圖書簡介

品牌：中國鐵道出版社

詳情

基本信息

書名:現代工程造價估算方法-基于智能整合的全生命周期造價估算方法

原價：25.00元

售價：20.0元,便宜5.0元,折扣80

作者:景晨光

出版社：中國鐵道出版社

出版日期：2013-03-01

ISBN：9787113162009

字數：

頁碼：139

版次：1

裝幀：平裝

開本：32

商品重量：0.159kg

編輯推薦

---

《現代工程造價估算方法:基于智能融合的全生命周期造價估算方法》由中國鐵道出版社出版。

內容提要

---

《現代工程造價估算方法:基于智能融合的全生命周期造價估算方法》在全生命周期造價（WLC）和顯著性理論（CS）的基礎上，深入探討和尋找在不同情況下復雜系統的高精度估算和控制模型，以期提高造價估算和控制的水平，從根本上解決由于造價估算與控制方法的不當所引發(fā)的各種不良后果。

目錄

---

第1章緒論
1.1研究背景及研究意義
1.2研究的主要內容
1.3擬解決的關鍵問題
1.4創(chuàng)新之處
1.5思路和結構安排
第2章國內外研究現狀
2.1全生命周期造價（wLC）研究現狀
2.2顯著性成本理論（CS）研究現狀
2.3智能融合技術研究現狀
第3章全生命顯著性造價投資確定理論與方法
3.1以全生命周期造價WLC理論為基礎
3.2運用“顯著性成本Cs”模型簡化投資確定和控制程序
第4章粗糙集（RS）在WLCS中的研究與應用
4.1粗糙集理論（RS）基礎
4.2基于RS的工程特征提取
4.3RS在尋找同類工程中的研究與應用
4.4利用變精度粗糙集（VPRS）進一步深入挖掘類似工程
4.5RS機器學習在WLCs方法中的估算應用
4.6粗集一神經網絡（RS—NN）在WLCS估算方法中的研究與應用
第5章WLC遺傳神經網絡集成估算方法研究
5.1遺傳算法
5.2神經網絡與遺傳算法的集成
5.3遺傳神經網絡造價估算模型的建立
5.4實例與仿真
5.5本章小結
第6章基于PSO優(yōu)化算法的RBF神經網絡WI.cS估算
方法研究
6.1粒子群（PSO）優(yōu)化算法
6.2粒子群（PSO）優(yōu)化RBF神經網絡
6.3實例與仿真
6.4本章小結
第7章造價投資控制理論與方法研究
7.1用已獲價值理論EVM監(jiān)控項目進度
7.2基于混沌一神經網絡理論和CS理論的ACwP、BCwP估算研究
7.3已完工程CSIs的GM（1，1）模型預測ACWP、BCWP
第8章結論及展望
8.1結論
8.2展望
參考文獻

作者介紹

---

景晨光，中鐵第四勘察設計院集團有限公司，工程經濟設計處，工程師；吉他手；碩士研究生，研究方向：工程經濟與造價管理、非線性復雜系統的分析與建模、人工智能算法與數據挖掘技術，以及現代吉他演奏技術。
彭永忠，中鐵第四勘察設計院集團有限公司，工程經濟設計處總工程師，教授級高級工程師；英國皇家工料測量師；中國工程咨詢協會專家；武漢大學、中南大學導師，主要研究領域：工程經濟。

文摘

---

版權頁：



插圖：



第4章粗糙集（RS）在WLOS
中的研究與應用
全生命周期造價管理模式實行后使得整個系統變得更為復雜，需要處理的信息迅速增加，激增的數據背后隱藏著許多重要的工程信息，人們希望能夠更好地利用這些數據以便對其進行更高層次的分析。面對大量的、不完全的、有噪聲的、模糊的數據，傳統分析和處理信息的方式已經遠遠不能滿足實際的需要。迫切地需要一種智能地、自動地把數據轉換成有用信息的技術和工具，提取隱含在其中的未知的并具潛在可用的模式的過程，進行深層次的數據挖掘，以全面地分析各種因素之間隱藏的內在聯系，這對于全生命周期造價與控制的具體實施有著重要的意義。粗糙集理論是一種新的軟計算數學工具，利用它可以從數據中獲取有用的知識。由于其思想新穎、方法獨特，該理論已成為一種重要的智能信息處理技術，在智能信息處理的諸多領域，如決策分析、機器學習、數據挖掘、模式識別等，獲得了廣泛的應用。粗糙集理論和方法是處理不確定性復雜信息數據系統的有效方法，它的主要優(yōu)點是無需提供問題所需處理的數據以外的任何先驗信息，擬將該方法首次引入工程造價信息數據處理系統，進行深入的復雜系統信息挖掘和知識發(fā)現技術方法研究，以達到準確預測和有效控制擬建工程造價的目的及其他處理不確定性問題的非線性理論和方法形成強有力的優(yōu)勢互補性，以形成完整的、擬合度和準確性強的工程造價數據挖掘預測方法體系。本書擬用粗糙集理論在全生命顯著性造價過程中進行數據挖掘，從大量的數據中提取出有用的信息，刪除冗余數據，客觀地確定工程特征，尋找類似工程，利用變精度粗糙集進一步深層次地挖掘類似工程，計算顯著性項目及顯著性因子，建立粗糙集機器學習預測模型，實驗證明了其可行性。建立粗糙集一神經網絡模型，并對估算性能進行分析，基于粗糙集理論和神經網絡的造價估算方法充分發(fā)揮了這兩種技術的優(yōu)點，通過粗糙集方法對樣本特征參數進行屬性約簡，優(yōu)化組合屬性指標，使ANN的訓練學習速度加快。試驗結果表明：該方法可以有效提高造價投資估算的精度和效率。

序言

---

暫時沒有內容

目錄

同類熱銷圖書