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。     

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     

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...     

基于Gabor滤波的多分类器集成人脸表情识别

脸部表情的识别分类是一个非常复杂的问题,采用传统的方法很难取得满意的结果.为此,通过Gabor滤波器对人脸部图像进行滤波,提取滤波后图像的统计信息作为表情识别的特征信息,采用多分类器集成的方法对得到的神经网络输出向量进行线性加权集成得到最终的识别结果.实验结果表明了该方法的正确性.     

基于LM算法神经网络的PMSM转子位置估算

针对永磁同步电机控制中传统机械传感器容易故障或失效,常规无传感器转子位置估计方法实现复杂、计算量大、易受干扰等问题,提出了基于LM算法神经网络的永磁同步电机转子位置估算器.通过采集两相静止坐标系下电压、电流以及与转子位置相关联的数据集来创建估算器模型,针对标准BP神经网络算法收敛速度慢、效率低的问题,将采用LM算法对数...     

基于神经网络的公路工程造价快速估算分析

从影响公路造价的影响因素中提取特征因子,用神经网络建立起公路造价快速估测模型,以工程特征为参数,用历史数据为依据,建立模型,文章最后用实例验证了BP神经网络模型在公路工程造价估测中的优良效果,结果显示,BP神经网络在这方面应用效果较好.     

����ģ����������������ķ���ʱ����С��ʵ���о�

在实际应用中,经济和环境等因素的变化使得运输问题中的供给、需求以及单位运输成本难以确切地衡量. 同时,运输时间的最小化也较为重要. 本文提出了一种在运输供给、需求和单位运输成本为模糊量的情况下,最小化运输时间和成本的方法. 用具有非精确参数的多目标线性规划对此类问题建模. 针对不精确性,应用了模糊参数规划,并用全局规划求解此多目标问题. 最后,应用实例证明算法的有效性.     

工程量清单计价在城市道路建设中的应用

科学规范的工程量清单计价模式的建立和实施为工程招投标活动提供了依据,它是发包方与承包方的交易活动顺利进行的基础保障。结合银川市工程量清单计价工作的推广实践,分析工程量清单计价在应用中存在的问题及对策,对于推动工程造价管理的规范化具有一定的参考价值。     

Cost-time Minimization in a Transportation Problem with Fuzzy Parameters: A Case Study

In real world applications the supply, the demand and the transportation cost per unit of the quantities in a transportation problem are hardly specified precisely because of the changing economic and environmental conditions. It is also important that the time required for transportation should be minimum. In this paper a method has been proposed for the minimization of transportation cost as well as time of transportation when the demand, supply and transportation cost per unit of the quantities are fuzzy. The problem is modeled as multi objective linear programming problem with imprecise parameters. Fuzzy parametric programming has been used to handle impreciseness and the resulting multi objective problem has been solved by prioritized goal programming approach. A case study has been made using the proposed approach.     

龙潭隧道围岩参数与地应力场联合反演

龙潭隧道是沪蓉国道主干线湖北境内一条主要隧道,它的全长近8 900 m,埋深约500 m,为典型的深埋长隧道.隧道经过地区的地质条件复杂、地应力较大.为了合理地计算围岩稳定性,利用实测位移信息,进行了围岩参数和地应力场的反演.基于实测收敛位移,采用进化神经网络法,提出了一种围岩参数和地应力场联合反演的新方法,并利用该方法对龙潭隧道多个典型断面进行了反演研究.为了验证反演结果,采用反演得到的围岩参数和地应力场进行了数值计算,其计算结果和实际情况吻合.计算结果表明,通过反演,能得到反映整个隧道围岩参数和地应力场的基本参数,反演结果能较好地反映实际情况.     

基于神经网络的公路工程承发包价格发展预测

公路工程承发包价格是公路工程造价研究的重要内容。合理确定影响公路工程承发包价格的多种因素,采用基于BP神经网络的公路工程价格预测方法,建立模拟承发包价格与其影响因素间的非线性关系预测模型,经过训练与检验、数据预测,结果表明,该方法实用性强,具有一定的理论与实际应用价值。     

基于BP神经网络的厦门港集装箱吞吐量预测研究

厦门港是我国东南沿海的集装运输基本港口.集装箱吞吐量的预测是港口制定发展规划的重要依据.在研究了常用的输入数据归一化方法之后,提出了新的归一化方法.该方法能加快BP神经网络的训练速度并提高精度.运用BP神经网络建立了厦门港集装箱吞吐量预测模型,并计算出2020至2024的集装箱吞吐量预测值.无论从拟合值,还是预测值检验来看,该方法都具有很高精度.     

Optimal last stock of substitutive service parts

This paper focuses on the last stock problem of substitutive service parts, which is a hot problem in practice. Considering that a firm faces two types of service parts with a certain substitution coefficient, we study the optimization problem of minimizing the total expected cost. Using the non-linear programming theory and method, we find the optimal preserved quantities for the optimization problem. The relation between the product substitution characteristic and the total cost of service parts is analyzed. And an example is given to show the application of our model.