本文是一篇工程造价管理论文，本文通过查阅大量的文献资料，学习相关理论知识和对机器学习的深入理解，结合市政道路工程的工作经验，以市政道路工程作为工程造价预测的研究对象，介绍了本研究的背景、目的和意义以及国内外研究现状，还详细阐述了市政工程、工程造价、BP 神经网络的相关理论知识，在前人研究 BP 神经网络和工程造价预测的基础之上，构建了市政道路工程造价预测指标体系，创建了基于 TensorFlow 框架的 BP 神经网络预测模型，通过收集太湖县工程造价数据资料，利用筛选出的 15 条市政道路工程的造价数据进行模型训练学习，预测太湖高铁片区道路工程三条道路的每米工程造价，并把预测的三个值与实际值进行比较验证，结果表明使用该方法预测市政道路工程的造价是可行的，且具有传统方法不具有的优点。
第一章 绪论
1.1 研究背景、目的和意义
1.1.1 研究背景
市政基础设施是新型城镇化发展过程中重要的一个组成部分，扮演着重要的角色，是推动新型城镇化进程的重要物质基础，同时也是新型城市人居生活条件不断改善、公共服务明显改进、社会经济可持续健康发展的根本保证。住建部和发改委于 2017 年 5 月发布的《全国城市市政基础设施建设“十三五”规划》（以下具体简称《规划》），在“十二五”时期，市政基础设施的投入支持力度继续增强，投入的资金也持续增多，据统计，累计完成总投资约 95 万亿元，相比较“十一五”时期，增速接近一倍，约同比增长近 90%。城市（县城）公共给水和燃气管道普及率，污水和生活垃圾无害化处理率均达到百分之九十以上。东部、中部、西部地区正逐步缩小市政基础设施水平差距。
《规划》指出“十二五”期间，全国设市城市市政基础设施建设主要指标中人均城市道路面积 2015 年为 16 平方米，2010 年为 13 平方米，增长幅度为 18%；2015 年道路长度 37 万公里，2010 年为 29 万公里，增长幅度为 24%；2015 年供热、排水、燃气等地下管线长度为 198 万公里，2010 年为 136 万公里，增长幅度为 46%。
相比较全国县城市政基础设施建设的主要指标略有不同，2015 年人均道路面积 16 平方米， 2010 年为 12.7 平方米，增长幅度为 26%；2015 年道路长度 13.4万公里，2010 年为 10.6 万公里，增长幅度为 26%；2015 年供热、排水、燃气等地下管线长度 53.9 万公里，2010 年为 34.1 万公里，增长幅度为 58%。
《规划》明确要持续推进城市市政基础设施建设步伐，有序实现城市建设领域基本公共服务均等化，积极把握社会经济发展新常态，目标是建成与小康社会相适应的现代化市政基础设施配套体系，将进一步加大对市政基础设施的投入力度。
........................
1.2 国内外研究现状
市政道路工程造价预测是利用以往已建项目的工程造价数据，结合具体的数学理论，通过构建相应的数学模型来实现的，市政道路工程造价预测具有很高的研究价值，在建设项目的决策阶段扮演重要角色，为以后的项目实施打下坚实基础，同时其具有一定的推广价值和现实意义。因此，在阅读相关文献之后发现，国内外有许多专家学者在工程造价预测领域进行了深入的研究。这其中有应用参数估计法、线性回归分析法、时间序列分析法等的传统统计学方法进行研究，同时也有基于灰色理论和人工神经网络、自适应模糊神经网络等人工智能机器学习领域展开研究的学者。
在当前计算机高度普及应用的现代社会，人工智能包含的领域比较广泛。其中深度学习算法是当下比较普遍和有实用性的算法，神经网络模型结构的多种多样和更新迭代是深度学习成功的关键。人工神经网络应用广泛，变成众多学者新兴研究学科，它由许多神经元通过某种连接作用而形成的一种复杂神经网络。如今这个理论已应用到电子、数学、生物、物理和工程等学科之中，有着更为广泛的应用前景。
下面本文将对人工神经网络在工程造价预测领域的相关研究现状展开叙述。
技术路线
..........................
第二章 相关理论基础
2.1 市政工程与工程造价的内涵及特征
2.1.1 市政工程概念与特点
（一）市政工程
市政工程指在一定的城市规划和建设范围内由政府投资建设的市政公共基础设施建设工程，为居民休闲娱乐工作等日常活动提供便利。配套完善的市政基础设施工程是一个城市综合实力的体现，可以提升城市的吸引力和影响力，包含常见的城市道路、地铁轻轨、高架桥梁隧道、强电弱电管线、给水燃气管道、公园公厕、广场停车场、绿化景观园林、道路路灯亮化、污水垃圾处理等工程。
我国城市道路分为四个等级：快速路、主干路、次干路与支路[25]。
快速路是完全以公共交通职能和服务方式为主，可以解决整个城市长距离、大体量的运输，是实现城市快速运输的主要干线。
主干路是联通城市中主要功能分区的重要干路，组成城市交通路网的主要结构。
次干路作为一个城市局部地区的交通干道，为整个区域内的交通集散提供了服务，同时又有其他服务功能。 支路是次干路与工业园区、住宅小区、休闲活动区等区域内部的道路，解决了局部的交通问题，主要作为服务性的功能。
由于城市道路工程和城市管道工程中的城市排水管道工程这两项工程是近几年城镇化进程中主要涉及的，也是大多数三四线城市、县城、乡镇主要实施的，这两部分工程造价在所有的市政工程造价中占比也不小，具有普遍性和代表性。城市桥梁隧道工程、生活垃圾和污水处理工程在小城市涉及较少，城市轨道交通工程甚至目前不涉及。同时在城市排水管道工程中，鉴于对于城市管道工程施工了解到，排水管道在道路建设过程中一般都是位于主路位置。
图 2.1 建设工程总投资构成
.......................
2.2 传统市政工程造价快速预测方法
市政工程造价预测是工程领域的重要研究内容，它为项目可研、项目建议书以及方案确定提供基础，其精确度与否直接关系到投资方或业主的投资决策。在项目前期的决策阶段，由于无法及时获得有关工程的造价信息和数据，使得直接使用目前的造价信息来确定工程项目的造价比较困难，一般是由有实践经历的造价人员根据自己丰富的经验或相似工程造价信息对拟建工程进行造价预测，这种方法得到的估算值，误差可能较大，较难保证其精确度。如果能够实现对市政工程造价准确预测，将为市政工程造价的投资控制和成本管理带来更大的便利，投资方可以以最少的投资取得最大的投资回报，获得更好的投资效益，具备较高的专业研究和应用价值[33]。
准确预测市政工程造价能为投资方或项目业主控制项目的进度和投资，建设方的施工管理人员可以通过准确的造价预测结果对在建项目进行进度和投资的跟踪管理，控制整个工程的造价和成本。还可以为政府建设主管部门审批项目、制定项目投资计划提供参考，消除我国工程建设领域项目实施过程中最终决算超过招标时的预算、招标时的预算超过设计概算、设计概算超过估算的现象[34]。 工程造价的准确预测对于建设单位来说有重要意义，同时对施工单位也具有重大意义。
从项目实施的角度来看，市政工程造价预测可以为施工单位的投标报价提供参考依据，工程造价人员可以将其作为参照，并结合工程项目的实际情况，按照招标单位的相关要求编制项目投标文件。除此之外，还能为施工单位在项目的施工过程中控制工程成本，特别是有些大型市政工程，这也是总承包单位对于分包单位的管理的有效手段，是总承包单位对于项目资源和资金有效利用的工具，有利于总承包单位成本管控、进度管控、质量管控、资源管控。
.............................
第三章 太湖高铁片区道路工程项目概况及市场分析.................20
3.1 项目概况................20
3.2 项目建设的背景及必要性................20
第四章 太湖高铁片区道路工程造价预测模型的构建..............30
4.1 指标的构成...............30
4.2 指标的筛选.....................30
第五章 太湖高铁片区道路工程造价预测..................40
5.1 市政工程样本数据处理......................40
5.2 市政工程案例数据输入输出.................40
5.1 市政工程样本数据处理
根据需预测的太湖高铁道路工程基本情况，本研究通过城建档案室历史资料和建设单位保存的历年道路建设工程数据，将有代表性的市政道路工程的样本筛选出来，对样本数据进行提取整理，分析归类，建立训练样本原始数据库。
首先收集太湖县已建成的道路数据，将数据进行整理得到 58 条市政道路基本数据，如表 5.1 所示。
表 5.1 太湖县已建成通车路网统计表
............................
第六章 结论与展望
6.1 结论
本文通过查阅大量的文献资料，学习相关理论知识和对机器学习的深入理解，结合市政道路工程的工作经验，以市政道路工程作为工程造价预测的研究对象，介绍了本研究的背景、目的和意义以及国内外研究现状，还详细阐述了市政工程、工程造价、BP 神经网络的相关理论知识，在前人研究 BP 神经网络和工程造价预测的基础之上，构建了市政道路工程造价预测指标体系，创建了基于 TensorFlow 框架的 BP 神经网络预测模型，通过收集太湖县工程造价数据资料，利用筛选出的 15 条市政道路工程的造价数据进行模型训练学习，预测太湖高铁片区道路工程三条道路的每米工程造价，并把预测的三个值与实际值进行比较验证，结果表明使用该方法预测市政道路工
