针对工程造价影响因素多,预测困难且周期长等问题,通过将主成分分析和NARX(Non-linear Auto-Regressive with Exogenous inputs)神经网络相结合,提出一种新型基于混合算法的市政工程造价预测方法。利用主成分分析对影响市政工程造价的...针对工程造价影响因素多,预测困难且周期长等问题,通过将主成分分析和NARX(Non-linear Auto-Regressive with Exogenous inputs)神经网络相结合,提出一种新型基于混合算法的市政工程造价预测方法。利用主成分分析对影响市政工程造价的主要影响因素进行原始数据处理,消除其相关性,可有效降低数据冗余,也降低神经网络运算易出现局部极小点概率。以主成分分析数据作为输入,单位面积工程造价作为输出,采用贝叶斯正则化算法构建的NARX网络神经模型进行市政工程造价预测。算例结果表明,基于PCA与NARX进行市政工程造价快速、准确,证明预测有效可行。展开更多
文摘针对工程造价影响因素多,预测困难且周期长等问题,通过将主成分分析和NARX(Non-linear Auto-Regressive with Exogenous inputs)神经网络相结合,提出一种新型基于混合算法的市政工程造价预测方法。利用主成分分析对影响市政工程造价的主要影响因素进行原始数据处理,消除其相关性,可有效降低数据冗余,也降低神经网络运算易出现局部极小点概率。以主成分分析数据作为输入,单位面积工程造价作为输出,采用贝叶斯正则化算法构建的NARX网络神经模型进行市政工程造价预测。算例结果表明,基于PCA与NARX进行市政工程造价快速、准确,证明预测有效可行。
