基于支持向量機(jī)回歸的工程項(xiàng)目投資估算區(qū)間預(yù)測研究
發(fā)布時(shí)間:2023-04-22 06:14
投資估算是項(xiàng)目前期決策的關(guān)鍵環(huán)節(jié),對于控制項(xiàng)目的成本十分重要,能夠決定一個(gè)項(xiàng)目的成功與否,工程實(shí)踐證明,前期的投資決策對項(xiàng)目成功的影響程度高達(dá)70%。因此,建立一套科學(xué)準(zhǔn)確有效的估算方法是至關(guān)重要的。傳統(tǒng)的投資估算主要依靠估價(jià)師的個(gè)人經(jīng)驗(yàn),采用擬建工程與已建工程的相似程度進(jìn)行類比得出擬建工程項(xiàng)目的估算造價(jià),有生產(chǎn)能力指數(shù)法、系數(shù)估算法等,這些估算方法速度快,但準(zhǔn)確度不高。隨著計(jì)算機(jī)技術(shù)的進(jìn)步,越來越多的學(xué)者開始研究如何使用人工智能估算方法來提高投資估算的準(zhǔn)確性與科學(xué)性。其中,人工神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等方法由于在解決非線性回歸問題上具有很大優(yōu)勢,在許多研究中都得到充分應(yīng)用。此外,為了提高人工智能方法的估算精度,更多研究者們也將優(yōu)化算法引入估算過程中,例如遺傳算法、粒子群算法、差分進(jìn)化算法等。前人研究在很大程度上完善了人工智能估算體系,彌補(bǔ)了傳統(tǒng)估算中估價(jià)師根據(jù)自身經(jīng)驗(yàn)進(jìn)行估算的缺陷,使得估算精度有了很大提高。論文主要對建筑工程項(xiàng)目投資估算的科學(xué)性與準(zhǔn)確性作出研究,不同于現(xiàn)有研究,本文創(chuàng)新性地將估算過程中存在的不確定性和風(fēng)險(xiǎn)考慮在內(nèi),并以概率性置信區(qū)間的形式體現(xiàn)出來。如此,得到一種更加切實(shí)...
【文章頁數(shù)】:65 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
ABSTRACT
1 緒論
1.1 研究背景及研究意義
1.1.1 研究背景
1.1.2 研究意義
1.2 國內(nèi)外研究現(xiàn)狀
1.3 主要研究內(nèi)容和研究方法
1.3.1 研究范圍與研究內(nèi)容
1.3.2 研究方法與技術(shù)路線
1.3.3 研究創(chuàng)新點(diǎn)
2 相關(guān)理論與方法
2.1 工程投資估算理論概述
2.1.1 工程造價(jià)管理的內(nèi)容
2.1.2 工程造價(jià)估算的特點(diǎn)和作用
2.1.3 工程造價(jià)估算的影響因素
2.2 因子分析方法
2.2.1 因子分析的概念
2.2.2 因子分析的特點(diǎn)
2.3 支持向量機(jī)回歸方法
2.3.1 支持向量機(jī)概述
2.3.2 用于函數(shù)擬合的SVR
2.4 灰狼優(yōu)化算法
2.4.1 灰狼優(yōu)化算法概述
2.4.2 灰狼優(yōu)化算法優(yōu)化步驟
2.5 核密度估計(jì)方法
2.5.1 參數(shù)估計(jì)與非參數(shù)估計(jì)
2.5.2 核密度估計(jì)方法概述
3 工程投資估算區(qū)間預(yù)測模型
3.1 工程特征指標(biāo)體系的建立
3.1.1 指標(biāo)初選
3.1.2 定性指標(biāo)的量化處理
3.1.3 工程特征指標(biāo)體系的因子分析
3.2 GWO-SVR確定性點(diǎn)預(yù)測模型
3.2.1 SVR模型的設(shè)計(jì)
3.2.2 GWO算法優(yōu)化SVR模型參數(shù)
3.3 基于KDE的概率性預(yù)測區(qū)間
3.3.1 預(yù)測誤差的概率分布
3.3.2 置信區(qū)間的構(gòu)造
4 案例研究
4.1 案例數(shù)據(jù)
4.2 估算確定性點(diǎn)預(yù)測結(jié)果
4.3 估算概率性區(qū)間預(yù)測結(jié)果
4.4 模型性能比較與估算結(jié)果評價(jià)
4.4.1 評價(jià)指標(biāo)
4.4.2 結(jié)果評價(jià)
5 結(jié)論與展望
5.1 結(jié)論與實(shí)際應(yīng)用
5.2 展望
附錄
在學(xué)期間發(fā)表的科研成果
參考文獻(xiàn)
后記
本文編號(hào):3797079
【文章頁數(shù)】:65 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
ABSTRACT
1 緒論
1.1 研究背景及研究意義
1.1.1 研究背景
1.1.2 研究意義
1.2 國內(nèi)外研究現(xiàn)狀
1.3 主要研究內(nèi)容和研究方法
1.3.1 研究范圍與研究內(nèi)容
1.3.2 研究方法與技術(shù)路線
1.3.3 研究創(chuàng)新點(diǎn)
2 相關(guān)理論與方法
2.1 工程投資估算理論概述
2.1.1 工程造價(jià)管理的內(nèi)容
2.1.2 工程造價(jià)估算的特點(diǎn)和作用
2.1.3 工程造價(jià)估算的影響因素
2.2 因子分析方法
2.2.1 因子分析的概念
2.2.2 因子分析的特點(diǎn)
2.3 支持向量機(jī)回歸方法
2.3.1 支持向量機(jī)概述
2.3.2 用于函數(shù)擬合的SVR
2.4 灰狼優(yōu)化算法
2.4.1 灰狼優(yōu)化算法概述
2.4.2 灰狼優(yōu)化算法優(yōu)化步驟
2.5 核密度估計(jì)方法
2.5.1 參數(shù)估計(jì)與非參數(shù)估計(jì)
2.5.2 核密度估計(jì)方法概述
3 工程投資估算區(qū)間預(yù)測模型
3.1 工程特征指標(biāo)體系的建立
3.1.1 指標(biāo)初選
3.1.2 定性指標(biāo)的量化處理
3.1.3 工程特征指標(biāo)體系的因子分析
3.2 GWO-SVR確定性點(diǎn)預(yù)測模型
3.2.1 SVR模型的設(shè)計(jì)
3.2.2 GWO算法優(yōu)化SVR模型參數(shù)
3.3 基于KDE的概率性預(yù)測區(qū)間
3.3.1 預(yù)測誤差的概率分布
3.3.2 置信區(qū)間的構(gòu)造
4 案例研究
4.1 案例數(shù)據(jù)
4.2 估算確定性點(diǎn)預(yù)測結(jié)果
4.3 估算概率性區(qū)間預(yù)測結(jié)果
4.4 模型性能比較與估算結(jié)果評價(jià)
4.4.1 評價(jià)指標(biāo)
4.4.2 結(jié)果評價(jià)
5 結(jié)論與展望
5.1 結(jié)論與實(shí)際應(yīng)用
5.2 展望
附錄
在學(xué)期間發(fā)表的科研成果
參考文獻(xiàn)
后記
本文編號(hào):3797079
本文鏈接:http://sikaile.net/guanlilunwen/shengchanguanlilunwen/3797079.html
最近更新
教材專著