《表2 模拟结果与实际结果的比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《人工智能时代下工程造价行业的发展现状分析》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

以某公路工程造价估算为例，采用神经网络方法，建立径向基函数，在输入层选择8具有代表性的工程特征作为输入变量，如表1所示，用X1～X8表示，同时，将千米造价作为输出变量，用C1表示，另外设置隐层数目、样本数目。通过输入节点进行初始化和数字化处理，这样便于计算机识别和神经网络的接受，计算结果如表1所示，计算的输出结果与实际值相对误差符合要求，同时将模拟结果进行比较，相对误差仅4.95%，计算结果如表2所示。运用Matlab语言程序编程计算，BP网络计算时间花费624.7 s，径向基函数计算时间花费3.1 s，说明采用径向基函数的RBF模型的推广能力更强，泛化能力更好，其不论在训练时间还是预测误差方面都优于BP网络计算方法。