基于卷积神经网络的高速公路建筑安装工程造价估算研究.pdf

基于卷积神经网络的高速公路建筑安装工程造价估算研究.pdf

  1. 1、本文档共10页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

工程研究——跨学科视野中的工程2023年10月

JOURNALOFENGINEERINGSTUDIES

工程管理

DOI:10.3724/j.issn.1674-4969

基于卷积神经网络的高速公路建筑安装工程造价

估算研究

*

袁剑波,殷婵

长沙理工大学交通运输工程学院,长沙410114

摘要:为在投资决策阶段快速、准确地得到拟建高速公路项目的造价,本研究基于历史高速公路案例资料,应

用卷积神经网络算法,建立了一种高速公路建筑安装工程造价估算模型。首先通过文献研究与专家访谈确定了

影响高速公路造价的工程特征属性指标,并对其进行量化用于模型计算;然后将关键指标重构为二维矩阵,基

于卷积神经网络算法,建立高速公路建筑安装工程造价估算模型;最后利用已建高速公路项目信息验证该模型

的有效性,并对比分析卷积神经网络模型与反向传播神经网络模型预测效果。分析结果表明,使用卷积神经网

络建立的高速公路造价估算模型相对误差在4%~7%之间,而反向传播神经网络的相对误差在4%~15%之间,故

本研究构建的模型能较准确、高效地预测高速公路工程项目造价,为工程项目的前期投资决策、全寿命周期造

价管理提供一定参考。

关键词:高速公路;造价估算;预测模型;卷积神经网络

中图分类号:U415.13文献标识码:A文章编号:1674-4969(2023)05-0446-10

引言资的关键在于施工前的阶段,投资估算作为投资

决策阶段的重点工作对造价的管理有着很大影

目前,我国高速公路发展迅速,投资额也快速响。此外,在项目建设的投资决策阶段进行公路

增加,但超支、超限和超期的现象屡见不鲜,持建设造价的估算,有利于高速公路建设决策者在

续的成本低估表明需要科学有效的造价管理。根项目前期较为精确地估算项目投资额,进行事前

据全寿命周期造价管理理念,投资估算是公路工资金规划、降低资金风险。因此,在工程项目投

程技术经济评价和投资决策的重要依据[1]。节约投资决策阶段对工程的造价进行快速准确的估算对

收稿日期:2023-05-04;修回日期:2023-06-15

基金项目:湖南省交通运输厅科技进步与创新项目(202039);湖南省研究生科研创新项目(C

作者简介:*袁剑波(1964—),男,博士,教授,博士生导师,研究方向为工程经济、项目管理。E-mail:yuanjb01@163.com(通讯作者)

殷婵(1999—),女,硕士研究生,研究方向为工程经济、项目管理。

引用格式:袁剑波,殷婵.基于卷积神经网络的高速公路建筑安装工程造价估算研究[J].工程研究——跨学科视野中的工程,2023,15(5):

446-455.DOI:10.3724/j.issn.1674-4969

YuanJB,YinC.Costestimationofexpresswayconstructionandinstallationengineeringbasedonconvolutionalneural

networks[J].JournalofEngineeringStudies,2023,15(5):446-455.DOI:10.3724/j.issn.1674-4969

袁剑波,等.基于卷积神经网络的高速公路建筑安装工程造价估算研究447

项目造价的控制具有重大意义。拟合和所需参数,以及降低计算复杂程度等方面

近年来,国内外学者们对工程造价预测问题进有明显优势,该算法在气象、工业、农业等领域

行了研究。郑晓蕾等[2]结合GEP(基因表达谱)信已得到了广泛应用[14-18]。因此,本研究将在文献调

息有哪些信誉好的足球投注网站能力和BP(backpropagati

文档评论(0)

经典文库 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档