基于机器学习的住宅项目工程造价预测

安彬 唐

摘要


工程造价行业数字化转型满足建筑行业精细化管理、高质量发展的要求，所以基于机器学习的工程造价预测对工程造价数字化转型具有重要的意义。论文通过对中国成都市住宅项目的工程造价数据进行采集、清洗、降维，并将数据集划分为训练集和验证集。此后建立支持向量机回归、随机森林回归、套索回归和 BP 神经网络模型，利用训练集的数据对机器学习模型训练，最后训练后的模型对验证集的数据进行预测，得到的预测造价与实际造价相差小于 5%，满足工程造价估概算的误差要求。

关键词


工程造价预测；随机森林；支持向量机；神经网络；套索回归

全文:

PDF

参考


Mangasarian O L, Musicant D R. Robust linear and support vector regression[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence,2002,22(9):950-955.

Townsend W. Elasticregress: Stata module to perform elasticnet regression, lasso regression, ridge regression[J]. Statistical Software Components, 2018(3):23-40.

Sun W, Xu Y. Financial security evaluation of the electric power industry in China based on a back propagation neural network optimized by genetic algorithm[J]. Energy,2016,101(15):366-379.




DOI: https://doi.org/10.12346/etr.v4i3.5797

Refbacks

  • 当前没有refback。