侯文婷

摘 要： 传统建筑工程成本分析方法存在运行效率低、收敛性能差，导致成本分析不准确。因此提出基于粗糙集理论的建筑工程成本分析方法，构建粗糙集?小波神经网络预测模型，实现建筑工程成本的准确分析，通过粗糙集属性约简过滤掉冗余属性，减少小波神经网络输入节点，降低网络结构的复杂性，提高网络训练效率和精度。利用此预测模型，将采集到的建筑工程成本干扰因素通过粗糙集理论实施约简处理，将约简的因素作为小波神经网络的节点输入训练网络，得到建筑工程成本的分析结果。实验结果说明，所提方法具有较高的运行效率和收敛性能，能够对建筑工程成本进行快速、准确的分析。

关键词： 粗糙集理论； 建筑工程； 成本分析； 小波神经网络； 约简； 冗余属性

中图分类号： TN711?34； F407.9 文献标识码： A 文章编号： 1004?373X（2018）19?0083?06

Abstract： The traditional cost analysis method of construction engineering has low operation efficiency and poor convergence performance， which leads to inaccurate cost analysis. Therefore， a construction project cost analysis method based on rough set theory is put forward， in which the rough set and wavelet neural network forecasting model is constructed to realize the accurate analysis of the cost of construction engineering. The attribute reduction of rough set can filter out the redundant attributes to decrease the number of input node of wavelet neural network， reduce the complexity of network structure， and improve the efficiency and precision of network training. The acquired factors influencing the construction engineering cost are reduced by means of rough set theory， and the reduced factor is deemed as input node of wavelet neural network for training network to get the analysis result of construction engineering cost. The experimental results show that the proposed method has high operation efficiency and convergence performance， and can quickly and accurately analyze the cost of construction project.

Keywords： rough set theory； construction engineering； cost analysis； wavelet neural network； reduction； redundant attribute

隨着经济的快速发展，建筑行业的市场竞争不断提升，高质量的建筑工程成本管理能够提高建筑工程的效益，增强建筑企业的市场竞争力。寻求有效的建筑工程成本分析方法，对于确保建筑企业健康快速发展具有重要应用意义[1]。传统基于神经网络的建筑工程成本分析方法，存在运行效率低、收敛性能差，导致成本分析不准确。为了解决该问题，本文提出基于粗糙集理论的建筑工程成本分析方法，采用粗糙集?小波神经网络预测模型，实现对建筑工程成本的快速、准确分析。

1 基于粗糙集?小波神经网络的建筑……

登录APP查看全文