新型粒子群神经网络算法在水电工程投资估算中的应用研究.pdfVIP

摘 要 摘 要 水电工程建设项目协作部门多、工期长、受外界因素影响大等特点是水电工程 投资大，资金利用率不高的重要原因。投资估算是对建设项目的投资额进行初步估 计，估算结果直接关系到项目的立项与实施，对整个投资计划起指导作用,可直接影 响该项目的投资决策。因此有必要从水电工程项目立项开始就对项目的投资进行科 学的分析，为后续建设管理与决策提供科学合理的依据。工程投资估算是项目前期 工作的首要任务。在项目前期决策阶段，由于缺乏目标工程的详细资料，很难较为 准确的估算项目的投资额度，因此针对工程项目立项建议书阶段和初步可行性研究 阶段的估算新方法研究具有十分重要的意义。 本文将粒子群组合寻优理论和神经网络理论相结合应用于水电工程投资估算。 首先建立神经网络模型，再利用粒子群理论对模型的权值进行优选，利用优选的神 经元输入权值对网络进行训练，最后再利用训练好的模型对已建工程投资额进行仿 BP 真预测，通过对比预测值与实际值，同时对比标准 神经网络与粒子群神经网络 的预测数据，验证所建模型预测方法的精度、稳定性与泛化能力。本文的主要研究 内容如下： 1.对建设工程投资估算方法的国内外发展现状进行评述，特别是基于神经网络 理论的估算模型的有关研究进行综述。 2.对本文所使用的两种算法理论进行概述，简述其优缺点及改进。并对算法的 结合进行了科学的阐述与分析。 3.水电工程样本的优选原则及方法，在确定了模型训练与测试样本的基础上对 样本进行了规范化及归一化处理，并建立了模型的基本结构。 4.运用粒子群组合寻优理论优化网络的权值，并进一步确定模型参数。最后利 用MATLAB软件实现了模型的训练与仿真预测。 5.对比传统BP神经网络与粒子群神经网络的预测值，分析新型网络的优缺点。 本文只限于对工程规模为大（Ⅰ）型水电工程项目的研究，在建立模型时也只 是针对模型预测精度与稳定性等问题进行了验证。因此模型在运用于工程实际中一 些需要进一步规范与改进的方面还有待更深入的研究。 关键词：粒子群；神经网络；水电工程；投资估算 I Abstract Abstract Hydropower project investment, capital utilization is not high collaborate on projects important reason is many departments, long duration, the impact of external factors. Investment estimation is the investment of construction project preliminary estimate,estimationresult is directlyrelated toproject initiationandimplementation, on the otherhand it’splays a importantrole of guidance to the entire investmentplan, can directly affect the project investment decision.Therefore, from the beginning of hydropower engineering project scientifically analyze of the project investment is very necessary, it can provide scientific and reasonable basis for subsequent construction management anddecisionmaking.The engineeringinvestmentestimationisthe firsttask ofthe work forpre-project.