下面是鲁班乐标给大家带来关于建筑经济管理中神经网络的应用，以供参考。

上世纪80年代中期神经网络作为人工智能领域的一个分支，其研究逐步走向繁荣，土木工程和管理领域被认为是适合人工智能技术应用的肥沃土壤。由于神经网络在解决非线性问题上具有传统方法无法比拟的优势，建筑经济管理领域问题的多样性和复杂性便使得神经网络在该领域的应用越来越引起人们的关注。

神经网络在土木工程领域应用的首篇文献出现于1989年，随后大量的此类文章开始出现，这些文章绝大部分处理的是关于“模式识别和学习”的问题。随着采用梯度下降优化技术的误差反传（BP）学习算法的出现，以及对该算法的有效实施[2]，神经网络成为解决土木工程和建筑管理领域问题的可行的有效工具。

1神经网络的特征及其信息处理特点

人工神经网络是一种对人脑中枢神经系统的生物神经结构进行的功能性抽象，在模式识别和分类领域显示了强大的能力，它们以“黑箱”模式工作，不需要先验模型，具有自适应能力，可以从数据中捕捉和学习规律，其计算能力在预测和评估、模式识别和优化等领域得到了广泛验证。神经网络尤其适合解决那些采用传统的数学方法和手段建模困难的复杂问题，并已被证明是解决复杂非线性问题的一种有效工具。

1.1神经网络的基本特征

（1）内在并行性。神经网络是一个高度并行的非线性系统，其并行性不仅体现在结构上，它的处理运行过程也是并行的。神经网络从单个处理单元到整个系统，在理论和实践上都反映了并行性，计算是分布在多个处理单元上同时进行的。

（2）分布式存储。与传统计算机不同，神经网络中信息并非存储在一个特定的存储区域，而是分布存储在整个系统中。神经网络的每一个神经元都只是整体概念的一个部分，每一个单元都包含着对整体的贡献，而每一个单元都无法决定整体的状态。

（3）容错性。因为信息是分布存储在整个系统中，而不是驻留在某一个特定的存储区域内，因此，网络中部分神经元的误差不会在很大程度上影响改变整个系统的行为。（4）学习与自适应性。神经网络的一个重要特点是具有很强的学习能力，它可以通过对数据的监督或非监督学习，实现任意复杂的函数关系，而且整个网络具有自适应性，即进行自我调节的能力。

1.2神经网络的信息处理特点

神经网络的基本特征使其在信息处理上具有与传统信息处理技术不同的特点。

（1）数据驱动、“黑箱”建模方式。神经网络通过训练能够直接从数据中发现规则和特征，实现任意复杂的函数映射。这种学习能力使得神经网络分析和建模过程相当于一个“黑箱”，既无需模型结构设计和参数估计过程，而且在没有输入模式先验信息的情况下，通过数据驱动取得优良的结果。

（2）非编程、自适应的工作方式。神经网络的学习是便利而且可塑的，在网络整体结构不变的情况下，只需调整权值即可完成任意关系的学习，通过递进补充训练样本即可跟踪和适应外界环境的不断变化。因此，神经网络的工作方式可以是实时的和自适应的。

（3）信息处理与存储合二为一。神经网络在运行时信息处理与存储同时完成，信息的隐含特征和规则分布于神经元状态和权值之上，通常具有冗余性。这样，当不完全信息或含噪信号输入时，神经网络就可以根据这些分布记忆进行联想以恢复全部信息。同时，这种合二为一的方式从本质上消除了软件和算法的“瓶颈效应”，提供了实现高速信息处理的手段。

（4）实时信息处理。神经网络是一个大规模非线性动力学系统，具有高维、高密度的并行计算结构。大量神经元的微观活动构成了神经网络的整体宏观效应。这种集体运算能力使得神经网络可以完成高维数据的在线实时处理。

2建筑经济管理研究面临的问题

建筑经济管理问题研究的目的和动力是通过对建筑相关活动相对真实的描述和分析，对各种现象及规律予以合理的解释，进而对建筑活动进行有效预测和控制。然而，由于建筑经济管理问题涉及的变量众多、结构复杂，很难用数学方程准确地表达出来，传统的回归方法和辨识方法在此时常常显得无能为力，用传统方法进行建筑经济管理研究所面临的问题主要包括以下几方面。

2.1对系统的非线性认识不足

（1）过分强调先验假设，忽视了系统内各变量之间复杂的非线性关系。建筑活动由于其自身的特点，不仅在理论上，而且在实践中都表现出明显的非线性和复杂性。比如在研究房地产波动时，众多相互有分歧的各种理论并存，就足以证明系统的复杂性和非线性。

从本质上看，建筑经济管理问题的非线性源于其所描述的现实的复杂性。建筑经济管理问题的模型应体现建筑活动随时代和环境的变迁，受技术更新等影响的关系，其非线性特征是建立模型时具有普遍意义的前提。一方面，建筑经济管理问题的线性假设只是系统特殊性的体现。另一方面，由于系统的非线性和复杂性使相关理论发展具有滞后性，常常出现建模时所使用的理论落后于现实。这意味着我们在进行许多建筑管理问题的研究中，并没有确切可靠的理论为基础。

（2）过分强调理论的指导作用，忽视数据本身效用。仅仅从理论上考虑，通常难以决定模型的函数形式。对于同一建筑经济管理问题，可能有不同的理论，采取不同的解释方式。那么，到底应该选择哪种理论框架呢？在实践中这是十分重要的，也是十分困难的。

2.2对系统变量自身特征的认识不足

（1）变量（数据）的高噪声。在建筑经济管理数据的采集、编制过程中会引入各种误差，加上诸多外在因素的冲击而造成的波动强烈变形，数据表现为高噪声且包含有许多“奇异点”。奇异点的存在会大大影响系统性能，导致求解过程振荡甚至最终无法收敛。在线性条件下可设计各式滤波器将其清除，但在非线性条件下却不易轻率处理，因为它们可能代表着一类模式或结构变化的先兆，数据的这种特性要求系统具有很强的鲁棒性。

（2）变量的高度不确定性。不确定性目前在经济学界尚无一个统一的定义，一般说来，有2种不确定性的定义。一种定义是与概率事件相联系，通常用随机变量的方差来定义该变量的不确定性，并刻划出该变量的不确定性大小，这种不确定性称为概率型不确定性，通常也用“风险”这个词来表示。另一种定义是与概率事件没有联系，不确定性是一种没有稳定概率的随机事件，人们不能依赖事件过去发生的频率来预测其未来发生的概率，这种不确定性称为非概率型不确定性。

在实际研究中人们大都不区分这两类不确定性，而用概率论的一些分析工具去分析非概率型不确定事件，如用期望、方差去分析房地产经济波动，而房地产经济波动常被认为是一种非概率型不确定事件。当然用概率论中的一些方法分析非概率型不确定事件，也不失为一种近似方法，但是，这完全是一种没有办法的办法，数据的这种不确定性要求系统具有较好的泛化能力。

（3）变量不同程度的模糊性。建筑管理问题变量的大多数具有一定的模糊性。模糊性是指存在于现实中的不分明现象，如状况的稳定与不稳定，波动的正常与不正常，在它们之间找不到明确的边界。从一种状态到另一种有差异的状态，中间经历的是一个从量变到质变的连续过渡过程。

另外，建筑管理系统的不可逆性、不可实验性，使建模方法验证非常困难，而问题的动态性、多样性则要求模型具有很好的适应性。

总之，对于建筑管理来说常常需要解决决策、优化等非线性问题，而这些问题往往又具有一次性、复杂性和高度动态性的特点，所涉及的信息具有随机性、非线性和时变性，相应的变量也具有高噪声、不确定性和模糊性，这使得数据搜集、因素分析等方面存在着相当大的难度，这些都对传统方法提出了挑战。

3神经网络与建筑经济管理结合的必要性和可行性

随着建筑业和房地产业竞争的日趋激烈和经济一体化进程的不断加快，建筑经济管理领域面临的许多问题也越来越趋于复杂化，这些问题通常具有复杂性、动态性和不可重复的高度非线性特点，问题涉及的变量也很多，相应的变量常常是高噪声、不确定和模糊的。在试图解决这些问题的时候，理论指导的不足和在数据采集、因素分析、变量选择等方面存在的困难，对传统方法提出了挑战，而神经网络采用的数据驱动、“黑箱”建模方式，无需先验（统计知识）信息，这对于克服建模过程中强烈依赖于判断和假说的局限性非常有帮助。因此，将神经网络作为强有力的非线性分析工具引入建筑管理领域是必要的，神经网络所具有分布式存贮和并行计算、学习和自适应性、容错性等特征使其在解决建筑经济管理领域的复杂问题方面有着广阔的前景和无限的潜力。神经网络在建筑管理领域的应用研究已取得了一定成果。如在时间序列分析方面，研究结果表明在处理非线性、变结构问题上比传统方法有明显优势；在回归分析方面，神经网络用于回归分析时不存在多重共线性校验问题，不限定回归函数的阶数，并且回归关系是动态的、自适应的，因此，是一种便利而有效的回归工具。随着信息体系和制度的健全、统计工具的完善、建筑经济管理数据种类和频率的增加，为神经网络的应用了提供了可能性。

4神经网络在建筑经济管理中应用的领域

神经网络的应用研究是探讨如何利用神经网络解决实际问题，即模拟人脑的学习、思维、存贮和处理信息等智能行为来解决技术和工程领域的复杂问题，这是近年来在神经网络研究中成果最多，最为引人注目的领域。

由于建筑活动的不确定性和不断变化的特征，建筑经济管理问题通常是很复杂的，建立定量的数学模型也是很困难的。因此，适当的近似和推理就成为解决建筑经济管理问题的快速、低成本的手段。复杂的建筑经济管理问题中有很多不确定和模糊的信息，以及不精确和不完整的数据，并且不断地随环境变化而改变。推理过程必须随现实世界的变化来不断适应。人脑具有处理包含不确定、不精确和不完整信息的问题的能力，模仿人脑的推理过程可以有效地解决建筑经济管理问题。神经网络正是一种可以解决这类问题的工具。

在过去的十几年间，研究人员对神经网络用于解决建筑工程领域的问题进行了一些研究，尝试解决的问题覆盖很多方面，如建筑成本估计[3,4]、建筑生产率预测[5,6]等。大部分研究都是基于采用监督算法的误差反传前向神经网络进行的。相对在其他工程领域的应用，神经网络在建筑经济管理领域应用的研究并不是很多，国内对于神经网络在建筑经济管理领域应用的研究起步也较晚，已经进行的研究工作多数集中于成本估计和价格评估方面。

国内外研究人员所做的比较分散的研究解决了不少建筑经济管理领域的难题，显现出无限的潜力。神经网络在建筑经济管理领域中具有广阔的应用前景。

（1）项目资金流量及成本预测。神经网络系统可以帮助建筑承包商对项目的资金流量和成本进行预测、更新和管理，以使承包商避免出现资金短缺、破产等情况，并及时对成本和工期作出预警。

（2）风险分析和预警。神经网络系统可以作为建筑公司对风险和收益进行评估的投资决策工具，该系统可以以风险来源因素作为输入单元，例如项目的复杂程度、不可预见因素的估计值等，输出单元为风险的等级以及风险出现的可能性区间。

（3）决策支持。许多决策是在存在很多不确定因素的条件下做出的，管理者根据不完整的信息进行决策并明知这些决策并非可靠。尽管已有很多数学和统计学的模型来帮助管理者进行决策，但是这些模型是基于概率和回归技术并在此基础上得出最优结果，它们无法从不完整的数据或者不可预见的数据中学习并总结规律从而得出结果。而神经网络的特点为解决这类复杂问题提供了一个机会。

（4）资源配置与优化。在建筑管理领域，很多问题都是需要对资源配置进行优化以使得成本最低，CPM/Pert网络计划技术的出现使资源配置成为研究人员和工程实践人员最关注的问题之一。但是，还没有一个模型具有预测各个相关要素（如设计变更、场地条件、设备条件等）的影响效果，并从历史数据中学习的能力。对于这样一个复杂问题，神经网络系统可以预测并确定资源的优先级，其对建筑管理者是非常有益的。

（5）投标辅助决策。神经网络系统可以从中标工程的历史数据中学习，帮助承包商分析投标环境以确定采取何种投标策略，结合建筑成本估计确定投标价格，并在进入标书编制程序之前对投标结果进行预测。

（6）分类和选择。建筑材料、设备、施工方法等选择，也是很复杂的问题，往往需要依靠经验来判断。可以把已有的信息、知识、数据等用来设计一个神经网络系统来帮助选择这些资源。

5结束语

作为一个分析和解决复杂问题，特别是非线性问题的重要工具，神经网络的潜力正在被越来越多的建筑管理领域和信息技术领域的研究人员所认识，其在建筑管理领域的应用前景将是十分广阔的。神经网络属于新兴的交叉科学，其本身还并不完善，关于对神经网络结构与算法的改进等研究一直在进行中。尽管国内外研究人员和工程技术人员对于神经网络在建筑经济管理领域的应用进行了大量研究，但还并不成熟，到目前为止，还没有哪项研究可以作为一个比较完善的系统在实践中得到广泛应用。对于神经网络在建筑经济管理领域的应用，还有一些问题有待深入研究，尤其是神经网络与模糊逻辑、遗传算法、专家系统等方法的结合运用，将是一个非常有吸引力的研究领域。