基于FPR-ANN的建筑工程成本预测模型研究
摘要 | 第3-4页 |
ABSTRACT | 第4页 |
第一章 绪论 | 第7-11页 |
1.1 提出问题 | 第7-9页 |
1.1.1 工程成本预测的重要意义 | 第7-8页 |
1.1.2 目前工程成本预测中存在的问题 | 第8页 |
1.1.3 研究建立工程成本预测模型的意义 | 第8-9页 |
1.2 论文研究技术路线 | 第9-10页 |
1.3 论文主要内容及结构 | 第10-11页 |
第二章 文献综述 | 第11-19页 |
2.1 国外工程造价预测研究现状 | 第11-12页 |
2.2 我国工程造价预测发展研究现状 | 第12-18页 |
2.2.1 我国传统的工程造价估算方法 | 第12-14页 |
2.2.2 我国工程造价预测研究现状 | 第14-18页 |
2.3 小结 | 第18-19页 |
第三章 工程成本预测指标体系建立 | 第19-25页 |
3.1 工程成本预测指标提取 | 第20-21页 |
3.1.1 列举指标 | 第20页 |
3.1.2 分析提取指标 | 第20-21页 |
3.2 工程成本预测指标分析 | 第21-23页 |
3.2.1 层数 | 第21页 |
3.2.2 层高 | 第21-22页 |
3.2.3 结构形式 | 第22页 |
3.2.4 基础类型 | 第22页 |
3.2.5 基础处理 | 第22页 |
3.2.6 门窗类型 | 第22页 |
3.2.7 内外墙、楼面装饰 | 第22-23页 |
3.2.8 墙体材料 | 第23页 |
3.2.9 工程造价指数 | 第23页 |
3.3 构建工程成本预测指标体系 | 第23-24页 |
3.4 小结 | 第24-25页 |
第四章 利用模糊模式识别确定工程相似度 | 第25-33页 |
4.1 模糊模式识别 | 第25-28页 |
4.1.1 模糊模式识别的间接方法 | 第25-26页 |
4.1.2 模糊贴近度 | 第26-28页 |
4.2 确定工程相似度 | 第28-32页 |
4.2.1 确定工程相似度步骤 | 第28-29页 |
4.2.2 计算工程相似度 | 第29-32页 |
4.3 小结 | 第32-33页 |
第五章 运用BP 神经网络预测工程成本 | 第33-50页 |
5.1 BP 神经网络 | 第33-36页 |
5.1.1 基于BP 算法的多层前馈网络模型 | 第33-34页 |
5.1.2 BP 神经网络学习算法 | 第34-35页 |
5.1.3 BP 算法的程序实现 | 第35-36页 |
5.2 建立工程成本预测模型 | 第36-39页 |
5.2.1 预测建模流程 | 第36页 |
5.2.2 建立样本集 | 第36-38页 |
5.2.3 BP 神经网络结构设计 | 第38页 |
5.2.4 训练、检验BP 神经网络 | 第38-39页 |
5.3 算例分析 | 第39-49页 |
5.3.1 算例介绍 | 第39页 |
5.3.2 运用模糊贴近度选择工程样本 | 第39-45页 |
5.3.3 样本预测指标处理 | 第45-47页 |
5.3.4 运用BP 神经网络训练、检验样本工程 | 第47-49页 |
5.3.5 BP 神经网络进行算例预测 | 第49页 |
5.4 小结 | 第49-50页 |
第六章 总结与展望 | 第50-52页 |
6.1 总结 | 第50页 |
6.2 本文的不足与展望 | 第50-52页 |
参考文献 | 第52-57页 |
发表论文和参加科研情况说明 | 第57-58页 |
致谢 | 第58页 |