| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-23页 |
| 1.1 选题背景及意义 | 第10-12页 |
| 1.1.1 选题背景 | 第10-11页 |
| 1.1.2 选题意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-20页 |
| 1.2.1 建筑工程成本预测的研究现状 | 第12-17页 |
| 1.2.2 主成分分析研究现状 | 第17-18页 |
| 1.2.3 支持向量机研究现状 | 第18-20页 |
| 1.3 建筑工程成本预测中存在的问题 | 第20页 |
| 1.4 研究内容与方法 | 第20-21页 |
| 1.4.1 研究内容 | 第20-21页 |
| 1.4.2 研究方法 | 第21页 |
| 1.4.3 技术路线 | 第21页 |
| 1.5 本文创新点 | 第21-23页 |
| 第2章 主成分分析及支持向量机的基本理论 | 第23-42页 |
| 2.1 主成分分析理论 | 第23-28页 |
| 2.1.1 产生与发展 | 第23页 |
| 2.1.2 基本思想 | 第23-24页 |
| 2.1.3 基本原理 | 第24-26页 |
| 2.1.4 求解步骤 | 第26-27页 |
| 2.1.5 应用主成分分析应注意的问题 | 第27-28页 |
| 2.2 统计学习理论 | 第28-33页 |
| 2.2.1 机器学习的表示 | 第29-30页 |
| 2.2.2 经验风险最小化 | 第30页 |
| 2.2.3 VC维 | 第30-31页 |
| 2.2.4 推广性的界 | 第31-32页 |
| 2.2.5 结构风险最小化 | 第32-33页 |
| 2.3 支持向量机理论 | 第33-41页 |
| 2.3.1 支持向量分类机 | 第34-37页 |
| 2.3.2 支持向量回归机 | 第37-39页 |
| 2.3.3 核函数 | 第39-41页 |
| 2.4 本章小结 | 第41-42页 |
| 第3章 建筑工程成本概述及其指标体系的建立 | 第42-54页 |
| 3.1 建筑工程成本预测概述 | 第42-49页 |
| 3.1.1 建筑工程成本定义及特点 | 第42-44页 |
| 3.1.2 工程成本预测的意义 | 第44-46页 |
| 3.1.3 工程成本预测的方法 | 第46-49页 |
| 3.2 建筑工程成本影响因素分析 | 第49-51页 |
| 3.2.1 门窗类别 | 第49页 |
| 3.2.2 基础类型 | 第49页 |
| 3.2.3 结构类型 | 第49-50页 |
| 3.2.4 地基类别 | 第50页 |
| 3.2.5 建筑用途 | 第50页 |
| 3.2.6 工程造价指数 | 第50页 |
| 3.2.7 项目管理水平 | 第50页 |
| 3.2.8 现场条件 | 第50页 |
| 3.2.9 层数 | 第50-51页 |
| 3.2.10 层高 | 第51页 |
| 3.3 建筑工程成本指标体系的设计原则 | 第51-52页 |
| 3.3.1 定性与定量相结合原则 | 第51页 |
| 3.3.2 全面性原则 | 第51-52页 |
| 3.3.3 动态性原则 | 第52页 |
| 3.3.4 可操作性原则 | 第52页 |
| 3.4 建筑工程成本预测指标体系的构建 | 第52页 |
| 3.5 本章小结 | 第52-54页 |
| 第4章 基于PCA-SVR的组合预测模型 | 第54-62页 |
| 4.1 基于主成分分析和支持向量回归机的组合预测模型的可行性 | 第54-55页 |
| 4.2 主成分分析支持向量回归机组合模型的基本思路 | 第55-59页 |
| 4.3 组合模型中需要解决的几个问题 | 第59-61页 |
| 4.4 本章小结 | 第61-62页 |
| 第5章 建筑工程成本预测实例研究 | 第62-79页 |
| 5.1 数据的搜集与整理 | 第62-65页 |
| 5.2 建筑工程成本的预测 | 第65-76页 |
| 5.2.1 软件选择 | 第65页 |
| 5.2.2 建筑工程成本影响因素的主成分分析 | 第65-73页 |
| 5.2.3 核函数及参数的选择 | 第73-75页 |
| 5.2.4 建立预测模型 | 第75-76页 |
| 5.3 预测结果分析 | 第76-78页 |
| 5.4 本章小结 | 第78-79页 |
| 结论与展望 | 第79-81页 |
| 参考文献 | 第81-85页 |
| 致谢 | 第85-86页 |
| 作者简介 | 第86-87页 |
| 攻读硕士学位期间发表的论文和科研成果 | 第87-88页 |