本文選題：高速公路工程　切入點：投資估算　出處：《江西理工大學》2017年碩士論文　論文類型：學位論文

【摘要】：本文首先分析選題背景和意義,梳理國內外研究現(xiàn)狀,針對我國目前高速公路項目工程投資估算的現(xiàn)狀,找出當前高速公路投資估算存在的問題;詳細介紹了高速公路方面的投資定義以及相關的投資估算理論,并對比了已有投資估算方法的優(yōu)缺點;同時,從工程項目的投資結構、主要特征、有關文獻記載等三個方面,利用灰色理論深入分析高速公路項目投資預算特征參數(shù),建立了投資估算工程特征參數(shù)體系;將灰色關聯(lián)分析法與單隱層前饋神經(jīng)網(wǎng)絡極限算法結合起來,通過對影響高速公路投資因素的全面考慮,建立相關模型,將7個工程特征參數(shù)引入高速公路概念,并將其定義為模型的自變量,基于最小二乘原理,直接將誤差確定在允許范圍內,各種參數(shù)不需反復地多次訓練求得,最后快速估算出擬建高速公路工程的投資,利用實際數(shù)據(jù)對此算法進行科學驗證,以突出其良好的應用靈活性與適應性,更加直觀的反映研究結論,因此該模型具有很強的理論和現(xiàn)實意義;與其他網(wǎng)絡估算方法相比,單隱層前饋神經(jīng)網(wǎng)絡極限算法更能符合高速公路建設項目的要求,其預算準確度與廣泛應用性較強,在估算流程與速度方面具有明顯的優(yōu)勢。利用單隱層前饋神經(jīng)網(wǎng)絡極限算法在計算速度方面的優(yōu)越性質,給高速公路投資估算提供了一種新的估算方法,具有重要的創(chuàng)新意義。但是,文中亦存在一定的不足。在資料的收集方面,由于應用單隱層前饋神經(jīng)網(wǎng)絡的算法的研究比較少,參考資料不多,這給研究帶來一定的難度,可能收集的資料不夠全面;經(jīng)過大量的實踐證明,工程特征對其投資的總值具有一定的影響作用,然而在實際預算過程中,難免會遺漏一些影響因素,進而產生誤差;在實踐證明過程中,與高速公路項目有關的資料、數(shù)據(jù)、文獻、概況等信息(竣工項目、待建項目)是必不可少的,這就加重了信息收集的工作量。所以,獲得的案例信息覆蓋的地區(qū)可能不夠廣。
[Abstract]:This paper first analyzes the research background and significance, research status at home and abroad, in view of the present status of highway project project investment estimation, to find out the current highway investment estimation problems; introduces the definition of investment of highway and the related investment estimation theory, and the comparative advantages and disadvantages of the existing investment estimation method; at the same time, from the project investment structure, the main characteristics of relevant literature in three aspects, in-depth analysis of parameter characteristics of expressway project investment budget by using grey theory, establishes the investment estimation system of engineering characteristics; grey correlation analysis method and the single hidden layer feedforward neural networks limit combined algorithm, by fully considering the influence factors of expressway investment establishing the model, the 7 parameters introduced highway engineering concepts, and defines it as a model The independent variables, based on the principle of least squares, will directly determine the error within the allowable range, various parameters do not need to repeatedly obtain training quickly calculate, finally the highway engineering investment, scientifically verified by the actual data of this algorithm, in order to highlight the application of good flexibility and adaptability, the research conclusions reflect more intuitive, so the model it has strong theoretical and practical significance; compared with other network estimation method, single hidden layer feedforward neural network algorithm to meet the limit of expressway construction project, the budget accuracy and strong applicability, has obvious advantages in estimating process and speed. Superior properties by using single hidden layer feedforward neural networks limit the algorithm in terms of computational speed, provides a new method to estimate the investment estimate of highway, a new meaning is important but. Yes, it also has some shortcomings. In the process of data gathering, the research and application of single hidden layer feedforward neural network algorithm is relatively small, much less reference, it brings some difficulties to the research, collect data is not comprehensive; after a lot of practice proved that the gross investment of the project features have a certain effect, but in the actual budget process, will inevitably influence factors and some errors; in practice, the verification process, related highway project information, data, literature, survey and other information (the completion of the project, construction project) is essential, this adds to the information collection work. So, in case may obtain the information coverage is not wide enough.

【學位授予單位】：江西理工大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：F542.3

【參考文獻】

相關期刊論文 前10條

1 葉云;;高速公路維護管理現(xiàn)狀及發(fā)展趨勢[J];公路與汽運;2016年04期

2 李碩;畢公平;楊樹芬;任娟;龍俊義;孫靚;;高速公路造價快速估算中的模糊數(shù)學模型構建——以江西地區(qū)高速公路為例[J];黑龍江科技信息;2016年05期

3 黃羅寧;劉虎城;劉夢偉;鄔曉光;;基于地形的高速公路造價快速估算系統(tǒng)[J];河南城建學院學報;2015年04期

4 黃敏;吳立;姚沅;;基于支持向量機-粒子群算法的山區(qū)公路隧道造價預測[J];公路;2015年07期

5 李玨;肖麗紅;黃祺;;基于案例推理模型的公路工程造價估算研究[J];長沙理工大學學報(社會科學版);2013年01期

6 王賢輝;;公路工程造價快速估算的模糊神經(jīng)網(wǎng)絡方法應用[J];科技資訊;2012年12期

7 韓明倫;;公路工程造價估算中模糊神經(jīng)網(wǎng)絡的應用[J];科技資訊;2012年05期

8 彭人瑋;;高校各類基建工程項目投資估算參考指標體系研究[J];建筑經(jīng)濟;2012年02期

9 李芬;湯虎;;基于神經(jīng)網(wǎng)絡的山區(qū)公路橋梁造價預測[J];土木工程與管理學報;2011年04期

10 楊無疆;林玲;;基于BP神經(jīng)網(wǎng)絡的工程造價快速估算模型[J];建筑經(jīng)濟;2011年09期

相關碩士學位論文 前5條

1 雒香云;基于主要特征因素和BP-GEP網(wǎng)絡的公路工程造價預測模型[D];長沙理工大學;2013年

2 肖璐;風—蓄聯(lián)合運行電站投資估算研究[D];蘭州理工大學;2012年

3 陳劍鋒;鄆城縣水滸文化旅游城開發(fā)項目的投融資研究[D];中國海洋大學;2010年

4 王麗君;房地產開發(fā)項目投資估算研究[D];北京交通大學;2009年

5 王勇;投資估算的方法研究[D];重慶大學;2004年

，

本文編號：1606882