基于神经网络技术的公路工程补充定额的编制与研究

基于神经网络技术的公路工程补充定额的编制与研究

论文摘要

随着科技技术的飞速发展,新工艺、新设备、新结构、新材料不断的更新换代,现有的公路工程定额通常难以完全满足各地区的公路建设要求,致使一些项目投资控制缺少符合实际的依据,因此急需编制针对各地区的补充定额。本文首先阐述了国内外定额的研究现状,并重点对现行定额的编制方法进行了研究,提出编制补充定额的重要性及现实意义。接着从定额数据的差异性着手,对影响因素进行分类,确定主要影响因素,运用数理统计方法对其量化。通过对公路补充定额传统编制方法研究,构建一种新的理论模型,计算出能更加真实反映生产管理水平的数据,为整个定额体系的合理编制奠定基础。根据定额编制原理及现有的定额编制方法,分析了现有补充定额编制方法的局限性,随后在分析原始数据差异性特点的基础上,阐述了采用BP神经网络预测模型进行定额编制的可行性。然后介绍了BP神经网络结构和算法,以及运用BP神经网络模型进行定额原始数据计算的方法和过程,并应用Matlab编程语言,对定额原始数据进行模拟和预测。在选择训练样本和检验样本时,对定额数据的影响因素进行较为详细的分析,并确定采用模糊综合评价等数理统计方法将定性指标定量化。在建模过程中,采用改变模型中隐含层神经元个数和训练函数类别的方法,分别进行拟合预测比较,从预测结果看出,当采用神经元个数为14、训练函数为Levenbeg—Marquardt的BP神经网络模型进行训练样本的检验时,所得的预测误差很小,说明该网络预测模型有较高的准确性,能够进行定额数据的预测。随后,结合《云南省公路工程定额编制规程》,用训练好的模型对正常施工条件下的消耗量进行预测,并对预测结果进行分析。最后运用层次分析法计算出由施工定额扩大为预算定额的幅度差系数,进而求出补充预算定额。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 研究背景
  • 1.1.1 定额的重要性
  • 1.1.2 补充定额的重要性
  • 1.2 选题来源及研究意义
  • 1.2.1 选题来源
  • 1.2.2 研究意义
  • 1.3 国内外研究现状
  • 1.3.1 补充定额的研究
  • 1.3.2 定额原始数据处理方法的研究现状
  • 1.4 研究思路和预期成果
  • 1.4.1 研究思路
  • 1.4.2 拟采用的研究方法
  • 1.4.3 预期成果
  • 1.4.4 创新点
  • 第二章 定额原理与编制方法
  • 2.1 定额原理
  • 2.1.1 劳动定额
  • 2.1.2 材料消耗定额
  • 2.1.3 机械台班定额
  • 2.2 定额编制方法
  • 2.2.1 技术测定法
  • 2.2.2 统计分析法
  • 2.2.3 经验估计法
  • 2.2.4 比较类推法
  • 2.3 方法的改进研究
  • 2.4 预算定额的编制原则、方法
  • 2.4.1 预算定额的概念及编制原则
  • 2.4.2 预算定额的编制方法
  • 2.4.3 预算定额幅度差系数分析
  • 2.5 本章小节
  • 第三章 基于神经网络技术的定额编制预测模型的构建
  • 3.1 数据的差异性分析
  • 3.1.1 差异性分析
  • 3.1.2 影响因素分析
  • 3.1.3 主要影响因素的定量化处理
  • 3.2 人工神经网络技术的适应性研究
  • 3.3 BP 神经网络的基础理论及优缺点
  • 3.3.1 神经网络的概念
  • 3.3.2 神经元模型
  • 3.3.3 BP 网络的学习过程
  • 3.3.4 BP 神经网络的优缺点及改进
  • 3.4 BP 网络预测模型设计
  • 3.4.1 模型参数的选定
  • 3.4.2 预测模型结构的确定
  • 3.5 本章小结
  • 第四章 BP 神经网络模型的 MATLAB 实现
  • 4.1 MATLAB 的介绍
  • 4.2 基于 BP 神经网络的预测方法的 Matlab 实现步骤
  • 4.3 异常数据的处理
  • 4.3.1 观测次数的确定
  • 4.3.2 异常数据的分类
  • 4.3.3 异常数据的判别及处理方法
  • 4.4 BP 神经网络模型的确定
  • 4.4.1 数据的预处理
  • 4.4.2 预测模型的matlab 设计
  • 4.5 本章小结
  • 第五章 实例分析
  • 5.1 概况
  • 5.1.1 破碎炮锤破碎石方的施工技术特性和施工技术要求
  • 5.1.2 资料的搜集
  • 5.1.3 影响因素的分析与处理
  • 5.1.4 正常施工条件的拟定
  • 5.2 预算定额的编制
  • 5.3 本章小结
  • 第六章 结论与展望
  • 6.1 本文主要结论
  • 6.2 有待进一步研究的问题
  • 参考文献
  • 致谢
  • 附录 A 攻读硕士期间发表论文及参与科研项目情况
  • 文献综述
  • 参考文献
  • 详细摘要
  • 相关论文文献

    • [1].基于优化神经网络的地质灾害监测预警仿真[J]. 计算机仿真 2019(11)
    • [2].基于进化神经网络的304不锈钢车削加工表面粗糙度预测[J]. 轻工机械 2019(06)
    • [3].时频联合长时循环神经网络[J]. 计算机研究与发展 2019(12)
    • [4].几种典型卷积神经网络的权重分析与研究[J]. 青岛大学学报(自然科学版) 2019(04)
    • [5].基于GA-BP神经网络异纤分拣机检测参数优化[J]. 棉纺织技术 2020(01)
    • [6].基于集成神经网络的织物主观风格预测研究[J]. 纺织科技进展 2020(01)
    • [7].试析神经网络技术在机械工程中的应用及发展[J]. 网络安全技术与应用 2020(02)
    • [8].一种深度小波过程神经网络及在时变信号分类中的应用[J]. 软件 2020(02)
    • [9].不同结构深度神经网络的时间域航空电磁数据成像性能分析[J]. 世界地质 2020(01)
    • [10].基于深度神经网络的航班保障时间预测研究[J]. 系统仿真学报 2020(04)
    • [11].基于生成对抗网络和深度神经网络的武器系统效能评估[J]. 计算机应用与软件 2020(02)
    • [12].基于循环神经网络的双轴打捆机智能换挡策略研究[J]. 安徽工程大学学报 2020(01)
    • [13].基于图神经网络的实体对齐研究综述[J]. 现代计算机 2020(09)
    • [14].基于改进的循环神经网络深度学习跌倒检测算法[J]. 电脑编程技巧与维护 2020(03)
    • [15].神经网络探索物理问题[J]. 物理 2020(03)
    • [16].基于GA-BP神经网络的城市用水量预测[J]. 现代电子技术 2020(08)
    • [17].基于深度神经网络的药物蛋白虚拟筛选[J]. 软件工程 2020(05)
    • [18].基于轻量级神经网络的人群计数模型设计[J]. 无线电工程 2020(06)
    • [19].高效深度神经网络综述[J]. 电信科学 2020(04)
    • [20].含磁场耦合忆阻神经网络放电行为研究[J]. 广西师范大学学报(自然科学版) 2020(03)
    • [21].基于神经网络及特征运算的老年人平衡能力分析[J]. 重庆工商大学学报(自然科学版) 2020(04)
    • [22].神经网络技术在机械工程中的应用及发展探析[J]. 科技创新与应用 2020(18)
    • [23].基于竞争神经网络的变电站巡视周期分类[J]. 科技创新与应用 2020(18)
    • [24].基于双向循环神经网络的语音识别算法[J]. 电脑知识与技术 2020(10)
    • [25].结合相似日与改进神经网络的短期光伏发电预测[J]. 广西电业 2020(04)
    • [26].基于神经网络的流感大数据分析[J]. 中华医学图书情报杂志 2020(03)
    • [27].长短时记忆神经网络在地电场数据处理中的应用[J]. 地球物理学报 2020(08)
    • [28].基于门控循环单元神经网络的公交到站时间预测[J]. 南通大学学报(自然科学版) 2020(02)
    • [29].鼠脑神经网络的同步辐射3D成像研究[J]. 核技术 2020(07)
    • [30].基于长短记忆神经网络的短期光伏发电预测技术研究[J]. 华北电力大学学报(自然科学版) 2020(04)

    标签:;  ;  ;  ;  

    基于神经网络技术的公路工程补充定额的编制与研究
    下载Doc文档

    猜你喜欢