基于ANN贡献分析及GEP算法的地铁车站土建造价预测模型

科学地选取工程特征因素及预测方法对于构建一个好的造价预测模型十分关键。在选取的14个影响地铁车站土建造价特征因素中,利用神经网络贡献分析的变量选取方法,筛选出12个主要特征因素。并针对这选定的14个全部特征因素和12个主要特征因素分别组合BP神经网络和GEP 2种预测方法构建4个不同的造价预测模型,应用18组地铁车站土建造价和特征因素的历史数据进行实例探究,通过R2,MSE,RMSE和MaxRE 4个指标的评价,结果表明:用主要特征因素为模型输入变量能显著提高模型的预测精度,且和GEP算法组合建立的造价预测模型为最优。将主要特征因素选取和预测方法选取相结合构建求解的最优模型很好地解决了已有相关研究中选取特征因素主观性多科学性不足及未考虑特征因素选取对预测方法选取的影响问题。

基于GEP函数发现的决策模型研究

为满足数据挖掘要求,提出一种改进的GEP算法,实现了基于GEP函数发现的智能模型库系统,给出基于GEP函数发现的智能模型库系统主程序算法,提高了决策支持系统的准确性和一致性.该系统是真正意义的无先验知识的智能模型库系统,模型的类型和参数的求解均由程序自己来实现.

杨凌农业高新技术企业成长性分析及启示

如何衡量农业高新技术企业成长性,有针对性地促进农业高新技术企业持续快速成长是政府、企业、科技工作者和农民关注的焦点。以杨凌20家农业高新技术企业调查问卷资料为依据,运用GEP修正模型,从总量、产业和单个企业三个方面对农业高新技术企业成长性进行了系统分析,得出了AHTE成长性不是强势而是弱势、AHTE成长性与产业成长性密切关联、AHTE并非规模越大成长性越好、成长性是政府扶持AHTE的依据和导向等四点启示。

基于基因表达式编程的地铁隧道土建工程造价估算

为了能在地铁建设工程前期获取可靠的投资估算,以便供项目决策及控制项目造价参考,本研究在分析总结地铁隧道土建工程结构的相关特征的基础上,利用基因表达式编程强大的函数挖掘能力,找出影响地铁隧道土建造价的不确定因素与其延米造价之间的非线性关系,来构建预测模型估算车站区间隧道土建造价,进而估算整条地铁线路隧道部分土建工程的造价。选取16组典型工程数据作训练样本和验证样本,设定好GEP算法的构成要素后,通过Matlab2016b编写算法程序求解该预测模型,经过多次计算,挖掘出适应度值为1 214.04的较好拟合函数。实例结果表明,该预测模型所得结果与实际值相对误差≤7.78%,满足预测精度≤10%的要求,并且通过GEP预测模型与ANN模型对比研究发现,GEP预测模型的验证样本预测结果拥有更好的预测精度。