摘要：为了解决深基坑工程综合单价中风险量化的问题，提出BP神经网络模型与BIM模型相结合的形式。先识别深基坑施工风险因素，确定深基坑施工风险等级；再采用MATLAB软件编写代码实现BP神经网络模型的构建、训练以及测试，得到风险量化系数；最后使用Revit软件建立BIM三维可视化模型，即参数化土方开挖族，添加风险信息和造价信息，从而快速得到深基坑工程项目综合单价以及综合合价。通过BP神经网络与BIM模型结合的形式对工程案例进行分析验证，结果表明该方法是可行的。
关键词：深基坑；风险量化；风险评价；BP神经网络；BIM
Abstract：In order to solve the problem of risk quantification in comprehensive unit price of deep foundation pit engineering，the paper proposes a combination of BP neural network model and BIM model. First identifies the risk factors of the deep foundation pit construction，determines the risk level of the deep foundation pit construction. Then，uses MATLAB software to write code to implement the construction，training and testing of the BP neural network model，and obtains the risk quantification coefficient. Finally，uses Revit software to build a BIM 3D visualization model，that is parametric earth excavation family，to add risk information and cost information，so as to quickly obtain the comprehensive unit price and comprehensive price of deep foundation pit projects. By analyzing and verifying the engineering case through the combination of BP neural network and BIM model，the results show that the method is feasible.
Keywords：deep foundation pit；risk quantification；risk assessment；BP neural network；BIM
参考文献
[1] 郭海霞.基于灰色理论的建筑基坑造价风险预测研究[J].土木建筑工程信息技术，2018（2）：111-116.
[2] 蒋立，陶学明，陈鑫.工程量清单计价模式下综合单价风险费用量化研究[J].西华大学学报（自然科学版），2010（4）：99-101+109.
[3] 刘静.综合单价风险量化研究[J].四川建筑科学研究，2006（4）：187-189.
[4] 胡博，赵敏.基坑开挖降水对周边建筑物影响的风险评估[J].施工技术，2018（S1）：237-239.
[5] 黄宏伟，朱琳，谢雄耀.上海地铁11号线关键节点工可阶段工程风险评估[J].岩土工程学报，2007（7）：1103-1107.
[6] 王建波，牛发阳，赵佳，等.基于DEA-AHP-BP神经网络的地铁深基坑施工风险评估[J].建筑技术，2019（3）：294-297.
[7] 陈帆，谢洪涛.基于因子分析与BP网络的地铁施工安全预警研究[J].中国安全科学学报，2012（8）：85-91.
[8] 高国庆.BIM技术在基坑工程中的应用研究[D].郑州：华北水利水电大学，2018.
建筑经济，2020（09）：39-43