居住项目的工程成本估算研究

摘要

随着中国房地产市场进入了平稳增长的阶段，住宅价格逐步走向理性化，修建居住项目所带来的企业利润也开始市场化，建筑项目的投资决策也逐步进入精细化管理的阶段。政府颁布的定额往往周期长、速度慢，具有滞后性，造成估算出来的结果不准确，不能适应当前的价格水平。如果能够根据既有的竣工资料和拟建项目的工程特征，快速而准确地得出工程造价，不但对于居住项目的施工方来讲，可以节约投标花费的时间，而且对于建设方来讲，也可以很好地安排项目资金计划。本文的研究就是为了达到快速而准确地得出工程造价，辅助建设企业决策的目的。本文的工作主要有以下四点:
　　1.提出问题，分析居住项目工程成本的研究背景和意义，回顾国内外的文献和研究成果和建筑项目成本估算、案例推理理论等内容。
　　2.介绍了一个案例推理成本估算模型，建立数据库，对数据进行预处理，利用灰色关联度计算来进行案例检索，将相似度汇总求和，用案例库中的案例与相似度之和的比值作为权值，对历史案例加权求和来求解目标案例，最后，对案例推理模型的估算精度进行分析。
　　3.提出了SVR成本估算模型和CBR-SVR成本估算模型。其中，SVR成本估算模型没有对数据进行任何的筛选处理，直接采用支持向量机对参数寻优、训练模型得到工程成本的估算值并对其精度进行分析;而CBR-SVR筛选训练样本、训练模型得到工程成本的估算值并对其精度进行分析。最后，对两个模型的精度进行了对比分析。
　　4.提出两个粒子群的优化模型。一个是粒子群优化支持向量机成本估算模型，通过建立模型，设置粒子群算法参数，采用支持向量机对训练样本的训练均方差为适应度函数，对参数C和σ进行寻优、训练模型，得到工程成本的估算值并对其精度进行分析;另一个是粒子群优化的支持向量机案例推理成本估算模型，通过筛选训练样本、建立模型，对参数C和σ进行寻优、训练模型得到工程成本的估算值并对其精度进行分析。最后对两个模型的精度进行了对比分析。
　　5.对提出的5个模型进行了对比分析。
　　本文提出的五种模型相对误差均在10％以内，可以满足项目决策阶段估算误差应在10％以内的规定，可以为初期投资辅助决策有一定的借鉴作用。

目录

声明

摘要

第1章 绪论

1．1 研究背景和研究意义

1．1．1 研究背景

1．1．2 研究意义

1．2 国内外研究现状

1．2．1 国内研究现状

1．2．2 国外研究现状

1．3 研究内容和技术路线

1．3．1 研究内容

1．3．2 技术路线

第2章 成本估算及案例推理相关理论

2．1 建设项目成本估算理论

2．1．1 建设项目成本估算概念

2．1．2 建设项目成本影响因素

2．1．3 建设项目成本分析方法

2．2 案例推理理论

2．2．1 案例推理概述

2．2．2 案例推理的基本思想

2．2．3 案例推理的基本流程

2．2．4 案例推理的特点

第3章 基于案例推理的成本估算模型

3．1 案例数据库的建立

3．2 案例检索

3．2．1 计算案例相似度

3．2．2 相似度排名

3．3 造价估算

3．4 估算精度分析

3．5 本章小结

第4章 基于支持向量机的成本估算模型

4．1 支持向量机机理论

4．1．1 支持向量机概述

4．1．2 支持向量机结构

4．1．3 支持向量机算法原理

4．1．4 支持向量机的特点

4．2 支持向量机算例

4．2．1 建立回归模型

4．2．2 模型设定

4．2．3 模型训练和计算

4．2．4 模型性能分析

4．3 支持向量机案例推理模型

4．3．1 支持向量机案例推理模型建立

4．3．2 模型参数计算

4．3．3 模型训练和预测

4．3．4 模型性能分析

4．4 SVR模型和CBR-SVR模型对比分析

4．5 本章小结

第5章 基于粒子群算法的优化估算模型

5．1 粒子群算法概述

5．1．1 粒子群算法的数学模型

5．1．2 粒子群算法的基本原理

5．1．3 粒子群算法的特点

5．2 粒子群优化模型及算例

5．2．1 PSO-SVR估算模型简介

5．2．2 PSO-SVR估算模型建立

5．2．3 PSO-SVR估算模型设定

5．2．4 PSO-SVR估算模型计算

5．2．5 PSO-SVR估算模型分析

5．2．6 PSO-SVR模型与SVR模型对比分析

5．3 PSO-SVR案例推理模型及算例

5．3．1 PSO-SVR案例推理模型建立

5．3．2 CBR-PSO-SVR模型计算

5．3．3 CBR-PSO-SVR之模型分析

5．3．4 CBR-PSO-SVR和PSO-SVR对比

5．4 成本估算模型分析

5．5 本章小结

结论

致谢

参考文献

附录