论文部分内容阅读
在经济快速增长的大背景下,建筑行业的市场竞争异常激烈,建筑企业要想在竞争中不被淘汰,工程成本管理是关键,工程成本预测是工程成本管理不可或缺的重要内容和环节。因此确保建筑行业企业持续、健康、快速的发展,建筑成本预测显得尤为重要。结合目前我国建筑工程成本预测的现状来看,在预测的过程中普遍存在着预测不精确,方法不严谨等问题,本文采用主成分分析法(PCA)结合支持向量回归机(SVR)进行建筑工程成本预测。(1)本文在对建筑工程成本预测相关的国内外研究现状以及文献综述研究的基础上,结合建筑工程成本特点及其影响因素,建立较为合理的建筑工程成本指标体系。(2)详细介绍PCA和SVR的理论与方法,建立基于PCA-SVR的建筑工程成本预测模型。影响工程成本的因素众多,为了减少SVR训练样本的复杂性,提高SVR算法在处理大量数据时的速度,建模过程中首先利用主成分分析方法对指标属性进行研究并提取主成分,消除指标间的相关性,删除重复信息,从而减少了SVR学习样本的维数。该模型结合了主成分分析的降维特性和SVR的小样本非线性预测等优点,提高了系统运行速度以及预测精度,方便了建筑工程成本的预测。(3)通过进行实证研究,结合具体建筑工程项目,将本文的研究成果应用于建筑工程成本预测实例中,得到预测结果,将原始数据与预测数据对比分析,验证该模型的可操作性和有效性,对提高工程成本管理水平具有一定积极意义。