成本预测与投标报价

首先介绍了工程成本预测的必要性和成本预测中所需的基础资料和条件、方法、面临的问题，以及采取的措施。其次对招投标报价的编制方法与成本预测的结合问题进行了探讨，揭露了目前建筑市场上投标时不惜蚀本而投最低标的不正常现象是成本预测相悖的。     

基于GRNN神经网络的社会物流成本预测研究

介绍了常用物流成本预测方法的特点,分析了社会物流成本和经济总量、产业结构等相关影响因素之间的关系,结合中国社会物流成本和经济结构的现状,在此基础上建立了基于广义回归神经网络的中国社会物流成本预测模型,并以中国1998～2006年的相关历史数据作为学习样本,通过拟合训练和外推预测分析,验证了GRNN用于社会物流成本预测的效果.     

线性回归预测与控制在物流作业成本法中的应用

首先介绍了物流作业成本法,分析了物流成本的作业构成以及物流作业与物流成本的相关关系,引入线性回归预测与控制原理来预测物流作业成本和控制物流作业量.同时讨论了多作业物流作业成本的计算、预测和作业量的优化控制基本原理.通过实例验证了线性回归预测与控制原理对多作业物流作业成本的计算、预测和对作业量的优化控制的正确性,该原理对物流成本管理与决策具有一定的参考价值.     

基于数据包络分析和扩展置信规则库的交通运输业环境治理成本预测

针对交通运输业中环境治理成本规划问题，提出基于数据包络分析(DEA)和扩展置信规则库(EBRB)的环境治理成本预测模型. 基于DEA模型对环境治理投入产出历史数据进行有效性分析，量化EBRB中每条规则的可靠度，建立考虑规则可靠性的EBRB模型，用于预测交通运输业的环境治理成本. 根据2004-2017 年我国各省份交通运输业环境治理实际数据验证模型. 研究结果表明，本文模型的准确性高于现有环境治理成本预测方法，可为相关决策者提供一个模型支撑和参考依据.     

对建立船舶营运成本目标管理系统的设想

在面临入世之际,我国的航运企业加强船舶营运成本控制工作显得尤为重要和迫切.针对我国航运企业船舶营运成本的核算方法,结合我国航运企业船舶营运成本控制的现状和存在问题,建立一个船舶营运成本目标管理系统,对船舶营运成本进行事前预测、事中审核、事后分析,且使其各环节环环相扣,形成一个完善而有效的成本控制体系,才能增加企业经济效益,提高企业经营管理水平.     

如何控制公路工程施工成本

成本组成 公路施工的成本主要包括人工、材料、间接费、利润、设备机械费以及税金等方面组成.要加强成本的控制,首先要做到及时对成本的预测.对成本进行预测运用比较科学的方法,与中标的价格相结合以项目施工的条件和设备以及人员的素质为根据来进行成本的预测.人工费单价的确定;材料的费用以及材料的购买方向,对材料的购买地点运输的方式,购买的价格以及装卸费用的落实;对计划所要使用到的材料以及费用进行预算,在工程进行投标的时候,对设备的选择是利用定额当中的施工方法算出来的,因此与实际的施工会有一定的差异,所以要对实际的机械费进行测算.     

浅谈工程项目成本控管的对策

对工程项目在成本控制与管理方面存在的问题进行分析,并提出了加强成本控制的相关措施,从工程项目的质量成本控制、工期成本控制、成本预测以及动态成本管理等方面进行了简单论述,为进一步提高企业经济效益和企业的持续发展提供可靠保障。     

工程项目成本管理初探

详细描述了工程项目管理中从成本预测、计划到控制、核算、分析和改进的全过程,对工程成本管理中应注意的问题提出了新借鉴。     

面向多层级目标的汽车前围声学包优化研究

为了研究汽车声学包设计参数对其多性能目标的影响,首先,改进了传统的深度信念网络（DBNs）方法,并提出SVR-DBNs (support vector regression-deep belief networks)模型,提升了模型映射的准确度;其次,从车辆噪声传递关系与层级目标分解角度出发,提出了一种多层级目标预测与分析方法;最后,将所提方法应用于具体车型的前围声学包性能、重量与成本多目标预测与优化分析.研究结果表明：SVR-DBNs方法对前围声学包性能、重量与成本目标预测准确度均在0.975以上,优于传统的反向传播神经网络（BPNN）、SVR与DBNs模型;基于SVR-DBNs模型的优化结果与实测结果接近,两者加权目标相对误差为1.09%（平均传递损失（MTL）、重量和成本相对误差绝对值分别为1.44%、1.04%与0.71%）,优化后的实测结果较前围声学包原始状态性能、重量和成本分别提升了5.51%、9.01%与4.40%.     

浅谈对施工项目部的目标成本控制

施工项目部成本管理主要包括成本预测、成本决策、成本计划、成本控制、成本核算、成本分析和成本考核7个环节。这7个环节是互为条件、相互促进,构成了施工项目成本管理。其中,核心部分为成本预测和成本控制。