典型文献
海外铁路建设项目造价人工智能估算方法研究
文献摘要：
研究目的:海外铁路建设项目投资估算亟需一套集可靠的历史数据和科学的估算方法于一体的估价体系,来解决因投资估算效率与准确度低而导致项目亏损的问题.本文运用PSO(Particle Swarm Optimization)和BPNN(Back Propagation Neural Network)等非线性方法建立海外铁路投资智能估算模型,以弥补传统估算方法主观性强、可靠性低等不足.研究结论:(1)识别出包括建设市场、地质条件等在内的19个海外铁路投资估算影响因素;(2)研究发现,PSO和BPNN等非线性方法可较好地适用于海外铁路投资估算的研究中;(3)通过实证研究,本文所构建模型误差控制在6.44％以内,准确度较高,可以推广运用于国内地铁、高铁投资估算领域;(4)本文研究可为其他海外铁路建设项目造价的估算研究提供参考.
文献关键词：
海外铁路;PSO;BPNN;智能估算
中图分类号：
作者姓名：
段晓晨;鲍默;牛衍亮;雷培军
作者机构：
石家庄铁道大学,石家庄050043
文献出处：
引用格式：
[1]段晓晨;鲍默;牛衍亮;雷培军-.海外铁路建设项目造价人工智能估算方法研究)[J].铁道工程学报,2022(09):112-118
A类：
B类：
海外铁路,铁路建设项目,项目造价,智能估算,估算方法,研究目的,项目投资,投资估算,历史数据,估价,算效率,亏损,PSO,Particle,Swarm,Optimization,BPNN,Back,Propagation,Neural,Network,非线性方法,估算模型,主观性,设市,地质条件,构建模型,模型误差,误差控制,推广运用,国内地铁
AB值：
0.34417
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。
