本文的目的是提出一个建筑工程报价决策模型 ,以帮助建筑企业在投标中达到自己满意的目标。本文的主要思路是采用信息扩散原理和神经网络模型相结合 ,使工程报价决策能在少样本的条件下得到较满意的结果

根据BP神经网络原理,以建筑特征参数为输入变量,利用实际资料对网络进行训练和模拟,收集了16个住宅工程,其中的14个作为训练样本,2个作为检测实例。结果显示,该模型在建筑工程造价预测中具有有效性。

基于BP神经网络模型,提出保证成本估算精度的神经网络分析方法;并收集20个住宅工程实例,其中4个作为检测实例。实验结果表明根据工程前期阶段的基本信息推算得到的成本精度,可以满足实际工程成本估算的需要。

分析影响民用建筑工程造价的主要因素并提取相应的工程特征指标;采用系统聚类的方法,选择待估算工程的有效样本类,确定最佳样本数量。将上述提取的工程特征值作为输入值,以工程造价作为输出值,建立建筑工程造价的BP神经网络估算模型。最后通过实例验证,预测精度符合决策阶段的要求,证明该模型确实可行。

利用直觉模糊分析方法求得工程特征对建筑工程造价的影响程度系数,据此确定了5个对建筑工程造价影响较大的工程特征,并将之作为神经网络模型的输入向量,构建了基于模糊逻辑和神经网络方法的建筑工程造价预测模型。结合MATLAB工具箱对程序进行设计,并用已完工程数据对模型进行训练、修正以及实例验证,证明了该模型可以有效提高建筑工程造价预测的精确度,具有较强的实用价值。

利用直觉模糊分析方法求得工程特征对建筑工程造价的影响程度系数,据此确定了5个对建筑工程造价影响较大的工程特征,并将之作为神经网络模型的输入向量,构建了基于模糊逻辑和神经网络方法的建筑工程造价预测模型。结合MATLAB工具箱对程序进行设计,并用已完工程数据对模型进行训练、修正以及实例验证,证明了该模型可以有效提高建筑工程造价预测的精确度,具有较强的实用价值。

利用直觉模糊分析方法求得工程特征对建筑工程造价的影响程度系数,据此确定了5个对建筑工程造价影响较大的工程特征,并将之作为神经网络模型的输入向量,构建了基于模糊逻辑和神经网络方法的建筑工程造价预测模型。结合MATLAB工具箱对程序进行设计,并用已完工程数据对模型进行训练、修正以及实例验证,证明了该模型可以有效提高建筑工程造价预测的精确度,具有较强的实用价值。

建筑工程项目耗时长、投资大,特别是潜藏其中的隐性成本如果得不到有效控制,必然形成"效益漏斗"。本文运用作业成本法建立建筑工程项目隐性成本估算模型,以用于建筑工程项目隐性成本的识别和控制。

[目的]快速、准确地诊断水稻叶片氮素营养状况,为水稻氮肥精准管理提供依据。[方法]以江西省农科院8种不同施肥处理的晚稻为研究对象,于主要生育期同步测定了水稻冠层光谱反射率及叶片全氮浓度(Leaf Nitrogen Concentration,LNC),系统分析了原始光谱反射率、一阶微分光谱、"三边"参数以及由350～1 350nm两两波段组合的差值(SD (Rλ1,Rλ2))、比值(SR (Rλ1,Rλ2))及归一化(ND(Rλ1,Rλ2))光谱指数与水稻LNC的相关关系,筛选出敏感参数,并以之为自变量构建了水稻LNC的传统预测模型,另外构建不同指标个数的多元线性与BP神经网络模型,并对模型进行验证。[结果](1)水稻LNC与一阶微分光谱在751nm处的相关性最高(r=0. 822);(2)"三边"参数中的红边面积SDr与LNC的相关性较高(r=0. 687);(3) 750nm附近的红边波段与近红外波段差值组合、550nm附近的绿光波段与近红外波段的比值及归一化差值组合与水稻LNC的相关性较高,以SD (R752,R751)、SR (R534,R1 350)和ND (R534,R1 349)表现最好,相关系数分别为0. 827、-0. 790和0. 788;(4)传统回归模型中以SD(R752,R751)构建的一元线性模型最佳(RC2=0. 665、RV2=0. 750、RMSEV=0. 4%、RPD=2. 034);(5)利用5个指标((R’751、SDr、SD (R752,R751)、SR (R534,R1 350)、ND (R534,R1 349))经逐步回归筛选出的2个指标SD ((R752,R751)和SR (R534,R1 350))构建预测水稻氮素的BP神经网络模型,预测效果最佳,其验证参数值分别为R2=0. 859、RMSEV=0. 302%和RPD=2. 669。[结论]基于单指标构建的传统线性模型计算过程简单但精度略低,而基于2个指标(SD (R752,R751)、SR (R534,R1 350))构建的BP神经网络模型预测精度高于该2指标构建的多元线性模型,表明在指标适合的情况下,BP神经网络对氮素具有较好的预测能力,是一种快速准确估算水稻叶片全氮浓度的方法。

利用便携式ASD野外光谱辐射仪对杉木冠层叶片光谱进行测定,同时以分光光度法对叶片叶绿素含量进行提取。样本经均值处理、平滑处理和微分处理后,进行红边参数提取。对11个红边参数以PCA方法进行降维,将得到的前7个主成分得分作为网络输入参数,叶绿素含量作为网络输出参数,以遗传算法(GA)优化网络初始权值阈值,建立隐含层神经元数分别为4,6,8,10,12和14的6种单隐层BP神经网络模型。以R2,RMSE和相对误差作为模型精度检验标准,结果表明:6种模型预测精度均可达到92.0%以上,其中隐含层神经元数为10时,预测精度最高,可达97.372%。说明此种模型可对杉木冠层叶片叶绿素含量进行高精度估算。

建设项目的投资估算,是工程建设项目可行性研究阶段的主要内容之一。投资估算的准确与否直接影响到项目的投资决策、基建规模、工程设计方案、投资经济效果、并直接影响到工程建设能否顺利进行。简便、快速和准确地进行建设项目的投资估算,对于工程建设项目的投资管理与控制,具有十分重要的意义。

文章通过建构一个灰色系统,以时间投入、健康投入和教育投入为指标,应用灰色局势决策理论,试图建立建筑工程安全事故精神损失赔偿的评价模型。在确定灰色局势白化值、不同年龄段有效余生、投入产出比例系数与精神损失分配系数的基础上,分析出精神损失与建筑工程安全事故当事人健康等级、受教育程度、年龄分布的量化关系。

建筑工程项目造价预测是待建项目的一个重点，而传统造价预估手段已不能满足当前建筑业向数字化转型的要求。提出引入一种智能算法进行造价预测的方法，即建立基于GA-BP神经网络的建筑工程造价预测模型。以收集的30组样本数据为例，运用BP模型和GA-BP模型进行对比实验。实验表明，无论是单一BP神经网络预测模型还是经GA优化后的预测模型都对项目造价有着出色的预测效果。

建筑工程经济预测即工程造价估算是项目可行性的基础。针对建筑工程经济估算繁琐的问题,基于Elman神经网络的优点,通过对影响单项工程的各变量进行权重分析,从而建立有效的网络。通过数据分析模型,基于MATLAB数学软件可以实现对建筑工程经济的快速预算。

文章在系统分析了工程索赔过程及索赔相关方关系的基础上,依据系统论和神经网络思想,建立了工程索赔管理系统化模型,对此模型进行了详细阐述,并对模型状态进行了分析。利用该模型可以预测工程索赔出现的可能性,解决工程索赔的程序问题,并快速计算出索赔值。同时本文基于模型分析结果,对如何有效提高模型双方的索赔利益行为,发挥索赔管理最大作用,保证项目质量和效益提出了相应的措施。