| 第1章 绪论 | 第1-16页 |
| 1．1 论文的研究背景与可行性 | 第9-10页 |
| 1．2 快速估算的用途 | 第10页 |
| 1．3 公路工程造价预测模型的发展 | 第10-12页 |
| 1．3．1 单一类比法 | 第10-11页 |
| 1．3．2 多项类比法(模糊分析法) | 第11页 |
| 1．3．3 计算机模拟技术 | 第11-12页 |
| 1．3．4 采用人工智能技术 | 第12页 |
| 1．4 选择模糊数学和神经网络的理由 | 第12-13页 |
| 1．5 造价估算模型的难点和本文所要解决的主要问题 | 第13-14页 |
| 1．6 论文研究的主要内容和的大体结构 | 第14-16页 |
| 第2章 建模的理论基础和准备工作 | 第16-30页 |
| 2．1 建模的理论基础 | 第16-23页 |
| 2．1．1 以定额管理为主的造价管理体制 | 第16-19页 |
| 2．1．2 公路工程造价的成分分析和模型工程特性的选取 | 第19-21页 |
| 2．1．3 公路工程造价估算知识对建模的启发 | 第21-23页 |
| 2．2 模糊数学和神经网络的结合 | 第23-27页 |
| 2．2．1 模糊数学和神经网络的特点 | 第23-25页 |
| 2．2．2 模糊数学与神经网络的结合 | 第25-27页 |
| 2．3 公路工程造价管理信息系统 | 第27-29页 |
| 2．4 本章小节 | 第29-30页 |
| 第3章 基于模糊数学和神经网络相结合的高速公路工程造价快速估算模型 | 第30-51页 |
| 3．1 模糊数学的基本原理和相关知识 | 第30-33页 |
| 3．1．1 模糊集合的表示方法和运算 | 第30-32页 |
| 3．1．2 模糊数学隶属函数和贴近度 | 第32-33页 |
| 3．2 基本的神经元及其学习规则 | 第33-37页 |
| 3．2．1 大脑神经细胞 | 第33-34页 |
| 3．2．2 神经元模型 | 第34-37页 |
| 3．3 误差反传(BP)神经网络的结构和学习过程 | 第37-41页 |
| 3．3．1 BP网的改进 | 第40-41页 |
| 3．4 原始数据的处理 | 第41-42页 |
| 3．5 基于模糊数学的相似样本选取模型 | 第42-45页 |
| 3．5．1 模型隶属函数的选取 | 第42-43页 |
| 3．5．2 用贴近度来度量模糊性 | 第43-44页 |
| 3．5．3 样本数的确定 | 第44-45页 |
| 3．6 基于人工神经网络的造价预测模型 | 第45-50页 |
| 3．6．1 网络拓扑结构的确定 | 第45-47页 |
| 3．6．2 激活函数的确定和初始权值的选取 | 第47页 |
| 3．6．3 样本的规范化处理 | 第47-48页 |
| 3．6．4 BP网络训练与测试 | 第48页 |
| 3．6．5 为提高神经网络泛化能力而做出的改进 | 第48-50页 |
| 3．7 模型的计算步骤 | 第50页 |
| 3．8 本章小节 | 第50-51页 |
| 第4章 程序的实现 | 第51-60页 |
| 4．1 MATLAB语言简介 | 第51-53页 |
| 4．1．1 MATLAB概述 | 第51页 |
| 4．1．2 MATLAB语言特点 | 第51-53页 |
| 4．2 程序的实现 | 第53-56页 |
| 4．2．1 计算框图 | 第53-56页 |
| 4．2．2输入输出 | 第56页 |
| 4．3 BP神网工具箱与模型函数的确定 | 第56-59页 |
| 4．3．1 BP网络的建立 | 第57页 |
| 4．3．2 激活函数的确定 | 第57-58页 |
| 4．3．3 训练函数的确定 | 第58-59页 |
| 4．4 本章小节 | 第59-60页 |
| 第5章 高速公路造价快速估算模型的应用研究 | 第60-79页 |
| 5．1 部分数据调整 | 第65-66页 |
| 5．2 用模糊筛选确定训练样本 | 第66-67页 |
| 5．3 用神经网络快速估算造价 | 第67-75页 |
| 5．4 结果分析 | 第75-76页 |
| 5．5 算例的输入输出数据 | 第76-78页 |
| 5．5 本章小节 | 第78-79页 |
| 结论与展望 | 第79-81页 |
| 致谢 | 第81-82页 |
| 参考文献 | 第82-85页 |
| 攻读硕士学位期间发表的论文 | 第85页 |
