基于ANN贡献分析及GEP算法的地铁车站土建造价预测模型_王杰
科学地选取工程特征因素及预测方法对于构建一个好的造价预测模型十分关键。在选取的14个影响地铁车站土建造价特征因素中,利用神经网络贡献分析的变量选取方法,筛选出12个主要特征因素。并针对这选定的14个全部特征因素和12个主要特征因素分别组合BP神经网络和GEP 2种预测方法构建4个不同的造价预测模型,应用18组地铁车站土建造价和特征因素的历史数据进行实例探究,通过R2,MSE,RMSE和MaxRE 4个指标的评价,结果表明:用主要特征因素为模型输入变量能显著提高模型的预测精度,且和GEP算法组合建立的造价预测模型为最优。将主要特征因素选取和预测方法选取相结合构建求解的最优模型很好地解决了已有相关研究中选取特征因素主观性多科学性不足及未考虑特征因素选取对预测方法选取的影响问题。
- 2021-04-25
- 阅读340
- 下载0
- 10页
- pdf
