本文選題：高速公路工程　切入點(diǎn)：投資估算　出處：《江西理工大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：本文首先分析選題背景和意義,梳理國內(nèi)外研究現(xiàn)狀,針對我國目前高速公路項(xiàng)目工程投資估算的現(xiàn)狀,找出當(dāng)前高速公路投資估算存在的問題;詳細(xì)介紹了高速公路方面的投資定義以及相關(guān)的投資估算理論,并對比了已有投資估算方法的優(yōu)缺點(diǎn);同時(shí),從工程項(xiàng)目的投資結(jié)構(gòu)、主要特征、有關(guān)文獻(xiàn)記載等三個(gè)方面,利用灰色理論深入分析高速公路項(xiàng)目投資預(yù)算特征參數(shù),建立了投資估算工程特征參數(shù)體系;將灰色關(guān)聯(lián)分析法與單隱層前饋神經(jīng)網(wǎng)絡(luò)極限算法結(jié)合起來,通過對影響高速公路投資因素的全面考慮,建立相關(guān)模型,將7個(gè)工程特征參數(shù)引入高速公路概念,并將其定義為模型的自變量,基于最小二乘原理,直接將誤差確定在允許范圍內(nèi),各種參數(shù)不需反復(fù)地多次訓(xùn)練求得,最后快速估算出擬建高速公路工程的投資,利用實(shí)際數(shù)據(jù)對此算法進(jìn)行科學(xué)驗(yàn)證,以突出其良好的應(yīng)用靈活性與適應(yīng)性,更加直觀的反映研究結(jié)論,因此該模型具有很強(qiáng)的理論和現(xiàn)實(shí)意義;與其他網(wǎng)絡(luò)估算方法相比,單隱層前饋神經(jīng)網(wǎng)絡(luò)極限算法更能符合高速公路建設(shè)項(xiàng)目的要求,其預(yù)算準(zhǔn)確度與廣泛應(yīng)用性較強(qiáng),在估算流程與速度方面具有明顯的優(yōu)勢。利用單隱層前饋神經(jīng)網(wǎng)絡(luò)極限算法在計(jì)算速度方面的優(yōu)越性質(zhì),給高速公路投資估算提供了一種新的估算方法,具有重要的創(chuàng)新意義。但是,文中亦存在一定的不足。在資料的收集方面,由于應(yīng)用單隱層前饋神經(jīng)網(wǎng)絡(luò)的算法的研究比較少,參考資料不多,這給研究帶來一定的難度,可能收集的資料不夠全面;經(jīng)過大量的實(shí)踐證明,工程特征對其投資的總值具有一定的影響作用,然而在實(shí)際預(yù)算過程中,難免會遺漏一些影響因素,進(jìn)而產(chǎn)生誤差;在實(shí)踐證明過程中,與高速公路項(xiàng)目有關(guān)的資料、數(shù)據(jù)、文獻(xiàn)、概況等信息(竣工項(xiàng)目、待建項(xiàng)目)是必不可少的,這就加重了信息收集的工作量。所以,獲得的案例信息覆蓋的地區(qū)可能不夠廣。
[Abstract]:This paper first analyzes the research background and significance, research status at home and abroad, in view of the present status of highway project project investment estimation, to find out the current highway investment estimation problems; introduces the definition of investment of highway and the related investment estimation theory, and the comparative advantages and disadvantages of the existing investment estimation method; at the same time, from the project investment structure, the main characteristics of relevant literature in three aspects, in-depth analysis of parameter characteristics of expressway project investment budget by using grey theory, establishes the investment estimation system of engineering characteristics; grey correlation analysis method and the single hidden layer feedforward neural networks limit combined algorithm, by fully considering the influence factors of expressway investment establishing the model, the 7 parameters introduced highway engineering concepts, and defines it as a model The independent variables, based on the principle of least squares, will directly determine the error within the allowable range, various parameters do not need to repeatedly obtain training quickly calculate, finally the highway engineering investment, scientifically verified by the actual data of this algorithm, in order to highlight the application of good flexibility and adaptability, the research conclusions reflect more intuitive, so the model it has strong theoretical and practical significance; compared with other network estimation method, single hidden layer feedforward neural network algorithm to meet the limit of expressway construction project, the budget accuracy and strong applicability, has obvious advantages in estimating process and speed. Superior properties by using single hidden layer feedforward neural networks limit the algorithm in terms of computational speed, provides a new method to estimate the investment estimate of highway, a new meaning is important but. Yes, it also has some shortcomings. In the process of data gathering, the research and application of single hidden layer feedforward neural network algorithm is relatively small, much less reference, it brings some difficulties to the research, collect data is not comprehensive; after a lot of practice proved that the gross investment of the project features have a certain effect, but in the actual budget process, will inevitably influence factors and some errors; in practice, the verification process, related highway project information, data, literature, survey and other information (the completion of the project, construction project) is essential, this adds to the information collection work. So, in case may obtain the information coverage is not wide enough.

【學(xué)位授予單位】：江西理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：F542.3

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 葉云;;高速公路維護(hù)管理現(xiàn)狀及發(fā)展趨勢[J];公路與汽運(yùn);2016年04期

2 李碩;畢公平;楊樹芬;任娟;龍俊義;孫靚;;高速公路造價(jià)快速估算中的模糊數(shù)學(xué)模型構(gòu)建——以江西地區(qū)高速公路為例[J];黑龍江科技信息;2016年05期

3 黃羅寧;劉虎城;劉夢偉;鄔曉光;;基于地形的高速公路造價(jià)快速估算系統(tǒng)[J];河南城建學(xué)院學(xué)報(bào);2015年04期

4 黃敏;吳立;姚沅;;基于支持向量機(jī)-粒子群算法的山區(qū)公路隧道造價(jià)預(yù)測[J];公路;2015年07期

5 李玨;肖麗紅;黃祺;;基于案例推理模型的公路工程造價(jià)估算研究[J];長沙理工大學(xué)學(xué)報(bào)(社會科學(xué)版);2013年01期

6 王賢輝;;公路工程造價(jià)快速估算的模糊神經(jīng)網(wǎng)絡(luò)方法應(yīng)用[J];科技資訊;2012年12期

7 韓明倫;;公路工程造價(jià)估算中模糊神經(jīng)網(wǎng)絡(luò)的應(yīng)用[J];科技資訊;2012年05期

8 彭人瑋;;高校各類基建工程項(xiàng)目投資估算參考指標(biāo)體系研究[J];建筑經(jīng)濟(jì);2012年02期

9 李芬;湯虎;;基于神經(jīng)網(wǎng)絡(luò)的山區(qū)公路橋梁造價(jià)預(yù)測[J];土木工程與管理學(xué)報(bào);2011年04期

10 楊無疆;林玲;;基于BP神經(jīng)網(wǎng)絡(luò)的工程造價(jià)快速估算模型[J];建筑經(jīng)濟(jì);2011年09期

相關(guān)碩士學(xué)位論文 前5條

1 雒香云;基于主要特征因素和BP-GEP網(wǎng)絡(luò)的公路工程造價(jià)預(yù)測模型[D];長沙理工大學(xué);2013年

2 肖璐;風(fēng)—蓄聯(lián)合運(yùn)行電站投資估算研究[D];蘭州理工大學(xué);2012年

3 陳劍鋒;鄆城縣水滸文化旅游城開發(fā)項(xiàng)目的投融資研究[D];中國海洋大學(xué);2010年

4 王麗君;房地產(chǎn)開發(fā)項(xiàng)目投資估算研究[D];北京交通大學(xué);2009年

5 王勇;投資估算的方法研究[D];重慶大學(xué);2004年

，

本文編號：1606882