学位论文 > 优秀研究生学位论文题录展示

改进BP神经网络在水电工程投资预测中的应用

作　者: 于小苇
导　师: 杜志达
学　校: 大连理工大学
专　业: 土木工程管理
关键词: BP神经网络水电工程投资估算投资分析模糊数学
分类号: F426.61
类　型: 硕士论文
年　份: 2011年
下　载: 153次
引　用: 0次
阅　读: 论文下载

内容摘要

水电工程项目投资是一个复杂的、系统的、全方位的建设过程,水电投资应该得到有效控制,充分利用有限批准的投资限额使其发挥最大的效益。水利水电工程项目建设周期长、投资规模大、协作部门多；受自然资源、地形、地质、水文气象等条件的影响严重；还受到当地经济发展水平、交通及其他资源市场条件的限制。这样的独特性和复杂性增加了水电工程项目造价估算的难度,给投资预测和控制带来了很大的困难。而水利水电工程作为国民经济和社会发展的重要基础设施,项目投资必须从水利产业在国民经济中的地位和作用出发,遵循水利行业特点,强化政府宏观调控,实现社会公益型、有偿服务型、生产经营型产业的均衡发展,保证资金正常运行,实现水利投资和水利资产保值、增值。但是,改革开放以来随着经济的发展和建设行业迅速崛起,建筑行业存在着投资失控和投资失效的问题,决算超预算,预算超概算,概算超估算的现象时有发生,投资效益的作用难以发挥,我国水利建设工程投资情况也是如此。投资失控现象的出现,固然有建设材料、设备价格上涨及管理控制不够全面等诸多方面的原因,但其主要的内部原因还在于项目投资的前期决策不够系统、可靠,缺乏一个准确的控制标准。因此,要加强投资前期的投资预测和分析,合理有效地确定和控制工程造价,重视人力、物力、财力的合理应用,充分发挥固定资产投资效益。投资估算是在整个投资决策过程中,对建设项目的投资额进行初步估计。估算工作十分重要,估算的结果对整个投资计划起指导作用,直接影响该项目的投资决策。尤其是大型水电工程作为国民经济和社会发展的重要基础设施,在政府投资控制和招标阶段确定工程准确的投资额显得尤为重要,以避免投资的盲目性,减少不必要的经济损失。投资效益分析是工程造价管理工作的一个重要组成部分,是明晰投资结构和成果的一项必需的基础性工作,是保证合理确定建设项目投资的科学手段,其成果为合理确定建设项目投资提供全面、系统、可靠的决策依据。投资分析的充分与否,会给项目的决策带来影响或偏差。因此,要加强投资预测分析力度,重视前期阶段投资分析研究,避免出现错误的决策。随着市场竞争的加剧和全球经济一体化,对工程造价估算的科学性和可靠性要求越来越高。我国水利水电工程造价管理虽说是造价领域起步较早的行业,但是咨询机构数量还不多、机构基础在社会上的根基还不稳固,现行的编制工程造价的方法还不够完善、系统。所以,研究和发展工程项目建设造价估算新方法对现行投资决策方法进行完善和改进是很有必要的。随着人工神经网络理论本身以及相关理论、相关技术的不断发展,神经网络的应用已广泛地深入到神经生理科学、计算机科学、认知科学、心理学、数理科学、信息科学、生物电子学、微电子学、光学等,也被很好地应用于工程造价估算领域。将模糊数学的方法和神经网络法相结合,来构建造价估算模型进行水电工工程投资估算。投资分析内容较广,包括技术、经济、环境、社会等重要复杂因素,其分析决策过程是一个多阶段、多状态的动态分决策过程。BP神经网络的特点和性能,很适合解决投资评估和分析决策这类多指标、多因素的分析判断解决的问题。因此,可以采用BP神经网络在决策分析方面对建设项目进行分析。本文在对国内外建设工程造价估算方法和经济效益分析方法深入学习和研究的基础上,提出了基于模糊数学和改进BP神经网络相结合的投资预测模型。首先,用经典的模糊数学方法对历史数据样本进行分类筛选,来提高样本的质量从而提高投资预测模型的准确性和实用性；然后,通过综合分析大型水电项目工程投资的特点、设计重要参数以及水电站的组成等重要内容,将其特征提取出来和工程的投资估算和效益分析联系,构建了基于改进BP神经网络的水电工程投资估算模型和投资效益分析模型；其次,在MATLAB中对模型进行训练、仿真和测试；最后,通过国内己完大型水电项目工程实例对模型进行验证。结果表明模型具有较好的预测结果,能够较准确快速地实现投资估算和投资效益分析预测。

全文目录

摘要  4-6
Abstract  6-13
1 绪论  13-25
  1.1 问题的提出  13-14
  1.2 课题的理论意义和应用价值  14
  1.3 国内外研究现状  14-21
    1.3.1 造价估算国外研究历史与现状  14-16
    1.3.2 造价估算国内研究历史及现状  16-20
    1.3.3 投资分析国外研究历史及现状  20-21
    1.3.4 投资分析国内研究历史及现状  21
  1.4 本论文主要内容  21-25
    1.4.1 论文的主要内容  21-22
    1.4.2 论文的主要工作  22-24
    1.4.3 论文的框架  24-25
2 BP神经网络和模糊数学的基础理论研究  25-43
  2.1 人工神经网络概述  25-30
    2.1.1 人工神经网络的发展史  25-26
    2.1.2 神经元模型  26-28
    2.1.3 神经网络的学习规则  28-29
    2.1.4 人工神经网络的优缺点  29-30
    2.1.5 人工神经网络的应用和发展趋势  30
  2.2 BP神经网络  30-36
    2.2.1 BP网络原理和结构  30-31
    2.2.2 BP神经网络的模型  31-33
    2.2.3 BP算法步骤  33-35
    2.2.4 BP网络隐层数以及隐层节点数的选取  35-36
    2.2.5 BP网络的优缺点  36
  2.3 改进BP神经网络  36-38
    2.3.1 附加动量法  37-38
    2.3.2 调整动态学习率  38
  2.4 BP神经网络用于水科学领域概况  38-40
    2.4.1 BP神经网络用于分类和识别  39
    2.4.2 BP神经网络用于预测预报  39
    2.4.3 BP神经网络用于方案优化和控制领域  39-40
  2.5 模糊数学的概述  40-42
    2.5.1 模糊数学的产生和发展  40
    2.5.2 模糊数学的一些概念  40-42
    2.5.3 模糊数学的应用发展  42
  2.6 本章小结  42-43
3 水电工程投资现状  43-52
  3.1 投资估算现状  43-48
    3.1.1 水电工程投资特点  44-45
    3.1.2 水电工程造价内容  45-46
    3.1.3 水电工程造价特点  46-47
    3.1.4 水电工程造价估算现状  47-48
  3.2 投资分析现状  48-51
    3.2.1 水电工程投资分析的内容  48-49
    3.2.2 水电工程投资分析特点  49-50
    3.2.3 投资分析发展过程综述  50
    3.2.4 项目投资分析在我国的发展  50-51
  3.3 本章小结  51-52
4 BP神经网络在水电工程投资估算中的应用  52-58
  4.1 工程特征及估算样本的选取  52-55
    4.1.1 水电工程特点归纳  52-54
    4.1.2 工程特征选取  54-55
    4.1.3 基于模糊数学的样本选取  55
  4.2 基于改进BP神经网络的造价估算模型的建立  55-56
    4.2.1 确定模型及其参数  55-56
    4.2.2 确定激活函数  56
  4.3 样本的规范化处理  56-57
  4.4 BP网络的训练与测试  57
  4.5 本章小结  57-58
5 投资估算模型实例分析  58-62
  5.1 工程概况  58
  5.2 样本规范化处理  58-59
  5.3 确定网络模型  59-60
    5.3.1 隐含层的确定  59
    5.3.2 输入层和输出层的确定  59-60
  5.4 网络训练与测试  60-61
    5.4.1 网络训练  60-61
    5.4.2 网络测试  61
  5.5 结果分析  61
  5.6 本章小结  61-62
6 用BP神经网络进行水电工程投资效益分析  62-67
  6.1 基于改进BP神经网络的效益分析模型的建立  62-64
    6.1.1 水电工程投资分析评价指标选取  62-63
    6.1.2 确定模型及其参数  63
    6.1.3 确定激活函数  63-64
    6.1.4 样本的规范化处理  64
    6.1.5 BP网络的训练与测试  64
    6.1.6 基于模糊数学的样本选取  64
  6.2 实例分析  64-66
    6.2.1 工程案例搜集及其数据规范化处理  64
    6.2.2 样本选取  64-65
    6.2.3 确定网络模型  65-66
  6.3 结果分析  66-67
7 结论与展望  67-69
  7.1 结论  67-68
    7.1.1 BP神经网络进行造价估算  67
    7.1.2 BP神经网络进行投资效益分析  67-68
  7.2 展望  68-69
参考文献  69-71
附录A 水电工程实例样本  71-77
攻读硕士学位期间发表学术论文情况  77-78
致谢  78-79

改进BP神经网络在水电工程投资预测中的应用

内容摘要

全文目录

相似论文