建筑经济CONSTRUCTION ECONOMY 第 41 卷第 10 期
2020 年 10 月Vol.41      No.10
Oct.  2020
摘要：对建材价格的预测及波动趋势的准确判断是控制施工成本的关键步骤。以数据库中积累的建筑工程主要材料（预应力钢筋）的历史价格信息为样本，建立灰色GM （1，1）和BP 神经网络组合模型，即灰色神经网络PGNN 模型。用MATLABR2018a 进行计算求解，对未来6个月的预应力钢筋价格做出预测，统计分析其变化趋势，根据预测结果为后期施工采购建筑材料提供参考。研究结果表明，灰色神经网络PGNN 模型对钢筋价格的预测结果精度较高，收敛性能较好。
关键词：建筑材料价格；灰色神经网络；预测模型
中图分类号：F407.9  文献标识码：A  　文章编号：1002-851X （2020）10-0115-06
DOI ：10.ki.1002-851x.202010115
[引用本文] 罗泽民，布优月.基于灰色神经网络PGNN 模型的建筑材料价格预测方法研究[J].建筑经济，2020，41（10）：115-120.
Research on Price Forecast Method of Building Materials Based on Grey Neural Network PGNN Model
LUO Zemin ，BU Youyue
（School of Economics and Management ，Zhongyuan University of Technology ，Zhengzhou 450007，China ）
Abstract ：
The prediction of the price of building materials and the accurate judgment of the fluctuation trend are the key steps to control the construction cost. Taking the historical price information of the main materials （prestressed steel bars ）accumulated in the database as samples ，this paper establishes the combination model of grey GM （1，1）and BP neural network ，that is ，grey neural network PGNN model ，which is calculated and solved by MATLABR2018a ，predicts the price of prestressed steel bars in the next 6 months ，and statistically analyzes its changing trend ，so as to provide references for the procurement of building materials in later construction according to the predicted results. The research results show that the grey neural network PGNN model has high accuracy and good convergence performance in predicting the price of steel bar.
Keywords ：
price of building materials ；grey neural network ；prediction model 建筑材料作为工程实体的主要组成部分，其成本在
整个工程造价中所占的比重较大。然而，建筑材料费对
成本的影响因素有很多，其中建筑材料价格的影响较为
显著，因此需要施工企业对建筑材料未来的价格进行系统准确地预测，并对其波动趋势进行直观地判断，以减少因建筑材料价格波动所带来的施工成本上升。目前，时间序列法、支持向量机回归法、灰色预测法、系统动力学方法、神经网络预测法等方法广泛应用于国内外建筑材料价格的预测。王佳和王朝凤（2015）等运用时间序列预测方法对建设工程造价信息数据库中积累的建筑材料历史价格数据进行预测分析。作者简介：罗泽民，男，生于1983年，山西应县人，副教授，研究生导
师，博士研究生，研究方向：工程管理。
布优月，女，生于1997年，河南新乡人，硕士研究生，研究
方向：工程管理。
收稿日期：2020-03-11基于灰色神经网络PGNN 模型的建筑材料价格预测方法研究
罗泽民，布优月
（中原工学院经济管理学院，河南 郑州 450007）

更多推荐

预测,价格,建筑材料,研究,方法,神经网络,灰色,模型