主成分分析和RBF神经网络的水电工程造价估算研究

随着数据挖掘技术在各领域运用越来越多,其算法也日渐趋于成熟。数据挖掘技术作为建立预测模型的重要技术,已成为专家研究的热点。随着数据挖掘技术在实际模型运用中暴露的问题越来越多,单一的技术和方法已无法满足各类功能的需求。为了分析公路货运中复杂的数据,构建一种功能强大的预测模型就显得尤为重要。本文尝试说明在数据预测模型中运用rbf神经网络技术和主成分分析方法,挖掘和分析公路货运中的数据,提高预测结果的准确性和高效性,为制定新的决策提供有效的依据。

运用bp神经网络方法,对土木工程造价做有益的探讨。利用神经网络可以节省时间,减小历史状况对价格估算的影响,也有利于应用工程量清单为基础的国际惯例。并以收集到的样本为例,对该模型进行了实证研究,表明了该方法的有效性。

建设项目工程造价估算对发包人和承包人进行决策具有至关重要的作用,运用bp神经网络理论,结合实例给出了用于建设项目工程造价估算的bp神经网络模型,仿真实验表明,采用该模型的估算结果是令人满意的。

根据神经网络原理和工程造价估算的特点,通过研究工程造价的构成,建立了工程造价估算模型.从模型调试和测试结果来看,经测算其精度基本可以满足实际工程投资估算的需要,模型具有较好的应用价值.

分析了对工程造价有重要影响的众多因素,参考国内外专家、学者的研究成果,确定了影响工程造价的18个主要因素,并基于rbf神经网络建立了工程造价决策模型。本文利用rbf神经网络快速、准确的函数逼近能力,为工程造价决策提供了一种新的方法。

基于主成分分析法,运用matlab7.0软件中的bp神经网络工具箱对1985~2007年我国的能源供需安全状况进行了训练及测试。测试结果表明,主成分分析与bp神经网络的结果较吻合,bp神经网络运用于能源安全领域可行、有效。同时,得出自1985年以来我国能源供需安全状况大体上逐年提高,从2005年开始大幅提高,但仍未摆脱较差的境地,未来前景不容乐观。

工程造价和主要工程量是评价一建筑工程的重要经济指标,特别是工程量清单于2003年7月1日在全国范围内展开以来,快速估算工程造价和主要工程量更具有其重要意义.文中采用神经网络集成方法建立了工程造价和主要工程量估算数学模型,并采用matlab61计算软件,以深圳市已完典型工程资料为例,验证了该模型的正确性及实用性,得出了神经网络集成方法泛化能力更高的结论.

提出了一种更有效的前向网络——径向基函数(rbf)神经网络,以多、高层办公楼为例,建立了工程造价的估算模型,运用matlab语言程序实现,同时采用同样的样本对bp网络进行训练,两者结果比较表明,这种方法弥补了bp网络存在的收敛速度慢,易陷入局部最优等缺陷,从而大大提高了其实用性,是对造价估算方式的又一新的尝试。

介绍了目前工程造价估算的一些主要模型方法和各自的特点。神经网络估算法具有自学习和自完善特征,以市政工程为例进行了应用分析。采用科学的、简便的而又准确的造价估算模型具有重要的工程意义,以确保工程投资及控制目标的顺利完成。

本文利用bp神经网络建立工程造价的估算模型,并根据实测数据对工程造价进行估算,对工程造价的估算模型进行验证。

基于cs理论和bp神经网络理论的工程造价估算研究——在借鉴国内外相关理论和方法的基础上,利用显著性成本理论和神经网络理论相结合对工程项目的投资进行估算.运用显著性成本理论,通过寻找显著性项目,简化工程造价估算的操作难度,从而解决操作烦琐的问题;并依据b...

随着我国建设市场的快速发展,招标投标制、合同制的逐步推行,以及加入世界贸易组织(wto)与国际惯例接轨的需要,工程造价计价依据改革不断深化,《建设工程工程量清单计价规范》的出台,对建筑企业快速估价提出了更高的要求。文章运用matlab软件编写了工程造价估算程序;对所预测的单方造价估算,并结合vague集贴近度理论对工程总造价进行控制;通过工程实例验证了模型的可行性,为建筑企业快速报价提供了理论参考依据。

在借鉴国内外相关理论和方法的基础上,利用显著性成本理论和神经网络理论相结合对工程项目的投资进行估算.运用显著性成本理论,通过寻找显著性项目,简化工程造价估算的操作难度,从而解决操作烦琐的问题;并依据bp神经网络在大量已完工程资料中提取类似csis和显著性因子csf,从非线性角度实现了对项目投资的准确预测,并进行算例分析,从算例可以看到,预测值与实际值的相对误差很小,满足投资预测要求.

工程造价估算是指在建设项目实施以前对所需资金作出的预算。按我国现行基本建设程序规定,工程造价估算应包括三部分:预可行性研究阶段的投资估算、可研阶段的工程概算、项目实施阶段的施工预算。在工程招投标的情况下,施工预算则表现为标底。经过四十多年的水电工程建设实践,我国已形成了一套较为完整的水电工程造

主要通过思考不同时期估算模型的特征和存在的问题,构建人工神经网络造价估算的模型。同时具体讲解了这个模型简体的基础原理。最后分析了基于dfnn的建设工程成本估算以及动态模糊估算模型。

工程造价估算模型的发展及神经网络估算模型

从影响公路造价的影响因素中提取特征因子为参数,用历史数据为依据,用遗传神经网络建立了公路造价快速估测模型,最后用实例验证了遗传神经网络模型在公路工程造价估测中的优良效果。

针对建筑工料(工日)估算问题,本文首先利用主成分分析得到一组新的输入变量,相对于原始输入变量,有效降低了输入维数,且消除了各输入分量之间的相关性。然后以新的输入变量作为改进型bp网络的输入进行训练与估算,得到了一种新工料(工日)估算方法。仿真结果表明与直接利用bp网络训练估算相比较,采用本文的方法,估算结果更加准确。

基于粗糙集-神经网络的工程造价估算模型研究——通过分析粗糙集和神经网络的特点和原理，提出基于粗糙集和神经网络相结合的工程造价估算模型，并通过实例验证其有效性，具有较强的实用价值。　　

工程项目前期造价的确定直接关系到整个项目的总体运作情况,因此准确的确定前期造价是非常重要的。目前工程中应用的投资估算编制方法不是很科学,采用bp神经网络方法改进投资估算的确定方法。结果表明,该方法可以有效的提高其编制精度,为科学的确定和有效的控制工程造价中全过程造价奠定了良好的工作基础。

通过分析粗糙集和神经网络的特点和原理,提出基于粗糙集和神经网络相结合的工程造价估算模型,并通过实例验证其有效性,具有较强的实用价值。

本文建立了基于径向基函数(rbf)神经网络公路工程造价的估算模型,并运用matlab语言程序将其实现。实例分析表明该方法弥补了传统bp网络存在的收敛速度慢,易陷入局部最优等缺陷,基于神经网络的公路工程造价估算方法是可行的,估算结果是可靠的。