摘要：矿建工程投资数额大、周期长，井筒工程造价所占比重大，投资估算准确性对决策至关重要。在分析井筒工程施工特点的基础上，甄选7个工程特征指标，利用Matlab提供的神经网络函数构建7个输入指标、1个输出指标的BPNN模型来预测井筒工程造价估算值。结果表明，利用BPNN模型预测，只要井筒工程特征选取合理，BPNN模型的参数设置准确，BPNN神经网络能较快地达到设定的目标，预测精度在±10%以内，能够为煤矿建设的决策提供可靠依据。

关键词：煤矿建设；神经网络；造价估算；井筒工程

Abstract：Mine construction has the characteristics of huge investment，long cycle，the accuracy of the investment estimate for investment decisions is essential. Base on analyzing shaft construction，selects 7 index of engineering characteristics，uses Matlab to build BPNN model including 7 input and 1 output index for predicting the shaft project investment. The results show that，as long as the selecting of project characteristics and BPNN model parameter settings are appropriate and accurate，the neural network method can quickly achieve the target，the prediction accuracy could reach ± 10% or less，provides reliable basis for making decision of mine construction.

Keywords：mine construction；neural network；investment estimation；shaft engineering

参考文献

[1] 吴立之.工程投资估算的新方法[D].大连：大连理工大学，2003.

[2]　邵良杉，杨善元.工程造价估算模型的发展及神经网络估算模型[J].煤炭学报，1996（2）：134-138.

[3]　温国锋.基于人工神经网络的煤炭建设项目投资估算系统的研究[J].中国煤炭，2002（7）：12-14.

[4]　邵良杉，高树林.基于人工神经网络的投资预测[J].系统工程理论与实践，1997（2）：68-72.

[5]　邵良杉，高树林.工程造价人工神经网络估算系统[J].煤矿设计，1996（4）：43-46. 

[6]　周丽萍，胡振锋.BP神经网络在建筑工程估价中的应用[J].西安建筑科技大学学报：自然科学版，2005（2）：262-264.

[7]　叶青，王全凤.基于BP神经网络的工程估价模型及其应用[J].厦门大学学报：自然科学版，2008（6）：828-831.

[8]　张仕廉，陈珂.基于Uniformat Ⅱ的建设工程投资估算方法研究[J].建筑经济，2014（1）：46-49.

[9]　段晓晨.政府投资项目全面投资控制理论和方法研究[D].天津：天津大学，2006.

建筑经济，2015（09）：72-75