基于数据挖掘的住宅工程造价预测

为在规划设计初期准确快速地预测住宅工程造价,在分析既往相关方法优劣的基础上,选取支持向量机(SVM)构建住宅工程造价预测模型。使用改进的K均值聚类对样本进行异常值筛除后,分别利用原始特征指标和经偏最小二乘回归(PLSR)降维后的综合指标,建立SVM模型,对单方造价、分部分项工程费等进行预测。对比预测结果发现:利用原始指标构建的SVM模型较为合理,预测精度与鲁棒性均更优,单方造价的SSE,MSE,R2和极差值能达到0.0309,0.0018,0.9284和0.1102的较优水平;同时,分部分项工程费的可预测性亦较好,而措施项目费、其他项目费等可预测性相对较差,这与工程差异性大,费用主观性强等因素有关。因此,根据合理的特征指标,利用SVM进行造价预测,对工程投资决策具有重要意义。

关于 《 丽江市人民防空工程建设管理规定 》 对丽江住宅工程造价影响的分析研究

住宅工程的造价问题关系到房屋的售价,对人们的购买力会带来较大的影响,在国家对住宅价格进行管控的情况下,住宅工程的造价问题一直都是我国学者研究的重点,而城市的防控工程建设会对住宅工程带来一定的影响。在此背景下,本文结合《丽江市人民防空工程建设管理规定》,首先分析了丽江人防工程的现状,随后对国家相关管理规定进行了具体分析,最后对《丽江市人民防空工程建设管理规定》给住宅工程造价带来的影响进行了具体解读,并提出了相应的解决对策,希望能对相关部门的政策制定有所脾益。

基于KPCA-WOA-SVM的住宅工程造价预测

在项目决策阶段,准确预测住宅工程造价对提高工程项目决策的科学性至关重要,引入人工智能及机器技术能进一步提高预测的精准度。通过文献梳理,确定决策阶段住宅工程造价的影响指标,用核主成分分析(KPCA)对影响指标进行降维,利用鲸鱼优化算法(WOA)确定支持向量机(SVM)的惩罚参数与核参数,最终构建基于KPCA-WOA-SVM的住宅工程造价预测模型。采用江苏省近5年的70组住宅工程造价数据对模型进行验证,结果表明:与BP神经网络模型、SVM模型和WOA-SVM模型相比,KPCA-WOA-SVM模型预测精准度更高,适用性更好。