建设项目造价预测研究

发布时间：2021-08-05 10:20

　　随着我国政治、经济、文化的迅速发展,我国在工程项目造价管理方面也取得了一定程度的发展。在原来的一段相当长的时间内,由于对项目造价管理的前期阶段都缺乏一定的了解和认识,因此常常导致三超现象严重等现象的产生。而随着造价管理的进一步发展,管理人员越来越清楚地意识到:这看似无关紧要的,只占整个工程项目百分之几的前期阶段,对整个项目却起着至关重要的作用。本文主要研究建设项目的前期阶段,把前期阶段划分为投资决策阶段、项目设计阶段以及招投标阶段三个阶段。针对这三个阶段各自的不同特点,把他们与神经网络相结合,充分发挥神经网络的预测能力,使论文达到对前期各阶段进行有效预测的目的。本文主要引入BP神经网络和模糊神经网络。首先,将BP神经网络引入到投资决策阶段的可行性预测中,通过对影响可行性预测的各因素的了解和认识,运用BP神经网络进行充分预测,从而得到当只有单一因素变化时,项目是否可行;接着,在项目设计阶段,本文引入模糊神经网络,通过模糊化运算和反模糊化计算,从而得出如何快速确定最优设计方案。最后,对于招投标阶段,本文同样引入BP神经网络,只是这里引入BP网络的原因不是为了确定出哪个投标方案可行,而是为了... 

【文章来源】：江西理工大学江西省

【文章页数】：56 页

【学位级别】：硕士

【部分图文】：

生物神经元结构图

BP网的神经元激活函数的图象

如果1x 为12A, xq为 ,2qA …n, x为 ,qnA 则：yf(x)q= 其中 f(x)q常取输入变量的线性组合，即：=++2211f( x)cxcxqqq…+1++nqnqc c显然 TS 模型要比式(3.14)表示的常规模型具有更强的表达力。但是这两种模型对输间的分割都是线性的（如图 3.1 所示），即输入变量间是相互独立的。当输入空间是3.2 所示那样的非线性分割时，如果要用上述两种模型时，必须将输入空间分割很细样模糊规则的数目将急剧增多。为避免这种情况，可以采用下述模型：如果 ,qX ∈ R则：yf( X)q= 其中 (,,12X = xx… ,),TnxqR 为输入空间分割后的部分空间，如图 3.2 所示。当用式(3示的模型时，输入变量的隶属函数不能像前两种模型那样独立地给出，但可以利用神络来求得条件部输入变量的联合隶属函数。同样结论部的函数 f(X)q也可以用神经网表示，因此可以得到基于神经网络的模糊系统即模糊神经网络。

【参考文献】：
期刊论文
[1]两种改进的BP神经网络学习算法[J]. 杨东侯,年晓红,杨胜跃.  长沙大学学报. 2004(04)
[2]基于案例模糊推理的土木工程造价估算方法研究[J]. 冯为民,曹跃进,任宏.  土木工程学报. 2003(03)
[3]人工神经网络在非线性经济预测中的应用[J]. 王维,贺京同,张建勋,卢桂章,张灿.  系统工程学报. 2000(02)
[4]模糊数学在水电工程造价估算中的应用[J]. 姜德华,强茂山,周尚洁.  水力发电学报. 2000(02)
[5]粗糙集理论及其应用综述[J]. 韩祯祥,张琦,文福拴.  控制理论与应用. 1999(02)
[6]自适应模糊神经网络控制器设计的线性化方法[J]. 王殿辉,柴天佑.  控制与决策. 1995(01)

博士论文
[1]神经网络在过程辨识与控制中的应用研究[D]. 周黎辉.华北电力大学（河北） 2004



本文编号：3323581