| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 第一章 绪论 | 第6-9页 |
| ·建筑工程投资估算的研究背景及意义 | 第6页 |
| ·建筑工程投资估算的研究现状 | 第6-7页 |
| ·本文工作及结构 | 第7-9页 |
| 第二章 建筑工程投资估算概况 | 第9-17页 |
| ·建筑工程的造价构成 | 第9-11页 |
| ·投资估算的特点及对方法的要求 | 第11-12页 |
| ·主要工程投资估算方法 | 第12-17页 |
| 第三章 基于偏最小二乘法的木材消耗量估算 | 第17-31页 |
| ·引言 | 第17页 |
| ·多元回归方法 | 第17-22页 |
| ·最小二乘法概述及不足 | 第17-20页 |
| ·偏最小二乘方法 | 第20-22页 |
| ·基于偏最小二乘法的木材消耗量估算 | 第22-30页 |
| ·最小二乘法对木材消耗量建模 | 第24页 |
| ·偏最小二乘法对木材消耗估算及分析 | 第24-30页 |
| ·结论 | 第30-31页 |
| 第四章 基于主成分分析、神经网络的建筑工程投资估算 | 第31-41页 |
| ·引言 | 第31页 |
| ·建筑样本的主成分分析 | 第31-35页 |
| ·BP神经网络对工料消耗的估算 | 第35-40页 |
| ·BP神经网络概述 | 第35-36页 |
| ·改进的BP学习算法 | 第36-38页 |
| ·改进BP网络对工料消耗的估算及分析 | 第38-40页 |
| ·结论 | 第40-41页 |
| 第五章 基于支持向量机方法的建筑工程投资估算 | 第41-53页 |
| ·引言 | 第41页 |
| ·支持向量机方法 | 第41-48页 |
| ·统计学习理论 | 第42-44页 |
| ·支持向量机分类 | 第44-47页 |
| ·支持向量机回归 | 第47-48页 |
| ·支持向量机回归方法对工料消耗估算及分析 | 第48-51页 |
| ·结论 | 第51-53页 |
| 第六章 结论与展望 | 第53-56页 |
| ·结论 | 第53-54页 |
| ·展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 攻读硕士学位期间的论文发表和科研情况 | 第61页 |