現(xiàn)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
定 價：25 元
- 作者：景晨光 ，彭永忠 著
- 出版時間：2013/3/1
- ISBN：9787113162009
- 出 版 社：中國鐵道出版社
- 中圖法分類：TU723.32
- 頁碼：139
- 紙張：膠版紙
- 版次：1
- 開本：32開
《現(xiàn)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(tǒng)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。課題以實際大量已完工程的工程量清單為研究對象，以高速公路造價計算為例，深入分析、研究了公路工程的特點，由粗糙集從客觀上提取工程特征，并確定同類工程；在傳統(tǒng)的粗糙集基礎上給出抗噪聲能力強的變精度粗糙集模型（VPRS），進一步深入挖掘類似工程。結合神經網絡與粗糙集機器學習估算，通過實例進行分析，證明粗糙集一神經網和粗糙集機器學習估算方法是有效可行的。將智能計算領域中的兩種基本方法——人工神經網絡和遺傳算法相結合，建立智能融合計算的遺傳神經網絡造價估算模型，通過仿真試驗驗證了其穩(wěn)定性和有效性，在深入研究神經網絡的基礎之上，建立徑向基（RBF）神經網絡結構模型，針對其結構特點，應用粒子群（PSO）智能優(yōu)化算法對其進行優(yōu)化，完成了基于智能融合計算的造價估算，通過仿真表明了該方法在全生命顯著性造價（WLCS）估算方法中的可行性。將混沌動力系統(tǒng)與神經網絡進行結合，融合兩種智能算法的優(yōu)點，在已獲價值EVM的基礎上，利用混沌神經網絡對顯著性項目的ACWP（已完工程量實際造價）、BCWP（已完工程量預算造價）進行動態(tài)估算，以便在發(fā)生偏差之前進行準確度高的估算，分析原因，并給出控制措施。仿真實驗表明，該方法是有效、可行的。
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(tǒng)的分析與建模、人工智能算法與數據挖掘技術，以及現(xiàn)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(xié)會專家；武漢大學、中南大學導師，主要研究領域：工程經濟。
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(xiàn)狀
2.1 全生命周期造價（WLC）研究現(xiàn)狀
2.2 顯著性成本理論（CS）研究現(xiàn)狀
2.3 智能融合技術研究現(xiàn)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
4.3 RS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
4.5 RS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WLCS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CSls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
2009年1月，石家莊鐵道大學任軍利在《基于RS和CS理論的全生命造價估算數據挖掘方法研究》一文中較早地研究了粗糙集算法在全生命顯著性造價中的應用問題，建立了粗糙集在工程項目造預測價中的實際應用模型，應用粗糙集提高了顯著性因子篩選的準確度，應用了簡單的屬性約簡算法。
2010年3月，石家莊鐵道大學王琳在《全生命顯著性造價粗糙集估算方法研究》一文中運用粗糙集理論的屬性約簡原理刪除冗余數據進一步降低工程造價的計算量，采用基于Pawlak屬性重要度的構造決策樹屬性約簡算法來進行粗糙集約簡計算。
其中，利用粗糙集在全生命顯著性造價中進行工程特征的提取、同類工程的挖掘、對原始的工程決策信息表進行離散化處理，并且使用粗糙集軟件Rosetta來處理等均未發(fā)現(xiàn)有研究文獻，在本書中均屬于首次研究，可視為創(chuàng)新點。
神經網絡方面：
2010年3月，石家莊鐵道大學徐佳在《全生命顯著性造價SOM和RBF神經網絡估算方法研究》一文中運用自適應（SOM）和徑向基（RBF）神經網絡的模型對已完工程造價信息進行挖掘整理，并進行模型驗證。運用自組織SOM神經網絡對顯著性項目和顯著性因子進行特征抽取，驗證顯著性項目和顯著性因子對類似工程的確定。最后運用基于自組織算法的RBF網絡對投資估算進行預測。預測結果表明，自組織RBF網絡提高了計算精度，簡化了計算過程，減少了計算時間。
2005年8月，重慶大學任宏、周其明在《神經網絡在工程造價和主要工程量快速估算中的應用研究》中，采用動量法和學習自適應調整策略改正的BP神經網絡建立了工程造價和主要工程量估算數學模型。針對以往估算模型精度不高的缺點，將工程造價指數和工程硬、軟件環(huán)境對工程造價的影響增加到模型中。以工程資料為實例，驗證了該模型的正確性及實用性。
……
書單推薦
