关于图形算量产品图片： 本图形算量产品图片依照实际产品拍摄，因相机拍摄与实际产品难免有成色误差，一切以实物为准。
适应性强公路南京工程预算具有动态变化特性，模糊神经网络模型能够很好地适应此特性。此估算方法的应用，主要是依靠计算机，不仅运算速度快，而且运算精度较高。模糊神经网络估算方法较多，文中选择BP神经网络法，是基于仿人脑的神经系统结构，具有较强的学习能力，为非线性自适应动态系统[1]。现对其在公路南京工程预算估算中的应用，做以下的分析。公路工程构件主要包括底层、基层、面层等，南京工程预算是由各构件类型与价格等因素决定，实物工程量取决于工程结构设计参数。已建南京工程预算变动，主要是受到构件因素的影响，被称作是工程特征。基于工程特性，将公路工程划分为不同类别，若按照路面形式划分，主要包括沥青路面和水泥路面等，为特征类目。对于工程定量化，是按照特征类目，依据定额水平与工程特征，填入相关数据，如表1所示。由表1能够看出，每个公路工程模式均可以利用表格的形式来定量化描述，一个特征可以由多个类目组成，按照比例来计算量化结果。在BP神经网络中，需要将信息传递到网络隐节点上，使用S型激活函数，把信息传出，接着发挥激活函数的作用，成功输出结果。在网络隐节点以及输出节点位置处，选择S型激活函数，即f（x）=11+ex，若此结果未能按照正常程序开展，此时要转变成反向传播。假设存在N个样本，定义描述为（Xk，yk)(k=12?N)，其中某个输入值为Xk，对应的神经网络输出值是yk，而隐层节点I的输出值是Oj。
