简化的特征实面邻接图ね 5 复杂特征的简化と绻特征面满足如下规则，则可进行简化处理.
规则1 如果面fi，f
ij
利用特征实面邻接矩阵可识别特征的5个基本类型，为方便CAPP(Computer Aided Process Planning)的应用，需更细化地识别特征类型.
［6］为此，构造特征虚面方向矩阵.特征虚面方向矩阵是个6×6的矩阵，它描述在+x，+y，+z，-x，-y和-z 6个方向上虚面的连接性，用V［i,i］表示在i方向是否存在特征虚面.如果i≠j，则V［i,j］表示在i方向上和j方向上的虚面是否存在连接性.类似地，特征虚面方向矩阵也是对称的.为简化输入，将21位的编码作为人工神经网络的输入.图7为特征虚面方向矩阵实例.ね 7 特征虚面方向矩阵实例3 人工神经网络的构造和训练
由于采用层次性特征分类方法，故构造如下的1个层次性特征识别网络.(1)第1层用于识别5个基础特征类.识别中用到特征实面邻接矩阵输入向量，且输出神经元代表特征类型.对于特征识别，同时激活2个类不可行，因此只有1个输出神经元被激活，即其值大于阈值
0.5.如果1个或更多的输出神经元被激活，代表网络的模式不属于1个已知类型.为确定人工神经网络的结构，须调整隐藏层的数量、每个隐藏层神经元的数量以及调整学习率.含有17个神经元的3层结构的隐藏层被证明最合适.(2)第2层基于第1层，方便CAPP应用程序更进一步的识别.第2层中识别的人工神经网络结构被设计成相同的步骤.如通过各种试验，狭槽或阶梯分类器以特征虚面方向矩阵为输入，输入层包含21个神经元，每个隐藏层包含18个神经元，输出层包含2个神经元.(3)最后，利用经常被用在特征识别系统中的BP算法进行网络训练.4 基于特征面的层次识别方法实例
以所构造的人工神经网络输入矩阵、人工神经网络拓扑结构以及训练为基础，用图6和7所示的实例验证该方法的有效性.
（1）构造特征实面邻接矩阵.输入层的输入序列为6 3 0 4 0 6 3 3 0 6 4 0 6 0 0，将其输入3层（15个神经元的输入层、7个神经元的隐藏层以及5个神经元的输出层）的人工神经网络中，得到的识别见表3.
表 3 袋特征识别结果特征类型圆孔圆锥孔一般孔槽/阶梯袋耦合度0.000 49.573E-60.009 320.015 120.981 9ぃ2）构造特征虚面方向矩阵.输入层的输入序列为1 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0，将其输入3层人工神经网络（21个神经元的输入层、18个神经元的隐藏层以及2个神经元的输出层）中，得到的识别结果见表4.
表 4 开口袋特征识别结果特征类型封闭袋开口袋耦合度0.002 50.991 4び墒道可知，本文提出的方法可识别相对简单的特征.5 结束语
从层次性特征分类方法出发，借助特征的特征面构造用于层次性特征识别的2类人工神经网络表示矩阵.该方法在识别去除材料的特征时比较有效，可更好地应用到CAPP中，提高生产的自动化和智能化，但也限制该方法识别特征的范围.扩大特征识别的范围及对特征关系的识别是后续研究的重点.参考文献：
［1］ DING Lian, YUE Yong. Novel ANNbased feature recognition incorporating design by features［J］. Computers Industry, 2004, 55(2): 197222.
［2］ ZZTaRK N, ZZTaRK F. Neural network based nonstandard feature recognition to integrate CAD and CAM［J］. ComputersIndustry, 2001,
45(2): 123135.
［3］ DING Lian, MATTHEWS J. A contemporary study into the application of neural network techniques employed to automate CAD/CAM integration for die manufacture［J］. Computers & Ind Eng, 2009, 57(4): 14571471.
［4］ TSENG YuanJye. A modular modeling approach by integrating feature recognition and featurebased design［J］. Computers Industry, 1999,
神经网络的基本特征范文4
Abstract: Westerly wind is a link between the climates of the North Atlantic and East Asian monsoon area．ENSO have a significant impact on the West Pacific subtropical high, Therefore we further analyze the relationship of climate between Loess plateau and the North Atlantic,ENSO,the neural network model is established, and the simulation value and the real value trend is consistent, and it provides a new concept for climate prediction estimate with small errors.
关键词：黄土高原；ENSO；神经网络
Key words: loess plateau；ENSO；neural network
中图分类号：P46 文献标识码：A 文章编号：1006-4311（2011）23-0015-01
0引言
我国地处全球大气环流若干重要分支的相互作用区，气候主要受热带-亚热带太平洋夏季风（东南季风）、穿越赤道的印度洋季风（西南季风）、来自西伯利亚的冬季风和西风带及其相互作用的控制，同时也受到低纬热机的作用，特别是厄尔尼诺/南方涛动的影响。西风带作为北大西洋气候区和东亚季风区的纽带，对东亚季风有重要影响。
早期气候代用指标对比研究多是肉眼识别的办法，如黄土磁化率和深海氧同位素记录的对比研究。地理分析由定性描述向定量分析转化是现代地理学发展的必然趋势，为了定量研究地理要素之间的相互联系，常用的方法有相关分析法和多元回归分析法，目前神经网络也广泛应用到各领域[1-2]。
近年来，国际全球变化研究核心交叉计划-全球变化与气候可预报性计划的推动下，用古气候记录，特别是定量化的历史气候记录来分析气候变化周期性与突变特征的工作得到了国际学术界的高度重视。
鉴于西风带和低纬度地区热机耦合系统对我国气候的综合影响研究较少，其中厄尔尼诺/南方涛动是低纬度地区最强的信号，所以，本文利用神经网络工具分析了黄土高原地区气候与北大西洋、低纬地区的遥相关。
1相关分析
我们利用的数据，一是我们所做的实验结果气候代用指标，二是NOAA官方网站的数据。在高分辨率气候变化研究中，树木年轮作为一个比较理想的代用指标，在全球性的气候重建中已取得了许多重要的成果，本文研究的样本取自秦岭南坡陕西镇安县，地形复杂，海拔高，湿度较大，树木受人类影响少，气温为树木主要生长限制固子。在实验室以现代树木年轮学流程对样本进行测量，建立了该地区树轮宽度标准化年表，该年表可靠地反映了该地区过去平均气温的变化情况。
ENSO是全球气候和环境异常最强的年际变化信息，尽管对其形成机制尚不完全清楚，然而，它对大气环流和气候的年际变化的影响却在全球范围内起作用。我们把气候代用指标的原始时间序列通过三次样条函数插值成具有相同时间间隔的序列，并通过归一化（y=2*（x-min（x））/（max（x）-min（x））-1）处理使之无量纲化，利用MATLAB7.0进行了相关性分析，镇安树轮指数与GISP2氧同位素以及Peru氧同位素的相关系数分别为0.048和0.084，镇安树轮指数与GISP2的相关系数比与Peru的相关系数小。
2神经网络模型的建立
人工神经网络是由具有适应性的简单单元组成的广泛并行互连的网络，它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应。
神经网络是非线性的动态系统，它也是一个多输入、多输出或单输出的系统，它是在现代神经研究成果的基础上提出来的，用来模拟人脑神经系统的结构和行为，它具有的基本特征：分类、归纳、冗余性、容错性、非线性处理、自组织及自适应性、学习能力、联想能力等特点。
神经元是神经网络中最基本的处理单元，通常是一个多输入、单输出的非线性单元。神经元的输入值通过乘以权重，然后再加上阈值，就得到神经元的输出值，一般神经元的输出只有一个，它可以连接到其它神经元，作为其它神经元的输入。神经元可以组成多层神经网络。
把GISP2氧同位素、Peru氧同位素作为输入数据，把镇安树轮指数作为输出数据，我们利用前40个数据作为训练数据，来构建神经网络模型，后10个数据对预测模型的预测精度进行检验，其拟合的mse=0.021其检验的mse=0.032。神经网络模拟值和真实值基本吻合，其预测值和真实也吻合较好，误差较小。
根据输入和隐含层的权值及隐含层与输出层的权值计算得到GISP2氧同位素、Peru氧同位素对镇安树轮指数的贡献率分别为53%和47%，说明黄土高原地区气候同时受北大西洋、低纬地区的影响。
3结论
建立的BP神经网络模型可以很好的反映GISP2氧同位素、Peru氧同位素与黄土高原地区气候代用指标的非线性函数映射关系，并且该方法为气候预测的估算提供了新的思路，是对气候系统模式的有益补充。
通过黄土高原地区气候与北大西洋、低纬地区的遥相关分析，表明黄土高原地区和北大西洋、低纬地区的关系复杂，但是北大西洋、低纬地区对黄土高原地区的气候影响可以通过神经网络模拟得到较为理想的效果。
参考文献：
神经网络的基本特征范文5
关键词：工程量清单计价;工程造价;神经网络;模糊数学;灰色系统理论;蒙特卡洛模拟
Abstract: The paper mainly research method to quickly determine the project cost in the current bill of quantities mode, select the BP neural network, fuzzy mathematics and gray system theory, Monte Carlo simulation to forecast project cost, briefly principle and operation of several methods to achieve the guidance of the actual project.Key words: engineering the bill of quantities; project cost; neural network; fuzzy mathematics; gray system theory; Monte Carlo simulation
中图分类号：文献标识码：A 文章编号：2095-2104（2012）
我国传统的定额计价是从前苏联引进的计划经济条件下的以标准和定额管理为主导的管理模式。传统定额计价模式的“量价合一”以及要素价格的固化违背了市场规律，使得市场形成价格的竞争机制在建筑工程造价中难以实现，严重背离了市场形成价格、企业自主定价的原则。而且，这种投资分解和编码体系主要是面向材料和工序进行分解划分的，这种体系主要是为了进行投资的静态计算和分析，不适合项目全过程的动态控制。随着我国市场经济的不断发展，投资主体的日益多元化，传统定额计价模式已经越来越不适应造价管理的需要，不仅无法实现有效控制造价的目的，而且也因抑制了建筑企业积极性的发挥，不利于建筑业市场的发展。
鉴于这些突出的问题，为了适应建筑市场改革的要求，我国在1992年提出了“控制量、指导价、竞争费”的举措。其主要思路是:将工程预算定额中的人工、材料、机械的消耗量和相应的单价分离，人、材、机的消耗量是国家根据有关规范、标准以及社会的平均水平来确定的，指导价就是要逐步走向市场形成价格，这一措施在我国实行社会主义市场经济初期起到了积极的作用。但是随着建设市场化进程的发展，这种方式的弊端渐渐凸显出来。这里的“量”指的是社会平均消耗量，反映的是社会平均水平，不能体现企业的技术装备水平、管理水平和劳动生产率，因此，并不能体现公平竞争的原则。之后，建设部于1998年又提出“具备条件的地区和工程项目，可以按照建设行政主管部门的统一工程计算规则和工程项目划分的规定，进行工程量清单招标，合理低价中标等试点”，并在广东、天津等地进行了试点。2003年，建设部了《建设工程工程量清单计价规范》（GB50500-2003）,作为强制性规范在全国范围内推行。经过几年的发展，目前通用的计价规范为《建设工程工程量清单计价规范》（GB50500-2008）。这标志着我国工程造价管理由传统的“量价合一、政府定价”的模式发展为“量价分离”的工程量清单计价模式。
一、工程量清单计价模式
1.概念：
建筑工程项目的工程量清单由招标人在工程项目招标文件中给出工程量清单和要求，投标人根据招标人给的工程量清单确定各分部分项工程费、措施项目费、其他项目费和规费、税金所需的全部费用的一种工程计量与计价的编制方法。
投标人在投标报价时应考虑各种不利的施工条件、自身的技术能力和管理水平、市场材料和设备的价格变化等风险。所报的价格应该是综合价格，也就是包括完成所给工程数量的项目要发生的全部直接成本、间接成本乃至规费、利润和税金。一旦中标，所报的综合单价无特殊理由将不会改动。工程结算时，工程数量允许按照实际发生的数量上下调整，工程总价也会随着上下调整的工程数量乘以相对不变动的综合单价上下调整。
2.编制步骤
3.清单计价计量方法。即以《全国统一工程量清单计价规范B50500- 2008》的规定计算规则计算工程量的方法。
4.工程量清单计价方法
依据工程量清单计规范对工程在招投标报价时进行计价的方法。
工程预算造价＝
5. 工程量清单计价的费用构成
工程量清单计价模式的费用构成包括分部分项工程费、措施项目费、其他项目费，以及规费和税金。
（1）分部分项工程费
分部分项工程费是指完成在工程量清单列出的各分部分项清单工程量所需的费用。包括:人工费、材料费(消耗材料费总和)、机械使用费、管理费、利润，以及风险费。
（2）措施项目费
措施项目费是由“措施项目一览表”确定的工程措施项目金额的总和。包括:人工费、材料费、机械使用费、管理费、利润，以及风险费。
（3）其他项目费
其他项目费是指预留金、材料购置费(仅指由招标人购置的材料费)、总承包服务费、零星工作项目费的估算金额等的总和。
（4）规费
规费是指政府和有关部门规定必须缴纳的费用总和。
（5）税金
税金是指国家税法规定的应计入建筑安装工程造价内的营业税、城市维护建设税及教育费附加费用等总和。
二、工程量清单快速报价方法：
建设工程具有投资大、生产和使用周期长等特点，决定了项目决策的重要性。工程造价决定着项目的一次投资费用。投资者是否有足够的财务能力支付这笔费用，是否认为值得支付这项费用，这是项目决策中要考虑的主要问题。因此在项目决策阶段，工程造价预测就成为项目财务分析和经济评价的重要依据。
1.神经网络法：
神经网络应用于工程造价中是对类比法的一种发展。人们普遍认为，工程建设的资源耗量与工程的一些基本特征值之间存在着必然的联系。但是，这种必然的联系一般并不都能以一个简单的以通过其内部的推理机制，解决工程特征和工程建设资源耗量之间的复杂关系问题。神经网络也就是利用已建工程的基本资料，通过建立工程特征和资源耗量之间的联系来完成工程估价的任务。
神经网络的基本特征范文6
【关键词】玻璃幕墙；工程造价；神经网络技术
中图分类号： TU723.3 文献标识码： A 文章编号：
1玻璃幕墙工程概论
玻璃幕墙工程的应用现状以及问题
一般而言玻璃幕墙通常是指由支撑结构以及玻璃组成，然后不受主体结构载荷且相对主体结构能够移动的装饰外层结构。玻璃幕墙具有无污染和美观等优点，外层涂有一层彩色的金属镀膜，让旁观者从外观上看如同一面镜子，将外界的景色映入眼帘，另外这样的装饰能够让室内避免受到强光的照射，从而视觉柔和，避免居住者受到强光的照射。
点式玻璃幕墙工程的主要问题是：
1）不锈钢包门、门柱、雨蓬等的内部钢框必须经过校直工序，方可使用；
2）雨蓬应合理排水，不应四边都下水，最好是向后集中，收入水漏管；
3）开启扇设计在死墙处、楼梯间洞口半截处、室内高处等，无法开启或不易开启；
4）点式玻璃幕墙采光顶扣件的安装方式
由于点式幕墙采光顶，玻璃易炸裂，有些工程竣工后，操作者只能站在室外。因此，设计时应考虑更换维修方便。
玻璃幕墙工程的主要问题
放大样的问题
放大样在工程实际中主要存在两个问题
1) 新结构、新材料的应用。如果无十分的把握，在批量使用之前，应进行放大样过程，必要时还应进行模拟实验。如某工程批量使用荷兰千思板，这种材料和结构，我公司以前未用过，技术人员也无这方面的实际经验，只是根据商的介绍，批量安装前没有进行放大样过程，结果工程安装后，出现千思板大面积表面不平整，影响了工程质量；
2) 放大样过程不彻底。作为工程技术人员，不仅要保证下料尺寸的正确，还应在设计上保证构件安装后的性能。如某单元工程翻窗放样，设计员在单元平放组装时看到，翻窗边框、扇框、玻璃等下料组装尺寸正确，可以开启，即万事大吉，在板块现场安装后，普遍出现翻窗吊角、关不严、扇框与锁块干涉等质量问题，如果放样时将单元板块吊起，放样过程彻底，翻窗质量问题就能暴露出来，就有可能及时采取措施，避免批量问题；
1.2.2 钢化玻璃以及建筑密封胶的问题
洞口边缘的胶及胶板密封的漏水问题，某工程为竖条形幕墙，幕墙边框与洞口边的密封采用胶板并用复合板条、铝板条、镀锌板条压住，注胶，由于土建洞口边不齐，设计提胶的数量太少，导致无法完全密封，完工后漏水；
一些单元工程结构胶外露，玻璃幕墙工程技术规范JGJ102-2003中9.7.4条规定：单元板块的硅酮结构密封胶不宜外露，主要考虑一是结构胶受紫外线照射后会影响其性能；二是结构胶不能作为防水密封材料使用；
个别设计员不注意酸性硅酮建筑密封胶的使用，由于酸性硅酮建筑密封胶固化时释放出醋酸，对镀膜玻璃有腐蚀并可能与中性的硅酮结构胶中的碳酸钙起反应，玻璃幕墙工程技术规范JGJ102-2003中3.5.4条规定：玻璃幕墙的耐候密封应采用硅酮建筑密封胶；点支承幕墙和全玻幕墙使用非镀膜玻璃时，其耐候密封可采用酸性硅酮建筑密封胶。夹层玻璃板缝间的密封，宜采用中性硅酮建筑密封胶；第3.1.4条规定：隐框和半隐框玻璃幕墙，其玻璃与铝型材的粘接必须采用中性硅酮结构密封胶，为强制条款；
神经网络理论的研究
从人的经验出发，模拟控制解决了智能控制中人类语言的描述和推理问题，特别是一些不确定性语言的描述和推理问题，从而在机器模拟人脑的感知、推理等智能行为方面迈出了重大的一步。
人工神经网络（简称神经网络，Neural Network）是模拟人脑思维方式的数学模型。神经网络是在现代生物学研究人脑组织成果的基础上提出的，用来模拟人类大脑神经网络的结构和行为。神经网络主要反映了人脑功能的基本特征，如学习、记忆、联想等内容。
神经元由三部分构成：
1）细胞体（主体部分）：包括细胞质、细胞膜和细胞核；
2）树突：用于为细胞体传入信息；
3）轴突：为细胞体传出信息，其末端是轴突末梢，含传递信息的化学物质；
4）突触：是神经元之间的接口（104~105个/每个神经元）。一个神经元通过其轴突的神经末梢，经突触与另外一个神经元的树突连接，以实现信息的传递。目前神经网络模型的种类相当丰富，已有近40余种神经网络模型。
典型的神经网络有多层前向传播网络 （BOP网络）、Hopfield网络、BAM双向联想记忆网络、SOM自组织网络、Blotzman机网络和Madaline网络等。
基于神经网络的系统辨识
① 将神经网络作为被辨识系统的模型，可在已知常规模型结构的情况下，估计模型的参数。② 利用神经网络的线性、非线性特性，可建立线性、非线性系统的静态、动态、逆动态及预测模型，实现非线性系统的建模和辨识。
基于神经网络模型的工程造价指标系统的设计以及应用
设计依据
主要是根据各类玻璃的性能特征研究以及影响造价指标的各项因素，然后使用MatLab输入样本的向量，并且选择BP模型进行非线性的映射。
编程的设计
针对某玻璃幕墙工程，将工程的相关特征输入软件，可以大概推算出工程的造价指标，从而更好的指导经济工作。通过输入非线性搜索拟合可以得出隐框玻璃幕墙的造价指标。根据工程的中标价格数与网络软件的拟合度误差稍高于工程造价误差的百分之二，可以接受需要完善样本数以及补充样本数，从而改善软件的应用。
幕墙工程的施工细则
1）工程部组织考察施工单位，根据考察结果填写《供方评价记录表》。
2）施工单位报方案、报价、送样品。
3）预算部组织工程部、技术部及相关部门和领导参与定标，确定施工单位。
4） 入场准备：首先，检查施工单位人员组织情况，是否满足工程需要，人员是否经过三级教育、是否经过安全技术交底，作业人员是否有操作证；其次，.材料进货检验，检查规格、型号、厚度、有无破损，填写《进货检验监督记录》；第三，.要求施工单位熟悉施工图纸，了解安装要点，依据施工技术交底作好施工准备，根据图纸或设计变更核对预埋件、支座面和地脚螺栓的位置、标高的尺寸偏差应符合相关的技术规定及验收规范；第四，.专业设计机构将图纸报送审图机构进行审查；第五，.施工图审查合格后，施工单位在质检站进行质量监督备案登记；最后，.审核施工单位报送的施工方案，对施工方案进行评审并签字确认。
结语：
本文首先从玻璃幕墙的应用现状以及问题着手，基于BP神经网络的算法原理，应用MATLAB编写以神经网络技术为核心的应用办公软件，实现了玻璃幕墙工程造价指标与工程特征的非线性拟合。同时以幕墙工程的技术特征为平台，通过神经网络技术的实现手段，，相信可以对幕墙行业的发展提供参考。
参考文献
【1】张楠,王阿慧;寒冷地区双层玻璃幕墙的应用与特性浅析[J];房材与应用;2005年02期
【2】赵长春;幕墙保温与节能浅析[J];房材与应用;2005年02期
【3】吴颂荣;镀膜中空玻璃隐框幕墙与建筑节能设计[J];广东科技;2004年11期
