公路工程造价估算的支持向量机模型分析.pdf.pdfVIP

交 通 科 技 与 经 济 21312年第 3期(总第7t期 公路工程造价估算的支持 向量机模型分析 王金祥 (南京市六合区公路管理站，江苏 南京 211500) 摘 要：传统的工程造价计算方法所需要的时间长、参数多，且在工程明细项、工程量清单无法准确确定时，计算出 来的工程造价相差很大，采用数学模型估算造价有其必要性。在公路造价估算中，由于其分项工程相对单一，3-程 量计算相对简便 ，因此，利用公式模型来估算其造价相对准确。通过工程实践，将公路工程造价估算的支持向量机 模型引入，并运用MATLAB程序将其实现，克服传统神经网络模型存在的网络模式难以确定、估算结果精度不足等 问题 ，具有广 阔的应用前景 。 关键词 ：公路工程；支持向量机；模型；造价估算 中图分类号：U415．13 文献标志码：A 文章编号2012)03—0063—03 Research on theHighwayEngineeringCostEstimateof theSupportVectorMachine(SVM )Model WANG Jin-xiang (NanjingLiuheDistrictRoadMaintenanceManagementInstitute，Nanjing，211500，China) Abstract：Themathematicalmodelforhighwayengineeringcostestimation isnecessary．Thesupportvec— tormachine(SVM)modelintroducedhighwayprojectcostestimation。overcometraditiona1neuralnet— workmodelmathematicalmethodsofsomeproblems，andthecostrelativelyaccurate，ithaswideapplica— tionprospects． Keywords：thehighwayengineering；SupportVectorMachine(SVM)；model；costestimate 者将数学原理引入建设工程领域，如模糊判别法和 1 支持 向量机(SVM)模型的基本概念 神经网络的BP模型等，在工程造价估算中起到了 随着我国基础设施建设投入的不断加大，各地 较好的作用。但由于公路工程相比于一般民用建筑 的公路路网也不断完善。在此过程中，各地交通行 而言，存在着地理环境相差较大，工程施工特性类似 政主管部门、各类多种经济形式的公路投资运营企 等，也不具备相似度很高的公路工程项 目，因此，属 业、公路施工企业对于公路造价都非常关注，这一方 于典型的小样本事件。对于往往适用于大样本的线 面关系到国家财政资金的使用效率，同时也关系到 性回归模型、神经网络模型等，存在着较大的误差。 企业的运营效果。公路工程造价受多种因素影响 ， 支持 向量机 (SupportVectorMachines，SVM)从 构成复杂，计算繁琐 ，具有较大的模糊性 。特别是 结构风险最小化原则出发为机器学习提供了一个崭 在拟建公路的可行性研究中，由于经济发展的需要， 新的方法，被认为是适用于小样本估算的一种机器 往往也没有足够的时间加以精确估算，而如果造价 学习方法 。 预算失去了起码的准确性，将可能造成公路投资规 SVM是在统计学习理论的基础上发展而来的， 模失