关键词:
BP神经网络
极端梯度提升
随机森林
造价预测
摘要:
为了提升建筑工程造价预测的精准度和效率,突破传统方法的局限性,本文以云栖小镇国际会展中心二期设计采购施工总承包(Engineering Procurement Construction,EPC)工程为例,系统分析了人工智能技术在造价预测中的应用路径与实施效果。通过构建BP神经网络(BackPropagation Neural Network)、极端梯度提升(Extreme Gradient Boosting,XGBoost)和随机森林算法3种智能模型,结合建筑信息模型(Building Information Model,BIM)技术、物联网数据采集及动态特征分析方法,实现了从工程量清单计价到施工成本动态监控的全流程智能化。结果表明:BP神经网络模型总造价预测误差率为2.81%,较传统定额法提升5.19%;XGBoost模型在主体结构预测中偏差率1.68%,动态响应速度提高80%;随机森林算法对复杂特征识别精度达98.3%,总造价预测误差率1.67%。