基于粗糙集和灰色理论的商品住宅需求预测研究

选取2005-2012年南昌市相关统计数据,提出先采用粗糙集对商品住宅需求影响因素进行约简分析,确定关键影响因素;再利用灰色组合模型对商品住宅需求进行预测,结果显示:利用组合模型的进行预测其准确性高于传统的GM(0,N)和GM(1,1)模型。     

基于粗糙集理论BP网络的地铁深基坑监控预测分析与优化

以25个深基坑工程地表沉降实测资料为训练样本,综合考虑多个主要影响因素,应用粗糙集对次要影响因素进行约简,然后建立地表沉降的7-15-1粗糙集BP(RS-BP)神经网络预测模型对5个检验样本进行预测及预测精度分析,并将该模型与传统BP神经网络预测模型进行对比。结果表明:传统BP神经网络预测其平均相对误差达到15.04%;而RS-BP神经网络预测平均相对误差较小,为5.55%,满足精度要求。因此,基于粗糙集BP神经网络预测模型在预测精度上优于传统BP神经网络预测模型。     

基于 BAS-SCA-BP 模型的高校建筑工程项目投资估算研究

针对标准BP 神经网络建筑工程项目投资估算模型收敛速度慢、预测精度低的问题,提出融合改进天牛须和正余弦双重优化算法（BAS-SCA）优化BP 神经网络的建筑工程项目投资估算模型。以某市高校建筑工程项目为研究对象,分析相关文献并结合显著性理论初步选择工程造价影响因子,利用粗糙集属性约简算法筛选出关键因素;基于此,通过构建基于BAS-SCA-BP 的神经网络估算模型实现快速、准确的建筑工程投资估算。研究结果表明:基于BAS-SCA-BP 的估算模型较标准BP 神经网络估算模型的估算精度有了大幅提高,与其他智能算法改进的BP 神经网络估算模型的性能相比较,该模型在稳定性和预测精度方面表现更佳。     

灰色组合模型在坝体水平位移预测中的应用

在灰色预测的基础上,引入BP神经网络模型,建立了GM（1,1）和BP神经网络组合模型,分别运用GM（1,1）模型、BP神经网络模型和它们的组合模型三种模型对坝体的非线性水平位移进行了分析,对比发现此组合模型兼有灰色预测和BP神经网络预测的优点,模型既克服了原始数据少的缺点,也增强了预测的自适应性,证明了组合模型的预测精度较高,可以应用于坝体水平位移的预测。     

基于PSO-BP的明挖法地铁车站施工工期预测

为了有效处理明挖法地铁车站工程建设的复杂性以及工期与其影响因素之间的非线性关系等问题,采用粗糙集理论、粒子群算法(PSO)与BP神经网络相结合的方法预测明挖法地铁车站施工工期.首先,识别得出24个工期影响因素,采用粗糙集理论根据样本数据对影响因素进行约简,确定了11个工期预测指标作为预测模型的输入变量;然后,针对BP神...     

基于组合预测模型的股票预测方法的研究

对股票预测问题进行了深入的研究,提出了一个新的预测方法.针对股票时间序列的高度非线性、高噪音的特点,采用小波变换方法有效的过滤噪音、约简数据,并对ARIMA模型和BP神经网络预测模型进行了研究和分析,提出了一个基于ARIMA模型和BP神经网络模型的模糊变权重组合预测模型,应用该模型对股票时间序列进行分析预测,取得了令人满意的效果.     

基于ANN-CVaR模型的住宅投资风险评价研究

商品住宅的开发投资风险越来越大,建立有效的评价方法和模型已经迫在眉睫。文章定性分析和定量测算相结合,使用BP神经网络和条件在险价值,构建了商品住宅开发投资的风险评价模型。通过整合BP神经网络和CVaR模型的优点,更真实准确地反映住宅投资风险,并做了实证研究。该模型在判断出风险程度的同时给出风险来源,指导商品住宅的投资决策,还为以后研究商品住宅开发投资风险提供了新思路。     

基于多规则实时学习组合型BP神经网络的城市建筑能耗预测模型

本文在建立城市层面的建筑用电量预测模型时,针对常规BP神经网络模型存在的诸多缺陷,进行了多种优化:组合模型预测取均值以克服随机性;加入统计规则以剔除个别奇异预测值的影响;实时学习以提高长期预测的精度.此怂外,针对影响因素的未来趋势难以准确预测的问题,增加了月份周期变量和月份序列变量这2个变量作为网络的输入,以提高模型的精度.结果显示,该方法预测效果明显优于常规BP神经网络和时间序列等方法.     

灰色理论和BP神经网络理论在地铁深基坑变形预测方面的应用

地铁深基坑变形是影响地铁建设的重要问题之一。针对地铁深基坑变形众多影响因素所具有的不确定性、模糊性以及深基坑变形的非线性特点,基于灰色系统理论和人工神经网络理论,分别采用灰色GM(1,1)模型、BP神经网络模型和灰色-BP神经网络组合模型对某地铁深基坑地表土体沉降进行预测分析,并将预测数据与实测数据进行对比,得出各模型预测精度。工程实例分析表明,灰色GM(1,1)模型预测精度最低,BP神经网络模型次之,灰色-BP神经网络组合模型由于集合了灰色GM(1,1)模型和BP神经网络模型的优点,预测精度最高,满足工程应用要求,对安全施工具有一定的指导作用。     

基于遗传神经网络沥青混合料体积指标的预估

介绍了BP、遗传算法（GA）优化BP两种神经网络,并以此分别对沥青混合料的体积指标（VMA和VV）进行预测,实验结果表明,基于遗传算法（GA）优化BP神经网络的沥青混合料体积指标预测方法,能够使网络收敛速度加快并避免局部极小。GA-BP神经网络在收敛速度和预测精度方面均优于BP神经网络,从而为沥青混合料体积指标的预测提供了一种新思路。     

基于逐步回归的建筑业碳排放影响因素分析

建筑业一直存在高能耗、高排放的特征,而对建筑业碳排放进行全面测算及对关键影响因素进行科学筛选,方能系统地挖掘建筑业碳排放状况并提出针对的减排措施。从建材生产、新建建造、后期运行全过程建立了建筑业碳排放测算模型,并建立了建筑业碳排放强度影响因素多元回归模型,以2005~2017年中国建筑业相关数据（因最新能源数据统计截止到2017年）为例进行实证分析,得出近年来中国建筑业碳排放特征、显著影响因素及各影响因素的弹性系数。并从各个过程以及各关键影响因素层面提出中国建筑业减排建议。     

基于系统动力学的沈阳市房价影响因素分析

运用系统动力学方法构建城市住宅市场仿真模型,探究影响房价变化的主要因素。结合沈阳市住宅市场的发展实际, 通过 Anylogic 软件构造系统因果关系反馈图以及流程图,再利用回路建立数学关系模型,选取房产税、贷款利率、限购政 策 3 个变量,讨论不同政策对房价产生的影响。研究发现,开征房产税,使得市场需求量明显降低;限购政策在一定时期内 可以维持房价的稳定;提高银行贷款利率,房价没有出现较大波动;在限购政策和利率综合作用下,对房价产生的影响较大。     

基于结构方程模型的被动式住宅业主满意度研究

基于业主角度,识别出被动式住宅业主满意度影响因素,设置潜变量与观测变量,构建被动式住宅业主满意度结构方程模型。采用问卷调查法对哈尔滨、大连、沈阳等多个城市被动式住宅的业主满意度进行调查数据收集,通过与实际调研数据的拟合对所建模型进行检验,依据检验结果对满意度模型进行调整,得出影响被动式住宅业主满意度的关键因素及关键影响路径,为提升被动式住宅业主满意度提供理论参考。     

基于 LCA 的长租公寓项目成本管控研究

目前我国频频推出租赁住房利好政策，同时市场对租赁住房的需求也不断扩增。因此，长租公寓作为主要的租赁业态受到各类企业的青睐，但由于其盈利模式单一、资金投入大、投资回收期长导致其处于亏损状态，因而合理的成本管控对于长租公寓开发具有重要的作用。以房地产企业主导参与长租公寓项目为例，在梳理了其开发模式的基础上，从全生命周期成本控制模式出发，运用生命周期法具体分析了长租公寓全生命周期阶段划分及各阶段成本管控的重点环节和关键节点，从而进一步识别出成本管控的具体内容。结合 J 房企参与西陈项目的实际案例，总结了其成本管控的成功经验。并提出成本管控的重点方向和举措，以期为企业在长租公寓领域提高盈利、开拓市场提供借鉴     

BP神经网络在地基承载力预测中的应用

阐述了BP人工神经网络原理,分析了地基承载力的影响因素,以云安县六都一高要大湾二级公路（云浮段）新建工程勘察数据为例,通过建立神经网络模型并对模型进行训练,结果表明,该模型比较精确,可在今后勘察工作中运用。     

基于信息敏感性与 CSA-BP 神经网络的“智慧工地系统” 实施风险评价研究

为提高“智慧工地系统” 在实施过程中的安全性，减少其因应用不当等原因造成的损失。参考 WSR 方法论与信息敏感性理论建立“智慧工地系统” 实施风险评价指标体系。引入 CSA-BP 神经网络算法，该方法通过乌鸦搜索算法（CSA）弥补BP 神经网络易陷入局部最优及收敛速度慢等缺陷，建立了实施风险评价模型。将该模型应用到广西某码头油库项目进行实例验证，评价结果与实际情况相符，表明其可行性较高，具有实际应用价值。根据模型评价结果有针对性地提出建议及措施，为“智慧工地系统” 的推广与实施过程提供理论依据。     

基于居民理性购房意愿的住房需求结构分析——来自江苏省小城市的实证

洞察居民的住房需求结构是科学制定住房市场供给政策的前提。不同城市住房市场差异化现象日趋显著,“因城施策”成为住房市场调控的主导原则。为弥补当前对小城市住房市场关注度的不足,将居民理性购房意愿与住房需求类别分析相结合,采用排序多元 Logit 模型刻画居民的购房心理,基于此应用多类别 Logit 模型推测合理的住房市场需求结构,并以江苏省小城市作为实证对象。实证结果可为相关决策部门合理制定住房供给策略提供科学依据