基于数据挖掘的建筑工程造价成本预估模型

'为了确保“教学点数字教育资源全覆盖”项目设备正常使用，我校做到安装、教师培训同步进行。设备安装到位后，中心校组织各学点管理人员统一到县教师进修学校进行培训，熟悉系统的使用和维护。基于数据挖掘的建筑工程造价成本预估模型　　摘要：成本预估是建筑工程管理中的一个重要研究方向，传统模型无法精准描述建筑工程造价的变化趋势，导致建筑工程造价成本预估精度低，为此，设计了基于数据挖掘的建筑工程造价成本预估模型。建立建筑工程造价成本预估的数学模型，采用最小二乘支持向量机对建筑工程造价成本预估数学模型进行求解，并采用改进粒子群算法对模型再优化，通过具体建筑工程造价成本预估实验对有效性进行验证，数据挖掘提高了建筑工程造价成本预估的精度，且建筑工程造价成本预估性能要优于当前其他建筑工程造价成本预估模型。　　关键词：建筑工程；质量管理；成本预估；数据挖掘；数学模型；工程造价　　中图分类号：?34文献标识码：A文章编号：1004?373X07?0170?04　　Dataminingbasedestimationmodelofconstructionprojectcost　　FANWenguang1，2　　　　Abstract：Thecostestimationisanimportantresearchdirectionintheconstructionproject为了充分发挥“教学点数字教育资源全覆盖”项目设备的作用，我们不仅把资源运用于课堂教学，还利用系统的特色栏目开展课外活动，对学生进行安全教育、健康教育、反邪教教育等丰富学生的课余文化生活。 为了确保“教学点数字教育资源全覆盖”项目设备正常使用，我校做到安装、教师培训同步进行。设备安装到位后，中心校组织各学点管理人员统一到县教师进修学校进行培训，熟悉系统的使用和维护。management.Thetraditionalmodelcan′taccuratelydescribethechangetendencyoftheconstructionprojectcost，andhaslowestimationaccuracyofconstructionengineeringcost.Therefore，adataminingbasedestimationmodelofconstructionprojectcostwasdesigned.Themathematicalmodeloftheconstructionprojectcostestimationwasestablished.Andthentheleastsquaresupportvectormachineisadoptedtosolvethemathematicalmodeloftheconstructionprojectcostestimation.Theimprovedparticleswarmoptimizationalgorithmisusedtooptimizethemodel.Theconcreteestimationexperimentofconstructionprojectcostwasperformedtoverifytheeffectivenessofthemodel.Thedataminingcanimprovetheestimationaccuracyofconstructionprojectcost，andtheperformanceofthemodelishigherthanthatofotherconstructionprojectcostestimationmodels.　　Keywords：constructionengineering；qualitymanagement；costestimation；datamining；mathematicalmodel；projectcost　　0引言为了充分发挥“教学点数字教育资源全覆盖”项目设备的作用，我们不仅把资源运用于课堂教学，还利用系统的特色栏目开展课外活动，对学生进行安全教育、健康教育、反邪教教育等丰富学生的课余文化生活。 为了确保“教学点数字教育资源全覆盖”项目设备正常使用，我校做到安装、教师培训同步进行。设备安装到位后，中心校组织各学点管理人员统一到县教师进修学校进行培训，熟悉系统的使用和维护。　　随着经济的不断发展，人们生活水平不断提高，而住房水平是其中最为重要的一部分，使得大中小城市的建筑�I发展迅速。由于材料、人工费、管理费用的不断增加，建筑工程造价的成本也相应增加，对建筑工程造价成本进行预估，为工程管理者和企业提供有价值的信息成为当前重要研究内容[1?3]。为了充分发挥“教学点数字教育资源全覆盖”项目设备的作用，我们不仅把资源运用于课堂教学，还利用系统的特色栏目开展课外活动，对学生进行安全教育、健康教育、反邪教教育等丰富学生的课余文化生活。 为了确保“教学点数字教育资源全覆盖”项目设备正常使用，我校做到安装、教师培训同步进行。设备安装到位后，中心校组织各学点管理人员统一到县教师进修学校进行培训，熟悉系统的使用和维护。　　原始建筑工程造价成本预估主要通过一些管理人员根据统计学方法进行，该过程十分复杂，极易出错，导致建筑工程造价成本预估的误差大，很难为建筑工程造价成本的管理者提供有效的信息[4]。多元线性回归模型根据建筑工程造价成本的历史数据，对相似建筑工程造价成本进行回归和拟合，比人工方法的建筑工程造价成本预估结果更加可信，但多元线性回归模型认为建筑工程造价成本是一种固定的线性增加变化趋势，这与实际情况不太相符，因为建筑工程造价成本是一种非线性变化系统，不仅有一定的线性变化趋势，同时具有一定的非线性波动，使得建筑工程造价成本预估精度有待进一步提高[5]。人工神经网络具有智能学习能力，可以对建筑工程造价成本与其影响因素之间的关系进行非线性拟合，从而描述建筑工程造价成本的变化趋势，预测精度较高，但人工神经网络的结构复杂，如何合理确定其结构没有统一的看法，且易得到“过拟合”的建筑工程造价成本预估结果[6]。数据挖掘技术是近几年发展起来的一种非线性建模方法，其中支持向量机是一种最为常用的方法，可以对建筑工程造价成本变化趋势进行深度挖掘，准确估计建筑工程造价成本与影响因素之间的联系，泛化能力强，成为建筑工程造价成本预估的主要工具[7?9]。但当建筑工程造价成本的数据较多时，支持向量机的缺陷就体现出来了，出现学习速度比较慢，有时甚至无法实现的情况[10]。　　最小二乘支持向量机是一种新型的数据挖掘技术，学习速度快、泛化能力强，针对当前模型无法精准描述建筑工程造价的变化趋势，预估精度低的问题，提出基于数据挖掘的建筑工程造价成本预估模型，通过最小二乘支持向量机拟合建筑工程造价成本变化趋势，结果表明，数据挖掘提高了建筑工程造价成本预估的精度，预估误差小于其他建筑工程造价成本预估模型。为了充分发挥“教学点数字教育资源全覆盖”项目设备的作用，我们不仅把资源运用于课堂教学，还利用系统的特色栏目开展课外活动，对学生进行安全教育、健康教育、反邪教教育等丰富学生的课余文化生活。'