高铁土建工程造价智能估算方法研究

发布时间：2021-03-21 08:40

　　可行性研究阶段的投资估算对项目决策、DB和EPC项目管理模式意义重大。高速铁路工程的投资估算在前期编制的项目规划中占据重要地位,同时也是项目建议书和可行性研究报告的关键部分,并且对于高速铁路建设的造价控制有重要的指导意义。然而传统的造价估算具有单一、线性、滞后等特点。随着人工智能的日益更新,文章立足于研究高速铁路土建工程造价智能估算,改善以往造价工作较为简单的线性思维,采用基于计算机处理的造价智能估算算法,针对拟建项目不同的已知工程特征,构建动态、非线性造价估算模型,这对于高速铁路土建工程投资估算的控制有重要意义。首先,基于显著性成本理论,运用文献搜集、灰色关联分析、专家访谈的方法将显著性成本因子进行定性和定量地识别、分析和验证。然后,运用余弦相似度在建立好的已完工程的数据库中选取与拟建工程类似度较高的工程,并初步建立智能投资估算模型。最后,在余弦相似度识别出相似工程的基础上,运用MATLAB R2016a软件实现智能估算。如果有大量的已完类似工程数据,则使用BP神经网络进行造价预测;如果得出的已完类似工程数量相对较少、拟建工程与类似已完工程达不到上述方法中的相似度,并且使用BP神经网... 

【文章来源】：石家庄铁道大学河北省

【文章页数】：129 页

【学位级别】：硕士

【部分图文】：

灰色关联度运算过程

(3-8)式中 表示第k 个因素对于造价的关联度。运用灰色关联度分析，可以得到一个标准化后的矩阵，最终计算出各个指标与高铁造价的关联度。由上式计算步骤，借助于MATLAB R2016a，运算过程和结果分别见图 3-1、图 3-2：图 3-1 灰色关联度运算过程1kn=( )oγk

图 4-1 高速铁路投资估算信息资料基础数据库案例(3)高铁土建工程造价智能估算模型构建在显著性成本理论的基础上，借助于余弦相似度分析得出已完类似工程的基础上，为高铁造价智能估算提供造价预测的基础数据。由于 BP 神经网络在训练过程中对样本数量的要求较多，从而不断达到要求的误差值直至收敛。因此在拥有大量已完工程工程特征的基础上，利用 BP 神经网络实现对拟建项目的单位造价做出准确估算。模糊 C 均值项目聚类是遵循“物以类聚”原则，将项目进行聚类从而预测造价。在样本数量不够大的情况下，运用 BP 神经网络会导致要求的误差无法在设定的迭代次数中实现，且相似度高的已完项目数量少所以通过拟建项目与已完工程进行聚类，从而根据同类已完项目估算拟建项目的单位造价。而对拟建项目的工程信息数量达不到所选的显著性成本因子数量，则通过模糊 C 均值指标聚类-推理系统方法，将影响造价变化的规则用模糊语言的形式输入计算机系统，最后得到拟建项目的单位造价区间。

【参考文献】：
期刊论文
[1]基于消除不确定性的模糊聚类方法的模糊神经网络[J]. 王萌,肖创柏.  微电子学与计算机. 2018(12)
[2]高速铁路路基面宽度优化研究[J]. 崔维孝.  铁道工程学报. 2018(02)
[3]超高性能混凝土在国内外桥梁工程中的研究与应用进展[J]. 邵旭东,邱明红,晏班夫,罗军.  材料导报. 2017(23)
[4]中德铁路路基填料分类对比研究[J]. 华丽晶.  铁道标准设计. 2018(07)
[5]干旱地区高速铁路路基技术体系研究[J]. 辛文栋.  铁道工程学报. 2017(09)
[6]基于强度控制法的重载铁路基床厚度设计研究[J]. 郭抗美,王新单,段辰铃,李永鑫.  铁道科学与工程学报. 2017(01)
[7]绿色高铁运营环境成本非线性估算方法研究[J]. 段晓晨,田贺,张小平.  铁道工程学报. 2016(05)
[8]铁路T梁制存梁场大型临时工程设计研究[J]. 吕磊涛.  铁道建筑. 2016(03)
[9]投资项目WLCS的Hopfield预测模型研究[J]. 段晓晨,吕倩,张小平.  铁道工程学报. 2016(03)
[10]川藏铁路主要地质灾害特征及地质选线探析[J]. 宋章,张广泽,蒋良文,吴光.  铁道标准设计. 2016(01)



本文编号：3092565