基于BP神经网络的工程估价模型及其应用

基于BP神经网络的工程估价模型具有高度的容错性和较强的泛化能力,通过对数据并行处理的方式能快速准确地估算出工程造价.本文根据BP神经网络原理,选取福建泉州地区的21组工程实例来建立模型,其中19组为训练样本,2组为检测样本,确定了13个主要造价影响因素作为网络的输入变量,工程造价作为网络的输出变量,经检验其精度符合工程投资估算和设计概算的要求.因此,用BP神经网络估算工程造价是行之有效的.     

厦门市工程估价的RBF神经网络预测模型

选取55个厦门市典型工程造价指标,利用SPSS统计分析软件对工程特征和训练样本进行相关性分析、归类合并,得出11个工程特征作为平米造价的主要影响因素.以径向基函数(RBF)神经网络原理为基础,建立工程造价估算模型,通过试验,选择net=newrb(P,T,0.01,1.0)建立RBF网络,用y=sim(net1,P)对样本进行训练测试.实证分析结果显示:该模型具有计算快捷简便的优势,估算误差在允许范围内,可用于实际工程造价的辅助估算.     

中小型水利工程的工程量估算BP神经网络模型

以灌区节制闸为例,根据神经网络原理和工程造价估算的特点,通过分析探讨工程造价的构成、已建工程的设计参数及工程量资料,应用误差反向传播(BP)算法的人工神经网络建立灌区节制闸工程量估算模型,由此估算工程造价. 测算结果表明其估算精度基本可以满足实际工程投资估算的需要,该方法为各类中小型水利工程的造价估算探索了一条新途径,具有很好的应用前景.     

基于模糊神经网络的工程估价系统的研究与设计

现如今市场经济竞争十分激烈,实际招投标工作要求能快速准确地进行工程造价的估算.无论业主还是承包商确定工程造价都要求快速、准确,完善的快速估价系统能够很好地解决这个问题.模糊技术与神经网络结合是一种把经验与数学模型结合,这种研究打破了过去人们所进行的各种学科在逻辑上的独立性,预示了人工智能的光明前景和希望.     

基于现代统计学理论的工程造价估算模型研究

为了有效降低工程建造成本,提出一种基于现代统计学理论的工程造价估算模型.把收集的工程造价数据进行归一化处理,采用现代统计学理论对工程造价费用进行估算.利用工程造价数据对估算结果进行仿真实验,结果表明,该模型可以准确地描述工程造价的变化趋势,有效地提高工程造价的估算精度.     

采用BP和RBF神经网络的厦门市工程造价预测模型

收集55个厦门市典型工程造价指标,利用SPSS软件对数据进行预处理,选取11个工程特征作为造价的主要影响因素,分别建立基于多层前馈(BP)和径向基函数(RBF)神经网络的工程估价模型.从55个案例中随机抽取10个作为预测样本,剩下的45个作为训练样本,进行BP,RBF神经网络预测模型的训练和测试.结果表明:通过参数优选的RBF神经网络工程造价预测模型,预测误差在5%以内,网络泛化能力更优越,可用于实际工程造价的辅助估算.     

基于建筑设计参数分析模型的工程造价估算

应用解释结构模型,对建筑设计参数影响工程造价这一系统进行半定量分析并使其结构化.据此,对建筑设计参数划分层级,找出如建筑规模、层高、层数、平面形状、建筑总高度等对工程造价影响程度较大的设计参数,并深入分析参数变化对造价的影响.以小高层住宅建筑为例,结合多元回归分析法与实际工程造价资料,建立工程造价的快速估算模型.针对设计参数与造价关系,提出了应用"解释结构模型+多元回归分析模型"的系统研究方法.     

工程造价估算模型种类及神经网络法应用

介绍了目前工程造价估算的一些主要模型方法和各自的特点。神经网络估算法具有自学习和白完善特征,以市政工程为倒进行了应用分析。采用科学的,简便的而又准确的遗价估算模型具有重要的工程意义,以确保工程投资及控制目标的顺利完成。     

基于动态模糊神经网络的建设工程造价估算系统

介绍了建设工程造价估算技术的发展及面临的问题,对神经网络在工程造价估算方面的应用成果进行了总结。提出了基于动态模糊神经网络的建设工程造价估算系统的实现方式及工作模型．     

神经网络在政府投资评审中的应用

政府投资评审在当今政府投资项目中的作用越来越重要。根据神经网络的特点,尝试把神经网络应用到政府投资评审中,并建立神经网络估价模型。通过实例,神经网络估价模型可以很好的进行工程投资估算,因此神经网络在政府投资评审中有很好的应用前景。     

BP神经网络在建筑工程估算中的应用分析

利用BP(back propagation)神经网络的基本原理建立工程估算模型,依赖专家经验获取待确定造价的工程特征,在对15个典型实际工程样本分析的基础上,利用EXCEL软件的宏命令编制BP神经网络模块,模拟从工程特征到工程造价的非线性映射关系,并将其运用于实际工程估算,精度达到建筑工程估算要求,为实际工程中对估算快速、准确的要求提供一种新方法.     

提高估算软件成本精度的方法研究

指出已有的软件成本估算方法中的问题,提卅采用模糊神经网络方法构建软件成本的快速估算模型来提高估算精度。将60个软件项目的相关数据作为样本,分别对神经网络和模糊神经网络两种系统进行训练。将两种模型的训练和估算结果进行比较．结果显示模糊神经网络模型在软件成本估算上比神经网络模型具有更高的学习效率和估算精度。     

基于人工神经网络送电线路工程造价的快速估算

根据送电线路工程造价结构的影响因素,结合人工神经网络的特点,提出了运用人工神经网络进行工程造价快速估算和审查的方法.分析送电线路工程造价结构和影响因素,构建关于送电线路工程造价的神经元输入输出向量,建立了相应的人工神经网络模型,导出了算法的实施步骤,通过历史工程样本训练和实例样本计算分析,得到了比较好的快速计算结果,满足了工程项目概算方案审查的要求,为电力工程概算提供了一种客观、快速的审查方法.     

基于径向基函数神经网络的工程造价估算

提出了一种更有效的前向网络——径向基函数(RBF)神经网络,以多、高层办公楼为例,建立了工程造价的估算模型,运用MATLAB语言程序实现,同时采用同样的样本对BP网络进行训练,两者结果比较表明,这种方法弥补了BP网络存在的收敛速度慢,易陷入局部最优等缺陷,从而大大提高了其实用性,是对造价估算方式的又一新的尝试。     

RBF神经网络在商品住宅投资估算中的应用

投资估算是建筑工程项目可行性研究中关键性的工作,其结果直接影响投资决策的判断。针对现行人工神经网络估算方法,输入向量的选择依据科学性不足的缺陷,笔者拟应用解释结构模型(Interpretatiue Sructral Modelling,ISM),分析影响商品住宅造价的因素,对造价影响程度不同的影响因素划分层级,以选出对造价影响较大的因素作为输入向量,使人工神经网络在投资估算中的应用更有可靠性。     

人工神经网络在软件预估分析中的应用

将人工神经网络理论应用于软件预估分析领域，通过BP神经网络和功能点估算模型的介绍与结合，提供了一种估算软件工作量的方法．使用智能神经网络可分析软件开发这一十分复杂的过程。     

基于小波神经网络矿山安全的评价模型

煤矿是一个多工序、多环节、生产过程复杂、时空变化大、环境恶劣的生产企业,其安全系统是一典型的非线性系统,对矿山进行安全评价是当前安全管理中的一个重要环节.采用由伸缩和平移因子决定的小波基函数代替Sigmoid等传递函数,选用23项指标作为输入节点,建立矿山安全的小波神经网评价模型,该模型可自动确定网络参数,避免了传统神经网络需要人为干预网络结构参数的不足.实例分析表明,提出的WNN网络的评价绝对误差平均为0.425%,而BP网络评价绝对误差平均为3.1%.这说明,WNN网络泛化能力远好于BP网络,该模型具有重要的应用价值.     

基于BP神经网络模型的ADCP倾斜条件下的修正算法研究

针对现有ADCP倾斜条件下修正算法不准确的问题,将BP神经网络模型应用于分析倾斜条件下波浪估计误差与影响因素ADCP俯仰角、横滚角以及安放深度之间的非线性关系。结果表明,BP神经网络模型的预测值和实测值吻合较好,能够提升波浪估计的准确性。     

基于集成神经网络的信道估计方法研究

为解决噪声以及信号干扰等因素严重影响接收端信道估计的问题,提出一种基于集成神经网络的信道估计方法,利用多个改进后的神经网络来提取带噪导频信号与原始导频信号之间的非线性关系模型,根据其输出误差来计算差异度值,并结合差异度对其进行集成,得到训练完成的集成神经网络模型,通过集成神经网络模型来获取信道估计结果;与最小二乘(least squares,LS)估计方法相比,该方法不仅可以提高通信的可靠性,而且还能减少导频开销提高通信有效性;在不同的调制方式下,当误码率相同时,算法所需的信噪比LS算法均要更低;基于正交频分复用(orthogonal frequency division multiple,OFDM)通信系统进行仿真,结果证明,该方法具有优良的性能。