人工神经网络在工程造价估算中的应用

本文利用BP神经网络建立工程造价的估算模型,并根据实测数据对工程造价进行估算,对工程造价的估算模型进行验证。     

用BP神经网络估算工程造价的研究

本文根据神经网络和工程造价估算的特点 ,提出了采用BP神经网络进行工程造价估算 ,并以住宅建筑模型为例进行了验证 ,证明了该方法能够准确、快速估算工程造价。     

基于BP神经网络的住宅项目工程造价估算模型研究

给出了用BP神经网络技术建立住宅项目工程造价估算模型的基本思想和具体实现方法,采用MATLAB软件编程实现了住宅项目工程造价估算模型的算法,用实例工程样本数据对建立的BP神经网络模型进行了训练和结果检验,证实了模型可以满足实际工程要求,能够较为准确地估算出住宅项目工程造价。     

基于BP神经网络的工程造价快速估算模型

快速、准确地进行工程造价估算对控制工程成本具有重要的现实意义。根据神经网络原理和对工程特征的分析,确定了6个工程特征类目作为神经网络的输入向量,提出了基于BP神经网络的工程造价快速估算模型,并选取已建住宅工程为估价实例。经验算,其精度可以满足实际工程投资估算和设计概算的需要。因此,用BP神经网络快速估算工程造价是行之有效的。     

刍议BP神经网络在建筑工程造价中有效应用

造价工作在建设项目工程中是十分重要的,在工作中不容忽视,BP神经网络造价是建设项目的一部分,我们可以依据神经网络的原理,还有工程造价的特点,来研究工程造价在建筑工程结构中的构成,还有主要分项工程的特征,在这些特点下,分析其所起的作用,进而找到其影响的主要因素,最终可以提出基于BP神经网络的工程造价模型.     

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。     

基于BP神经网络的市政排水工程造价估算

在综合分析市政排水工程特征的基础上,构建了基于BP神经网络市政排水工程造价估算指标体系和工程造价估算模型,并设计了基于Matlab神经网络工具箱函数的算法程序,用该模型对样本集进行了学习训练和仿真测试,结果表明该网络模型具有较好的泛化能力,能够较准确地估算工程造价.     

基于BP神经网络的铁路桥梁混凝土工程造价模型

为了提高工程造价估算精准度,以铁路桥梁混凝土工程为例,利用SPSS软件,统计各项因子之间的相关性,确定工程造价模型的重要影响因子.依据BP神经网络基本原理,构建此类工程造价模型.应用结果表明,本模型能够较为精准地仿真输出工程造价结果,可作为工程造价参考依据.     

神经网络在工程造价和主要工程量快速估算中的应用研究

采用动量法和学习自适应调整策略改正的BP神经网络建立了工程造价和主要工程量估算数学模型。针对以往估算模型精度不高的原因,模型中增加了工程造价指数和工程硬、软件环境对工程造价的影响。采用m atlab6.1计算软件,以深圳市已完典型工程资料为例,验证了该模型的正确性及实用性。     

基于灰关联的PSO-BP神经网络的高层住宅造价估算

针对高层住宅工程造价管理的难点及传统造价估算方法存在的不足,采用灰关联分析与粒子群优化的 BP 神经网络相结合的方法,以高层住宅工程特征指标为网络的输入向量,达到快速、准确地估算高层住宅工程造价的目标。借助文献回顾法与灰关联分析法系统地确定工程特征指标体系并作为神经网络的输入向量;引入 PSO 算法优化 BP 网络的权值及阈值,解决网络收敛速度慢、易陷入局部极小值等缺点。并通过实例验证构建的模型,提高了前期决策阶段造价估算的精确度,实现了快速估算     

基于BP神经网络的民用建筑工程造价估算方法研究

分析影响民用建筑工程造价的主要因素并提取相应的工程特征指标;采用系统聚类的方法,选择待估算工程的有效样本类,确定最佳样本数量。将上述提取的工程特征值作为输入值,以工程造价作为输出值,建立建筑工程造价的BP神经网络估算模型。最后通过实例验证,预测精度符合决策阶段的要求,证明该模型确实可行。     

BP神经网络在公路工程估价中的研究及应用

运用模糊数学和BP神经网络模型方法,对公路工程造价做了有意的研究。利用神经网络模型对待建公路工程进行造价分析可以节省时间,减小历史状况对价格估算的影响,也有利于工程造价的控制。并以收集到样本为例,对该模型进行了实证研究,表明了该方法具有快速准确等的优点。     

铁路桥梁混凝土工程造价大数据计算模型优化设计

基于大数据分析,对铁路桥梁混凝土工程造价计算模型的优化进行了研究。通过分析BP神经网络模型原理,发现该模型多输入多输出因素的非线性网络关系处理能力与本工程造价计算的非线性映射关系相吻合。利用计算机软件MATLAB中的BP神经网络工具箱进行搜索和查询,对于所采集得到的混凝土工程样本数据进行学习训练,把各项模型模拟数据结果和实际得到的样品数据结果进行比较分析,本研究构建的BP神经网络工程造价计算模型的误差率为3.29%,可满足铁路桥梁混凝土工程造价计算的精度要求。     

谈谈建筑工程造价管理

随着建筑市场的不断发展,合理地控制建筑工程造价,使有限的资金更加合理地运用到建筑工程当中,就要以工程规划设计为源头,并在工程施工的各阶段对建筑工程造价进行控制。众所周知,工程造价受多方面因素影响,其构成比较复杂,然而一个有丰富经验的造价师,根据工程类型、特征及其相关情况,参照以往经验和工程数据资料,就能大致估算出其造价,而无需进行大量繁杂计算,而且经验越丰富,资料积累越多,估算的造价就越准确模仿这种大脑思维模式,正是人工神经网络所擅长的。本文作结合实例从预（决）算编制方而入手,叙述信息技术对工程造价管理产生的巨大影响,建立了建筑工程造价资料快速估算的BP神经网络模型用已建典型工程资料对BP神经网络进行训练．实现工程造价责料的快速估算。     

基于BP神经网络的建筑工程造价估算研究

研究了BP神经网络在建筑成本估算中的应用,分析了建筑成本的影响因素,选取6个因素作为估算模型的参数,建立了一个BP神经网络估算模型,并通过10个样本进行了训练。结果表明,估计模型迭代85次后,网络误差达到设定的最小值,训练是收敛的;与径向基函数（RBF）相比,该模型的估计精度更高,平均误差为5.54%,表明成本估计具有良好的可靠性。研究成果可为建筑行业的投资决策提供可靠的依据,也丰富了BP神经网络在成本估算中的应用。     

基于 SVR 的工程建设项目快速投资估算方法研究

在建设项目前期,如何快速而准确地估算工程项目的造价,对项目的投资决策具有很大的意义。针对传统造价估算 方法的不足之处,采用 SPSS 统计分析软件进行工程造价指标的相关性分析及指标体系选取,将之作为输入变量,使用真实 案例训练集样本训练 SVR 模型并进行仿真模拟预测。为了验证提出的 SVR 模型的有效性,引入 BP 人工神经网络来进行预 测结果的对比验证。结果表明,SVR 模型得到的预测值平均绝对百分比误差约为 5%,拟合优度 R2高达 0.97,远小于 BPNN 模型的预测误差 14%,即提出的 SVR 估算模型要比 BP 人工神经网络预测模型具有更良好的泛化能力,预测精度更高,因 此其在工程项目前期投资估算实践中具有一定的现实意义。     

建设项目成本估算BAF模型的构建及应用

结合体现项目进度的β曲线,以建设项目实施进程中的成本数据和工程造价经验数据为依托,从内部估算和外部估算两个角度入手,构建了一个建设项目成本估算BAF模型,对项目执行过程中的估算成本进行动态预测,以提高项目成本预测的精度。     

基于人工神经网络的工程造价预测模型

利用神经网络强大的非线性映射能力,提出了一种基于BP神经网络模型的工程造价预测模型,指出该预测模型可对不同情况的工程造价进行合理的预测,实例检验证明,该方法收敛速度快,预测的可靠性令人满意。     

基于BP神经网络的建筑工程造价预测模型及其应用

本文系统提出了建筑工程造价估计的BP神经网络方法,系统分析了用该方法进行建筑工程造价估计的基本原理、网络模型及估价方法。工程实例表明,应用BP神经网络估计工程造价具有方便、准确的特点。     

基于BP神经网络的公路建设项目投资风险评价研究

利用德尔菲法,确定了公路建设项目投资风险评价指标体系。基于风险因素的非线性特征,使用Matlab软件神经网络工具箱,构建了公路建设项目BP神经网络投资风险评价模型。在江西境内的JL高速公路项目投资风险评价中实际使用该模型,验证了其有效性。