海外铁路建设项目造价人工智能估算方法研究

研究目的:海外铁路建设项目投资估算亟需一套集可靠的历史数据和科学的估算方法于一体的估价体系，来解决因投资估算效率与准确度低而导致项目亏损的问题。本文运用PSO(Particle Swarm Optimization)和BPNN(Back Propagation Neural Network)等非线性方法建立海外铁路投资智能估算模型，以弥补传统估算方法主观性强、可靠性低等不足。研究结论:(1)识别出包括建设市场、地质条件等在内的19个海外铁路投资估算影响因素；(2)研究发现，PSO和BPNN等非线性方法可较好地适用于海外铁路投资估算的研究中；(3)通过实证研究，本文所构建模型误差控制在6.44%以内，准确度较高，可以推广运用于国内地铁、高铁投资估算领域；(4)本文研究可为其他海外铁路建设项目造价的估算研究提供参考。