基于J2EE框架的工程造价预测系统研究

论文摘要

随着我国建筑业的迅速发展,工程建设项目的管理变得日益重要。在工程建设项目投资管理中,工程投资预测是项目的决策依据和工程造价的控制依据,工程造价预测的准确度直接关系到建筑工程的投资额度和实施进度。因此,迫切需要探寻一种快速、简捷、实用的工程造价预测方法。本文首先介绍了几种常用的工程造价预测方法,如BP神经网络、灰色系统理论等,分析了他们的优缺点。在此基础上,针对实际应用背景下缺失数据较多、文本属性数据量大等特点,将数据挖掘中的K-Modes算法应用于建筑工程造价预测,并结合模糊数学中的集合不相似性度量,建立了新的建筑工程造价预测模型。该模型能够有效处理文本型数据,减小数据缺失对预测准确性的影响。实验结果表明该模型的估价结果能够满足实际需求。本文在上述理论研究的基础上,通过工程预决算数据分析的决策辅助系统的各模块划分,利用J2EE技术,提出了基于POI的Web报表生成方法,采用Web应用程序业流行的“Struts+Hibernate”架构,设计并实现了基于J2EE框架的工程造价预测系统,并在实践中得到应用。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景与研究意义
• 1.2 研究状况概述
• 1.3 本文的主要工作
• 1.4 论文结构安排
• 第二章 工程预决算数据分析技术与研究
• 2.1 应用模糊数学的快速报价法
• 2.1.1 模糊数学模型估算原理
• 2.1.2 优缺点分析
• 2.2 建筑工程造价的BP神经网络模型
• 2.2.1 BP神经网络模型估算原理
• 2.2.2 优缺点分析
• 2.3 基于灰色系统理论的预测模型
• 2.3.1 灰色预测模型估算原理
• 2.3.2 优缺点分析
• 2.4 主项比例估算模型
• 2.4.1 主项比例模型估算原理
• 2.4.2 优缺点分析
• 第三章 系统开发平台概述
• 3.1 J2EE多层分布式体系结构
• 3.2 MVC设计模式概述
• 3.2.1 MVC的优点
• 3.2.2 MVC的不足之处
• 3.3 Struts框架
• 3.4 Hibernate应用框架
• 3.5 辅助插件应用
• 第四章 工程造价数据分析与模型建立
• 4.1 聚类算法
• 4.1.1 聚类概述
• 4.1.2 K-Means算法
• 4.1.3 K-Modes算法
• 4.2 基于估算背景下的K-Modes算法改进与应用
• 4.2.1 工程造价数据特点
• 4.2.2 数据预处理
• 4.2.3 估算模型中的属性相似性度量
• 4.2.4 估算背景下的K-Medes流程
• 4.2.5 算法相关参数的确定
• 4.2.6 初始聚类中心确定方法
• 4.3 实验与分析
• 第五章 系统设计与实现
• 5.1 系统总体框架
• 5.2 系统MVC各模块设计与实现
• 5.2.1 Controller部分设计与实现
• 5.2.2 View部分设计与实现
• 5.2.3 Model部分设计与实现
• 5.3 工程造价报表生成
• 5.3.1 Web报表生成技术发展现状
• 5.3.2 报表功能设计
• 5.3.3 报表功能实现
• 第六章 结束语
• 参考文献
• 附录
• 攻读学位期间发表的学术论文和从事的科研项目
• 致谢