基于SVR的建筑工程质量成本预测研究
建筑工程质量成本预测作为工程项目质量成本管理六大环节之一，是其他环节有效实施的基础；其还是质量成本管理者进行决策方案选择的依据。快速准确的对建筑工程质量成本进行预测，对于工程项目质量成本管理实践具有重大意义。本文在深入分析建筑施工企业质量成本管理的理论知识及研究现状的基础上，针对建筑工程质量成本预测现存的一些问题，结合未确知测度、支持向量机理论，提出适用于现阶段建筑工程质量成本预测的新模型。
首先，鉴于传统预测方法的不足，结合支持向量机的特征和优点，深入分析了支持向量机的学习规则和训练过程。支持向量机可以解决小样本数据下的全局最优解问题，而且巧妙的解决了维数问题，其算法复杂度和样本维数无关；克服了传统神经网络算法隐含层难以确定，容易陷入局部极值以及预测精度低等缺点。
其次，结合影响建筑工程质量成本的内在及外在因素，建立了较为合理的建筑工程质量成本预测指标体系，并提出了基于支持向量回归机的建筑工程质量成本预测模型。考虑到支持向量回归机模型在参数和核函数选择上尚没有统一的理论原则，分别将交叉验证、粒子群及遗传三种参数优化方法及四种核函数加入支持向量回归枫模型中，通过结果的对比分析，得出适合建筑工程质量成本预测的最佳支持向量回归机模型。
最后，探讨了支持向量回归机模型在MATLAB软件中的实现过程，并将模型应用到实例中，证明了其模型具有可行性及较高的准确率。
建筑工程;质量成本预测;指标体系;支持向量回归机;核函数;SVR算法
河北工程大学
硕士
管理科学与工程
蔡振禹
2012
中文
TU712.3
73
2012-11-30（万方平台首次上网日期，不代表论文的发表时间）