装配式建筑甲方成本管控研究分析

装配式建筑作为未来的新型主流建筑模式,具有提升建筑质量和效率、减少能耗等优点,有助于全面提高中国建筑业的现代化水平、提升环境效益和社会经济效益.在装配式建筑的发展过程中,昂贵的建造成本是制约装配式建筑发展的重要因素.如何有效解决装配式建筑的成本管控问题,是建筑业从业者需要解决的问题.引用住宅工程案例,对比装配式建筑与现浇建筑成本,分析两者成本结构的差异化,提出针对性的成本管控措施,为甲方装配式建筑降本增效提供思考和建议.     

基于造价指标体系的装配式建筑造价预测

为解决装配式建筑造价预测精度低的问题,文章设计了指标分类与体系构建流程,通过造价指标信息采集与体系生成,完成对造价指标体系的建立。基于造价指标体系,对装配式建筑造价进行预测。通过回归模型的应用以及BP(Back Propagation,反向传播)神经网络对回归模型的训练,实现对装配式建筑造价的高精度预测。希望通过此次研究为装配式建筑工程造价控制提供新思路,为装配式建筑建设与发展提供新方向。     

EPC模式下装配式建筑的精益成本管理——以内蒙古某项目为例

EPC（工程总承包）模式是未来建筑施工发展的趋势。装配式建筑是建筑行业由劳动密集型向技术密集型转变的重要标志，且具有低碳、节能环保、建筑工业化程度高等特点。EPC模式下装配式建筑拥有较好的发展前景，但当前其成本远高于传统建筑，阻碍了其高质量发展。通过对EPC模式下装配式建筑与现浇式建筑在设计、采购、施工多阶段对成本影响水平进行对比分析，结合精益管理思想，以内蒙古某建设项目为实例得出相应管控措施，以期通过EPC模式下装配式建筑精益成本管理，显著降低成本，增加效益。     

基于遗传算法优化BP神经网络的企业营销风险预警研究

为了克服现有研究的缺限,文章提出了一个基于遗传算法优化BP神经网络的企业营销风险预警模型.首先阐明了BP神经网络和遗传算法应用于企业营销风险预警的可行性,然后构建了基于遗传算法优化BP神经网络的企业营销风险预警模型,接着通过某企业实例对模型进行了训练和测试.结果表明,该模型可以有效及时地对企业面临的营销风险做出预警.     

EPC模式下装配式建筑的成本管理研究

装配式建筑成本要比传统建筑成本高很多,这一直是阻碍装配式建筑推广的重要因素之一。文章在将装配式建筑成本与传统现浇式建筑成本进行对比分析的基础上,对EPC模式下装配式建筑的成本所存在的问题进行研究,从组织、经济、技术三个方面提出成本管理措施,以期为建筑行业成本管理起到一定借鉴作用。     

北京市垃圾产生量的预测——基于三种预测模型的比较

文章以2000~2011年北京市垃圾清运量的数据为基础,依次建立线性回归模型、灰色预测模型和BP神经网络模型,并分别利用三种模型预测出2012年的垃圾清运量。通过预测结果与实际数据的对比,得出BP神经网络模型比较适合预测北京市垃圾产生量。最后,文章利用BP神经网络模型预测出了未来10年北京市的垃圾产生量,并根据预测结果提出了结论和建议。     

装配式建筑项目风险识别：基于文献计量与文本分析

以中国知网收录的80篇装配式建筑风险研究领域的文献为研究对象,基于文献计量和文本分析研究装配式建筑项目风险识别方法、风险分类及常见风险。研究结果表明：文献综述是最常用的风险识别方法;环境、资源、施工、管理、供应链为装配式建筑项目常见风险类别;自然灾害、恶劣气候及不可抗力,作业人员风险意识淡薄,装配式构件质量问题,设计方案可行性与集成性差,施工现场吊装作业环境及周边环境不利为装配式建筑项目常见风险因素。针对常见风险因素,提出了对策建议,以期为装配式建筑项目风险管理提供借鉴。     

基于遗传算法优化的BP神经网络城市道路延误预测研究

交通延误是评价道路交通状态、优化交通管控策略的重要指标之一.如何利用现有交通数据,构建精度高、时延小的交通延误预测模型,对城市交通状态精细化描述以及管控起着至关重要的作用.文章在分析延误预测模型适用性的基础上,提出了基于遗传算法优化的BP神经网络延误预测模型,融合浮动车和路段卡口检测器数据,预测路段平均延误.选择济南市...     

基于机器学习的P2P网络借贷违约风险识别模型比较——以“人人贷”为例

近年来,P2P网络借贷中借款人违约风险的识别问题被各互联网金融机构重点关注。文章以"人人贷"平台中的借贷数据为样本,运用CART决策树、支持向量机(SVM)、BP神经网络和随机森林等4种主流的机器学习算法,进行代价敏感学习,构建了4种违约风险识别模型并进行比较。研究发现,机器学习算法在多维度借贷数据下的违约风险识别中适用性较强,其中树模型的预测效果显著优于其他两种模型,尤以随机森林模型预测效果最佳。     

基于演化博弈理论的装配式建筑激励策略

为了解决装配式建筑发展缓慢的问题，从建筑产业链的角度考虑，运用演化博弈理论对目前装配式建筑产业链中三大主体(政府、开发商、制造商)的行为进行分析，构建“政府-开发商”“开发商-制造商”两两激励的演化博弈模型，得到各主体的最优策略。通过分析，博弈的稳定均衡与系统的初始状态密切相关，只有当政府进行积极的经济激励，直接给予开发商财政补贴，开发商积极配合政府政策开发装配式建筑并对下游制造商进行成本分担时，才能实现三方利益共赢，推动装配式建筑的发展。     

基于灰色区间层次法的装配式建筑施工可持续水平综合评价

基于对装配式建筑可持续发展要求，选择装配式建筑不确定因素最多的施工阶段作为研究对象，从社会影响、环境保护、资源利用、经济目标、施工技术、施工管理6个维度选取24个细化指标建立装配建筑施工可持续水平综合评价指标体系。将区间层次分析法和灰色聚类法结合，构建基于灰色区间层次分析法的装配式建筑施工可持续水平综合评价模型。利用该评价模型对西北某装配式建筑施工可持续水平进行综合评价，结果表明该装配式建筑施工可持续水平为较好可持续，综合评价结果与该项目实际施工情况基本吻合，验证了该评价模型的可行性和适用性。     

基于因果聚类分析理论的维修成本控制体系研究

供电网络的维修维护工程比较复杂,影响的因素较多,影响方式多种多样,这给成本控制造成了很大困难。为了解决这个问题,我们采用数据分析,建立预测模型的方法,通过分析预测误差和预测的置信区间,确定维护成本的控制范围。为了提高预测得准确性,利用历史数据对要素变量进行因果聚类。然后将各类型中的变量进行主成份分析,降低变量集的维数。对选出的变量用神经网络算法构建预测模型,并利用其误差的性质确定误差范围,实现对成本的控制。     

装配式建筑定额体系构建研究

定额作为计价管理的重要基础,是推行经济责任制的重要环节,现行定额体系尚无法完全涵盖装配式建筑定额所需的全部内容,相较于装配式建筑的建造方式是不完全匹配的,共同点在于均需要构建装配式建筑定额体系作为具体指导。以装配式建筑定额体系以及体系中的定额标准为研究对象,对比和借鉴发达国家在装配式建筑方面的成熟理念,从系统化角度出发着重研究目前装配式建筑定额的研究成果和发展情况。对装配式建筑定额体系的构建运用六个维度进行划分,利用六维空间结构模型解决不同划分维度间定额的重复、交叉性问题,最终运用实现矩阵将维度进行细分,确定定额项目与内容实现的具体方法。     

基于Delphi法和BP神经网络的技术预见模型研究

构建了基于Delphi法和BP神经网络的技术预见模型。基于专利分析提取高价值专利以期提供科学、客观的参考点;处理专家评价数据时,为充分考虑专家熟悉程度的影响引入性能指数概念,并运用熵权TOPSIS法评估专利技术综合得分;结合BP神经网络算法计算各技术评估得分,弱化权重计算中人为因素的影响,对比计算结果验证其可行性。以智能制造领域为例开展实证研究,对该领域重点专利技术进行评估,验证了模型的科学性和可行性。     

基于主成分的BP神经网络煤层气产能预测方法

提出基于主成分的BP神经网络煤层气产能预测方法具有良好的仿真预测功能,预测结果相对误差平均1．67％,相对误差最大3．33％,最小0．22％,预测精度较高;为采用量化的排采参数预测煤层气产能提供了一种新方法。BP神经网络煤层气产能预测方法引入主成分分析,可以有效提高网络运行效率。对于产出关系不确定的煤层气井,可利用该方法获得排采参数到产气量的非线性映射关系,实现产量预测。     

我国装配式建筑区域发展水平评价——以西南地区为例

中国建筑业传统施工面临高污染、高成本和低效率等问题,而装配式技术可以缓解传统施工面临的困境。中国国土面积庞大,各省份之间装配式发展存在较大差异,通过对装配式发展相关政策分析,构建出5个维度的评价指标体系。运用DEMATEL法、AHP法和TOPSIS评价方法对我国西南地区5个省份的装配式建筑发展水平进行评价和分析。研究发现,西南地区装配式建筑发展差异性显著,其中四川省装配式建筑发展最好,而云南省落后于其他省份,相对薄弱。     

时间序列与BP神经网络在新疆GDP预测中的对比分析

根据新疆维吾尔自治区2009年统计年鉴中的数据,构建并选用合适的时间序列模型、BP神经网络模型,对2004年-2008年的新疆GDP进行预测,并用预测结果与实际值求得相对误差,然后将两种模型的误差进行比较。结果表明,BP模型应用于新疆GDP预测较时间序列预测有较高的预测精度和良好的泛化能力。