基于SVR的建筑工程质量成本预测研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-19页 |
| ·选题背景及研究意义 | 第10-12页 |
| ·选题背景 | 第10-11页 |
| ·选题研究意义 | 第11-12页 |
| ·国内外研究现状 | 第12-15页 |
| ·质量成本管理的研究现状 | 第12-13页 |
| ·质量成本预测的研究现状 | 第13-14页 |
| ·支持向量机模型的应用现状 | 第14-15页 |
| ·建筑工程质量成本管理中存在的问题 | 第15-16页 |
| ·研究内容及方法 | 第16-18页 |
| ·本文研究内容 | 第16-17页 |
| ·本文研究方法 | 第17页 |
| ·技术路线 | 第17-18页 |
| ·本文创新点 | 第18-19页 |
| 第2章 建筑工程质量成本管理的理论基础 | 第19-28页 |
| ·质量成本的基本概念 | 第19-22页 |
| ·国内外学者对质量成本定义的相关论述 | 第19-20页 |
| ·质量成本的分类 | 第20-21页 |
| ·本文对建筑工程质量成本的界定 | 第21-22页 |
| ·建筑施工企业的特征及产品特点 | 第22-24页 |
| ·建筑施工企业的特征 | 第22-23页 |
| ·建筑产品的特点 | 第23-24页 |
| ·建筑工程质量成本特征 | 第24页 |
| ·建筑工程质量成本的管理程序 | 第24-27页 |
| ·质量成本预测与计划 | 第25页 |
| ·质量成本核算和分析 | 第25-26页 |
| ·质量成本报告 | 第26页 |
| ·质量成本控制和考核 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 建筑工程质量成本预测指标体系的建立 | 第28-39页 |
| ·建筑工程质量成本构成 | 第28-30页 |
| ·预防成本 | 第28页 |
| ·鉴定成本 | 第28-29页 |
| ·建筑产品质量外部损失成本 | 第29页 |
| ·内部故障成本 | 第29-30页 |
| ·建筑施工企业质量成本指标体系的设计原则 | 第30-32页 |
| ·建筑工程质量成本影响因素分析 | 第32-34页 |
| ·质量成本管理水平与质量成本 | 第32页 |
| ·物价水平与质量成本 | 第32页 |
| ·预防、鉴定及内外部损失成本的比例分析 | 第32-33页 |
| ·施工地点、现场条件与质量成本 | 第33页 |
| ·工程规模与质量成本 | 第33页 |
| ·建筑用途与质量成本 | 第33页 |
| ·工程效益与质量成本 | 第33-34页 |
| ·工具期与质量成本 | 第34页 |
| ·指标体系的建立及量化处理 | 第34-38页 |
| ·指标体系的建立 | 第34页 |
| ·质量成本管理水平指标量化 | 第34-38页 |
| ·其它指标的量化 | 第38页 |
| ·小结 | 第38-39页 |
| 第4章 支持向量回归机理论 | 第39-54页 |
| ·传统预测方法的分析比较 | 第39-41页 |
| ·投入产出预测法 | 第39页 |
| ·线性回归分析法 | 第39页 |
| ·马尔可夫预测法 | 第39页 |
| ·灰色预测模刑 | 第39-40页 |
| ·人工神经网络预测模型 | 第40页 |
| ·应用SVR模型预测建筑工程质量成本的可行性分析 | 第40-41页 |
| ·支持向量机原理 | 第41-49页 |
| ·统计学习理论 | 第41-43页 |
| ·支持向量机理论及原理 | 第43-48页 |
| ·核函数与支持向量机回归机 | 第48-49页 |
| ·SVR模型的建立 | 第49-53页 |
| ·停机准则 | 第49-50页 |
| ·SVR参数及核函数类型的确定 | 第50-51页 |
| ·训练算法 | 第51-52页 |
| ·基于SVR预测模型流程的确定 | 第52-53页 |
| ·小结 | 第53-54页 |
| 第5章 建筑工程项目质量成本预测实例研究 | 第54-68页 |
| ·支持向量机工具箱 | 第54-55页 |
| ·MATLAB软件介绍 | 第54页 |
| ·支持向量机工具箱在MATLAB中的安装过程 | 第54-55页 |
| ·数据收集及整理 | 第55-61页 |
| ·数据收集 | 第55-58页 |
| ·数据处理 | 第58-61页 |
| ·模型预测过程 | 第61-67页 |
| ·基于交叉验证的SVR预测 | 第61-63页 |
| ·基于遗传算法的SVR预测 | 第63-65页 |
| ·基于粒子群的SVR预测 | 第65-67页 |
| ·结果分析 | 第67页 |
| ·小结 | 第67-68页 |
| 结论与展望 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 致谢 | 第72-73页 |
| 作者简介 | 第73-74页 |
| 科研成果 | 第74页 |
