本文關(guān)鍵詞：居住項目的工程成本估算研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著中國房地產(chǎn)進(jìn)入市場進(jìn)入了平穩(wěn)增長的階段,住宅價格逐步走向理性化,修建居住項目所帶來的企業(yè)利潤也開始市場化,建筑項目的投資決策也逐步進(jìn)入精細(xì)化管理的階段。政府頒布的定額往往周期長、速度慢,具有滯后性,造成估算出來的結(jié)果不準(zhǔn)確,不能適應(yīng)當(dāng)前的價格水平。如果能夠根據(jù)既有的竣工資料和擬建項目的工程特征,快速而準(zhǔn)確地得出工程造價,不但對于居住項目的施工方來講,可以節(jié)約投標(biāo)花費的時間,而且對于建設(shè)方來講,也可以很好地安排項目資金計劃。本文的研究就是為了達(dá)到快速而準(zhǔn)確地得出工程造價,輔助建設(shè)企業(yè)決策的目的。本文的工作主要有以下四點：1.提出問題,分析居住項目工程成本的研究背景和意義,回顧國內(nèi)外的文獻(xiàn)和研究成果和建筑項目成本估算、案例推理理論等內(nèi)容。2.介紹了一個案例推理成本估算模型,建立數(shù)據(jù)庫,對數(shù)據(jù)進(jìn)行預(yù)處理,利用灰色關(guān)聯(lián)度計算來進(jìn)行案例檢索,將相似度匯總求和,用案例庫中的案例與相似度之和的比值作為權(quán)值,對歷史案例加權(quán)求和來求解目標(biāo)案例,最后,對案例推理模型的估算精度進(jìn)行分析。3.提出了SVR成本估算模型和CBR-SVR成本估算模型。其中,SVR成本估算模型沒有對數(shù)據(jù)進(jìn)行任何的篩選處理,直接采用支持向量機對參數(shù)尋優(yōu)、訓(xùn)練模型得到工程成本的估算值并對其精度進(jìn)行分析；而CBR-SVR篩選訓(xùn)練樣本、訓(xùn)練模型得到工程成本的估算值并對其精度進(jìn)行分析。最后,對兩個模型的精度進(jìn)行了對比分析。4.提出兩個粒子群的優(yōu)化模型。一個是粒子群優(yōu)化支持向量機成本估算模型,通過建立模型,設(shè)置粒子群算法參數(shù),采用支持向量機對訓(xùn)練樣本的訓(xùn)練均方差為適應(yīng)度函數(shù),對參數(shù)C和σ進(jìn)行尋優(yōu)、訓(xùn)練模型,得到工程成本的估算值并對其精度進(jìn)行分析；另一個是粒子群優(yōu)化的支持向量機案例推理成本估算模型,通過篩選訓(xùn)練樣本、建立模型,對參數(shù)C和σ進(jìn)行尋優(yōu)、訓(xùn)練模型得到工程成本的估算值并對其精度進(jìn)行分析。最后對兩個模型的精度進(jìn)行了對比分析。5.對提出的5個模型進(jìn)行了對比分析。本文提出的五種模型相對誤差均在10%以內(nèi),可以滿足項目決策階段估算誤差應(yīng)在10%以內(nèi)的規(guī)定,可以為初期投資輔助決策有一定的借鑒作用。
【關(guān)鍵詞】：成本估算 案例推理 支持向量機 粒子群算法
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TU723.3
【目錄】：

• 摘要6-7
• Abstract7-12
• 第1章 緒論12-21
• 1.1 研究背景和研究意義12-13
• 1.1.1 研究背景12
• 1.1.2 研究意義12-13
• 1.2 國內(nèi)外研究現(xiàn)狀13-18
• 1.2.1 國內(nèi)研究現(xiàn)狀13-16
• 1.2.2 國外研究現(xiàn)狀16-18
• 1.3 研究內(nèi)容和技術(shù)路線18-21
• 1.3.1 研究內(nèi)容18-19
• 1.3.2 技術(shù)路線19-21
• 第2章 成本估算及案例推理相關(guān)理論21-28
• 2.1 建設(shè)項目成本估算理論21-24
• 2.1.1 建設(shè)項目成本估算概念21-22
• 2.1.2 建設(shè)項目成本影響因素22-23
• 2.1.3 建設(shè)項目成本分析方法23-24
• 2.2 案例推理理論24-28
• 2.2.1 案例推理概述24
• 2.2.2 案例推理的基本思想24-25
• 2.2.3 案例推理的基本流程25-27
• 2.2.4 案例推理的特點27-28
• 第3章 基于案例推理的成本估算模型28-36
• 3.1 案例數(shù)據(jù)庫的建立28-31
• 3.2 案例檢索31-33
• 3.2.1 計算案例相似度31-32
• 3.2.2 相似度排名32-33
• 3.3 造價估算33-34
• 3.4 估算精度分析34-35
• 3.5 本章小結(jié)35-36
• 第4章 基于支持向量機的成本估算模型36-52
• 4.1 支持向量機機理論36-40
• 4.1.1 支持向量機概述36
• 4.1.2 支持向量機結(jié)構(gòu)36-37
• 4.1.3 支持向量機算法原理37-39
• 4.1.4 支持向量機的特點39-40
• 4.2 支持向量機算例40-45
• 4.2.1 建立回歸模型41
• 4.2.2 模型設(shè)定41-42
• 4.2.3 模型訓(xùn)練和計算42-44
• 4.2.4 模型性能分析44-45
• 4.3 支持向量機案例推理模型45-50
• 4.3.1 支持向量機案例推理模型建立45-47
• 4.3.2 模型參數(shù)計算47
• 4.3.3 模型訓(xùn)練和預(yù)測47-50
• 4.3.4 模型性能分析50
• 4.4 SVR模型和CBR-SVR模型對比分析50-51
• 4.5 本章小結(jié)51-52
• 第5章 基于粒子群算法的優(yōu)化估算模型52-69
• 5.1 粒子群算法概述52-54
• 5.1.1 粒子群算法的數(shù)學(xué)模型52-53
• 5.1.2 粒子群算法的基本原理53
• 5.1.3 粒子群算法的特點53-54
• 5.2 粒子群優(yōu)化模型及算例54-62
• 5.2.1 PSO-SVR估算模型簡介54
• 5.2.2 PSO-SVR估算模型建立54-57
• 5.2.3 PSO-SVR估算模型設(shè)定57-58
• 5.2.4 PSO-SVR估算模型計算58-61
• 5.2.5 PSO-SVR估算模型分析61-62
• 5.2.6 PSO-SVR模型與SVR模型對比分析62
• 5.3 PSO-SVR案例推理模型及算例62-67
• 5.3.1 PSO-SVR案例推理模型建立62-65
• 5.3.2 CBR-PSO-SVR模型計算65
• 5.3.3 CBR-PSO-SVR模型分析65-66
• 5.3.4 CBR-PSO-SVR和PSO-SVR對比66-67
• 5.4 成本估算模型分析67-68
• 5.5 本章小結(jié)68-69
• 結(jié)論69-71
• 致謝71-72
• 參考文獻(xiàn)72-76
• 附錄76

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前4條

1 黎亞鵬;;高�；üこ掏顿Y估算方法評析[J];大眾科技;2011年08期

2 彭光金;俞集輝;崔榮;韋俊濤;司海濤;朱輝;;基于數(shù)據(jù)挖掘技術(shù)的輸電工程造價估算[J];工業(yè)工程與管理;2009年03期

3 張光前,鄧貴仕,李朝暉;基于事例推理的技術(shù)及其應(yīng)用前景[J];計算機工程與應(yīng)用;2002年20期

4 黃崇;甘國融;;基于PCA-BP的高速公路工程造價預(yù)測模型[J];公路與汽運;2014年05期

  本文關(guān)鍵詞：居住項目的工程成本估算研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：437247