[发明专利]一种基于多项特征的建筑工程分析方法

权利要求书

1.一种基于多项特征的建筑工程分析方法，其特征在于，包括以下步骤:

步骤1：采集工程样本，并对样本进行分析和处理，得到特征向量；

步骤2：基于特征向量，从采样的工程样本中获取训练集；

步骤3：对RBF神经网络结构进行初始化处理，并对RBF神经网络的参数进行初始设置，得到RBF神经网络初始化模型；

步骤4：采用训练集对RBF神经网络初始化模型进行训练，得到训练好的RBF神经网络模型；

步骤5：利用训练好的RBF神经网络模型对待分析的建筑工程样本进行分析，并输出待分析的建筑工程样本的相应性能特征。

2.根据权利要求1所述的一种基于多项特征的建筑工程分析方法，其特征在于，所述特征向量包括9项输入特征，该9项输入特征分别为建筑面积、基础指标、楼层数、层高、地下室层数、主体指标、装饰指标、项目建造期造价指数和项目建造期材料价格指数。

3.根据权利要求2所述的一种基于多项特征的建筑工程分析方法，其特征在于，所述特征向量还包括输出特征，输出特征为工程样本单位面积的成本。

4.根据权利要求1所述的一种基于多项特征的建筑工程分析方法，其特征在于，所述对样本的分析和处理包括对工程样本定性变量处理以及对工程样本特征值归并化处理。

5.根据权利要求1所述的一种基于多项特征的建筑工程分析方法，其特征在于，所述RBF神经网络由输入层、隐藏层和输出层组成，第一层为输入层，输入层由信号源结点构成，仅起到数据信息的传递作用，对输入信息不进行任何变换；第二层为隐含层，隐含层神经元的核函数为高斯函数，对输入信息进行空间映射变换；第三层为输出层，它对输入模式做出响应，输出层神经元的作用函数为线性函数，对隐含层神经元输出的信息进行线性加权后输出，作为整个神经网络的输出。

6.根据权利要求5所述的一种基于多项特征的建筑工程分析方法，其特征在于，所述步骤4将RBF神经网络模型的输出值与期望输出值间的误差归结为权值和阈值的“过错”，通过反向传播把相应的误差“分摊”给各个神经元的权值和阈值，并沿着误差函数下降最快的方向来调整权值和阈值。

7.根据权利要求1所述的一种基于多项特征的建筑工程分析方法，其特征在于，在步骤4得到训练好的RBF神经网络模型后，还包括测试步骤，具体为，将测试集输入到训练好的RBF神经网络模型中来评估该模型的性能；所述测试集是基于步骤1得到特征向量后，从所采集的工程样本中获取。