| 摘要 | 第9-10页 |
| Abstract | 第10-11页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 研究目的及意义 | 第13-14页 |
| 1.2.1 研究目的 | 第13页 |
| 1.2.2 研究意义 | 第13-14页 |
| 1.3 国内外研究现状综述 | 第14-18页 |
| 1.3.1 国外研究现状 | 第14-16页 |
| 1.3.2 国内研究现状 | 第16-18页 |
| 1.3.3 研究现状评述 | 第18页 |
| 1.4 研究的主要内容及思路 | 第18-21页 |
| 1.4.1 研究内容 | 第18-19页 |
| 1.4.2 研究方法 | 第19-20页 |
| 1.4.3 研究创新点 | 第20-21页 |
| 1.4.4 研究技术路线 | 第21页 |
| 1.5 本章小结 | 第21-22页 |
| 第2章 相关理论基础 | 第22-43页 |
| 2.1 建筑工程造价相关理论 | 第22-26页 |
| 2.1.1 工程造价的含义 | 第22页 |
| 2.1.2 工程造价的构成 | 第22-23页 |
| 2.1.3 工程造价的特点 | 第23-24页 |
| 2.1.4 我国工程造价计价模式概述 | 第24-26页 |
| 2.2 建筑工程造价预测相关理论 | 第26-32页 |
| 2.2.1 工程造价预测的概念及意义 | 第26-27页 |
| 2.2.2 传统工程造价预测方法分析 | 第27-32页 |
| 2.3 支持向量机（SVM）相关理论 | 第32-39页 |
| 2.3.1 统计学习理论 | 第32-35页 |
| 2.3.2 支持向量机的基本思想 | 第35-37页 |
| 2.3.3 核函数的定义 | 第37-38页 |
| 2.3.4 非线性支持向量机 | 第38-39页 |
| 2.4 最小二乘支持向量机（LS-SVM） | 第39-42页 |
| 2.4.1 最小二乘支持向量机在建筑工程造价预测的适用性分析 | 第39-40页 |
| 2.4.2 最小二乘支持向量机回归算法基本原理 | 第40-42页 |
| 2.5 本章小结 | 第42-43页 |
| 第3章 建筑工程造价预测指标体系的构建与数据预处理方法 | 第43-57页 |
| 3.1 建筑工程造价预测指标体系确定思路及原则 | 第43-45页 |
| 3.1.1 造价预测指标体系确定思路 | 第43-44页 |
| 3.1.2 造价预测指标体系确定原则 | 第44-45页 |
| 3.2 建筑工程造价预测指标体系的构建 | 第45-51页 |
| 3.2.1 造价预测特征指标的识别 | 第45-46页 |
| 3.2.2 造价预测指标体系的构建 | 第46-48页 |
| 3.2.3 造价预测特征指标的内涵界定 | 第48-50页 |
| 3.2.4 造价预测特征指标的量化方式 | 第50-51页 |
| 3.3 基于主成分分析的指标降维 | 第51-53页 |
| 3.3.1 主成分分析法约简指标的适用性分析 | 第51-52页 |
| 3.3.2 主成分分析法约简指标的流程 | 第52-53页 |
| 3.4 基于系统聚类分析的样本数据分类 | 第53-56页 |
| 3.4.1 系统聚类分析法的适用性分析 | 第53-54页 |
| 3.4.2 系统聚类分析法的基本流程 | 第54-56页 |
| 3.5 本章小结 | 第56-57页 |
| 第4章 基于PSO-LSSVM的建筑工程造价预测模型构建 | 第57-66页 |
| 4.1 预测模型中参数优化的必要性 | 第57-58页 |
| 4.2 粒子群优化算法概述（PSO） | 第58-62页 |
| 4.2.1 粒子群算法的适用性分析 | 第58-59页 |
| 4.2.2 粒子群算法基本原理 | 第59-60页 |
| 4.2.3 粒子群算法的参数设置 | 第60-61页 |
| 4.2.4 粒子群算法的优化流程 | 第61-62页 |
| 4.3 基于PSO-LSSVM的建筑工程造价预测模型 | 第62-65页 |
| 4.3.1 基于PSO的LS-SVM关键参数优化 | 第62-63页 |
| 4.3.2 基于PSO-LSSVM的建筑工程造价预测流程 | 第63-65页 |
| 4.4 本章小结 | 第65-66页 |
| 第5章 基于PSO-LSSVM的建筑工程造价预测模型的应用 | 第66-86页 |
| 5.1 数据的搜集与整理 | 第66-70页 |
| 5.2 样本数据的系统聚类分析 | 第70-75页 |
| 5.3 特征指标的降维处理 | 第75-80页 |
| 5.4 基于PSO-LSSVM的建筑工程造价仿真预测分析 | 第80-85页 |
| 5.4.1 模型实现环境 | 第80-81页 |
| 5.4.2 模型的训练与仿真 | 第81-83页 |
| 5.4.3 预测结果分析 | 第83-85页 |
| 5.5 本章小结 | 第85-86页 |
| 第6章 结论与展望 | 第86-88页 |
| 6.1 结论 | 第86-87页 |
| 6.2 展望 | 第87-88页 |
| 参考文献 | 第88-92页 |
| 攻读硕士期间发表学术论文 | 第92-93页 |
| 致谢 | 第93-94页 |
| 附录 基于PSO优化LS-SVM的建筑工程造价预测指标调查问卷 | 第94-95页 |
