吉安工程预算估算模型。基于BP神经网络，构建公路吉安工程预算快速估算模型。针对以往工程案例，开展估算研究，将工程特征定量化数值，设为Xij(i=123?n;j=123?n)，将相应的吉安工程预算定额预算相关资料，设为yis(i=123?n;s=123...n)，不考虑市场价格调整。明确BP神经网络结构系统参数，包括输入层节点数m、输出层节点数n、隐层节点数L。以Xij为输入，以yis为输出，开始神经网络训练，获得新建工程的造价估算神经网络，反向估算新建吉安工程预算。以某省道一级公路和二级公路工程为例，其中一级公路使用的是沥青混凝土路面，记为T19；二级公路使用的是水泥混凝土路面，记为T20，检验18个样本吉安工程预算数据，基于检验结果能够了解，T19造价指数是0.98，T20造价指数为0.96，获得预算资料如下：T19路面类型是半柔性路面；基层为水泥稳定碎石；底层材料为石灰土；路面结构为沥青混凝土；面层厚度为15cm；基层厚度为14cm；底层厚度为10cm；T20路面类型是刚性路面；基层为工业废渣稳定土；底层材料为石灰土；路面结构为水泥混凝土；面层厚度为12cm；基层厚度为16cm；底层厚度为12cm。将获得的预算材料和表1资料进行对比分析，能够明确T19工程特征定量化描述是T19=(3122262.5)，T20工程特征定量化描述是T20=(5473434.1)，将T19与T20，输入到经过训练的BP神经网络中，获得的结果为T19=(0.40290.40560.50050.4365)T20=(0.62770.61560.42900.5661)，经过反算，获得吉安工程预算资料预测值，其中V19=(481.7416.440.0046145.85)V20=(1185.8237.160.0033247.07)，预测的相对误差O19=(1.61%4.65%4.15%1.40%)，O20=(3.76%3.67%5.70%1.84%)，由此能够看出，基于BP神经网络预测的吉安工程预算估算精度。
