| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-22页 |
| 1.1 研究背景 | 第10-12页 |
| 1.2 研究意义 | 第12-13页 |
| 1.3 国内外研究现状 | 第13-19页 |
| 1.3.1 高速公路项目的工程造价计算方法发展 | 第13-14页 |
| 1.3.2 国外研究现状 | 第14-17页 |
| 1.3.3 国内研究现状 | 第17-18页 |
| 1.3.4 简要述评 | 第18-19页 |
| 1.4 研究思路和方法 | 第19-21页 |
| 1.4.1 研究思路 | 第19页 |
| 1.4.2 研究方法 | 第19-20页 |
| 1.4.3 技术路线 | 第20页 |
| 1.4.4 论文结构 | 第20-21页 |
| 1.5 创新点 | 第21-22页 |
| 第2章 高速公路项目的工程造价及预测模型的相关理论研究 | 第22-38页 |
| 2.1 高速公路项目的工程造价概念 | 第22-23页 |
| 2.1.1 工程造价的概念 | 第22页 |
| 2.1.2 高速公路项目的工程造价概念 | 第22-23页 |
| 2.2 高速公路项目的工程造价特点及构成 | 第23-25页 |
| 2.2.1 目前我国高速公路项目的工程造价特点 | 第23-24页 |
| 2.2.2 高速公路项目的工程造价构成 | 第24-25页 |
| 2.3 模糊数学理论概述 | 第25-30页 |
| 2.3.1 模糊数学的产生 | 第25-26页 |
| 2.3.2 模糊数学的研究内容 | 第26-27页 |
| 2.3.3 模糊数学的相关概念 | 第27-29页 |
| 2.3.4 模糊数学的应用发展 | 第29-30页 |
| 2.4 人工神经网络理论 | 第30-35页 |
| 2.4.1 人工神经网络简介 | 第30-31页 |
| 2.4.2 BP神经网络的介绍 | 第31-33页 |
| 2.4.3 BP神经网络的学习流程 | 第33-35页 |
| 2.5 模糊数学和神经网络的结合 | 第35-37页 |
| 2.6 本章小结 | 第37-38页 |
| 第3章 基于模糊神经网络的高速公路项目工程造价预测模型构建 | 第38-48页 |
| 3.1 模型工程特性的选取 | 第38-39页 |
| 3.2 原始数据的处理 | 第39-40页 |
| 3.3 基于模糊数学的样本选取 | 第40-43页 |
| 3.3.1 模型隶属函数的选取 | 第40-41页 |
| 3.3.2 用贴近度度量模糊性 | 第41-42页 |
| 3.3.3 样本数量的确定 | 第42-43页 |
| 3.4 基于BP神经网络的造价预测模型 | 第43-47页 |
| 3.4.1 网络拓扑结构的确定 | 第43-44页 |
| 3.4.2 激活函数的确定和初始权值的选取 | 第44页 |
| 3.4.3 样本的规范化处理 | 第44-45页 |
| 3.4.4 BP神经网络训练与测试 | 第45-46页 |
| 3.4.5 为提高神经网络的泛化能力而作出的改进 | 第46-47页 |
| 3.5 模型的计算步骤 | 第47页 |
| 3.6 本章小结 | 第47-48页 |
| 第4章 高速公路项目的工程造价预测模型实现 | 第48-56页 |
| 4.1 MATLAB简介 | 第48-50页 |
| 4.2 高速公路项目的工程造价预测模型的MATLAB实现 | 第50-52页 |
| 4.2.1 MATLAB工具箱及其应用 | 第50-52页 |
| 4.2.2 BP神经网络工具箱与模型函数的确定 | 第52页 |
| 4.2.3 激活函数的确定 | 第52页 |
| 4.2.4 训练函数的确定 | 第52页 |
| 4.3 数据收集的实现 | 第52-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第5章 高速公路项目的工程造价预测模型实例分析 | 第56-63页 |
| 5.1 数据的收集和整理 | 第56-58页 |
| 5.2 用模糊筛选确定训练样本 | 第58-59页 |
| 5.3 用神经网络预测工程造价 | 第59-61页 |
| 5.3.1 样本学习 | 第59-60页 |
| 5.3.2 网络训练与测试 | 第60-61页 |
| 5.4 结果分析 | 第61-62页 |
| 5.5 本章小结 | 第62-63页 |
| 结论与展望 | 第63-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 附录 | 第71-74页 |
| 作者简介 | 第74-75页 |
| 攻读硕士学位期间发表的论文 | 第75-76页 |
