TY -的A2黛德Tayfun盟——彭,浩盟——吴,汉盟——王”PY - 2020 DA - 2020/11/01 TI -水需求的预测研究基于BP神经网络的建筑工程SP - 8868817六世- 2020 AB -水的科学有效的预测消费的建筑工程施工管理成本具有重要意义。解决用水量大、不确定性高的水工程建设的需求,预测模型基于反向传播(BP)神经网络提高了粒子群优化(PSO)提出了在目前的工作。减少冗余输入变量的复杂性,该模型确定了主要影响因素的水通过灰色关联分析的需求。的BP神经网络优化算法被用来获得输出的预测值区间,这有效地解决了BP神经网络模型的不足之处,包括其收敛速度慢和容易陷入局部最优的问题。此外,用水量间隔数据Taiyangchen项目位于信阳市,河南省,中国,模拟。根据案例研究的结果,有四个主要因素影响施工用水量Taiyangchen项目的,也就是说,盘中的浇注混凝土,天气盘中,工人数量,盘中的木材使用。预测数据与实际数据基本上是一致的,相对误差小于5%,平均误差仅为2.66%。然而,错误的BP神经网络模型,遗传算法的BP神经网络改进,和多元回归大。三个传统机器学习中错误分析工具(确定系数、根均方误差、平均绝对误差)也强调了该方法的可行性和先进性。SN - 1687 - 8086 UR - https://doi.org/10.1155/2020/8868817 - 10.1155 / 2020/8868817摩根富林明土木工程的进步PB - Hindawi KW - ER