论文题目: 建筑工程投资估算方法研究
论文类型: 硕士论文
论文专业: 计算机应用技术
作者: 杨东侯
导师: 年晓红
关键词: 投资估算,神经网络,主成分分析,支持向量机,偏最小二乘法
文献来源: 中南大学
发表年度: 2005
论文摘要: 长期以来,我国工程建设投资存在着不少问题,由此给国家和投资方带来了很多损失,时至今日,加强投资控制业已成为工程界各方的共识。而投资估算是直接影响投资控制的一个关键性因素,寻找合适的方法,较好地解决工程投资的估算问题就成了当前重要的研究课题之一。针对建筑工程投资估算问题,本文给出了三种非常有效的方法。 首先利用偏最小二乘法对木材消耗量进行估算,它作为传统回归方法的延伸,克服了传统回归方法在小样本统计中出现的诸多问题。通过对结果的分析与比较,指出了该估算方法的优点以及在工程投资估算中的应用前景。 采用神经网络作为工程投资估算的方法,前人已经做了一些研究。在此基础上,本人提出了主成分分析和神经网络共同建模的方法。它可以消除了原始数据间的相关性,减少神经网络的输入维数,从而降低网络结构的复杂性,投资估算的精度得到了提高。 针对神经网络建模中出现的“过拟合”现象,通过对该方法的深入分析与探讨,本文最后采用了基于结构风险最小化原理的支持向量机方法对工程投资进行估算,其目的是改善估算方法的推广性能。作为一种新颖的机器学习方法,支持向量机在工程投资估算领域的应用研究很少,本文尝试着将其应用于工程投资估算问题,开拓了支持向量机的应用领域,同时将结果与神经网络方法进行了比较分析,指出了两种方法各自的特点。
论文目录:
摘要
Abstract
第一章 绪论
1.1 建筑工程投资估算的研究背景及意义
1.2 建筑工程投资估算的研究现状
1.3 本文工作及结构
第二章 建筑工程投资估算概况
2.1 建筑工程的造价构成
2.2 投资估算的特点及对方法的要求
2.3 主要工程投资估算方法
第三章 基于偏最小二乘法的木材消耗量估算
3.1 引言
3.2 多元回归方法
3.2.1 最小二乘法概述及不足
3.2.2 偏最小二乘方法
3.3 基于偏最小二乘法的木材消耗量估算
3.3.1 最小二乘法对木材消耗量建模
3.3.2 偏最小二乘法对木材消耗估算及分析
3.4 结论
第四章 基于主成分分析、神经网络的建筑工程投资估算
4.1 引言
4.2 建筑样本的主成分分析
4.3 BP神经网络对工料消耗的估算
4.3.1 BP神经网络概述
4.3.2 改进的BP学习算法
4.3.3 改进BP网络对工料消耗的估算及分析
4.4 结论
第五章 基于支持向量机方法的建筑工程投资估算
5.1 引言
5.2 支持向量机方法
5.2.1 统计学习理论
5.2.2 支持向量机分类
5.2.3 支持向量机回归
5.3 支持向量机回归方法对工料消耗估算及分析
5.4 结论
第六章 结论与展望
6.1 结论
6.2 展望
参考文献
致谢
攻读硕士学位期间的论文发表和科研情况
发布时间: 2006-03-28
参考文献
- [1].基于RBF神经网络的非确定性工程投资估算新方法的研究[D]. 段晓牧.辽宁工程技术大学2004
- [2].福建省市政排水工程投资估算指标编制研究[D]. 周凌宫.江西理工大学2014
相关论文
- [1].商业地产项目投资估算方法研究[D]. 娄祥.重庆大学2007
- [2].商品住宅投资估算方法研究[D]. 张晓晴.西安建筑科技大学2008
- [3].基于不确定因素影响下的房地产开发项目投资估算方法研究[D]. 宋高丽.昆明理工大学2007
- [4].建设工程项目快速投资估算方法研究[D]. 马辉.天津大学2006
- [5].投资估算的方法研究[D]. 王勇.重庆大学2004
- [6].工程项目投资效益估算方法的研究[D]. 唐旭.西南交通大学2004
- [7].商业地产投资估算方法研究[D]. 包若凡.西安建筑科技大学2006
- [8].工程投资估算的新方法[D]. 吴立之.大连理工大学2003
- [9].基于支持向量机（SVM）的工程项目投资估算方法研究[D]. 吕科奇.浙江大学2004
- [10].基于RBF神经网络的非确定性工程投资估算新方法的研究[D]. 段晓牧.辽宁工程技术大学2004