基于支持向量机的综合管廊工程造价估算模型研究
发布时间:2023-02-07 21:59
随着经济和社会的发展,我国综合管廊建设已在各大城市全面展开。综合管廊建设发展迅猛,建设技术也日趋多样化,同时综合管廊工程建设时间长,投资金额大,属于全地下工程,工程建设总投资受到建设环境、物价水平等多方面因素的共同影响,这都对综合管廊工程造价管理提出了更高的要求。而现阶段综合管廊工程造价的常用的估算方法或太过笼统或需要花费大量时间,已经无法达到实际工程造价管理对精度和效率的要求。因此,采用合理的数学建模方法,结合综合管廊工程建设情况、工程造价构成、管理现状,基于近期已建工程数据,构建快速、精确的新造价估算模型是十分必要的。本研究结合综合管廊工程特点和造价特性,依托已建工程的造价数据,提出一种快速且比较可靠的新型综合管廊工程造价估算模型。首先,针对综合管廊历史工程数量有限、造价影响因素众多的工程造价特点,在比较常用工程造价估算模型的基础上,选择能有效处理小样本、非线性、高维度数据的支持向量机作为建模基础。其次,根据综合管廊工程造价构成及工程项目特征属性,对综合管廊工程造价估算特征指标进行了分析和提取。在上述研究的基础上,构建基于支持向量机的综合管廊造价估算模型,并利用主成分分析法和遗传算...
【文章页数】:74 页
【学位级别】:硕士
【文章目录】:
摘要
abstract
1 绪论
1.1 研究背景
1.2 国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 研究内容
1.4 研究意义
1.5 研究方法与技术路线
2 综合管廊工程造价估算基本理论
2.1 工程造价的含义
2.2 综合管廊工程造价的构成
2.3 综合管廊工程造价估算的含义及作用
2.3.1 综合管廊工程造价估算的含义
2.3.2 综合管廊工程造价估算的作用
2.4 现阶段综合管廊工程造价估算常用方法
3 工程造价估算模型的比较和选择
3.1 基于数学理论的工程造价估算模型
3.1.1 模糊预测法
3.1.2 灰色预测
3.1.3 人工神经网络
3.1.4 案例推理法
3.1.5 支持向量机
3.2 估算模型的比较和选择
3.2.1 估算模型的比较
3.2.2 估算模型的选择
4 综合管廊工程造价估算特征指标分析
4.1 特征指标选取原则
4.2 综合管廊建筑工程造价估算特征指标
4.2.1 土石方工程和基坑支护工程
4.2.2 主体工程
4.3 综合管廊安装工程造价估算特征指标
4.4 影响工程造价的其他特征指标
4.5 综合管廊工程造价估算特征指标体系
5 基于支持向量机的综合管廊工程造价估算模型的构建
5.1 支持向量机
5.1.1 机器学习问题
5.1.2 统计学习理论
5.1.3 支持向量机
5.1.4 核函数
5.1.5 ε-支持向量回归机
5.2 支持向量机模型的改进
5.2.1 支持向量机模型改进思路
5.2.2 基于主成分分析的数据预处理
5.2.3 基于遗传算法的参数优化
5.3 综合管廊工程造价估算模型的估算流程
6 算例分析
6.1 数据采集
6.2 工程造价的修正
6.3 特征数据预处理
6.4 支持向量机建模
6.5 结果分析
6.5.1 模型输出结果分析
6.5.2 传统方法估算结果
6.6 结果可靠性分析
6.6.1 数据资料可靠性
6.6.2 估算模型可靠性
7 结论与展望
7.1 结论
7.2 研究不足和展望
参考文献
读研期间论文发表情况
致谢
本文编号:3737494
【文章页数】:74 页
【学位级别】:硕士
【文章目录】:
摘要
abstract
1 绪论
1.1 研究背景
1.2 国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 研究内容
1.4 研究意义
1.5 研究方法与技术路线
2 综合管廊工程造价估算基本理论
2.1 工程造价的含义
2.2 综合管廊工程造价的构成
2.3 综合管廊工程造价估算的含义及作用
2.3.1 综合管廊工程造价估算的含义
2.3.2 综合管廊工程造价估算的作用
2.4 现阶段综合管廊工程造价估算常用方法
3 工程造价估算模型的比较和选择
3.1 基于数学理论的工程造价估算模型
3.1.1 模糊预测法
3.1.2 灰色预测
3.1.3 人工神经网络
3.1.4 案例推理法
3.1.5 支持向量机
3.2 估算模型的比较和选择
3.2.1 估算模型的比较
3.2.2 估算模型的选择
4 综合管廊工程造价估算特征指标分析
4.1 特征指标选取原则
4.2 综合管廊建筑工程造价估算特征指标
4.2.1 土石方工程和基坑支护工程
4.2.2 主体工程
4.3 综合管廊安装工程造价估算特征指标
4.4 影响工程造价的其他特征指标
4.5 综合管廊工程造价估算特征指标体系
5 基于支持向量机的综合管廊工程造价估算模型的构建
5.1 支持向量机
5.1.1 机器学习问题
5.1.2 统计学习理论
5.1.3 支持向量机
5.1.4 核函数
5.1.5 ε-支持向量回归机
5.2 支持向量机模型的改进
5.2.1 支持向量机模型改进思路
5.2.2 基于主成分分析的数据预处理
5.2.3 基于遗传算法的参数优化
5.3 综合管廊工程造价估算模型的估算流程
6 算例分析
6.1 数据采集
6.2 工程造价的修正
6.3 特征数据预处理
6.4 支持向量机建模
6.5 结果分析
6.5.1 模型输出结果分析
6.5.2 传统方法估算结果
6.6 结果可靠性分析
6.6.1 数据资料可靠性
6.6.2 估算模型可靠性
7 结论与展望
7.1 结论
7.2 研究不足和展望
参考文献
读研期间论文发表情况
致谢
本文编号:3737494
本文链接:https://www.wllwen.com/jingjilunwen/jingjiguanlilunwen/3737494.html