基于GA-WNN的钢结构住宅造价预测研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·研究背景及意义 | 第10-11页 |
| ·研究背景 | 第10-11页 |
| ·研究意义 | 第11页 |
| ·国内外研究现状 | 第11-15页 |
| ·国内外钢结构住宅的发展现状 | 第11-14页 |
| ·国内外工程造价预测的研究现状 | 第14-15页 |
| ·研究内容及方法 | 第15-18页 |
| ·研究内容 | 第15-16页 |
| ·研究方法 | 第16页 |
| ·创新点 | 第16-17页 |
| ·技术路线 | 第17-18页 |
| 第2章 钢结构住宅技术经济性分析 | 第18-32页 |
| ·概述 | 第18页 |
| ·钢结构住宅技术性分析 | 第18-26页 |
| ·钢结构住宅体系 | 第18-24页 |
| ·钢结构住宅抗震性 | 第24页 |
| ·钢结构住宅抗裂性 | 第24-25页 |
| ·钢结构住宅基础 | 第25页 |
| ·钢结构住宅设计精度高 | 第25-26页 |
| ·钢结构住宅经济性分析 | 第26-29页 |
| ·建安工程费用的比较 | 第26-27页 |
| ·利息支付和资金管理费用 | 第27页 |
| ·因建筑体系改变所带来的经济效益 | 第27-28页 |
| ·定型化、批量化设计生产成本降低 | 第28-29页 |
| ·综合效益分析 | 第29页 |
| ·钢结构住宅的优势 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 钢结构住宅造价预测指标体系的建立 | 第32-37页 |
| ·工程造价预测指标提取 | 第32-33页 |
| ·列举指标 | 第32-33页 |
| ·分析提取指标 | 第33页 |
| ·钢结构住宅造价预测指标分析 | 第33-35页 |
| ·层数 | 第33-34页 |
| ·主体结构体系 | 第34页 |
| ·基础类型 | 第34页 |
| ·基础处理 | 第34页 |
| ·门窗类型 | 第34页 |
| ·墙体材料 | 第34页 |
| ·内外墙装饰 | 第34-35页 |
| ·工程造价指数 | 第35页 |
| ·钢结构住宅造价预测指标体系 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 GA-WNN相关理论 | 第37-63页 |
| ·小波神经网络 | 第37-55页 |
| ·小波神经网络概述 | 第37-38页 |
| ·小波神经网络理论基础 | 第38-50页 |
| ·小波神经网络优缺点 | 第50页 |
| ·小波神经网络算法推导 | 第50-53页 |
| ·小波神经网络算法的改进 | 第53-54页 |
| ·参数的选择 | 第54-55页 |
| ·遗传算法理论 | 第55-60页 |
| ·遗传算法原理 | 第56-57页 |
| ·遗传算法的相关术语 | 第57-60页 |
| ·遗传算法的基本计算过程 | 第60页 |
| ·遗传算法优化小波神经网络权值的学习过程 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 第5章 基于GA-WNN的钢结构住宅造价预测 | 第63-72页 |
| ·建立钢结构住宅造价预测模型 | 第63-65页 |
| ·预测建模流程 | 第63页 |
| ·建立样本集 | 第63-65页 |
| ·网络结构设计 | 第65页 |
| ·训练、检验小波神经网络 | 第65页 |
| ·算例分析 | 第65-71页 |
| ·算例介绍 | 第65-67页 |
| ·样本预测指标处理 | 第67-69页 |
| ·运用GA-WNN训练、预测 | 第69-71页 |
| ·本章小结 | 第71-72页 |
| 结论与展望 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 致谢 | 第76-77页 |
| 作者简介 | 第77-78页 |
| 攻读硕士学位期间发表的论文和科研成果 | 第78页 |
