基于小波神经网络住宅建筑投资估算研究

发布时间：2023-11-09 19:40

　　随着大数据、人工智能的深入发展,造价管理也逐步进入数字化、智能化的阶段。在可行性研究阶段,由于掌握的工程信息有限,设计深度不够等原因导致投资估算结果误差大、耗时久,致使造价估算难以对后续的概预算等管理提供有价值的指导和参考。现阶段,合理利用历史数据和智能化模型在房地产住宅领域投资估算领域的研究不够深入。鉴于以上背景,论文提出将小波神经网络用于对住宅建筑的投资估算,能提高估算精度,缩短估算时间,为投资决策和确定融资方案、筹措资金提供参考依据。论文在研究国内外研究现状的基础上,初步总结了住宅建筑估算的影响因素一级范畴,运用主成分分析法对影响住宅建筑投资估算影响因素的一级范畴进行降维,消除了范畴间的相关性。结合Nvivo软件文献分析和访谈结果进行分析,得到一级范畴之下的二级因子,再通过问卷调查和皮尔逊相关性分析,剔除了低强度相关的影响因素,筛选得到最终的住宅建筑投资估算影响因素库。同时,归纳了估算模型的演变过程及目前研究存在不足,基于原始数据资料和小波激活函数,通过初始阈值和权值的不断迭代调整,确定了合理的网络结构和相关参数,得到小波神经网络估算模型,以住宅建筑投资估算的影响因素作为输入指标...

【文章页数】：94 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRCT
第1章 绪论
    1.1 问题来源
        1.1.1 研究背景
        1.1.2 研究目的
        1.1.3 研究意义
    1.2 国内外研究现状综述
        1.2.1 国外研究现状
        1.2.2 国内研究现状
        1.2.3 研究评述
    1.3 研究内容和研究方法
        1.3.1 研究内容
        1.3.2 研究方法
        1.3.3 技术路线图
第2章 相关概念及理论基础
    2.1 住宅建筑投资估算的影响因素
        2.1.1 概述
        2.1.2 外部因素的影响
        2.1.3 技术方案的影响
    2.2 投资估算的相关方法
        2.2.1 传统方法估算分析
        2.2.2 现代模型估算分析
        2.2.3 方法简评
    2.3 主成分分析法相关理论
        2.3.1 基本思想
        2.3.2 基本步骤
        2.3.3 适用性分析
    2.4 小波神经网络相关理论
        2.4.1 基本原理
        2.4.2 模型优点
        2.4.3 结构类型
    2.5 本章小结
第3章 住宅建筑投资估算影响因素的确定
    3.1 住宅建筑估算影响因素获取原则和流程
        3.1.1 原则
        3.1.2 流程
    3.2 住宅建筑投资估算影响因素的获取
        3.2.1 影响因素范畴识别
        3.2.2 影响因素初步提取
        3.2.3 影响因素二次筛选
        3.2.4 影响因素相关性分析
    3.3 住宅建筑估算关键影响因素的内涵界定和量化方式
        3.3.1 内涵界定
        3.3.2 量化方式
    3.4 本章小结
第4章 基于小波神经网络住宅建筑投资估算模型构建
    4.1 模型构建说明
    4.2 模型的数据来源
    4.3 模型的输入和输出
        4.3.1 模型的输入
        4.3.2 模型的输出
    4.4 模型构建的基本程序
        4.4.1 网络结构的确定
        4.4.2 参数初始化
        4.4.3 网络传递函数的选择
        4.4.4 网络学习
        4.4.5 计算输出
        4.4.6 网络参数修正
    4.5 本章小结
第5章 实证分析
    5.1 数据的收集与整理
    5.2 模型实现环境
    5.3 模型的训练与仿真
        5.3.1 小波神经网络模型
        5.3.2 BP神经网络模型
    5.4 模型对比分析
    5.5 本章小结
第6章 结论与展望
    6.1 结论
    6.2 不足和展望
参考文献
致谢
附录A 学位期间发表的论文和取得的科研成果
附表B 访谈主要提纲
附表C 小波神经网络训练代码



本文编号：3861894