基于MIC-CNN的复杂地形土建施工造价预测模型

为精确地预估复杂地形的土建施工造价预测模型,本文提出了一种基于MIC-CNN的土建施工造价预测模型,该模型应用卷积网络神经结合最大信息最大互信息系数原理,选取复杂地形土建施工为研究对象,进行预测关键指标。并通过对比不同模型下的预测效果,分析该方法的优势,研究结果表明:该模型在复杂地形土地施工中预测值的波动较小,因此,该方法适合在复杂地形土建施工造价预测。

基于基因表达式编程的公路工程造价预测模型

基因表达式编程作为新型的人工智能数学建模方法,具有较强的函数发现能力和较高的搜索效率.针对公路工程造价预测特点和已有预测模型的不足,求解基于GEP的公路工程造价预测模型.根据工程造价的组成原理筛选确定11个公路工程特征因素,用15组公路工程数据作训练样本和验证样本,在设定好GEP算法的构成要素的前提下,使用Visual Basic语言表达GEP算法,求解公路工程造价预测模型.通过敏感性分析模型的可行性,用比较图和4个统计指标值对模型进行评价.结果表明,预测模型所得结果与工程实践相吻合,且预测值与实际值的相对误差≤5.9%,满足预测精度≤10%的要求,预测精度高,该模型具有较好的应用价值.

基于软计算的电力线路工程造价预测模型

采用软计算和数据挖掘技术来解决电力线路工程造价问题,提出了一种工程造价的智能预测模型。首先根据工程造价的专业要求对搜集的实际历史数据进行预处理,并应用包装算法优选属性使数据结构符合建模要求,然后采用基于神经网络集成的模糊系统构建工程造价的预测模型,在建模过程中,利用实验对比方法对模型参数进行了优选。最后在Matlab平台上对该模型进行了仿真,实验结果说明该模型在预测准确性及泛化能力上优于BP网络。模型对于工程建设业主方控制初期的投资规模具有一定的指导意义,也能为电力部门在历史工程的基础上形成客观全面的工程造价经验提供辅助手段。

电网基建工程造价预测模型构建方法

本文主要探索电网基建工程造价预测模型的构建方法,运用历史项目造价数据预测未来项目造价,辅助电网基建投资精准决策、支撑投资过程精益管控与事后精准评价,助力电网企业精准投资。

基于数据挖掘技术的输电工程造价预测模型的建立与实现

针对目前输电工程造价技术指标过多,影响因素比较复杂,导致输电工程造价估算困难,设计概算审查难以达到理想效果的问题。建立基于数据挖掘技术的输变电工程造价预测模型,其采用数据挖掘技术来判断不同工程技术指标对工程造价所造成的影响级别,同时能够自动查询错误、异常或者不合理的数据,降低了人为因素的影响,并通过支持向量机来对样本数据进行样本学习,从而建立输变电工程造价预测模型。测试结果表明,该模型预测结果相对误差低,其能够准确预测输变电工程的造价,且对于造价预算具有一定的参考价值。

建筑工程造价预测模型的设计与实现

为了使编制投资计划及控制施工成本的造价估算做到准确有效,建筑工程在投资决策过程中必做工作之一就是工程造价预估。基于模糊逻辑和神经网络方法设计建筑工程造价预测模型,依据建筑工程特征,通过直觉模糊分析方法,对造价的影响程度系数的求解;并在此基础上完成了对建筑工程造价影响程度较大的5个工程特征的确定,还在神经网络模型中用作输入向量,结合MATLAB工具箱完成程序设计,使用已完工程数据实现模型的训练、修正以及验证。验证说明了所设计的模型可使建筑工程造价预测的精确度得到显著提高,具有较强的实用价值。

建筑工程造价预测模型的构建与应用

本研究构建了基于布谷鸟搜索算法与支持向量机(SVM)模型的建筑工程造价预测模型,首先采用BIM云技术对项目造价数据进行处理,通过云核心层对收集的项目造价数据进行标准化处理与数据挖掘,获取到用于建筑工程造价预测的关键指标数据,作为输入变量输入到SVM模型中,通过布谷鸟搜索算法估计SVM模型参数,提高模型的收敛速度与预测精度。采用具体工程造价数据进行模型性能分析,测试结果表明模型对工程造价数据具有良好的拟合效果,同其他模型对比预测精度更高,且可用于实际项目造价预测,误差值较小。

天津输变电工程顶管项目造价预测模型研究

通过梳理天津输变电工程中顶管项目常见的典型技术方案,利用市政定额编制对应不同典型方案的顶管施工图预算,提取并量化各方案的主要造价影响因素,研究制定不同技术条件下顶管工程造价预测模型,并将该模型运用于输变电工程可研估算、初设概算、招投标、结算等全过程造价管控中,由此提高输变电工程全过程造价精益化管理水平。

构建变电工程造价预测模型

运用线性回归模型和因子分析理论对分项费用预测模型的因素进行了筛选,筛除影响因子较小、权重系数不显著的因素。运用优化后的神经网络智能预测模型,将变电工程投资预测模型由对静态费用预测分成对建筑工程费、安装工程费、设备费和其他费用进行预测。汇总对分项费用的预测,最终形成变电工程以及架空线路工程的静态投资预测模型,满足造价预测维度细化的需求。

基于模糊神经网络的公路造价估算模型探究

对S省境内18条高速公路工程造价数据资料信息进行收集,并作为基础数据信息用于构建基于模糊神经网络的高速公路工程造价预测模型进行相应的测验及训练。该高速公路工程造价预测模型先要量化所搜集的工程资料,所有资料的存在形式均为数值,随后再采用归一化方法,统一处理这些数值,最终借鉴模糊数学相关基础知识理论,筛选相应的样本工程,并计算贴近度,将网络训练样本进行科学选择,随后在模型当中代入经过处理的数据,进而得到输出结果。实例验证充分证明,提出的公路工程造价预测模型具有较强的泛化能力,并且在现实工程中取得了显著的效果,即使样本数据库不够丰富也能获得合理的公路工程造价数据。

基于专家知识的建筑智能化投资预测模型研究

在实际工程项目中,建筑智能化作为电气专业的一部分往往没有针对性的、完善的计量计价规范,但是其造价影响因素众多,可参照的造价历史数据少,导致项目在进行投资估算时难度大、准确度低等问题;本文结合支持向量机的理论技术,将支持向量机回归算法应用到投资估算中,建立投资预测模型,并通过实际工程项目数据完成投资预测模型的搭建、参数训练等步骤。经项目实证数据分析验证,采用该模型进行投资预测,速度较快、准确性高,能有效为设计阶段项目提供经济指标与参考资料。

基于输电工程造价关键影响因素的综合预测模型研究

根据样本分析需要,选取近年国网已竣工投产的40条典型500 kV输电线路工程为样本。对工程本体造价关键影响因素进行阐述,采用spss软件对关键因素进行回归分析,识别线性与非线性影响因素,运用多元线性回归法和系数调整法,将两种性质的关键因素度考虑进模型设计中,建立输电工程造价综合预测模型,最后对所得模型进行样本分析检验,确立造价综合预测模型,有效预测控制输电工程造价。