神经网络集成在工程造价估算中的应用研究

工程造价和主要工程量是评价一建筑工程的重要经济指标,特别是工程量清单于2003年7月1日在全国范围内展开以来,快速估算工程造价和主要工程量更具有其重要意义.文中采用神经网络集成方法建立了工程造价和主要工程量估算数学模型,并采用matlab6 1计算软件,以深圳市已完典型工程资料为例,验证了该模型的正确性及实用性,得出了神经网络集成方法泛化能力更高的结论.     

基于人工神经网络的工程造价估算

工程造价估算是招标投标中的重要一环,为了探讨神经网络在工程造价估算中的应用,利用神经网络建立了工程造价估算的模型,实例分析基于神经网络的工程造价的估算方法是可行的,估算结果是可靠的。     

公路工程造价估算的支持向量机模型分析

传统的工程造价计算方法所需要的时间长、参数多,且在工程明细项、工程量清单无法准确确定时,计算出来的工程造价相差很大,采用数学模型估算造价有其必要性。在公路造价估算中,由于其分项工程相对单一,工程量计算相对简便,因此,利用公式模型来估算其造价相对准确。通过工程实践,将公路工程造价估算的支持向量机模型引入,并运用MATLAB程序将其实现,克服传统神经网络模型存在的网络模式难以确定、估算结果精度不足等问题,具有广阔的应用前景。     

基于BP神经网络的高速公路工程造价估算模型研究

工程项目前期造价的确定直接关系到整个项目的总体运作情况,因此准确的确定前期造价是非常重要的。目前工程中应用的投资估算编制方法不是很科学,采用BP神经网络方法改进投资估算的确定方法。结果表明,该方法可以有效的提高其编制精度,为科学的确定和有效的控制工程造价中全过程造价奠定了良好的工作基础。     

类似工程预算法确定拟建工程造价

工程造价的变化规律对实现工程造价的预测具有重要意义。在收集已建工程预算等技术资料的基础上,对工程量与工程造价的相互影响关系进行分析,找出工程量与工程造价的主要影响因素,建立工程造价估算系统,实现对拟建工程造价的预测。     

BP神经网络在工程造价估算中的应用

运用BP神经网络方法,对土木工程造价做有益的探讨。利用神经网络可以节省时间,减小历史状况对价格估算的影响,也有利于应用工程量清单为基础的国际惯例。并以收集到的样本为例,对该模型进行了实证研究,表明了该方法的有效性。     

基于集成神经网络的刀具磨损量监测

提出了一种基于集成神经网络识别铣刀磨损量的监测方法．利用小波包变换将切削力和振动信号分解为不同频带的时间序列，从每个信号中选择与刀具磨损状态最相关的3组频段的均方根作为监测特征；通过信号的组合和不同子网络输出决策间的融合，集成神经网络输出刀具磨损的识别结果．试验和仿真分析表明，此方法能够满足刀具磨损量实时监测的要求．     

工程造价的控制

合理确定和有效地控制工程造价是工程造价管理的基本内容。控制好工程造价,使整个造价在合理范围内,必须在建设程序的各个阶段,合理确定投资估算,概算造价,预算造价,承包合同价,结算价,竣工决算价。采用一定的方法和措施把工程造价的发生控制在合理的范围和核定的造价限额内。以求合理使用人力,物力和财力,取得较好的投资效益。工程量清单报价特点工程量清单计价实行量价分离的原则。建设项目工程量同招标人提供,投标人根据企业自己的技术能力和管理水平自主报价,所有投标人在招标过程中都站在同一起跑线上竞争,工程承发     

预应力钢筋混凝土T梁桥造价分析与应用

文章根据某省不同地形的高速公路采用预应力钢筋混凝土 T 梁桥结构的造价组成的统计分析， 即对分部工程造价及工程量组成进行分析、 对主要影响技术经济指标的基础工程、 上部构造、 下部构造单位桥梁面积的主要材料消耗和材料价格进行了详细分析， 以及材料价格的涨跌对预应力钢筋混凝土 T 梁桥造价技术经济指标的敏感性， 作为今后在高速公路前期工作中对该类结构快速估算投资提供参考依据。     

基于深度学习的短期交通流预测方法综述

针对基于深度学习的短期交通流预测问题,揭示了时空相关性建模本质,分析了建模过程中涉及的多尺度时空特性、异质性、动态性、非线性等特点,明确了基于深度学习进行短期交通流预测的核心挑战,阐述了短期交通流预测涉及的外部信息整合、多步预测与单步预测以及单体预测与集成预测等相关问题;按照网格化和拓扑化2种交通流数据组织方式,分别综述了当前最新的基于深度学习的短期交通流预测研究方向。研究结果表明：针对网格化交通流数据,当前研究主要包含了基于2D图像卷积神经网络、基于2D图像卷积神经网络与循环神经网络相结合、基于3D图像卷积神经网络3种预测建模方法;针对拓扑化交通流数据,当前研究主要包含了基于1D因果图像卷积与卷积图神经网络相结合、基于循环神经网络与卷积图神经网络相结合、基于自注意力与卷积图神经网络相结合、基于卷积图神经网络的时空同步学习4种预测建模方法;总体上,基于深度学习方法进行短期交通流预测相较于采用时间序列和经典机器学习方法获得了预测准确性上的极大提升;未来,针对物理理论、知识图谱与深度学习相结合,构建多时空数据挖掘大模型以及轻量化、可解释性、模型结构自动化搜索等维度的相关探索将成为重要研究方...     

公路建设中如何利用工程量清单对工程造价进行控制

工程量清单计价是真正和市场经济一体制相适应的一种投标报价模式,也是未来发展的必然趋势。在工程量清单计价模式下．如何利用工程量清单有效地控制工程造价有待于深入研究和把握。造价人员要严格执行《公路工程工程量清单路计量规则》,做到客观、公正、合理、准确。《公路工程工程量清单路计量规则》是公路基本建设工程造价计价规定的组成部分．     

公路大修工程造价的审计

公路大修工程造价审计是以工程量入手．同时结合图纸、工程量清单、合同、现场，核实工程量计算的准确性，并需要调研和掌握建筑材料、设备的市场价格．需要注重研究现行定额，严格界定定额使用范围．看有无高套、重计、计算时小数点位移等等现象。     

神经网络方法在数据挖掘中的应用

通过分析当前一些数据挖掘方法的局限性，介绍一种基于关系数据库的数据挖掘方法——神经网络方法，通过对数据库中数据样本的学习，自动发现隐含的大量知识．文中给出了神经网络方法的学习模型和算法，并通过举例来说明此方法．在本文最后，也提出了神经网络方法在数据挖掘中存在的一些问题．     

一种操纵性水动力导数的实用估算方法

目前有很多诸如最小二乘、卡尔曼滤波等系统辨识方法用于船舶操纵性水动力导数的估算．但涉及神经网络的甚少．随着神经网络技术的日益成熟、完善，神经网络在船舶操纵性领域的应用将成为可能．文中介绍了一种基于线性船舶操纵运动方程的水动力导数估算方法，建立了一种基于神经网络的系统辨识模型，并将其应用于分析实船试验数据．结果表明了该方法的有效性．     

论工程量清单计价与招标投标

本文通过对工程量清单计价方法与招标投标关系、运用以及产生影响的讨论,分析了工程量清单计价的特点、改革的意义以及目前存在的问题和解决的建议．旨在说明工程造价计价方式改革的重要手段——“工程量清单计价办法”在工程招标投标中实行的必要性及有待解决的问题。     

基于MATLAB的ANFIS网络在水运货运量预测中的应用

阐述了自适应模糊推理系统(Adaptive Network—based Fuzzy Inference System，ANFIS)网络，提出了水运货运量预测的ANFIS网络预测模型．以MATLAB为工具，以1985～2001年我国水运货运量为训练样本；2002年我国水运货运量为校验样本，对网络进行训练后，预测了2003～2010年我国水运货运量．估算结果表明，同BP神经网络模型相比，此模型具有更高的准确性．     

利用工程量清单控制工程造价的方法研究

推行工程量清单计价方法是体现“控制量、指导价、由企业自主报价工程造价计价改革思路的一项重要措施,也是我国加入WTO与国际接轨的必然要求。对于如何更好地实施工程量清单报价法,如何确定工程造价管理和控制重点,进行了初步探讨和论证。     

桥梁初步设计专家系统

介绍的系统包括桥梁上部结构形式和施工方法的选择、墩台类型选择及工程量估算。采用作者提出的“双重加权多目标决策方法”，对可行的方案进行优化，得出最佳方案，彩多层模糊识别方法对工程量进行估算。系统采用多线路推理、数据驱动和目标驱动相结合的推理策略，运用策略解释法解释推进结论，大量的汉字选择菜单为用户提供了友善的人机界面。     

关于柱钢筋工程量计算的几个典型问题研究

工程计量课程设计是工程造价专业非常重要的实践环节,柱钢筋工程量计算存在柱搭接钢筋工程量计算、柱基础插筋工程量计算和柱节点不同构造时柱纵筋长度计算等3个难点问题。文中采用详图或总结成公式、表格的形式,详尽地对3个难点问题进行逐一剖析,简单易学,方便学生进行课程设计和工程造价从业者进行专业实践。     

启发式Hopfield神经网络在车间调度中的应用

调度问题是一类非常复杂的组合优化问题，而Hopfield神经网络通常被广泛应用于各种组合优化问题．针对车间调度问题(JSP)的约束条件和换位矩阵，提出了包含所有约束条件的计算能量函数表达式，并针对神经网络依赖初始解，提出了启发式算法与神经网络相结合的方法，并得到解决车间调度的Hopfield神经网络结构和权值解析表达式．实验仿真结果表明了该方法的有效性．