基于粗集——小波神經網絡的建筑工程成本預測方法研究.pdf

1、快速準確地進行成本預測，對于工程項目的管理實踐具有重大的理論意義和現實意義。結合我國目前建筑工程成本預測的現狀，本文采用粗集、未確知測度、小波分析和神經網絡這些數學方法構成智能預測系統(tǒng)，研究解決長期以來困擾建筑企業(yè)的成本預測效率不高這一難題。 首先，本文詳細介紹了小波分析的理論與方法。分析了小波神經網絡的特征和優(yōu)點。詳細分析了小波神經網絡的學習規(guī)則和訓練過程。小波神經網絡即具有一般神經網絡適應性強的優(yōu)點，又克服了學習速度慢和預測

2、精度不高的缺點。文中利用小波神經網絡構成智能預測系統(tǒng)的主框架，并將該系統(tǒng)運用在成本預測領域。 其次，影響工程成本的因素有很多，如果都作為神經網絡的輸入節(jié)點，則增加了神經網絡的訓練難度，而且這些因素在一定程度上是相互關聯的，甚至有些因素是冗余的。利用粗集屬性約簡約簡掉一些冗余屬性，使得神經網絡的輸入節(jié)點得以減少,減小了小波神經網絡結構的復雜性，提高了容錯和抗干擾能力，在不影響訓練精度的前提下，簡化了網絡的訓練。將收集到的影響工程成