资源描述：
《基于粗集——小波神经网络的建筑工程成本预测方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、摘要摘要快速准确地进行成本预测，对于工程项目的管理实践具有重大的理论意义和现实意义。结合我国目前建筑工程成本预测的现状，本文采用粗集、未确知测度、小波分析和神经网络这些数学方法构成智能预测系统，研究解决长期以来困扰建筑企业的成本预测效率不高这一难题。首先，本文详细介绍了小波分析的理论与方法。分析了小波神经网络的特征和优点。详细分析了小波神经网络的学习规则和训练过程。小波神经网络即具有一般神经网络适应性强的优点，又克服了学习速度慢和预测精度不高的缺点。文中利用小波神经网络构成智能预测系统的主框架，并将该系统运用在成本预测领域。其次，影响工程成本的因
2、素有很多，如果都作为神经网络的输入节点，则增加了神经网络的训练难度，而且这些因素在一定程度上是相互关联的，甚至有些因素是冗余的。利用粗集属性约简约简掉一些冗余属性，使得神经网络的输入节点得以减少,减小了小波神经网络结构的复杂性，提高了容错和抗干扰能力，在不影响训练精度的前提下，简化了网络的训练。将收集到的影响工程成本因素利用粗集进行约简，利用约简后的因素作为神经网络的输入节点来训练网络。结果证明粗集-小波神经网络这一智能预测系统可以快速、准确地进行成本预测。关键词：建筑工程；工程成本；粗集；小波分析；小波神经网络IAbstractAbstract
3、Thehigh-activitypredictingofthecostbuildingisnecessarytothepracticeandtheoryofprojectmanagement.Accordingtothepresentresearchofthecostbuilding,inthethesis,anintelligentpredictionsystemiscomposedof4mathematicalmethods,includingRoughSets（RS）,unascertainedmeasure,waveletanalysis
4、andartificialneuralnetworks(ANN),tosolvethehardproblem.Inthethesis,thetheoryandmethodisintroduced.Atthesametime,thecharacterandmeritofwaveletneuralnetworks(WNN)isanalyzed,includingthelearningrulesandtheprocedureoftraining.WNNisbetterthanNNinadaptability,learningspeedandhigh-p
5、recision.Inthethesis,theintelligentpredictionsystemisusedintheareaofthecostbuildingusingthemainframeworkofWNN.AndweuseRS-WNNsystemtopredictthecostofbuilding.Therearemanyfactorsaffectingthecostofbuilding,itmakeshardtotrain,ifweuseallthefactorstobeinputnodesofnetworks,someofthe
6、factorsarerelatedandredundant.weuseRStoreducesomerelatedorredundantfactorswhichcanreducetheinputnodesofnetworksandimprovetheinterfereresistance.Underthepremiseofnotaffectingthetrainingaccuracy,itsimplifiedthetrainingofnetwork.WeuseRoughSetstoreducethecollectedindex,andthenuse
7、thereducedindexasthenodesofWNN.TheresultprovesthatwecanpredictthecostquicklyandaccuratelybyusingthemodelofRS-WNN.Keywords:constructionengineering;thecostofbuilding;RoughSets;waveletanalysis;waveletneuralnetworksII独创性声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论
8、文不含任何其他个人或集体已经发表或撰写过的研究成果，也不包含为获得河北工程大学或其他教育机构的学位或证书而使用过的材料。对本文的研究做出
