基于人工神经网络的建设项目设计概算研究

基于人工神经网络的建设项目设计概算研究

论文摘要

在建设项目投资控制全过程中,设计阶段是决定整个项目投资控制成败的关键性阶段。然而长期以来我国建筑工程领域,普遍把主要精力放在施工阶段—审核施工图预算、结算,而忽视了设计阶段的造价控制,这样做虽然也会取得一定的效果,但毕竟作用有限,施工阶段所能节约的工程费用相对于整个工程建设的投资效益来说只是杯水车薪。因此,要想有效地控制建设工程造价,就要坚决的把控制重点转移到建设项目的前期阶段上来,尤其做好作为建设投资最高限额的设计概算的编制工作,只有未雨绸缪,才能取得事半功倍的效果。现如今我国建筑行业正处在迅猛发展时期,但针对于提高设计概算质量的研究仍属于薄弱环节,设计概算与预算造价存在较大偏差,造成工程投资失控的现象屡屡发生。这就为研究提高设计概算质量,完善设计概算审核提供了现实意义。本文以国外设计概算的发展现状为切入点,借鉴英、美、日三国设计概算的研究成果,剖析我国工程造价领域在设计概算方面的欠缺。通过对设计概算的理论分析,深入探究设计概算的编制内容、编制原则、编制程序以及编制方法。结合我国现阶段建筑工程的发展现状提出了重视外业调查,确保编制资料的质量;提高施工组织设计的准确性;积极发展全过程工程造价咨询等几条提高建设项目设计概算准确度的方法,同时强调了设计概算审查工作的重要性及其在实施过程中需注意的事项。本文重点是将设计概算与神经网络相结合,借助于实际工程中所收集的大量工程资料,对设计概算进行量化分析,最终建立起基于径向基神经网络的设计概算的验证模型,旨在为实际工程中设计概算的检验工作提供一种新颖、高效的方法。通过MATLAB工具箱系统的操作结果,最终证实了该方法可以成为实际工作中提高设计概算质量,提高概算审核效率的参考依据。

论文目录

  • 摘要
  • Abstract
  • 1. 绪论
  • 1.1 本课题研究的背景及意义
  • 1.1.1 课题研究的背景
  • 1.1.2 建设项目设计概算研究的目的和意义
  • 1.2 建设项目设计概算的国内外发展现状
  • 1.2.1 建设项目设计概算国外发展现状
  • 1.2.2 建设项目设计概算国内发展现状
  • 1.3 本文研究的目的、主要内容和技术路线
  • 1.3.1 研究的目的
  • 1.3.2 研究的主要内容
  • 1.3.3 论文研究的思路与方法
  • 2. 建设项目设计概算的理论分析
  • 2.1 初步设计阶段中的工程造价
  • 2.1.1 建设项目的工作程序
  • 2.1.2 设计阶段的工作程序
  • 2.2 设计概算编制内容和编制原则
  • 2.2.1 设计概算的编制内容
  • 2.2.2 编制设计概算的原则
  • 2.3 设计概算的编制依据和编制程序
  • 2.3.1 设计概算的编制依据
  • 2.3.2 单位工程设计概算的编制方法
  • 2.3.3 单项工程综合概算的编制方法
  • 2.3.4 建设项目总概算的编制方法
  • 2.3.5 建设项目设计概算的编制程序和步骤
  • 2.4 提高建设项目设计概算准确度的方法
  • 2.4.1 加强外业调查,确保编制资料的质量
  • 2.4.2 提高施工组织设计的准确度
  • 2.4.3 积极开展全过程工程造价咨询
  • 2.4.4 加强限额设计,提高概算质量
  • 2.4.5 考虑设计概算的设计招标工作
  • 2.5 设计概算的审查
  • 2.5.1 设计概算审查的重要性
  • 2.5.2 设计概算审查应注意的事项
  • 2.6 本章小结
  • 3. 人工神经网络理论介绍
  • 3.1 神经网络概述
  • 3.1.1 神经网络的国内外发展现状
  • 3.1.2 人工神经元模型
  • 3.1.3 神经网络的特征
  • 3.2 人工神经网络的学习
  • 3.2.1 学习方式
  • 3.2.2 学习算法
  • 3.3 BP神经网络
  • 3.3.1. BP神经网络定义
  • 3.3.2. BP学习算法
  • 3.3.3. BP算法的缺点与局限性
  • 3.4 RBP径向基函数神经网络
  • 3.4.1. RBP神经网络的结构
  • 3.4.2. RBP神经网络训练的准则和常用算法
  • 3.5 BP神经网络和RBF神经网络的比较
  • 3.6 本章小结
  • 4. 应用RBF径向基神经网络模型验证设计概算
  • 4.1 基于径向基函数的设计概算模型
  • 4.1.1 基于径向基函数的设计概算模型的基本原理
  • 4.1.2 基于神经网络方法的设计概算模型结构
  • 4.1.3 设计概算模型的训练和测试
  • 4.2 影响设计概算的主要因素的确定及处理
  • 4.2.1 影响设计概算的主要因素的确定
  • 4.2.2 影响工程造价的特征向量的量化处理
  • 4.2.3 影响工程造价的特征向量的初始化处理
  • 4.3 RBF径向基神经网络的训练与分析
  • 4.3.1 基于MATLAB神经网络环境下的程序运行界面
  • 4.3.2 MATLAB神经网络环境下的运算结果
  • 4.4 结果分析
  • 4.5 本章小结
  • 5. 结论
  • 参考文献
  • 攻读硕士学位期间发表学术论文情况
  • 致谢
  • 相关论文文献

    • [1].三十六脚湖叶绿素a浓度人工神经网络模型演算研究[J]. 渔业研究 2020(01)
    • [2].基于人工神经网络的压水堆燃料破损状态监测[J]. 原子能科学技术 2020(03)
    • [3].人工神经网络下农林作物预测模型及决策——以湘西土家族苗族自治州为例[J]. 林业科技通讯 2020(08)
    • [4].海堤越浪量的人工神经网络模型算法[J]. 水道港口 2020(04)
    • [5].人工神经网络在轧钢中的应用综述[J]. 上海工程技术大学学报 2018(04)
    • [6].人工神经网络在自动化领域的应用[J]. 科技风 2019(15)
    • [7].人工神经网络在林业上的应用研究进展[J]. 世界林业研究 2019(03)
    • [8].人工神经网络初探[J]. 科技传播 2018(02)
    • [9].深度学习技术及其在医疗领域中的应用[J]. 科技传播 2018(12)
    • [10].人工神经网络发展历史与训练算法概述[J]. 科技传播 2018(21)
    • [11].电气控制线路和人工神经网络关系初探[J]. 电子世界 2017(02)
    • [12].人工神经网络在化工过程中的应用进展[J]. 化工进展 2016(12)
    • [13].基于3s的人工神经网络模型在地质灾害危险性评价中的应用[J]. 报刊荟萃 2017(04)
    • [14].青春IN词[J]. 青春期健康 2017(09)
    • [15].人工神经网络在未来深空探测中的应用[J]. 太空探索 2017(08)
    • [16].人工神经网络基本原理概述[J]. 计算机产品与流通 2020(06)
    • [17].人工神经网络在分类问题中的应用[J]. 科技传播 2019(02)
    • [18].浅析人工神经网络及其应用模型[J]. 科技传播 2019(08)
    • [19].基于人工神经网络的二分类方法[J]. 现代计算机 2019(28)
    • [20].面向材料基因工程的人工神经网络研究[J]. 热加工工艺 2018(12)
    • [21].人工神经网络在医疗诊断中的应用[J]. 中国科技信息 2018(19)
    • [22].人工神经网络在自动化测试软件中的应用[J]. 中国战略新兴产业 2017(04)
    • [23].改进灰色人工神经网络模型的超高层建筑变形预测[J]. 测绘科学 2017(04)
    • [24].基于改进人工神经网络的管理诊断方案评价方法[J]. 广州航海学院学报 2017(02)
    • [25].人工神经网络在塑性加工中的应用研究[J]. 科技与企业 2016(08)
    • [26].基于人工神经网络的滑坡危险性评价方法研究[J]. 城市建筑 2013(20)
    • [27].人工神经网络在课堂教学质量评价体系中的应用[J]. 中国科技信息 2012(08)
    • [28].人工神经网络在建筑工程项目管理中的应用[J]. 山西建筑 2010(04)
    • [29].灰色人工神经网络在稻瘟病发生预报中的应用[J]. 中国农学通报 2010(12)
    • [30].人工神经网络在节水灌溉应用中的研究进展[J]. 山西水利 2009(01)

    标签:;  ;  ;  

    基于人工神经网络的建设项目设计概算研究
    下载Doc文档

    猜你喜欢