基于最小二乘支持向量机的公路工程造价预测模型被引量：12

下载PDF

导出

摘要由于公路工程造价的影响因素错综复杂,且历史数据非常有限,使公路工程造价预测成为典型的小样本条件下非线性回归问题。针对传统的回归方法解决这类问题的不足,该文提出一种新型的公路工程造价预测模型。该模型基于最小二乘支持向量机的基本原理,结合公路工程的具体特征,实现了公路工程造价的智能化预测。新模型充分发挥了最小二乘支持向量机在解决有限样本及非线性回归问题中的优势,建立了较准确的预测模型,且训练速度较普通支持向量机更快。实证数据分析验证了本模型的有效性。

作者谢颖高犁难石振武

机构地区东北林业大学哈尔滨市新阳开发建设指挥部

出处《中外公路》北大核心 2007年第3期242-245,共4页 Journal of China & Foreign Highway

基金 2004年东北林业大学科研基金资助项目

关键词公路工程造价预测统计学习理论最小二乘支持向量机

分类号 U415.1 [交通运输工程—道路与铁道工程]

引文网络
相关文献

参考文献8

1Tarek Hegazy,and Amr Ayed,Neural Network Model for Parametric Cost Estimation of Highway Projects[J].Journal of Construction Engineering and Management 1998(5,6):210-216.
2Mohamed Attalla and Tarek Hegazy,Predicting Cost Deviation in Reconstruction Projects:Artificial Networks versus Regression[J].Journal of Construction Engineering and Management,ASCE,2003(7,8):405-411.
3李文华,李玉文.基于人工神经元网络的建筑工程造价预测方法研究[J].中国管理科学,1999,7(4):29-34. 被引量：12
4Vapnik V.The Nature of Statistical Learning Theory[M].New York:Springer-Verlag,1995.
5L.J.Cao.Francis E.H.Tay.Support Vector Machine With Adaptive Parameters in Financial Time Series Forecasting.IEEE Transaction on Neural Network.2003(6):1 506-1 518.
6Theodore B T,Huseyin I.Support Vector Machine for Regression and Application to Financial Forecasting.Proceedind of the IEEE-INNS-ENNS International Ioint Conference on Neural Network,2000(6):348-353.
7Suykens J A K,Vandewalle J.Least Squares Support Vector Machine Classifiers[J].Neural Processing Letter,1999(3):293-300.
8阎威武,朱宏栋,邵惠鹤.基于最小二乘支持向量机的软测量建模[J].系统仿真学报,2003,15(10):1494-1496. 被引量：102

二级参考文献14

1于静江,周春晖.过程控制中的软测量技术[J].控制理论与应用,1996,13(2):137-144. 被引量：147
2张岳东.施工经营管理手册[M].中国建筑工业出版社,1998-12(1)..
3黄德双.神经网络模式识别系统理论[M].电子工业出版,1999-05(1)..
4Gonzalez G D. Soft sensors for processing plants [A]. Proceeding of the Second International Conference on Intelligent Processing and Manufacturing of Materials [C], 1999, 1:59 -69.
5Gonzalez G D, Redard J P, Barrera R, Fernandez M. Issues in soft-sensor applications in industrial plants [A]. Proceeding of IEEE International Symposium on Industrial Electronics [C], 1994, 380 -385.
6Vapnik V N. The Nature of statistical Learning Theory [M]. New York: Springer-Verlag, 1995. First Edition.
7Vapnik V N. The Nature of statistical Learning Theory [M]. New York: Springer-Verlag, 1999. Second Edition.
8Suykens J A K, Vandewalle J. Least squares support vector machines classifiers [J]. Neural Network Letters, 1999, 19(3): 293-300.
9Bishop C M. Neural Networks for Pattern Reorganization [M].Oxford University Press, 1995.
10黄德双，神经网络模式识别系统理论，1999年