全部 标题 作者
关键词 摘要

OALib Journal期刊
ISSN: 2333-9721
费用:99美元

查看量下载量

相关文章

更多...

建设工程项目工序的LS-SVM工期预测模型

DOI: 10.11830/ISSN.1000-5013.2010.05.0562, PP. 562-565

Keywords: 建设工程项目,最小二乘向量机,工序,工期预测

Full-Text   Cite this paper   Add to My Lib

Abstract:

鉴于传统工期预测的模糊性和随机性,分析影响工程项目工期的因素及参数的获取方式.采用最小二乘支持向量机(LS-SVM)构建建设工程项目工序工期的预测模型,并用工程实例论证方法的有效性.结果表明,对类似工程或者同一工程项目的类似工序的进度执行状况进行学习,采用LS-SVM的工期预测模型预测即将开展的工程项目的工序工期,符合实际工期控制的要求.与基于BP神经网络工期预测模型对比分析,LS-SVM的工期预测模型的预测误差更小,平均训练时间更短,网络总误差更小.

References

[1]  陆歆弘. 模糊假言推理确定施工工期 [J]. 基建优化, 1999(5):18-21.
[2]  SUVKENS J A K, VUNDEWULLE J. LeusL squares support vector machine classifiers [J]. Neural Processing Letters, 1999(3):293-300.
[3]  张云波, 胡云昌. 人工神经网络的建设工期定额地域分类 [J]. 华侨大学学报(自然科学版), 2004(3):270-274.doi:10.3969/j.issn.1000-5013.2004.03.012.
[4]  祁神军, 丁烈云, 骆汉宾. 大型工程项目工序工期精准预测方法研究 [J]. 重庆建筑大学学报, 2007(6):141-144.doi:10.3969/j.issn.1674-4764.2007.06.032.
[5]  宋志宇, 李俊杰. 最小二乘支持向量机在大坝变形预测中的应用 [J]. 水电能源科学, 2006(6):49-52.doi:10.3969/j.issn.1000-7709.2006.06.015.
[6]  何飞, 张贵平. 工程施工工期概率:模糊估算法 [J]. 陕西建筑, 2000(2):42-45.
[7]  SANDERS S R, THOMAS H R. Factors affecting masonry-labor productivity [J]. Journal of Construction Engineering and Management ASCE, 1991(4):626-644.
[8]  THOMAS H R, MATHEWS C T, WARD J G. Learning curve models of construction productivity [J]. Journal of Construction Engineering and Management ASCE, 1986(2):245-258.
[9]  OVARARIN N, POPESCU C M. Field factors affecting masonry productivity [A]. Pittsburgh, PA, USA, 2001.91-100.
[10]  BOTERO L F, ALVAREZ M E. Last planner:An advance in planning and controlling construction projects:Case study in the city of Medellin [A]. Porto Alegre, 2005.1-9.
[11]  SALEM O, SOLOMON J, GENAIDYETAL A. Site implementation and assessment of lean construction techniques [J]. Lean Construction Journal, 2005(2):1-21.
[12]  辛治运, 顾明. 基于最小二乘支持向量机的复杂金融时间序列预测 [J]. 清华大学学报(自然科学版), 2008(7):1147-1149.doi:10.3321/j.issn:1000-0054.2008.07.021.

Full-Text

Contact Us

service@oalib.com

QQ:3279437679

WhatsApp +8615387084133