典型文献
基于支持向量机的铁路隧道洞身工程造价预测
文献摘要：
研究目的:铁路工程项目前期投资估算的准确性对铁路建设项目的方案比选和投资控制起着至关重要的作用.目前,我国铁路工程投资估算主要以单位指标法、概预算定额法为主,整个过程相对复杂且耗时,估算准确性也依赖于从业人员的工作经验和能力水平.本文利用机器学习算法,以铁路隧道洞身工程为研究对象,构建基于支持向量机(SVM)和极限学习机(ELM)的造价预测模型,并收集若干隧道样本对模型进行训练和测试.通过实例验证和比较,选择适用性更强的算法,利用历史数据快速对隧道洞身造价进行预测,从而提高投资估算和方案比选的精度和效率.研究结论:(1)相较于ELM算法,SVM具有较高的预测精度和稳定性,预测结果的平均绝对百分比误差(MAPE)仅为3.41％,满足精度要求;(2)本研究成果为铁路隧道洞身工程的造价评估和预测提供了一种新型的、智能的数据驱动型的建模方法,并且通过仿真结果可知,该模型具有较好的可行性和适用性.
文献关键词：
支持向量机;极限学习机;铁路隧道;造价;预测
中图分类号：
作者姓名：
刘少非;侯大山
作者机构：
中铁工程设计咨询集团有限公司,北京100055;中国铁道科学研究院集团有限公司,北京 100081
文献出处：
引用格式：
[1]刘少非;侯大山-.基于支持向量机的铁路隧道洞身工程造价预测)[J].铁道工程学报,2022(05):108-113
A类：
B类：
铁路隧道,隧道洞身,工程造价,造价预测,研究目的,铁路工程项目,项目前期,前期投资,投资估算,铁路建设项目,方案比选,投资控制,国铁,工程投资,指标法,概预算,预算定额,定额法,能力水平,机器学习算法,极限学习机,ELM,历史数据,平均绝对百分比误差,MAPE,精度要求
AB值：
0.282082
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
