大数据下基于机器学习的项目智能成本管理研究——以A风景园林规划研究院规划设计类项目为例

随着云计算、大数据、人工智能技术的发展与应用,以及激烈市场竞争导致的成本控制压力加大,企业的成本管理模式开始呈向数字化、智能化和科学化.文章以A风景园林规划研究院规划设计类项目为例,在分析研究院项目成本管理的现状与问题的基础上,设计了大数据下基于机器学习的项目智能成本管理框架,详细阐述了数据来源、数据采集与处理过程,以及实现各项成本智能管理活动涉及到的机器学习算法,最后分别从成本预测、成本计划、成本控制、成本核算、成本分析与评价方面介绍了机器学习算法在项目成本管理中的具体应用.     

基于BP神经网络的规划设计类项目成本控制研究——以A风景园林规划研究院规划设计类项目为例

文章以A风景园林规划研究院为研究对象,分析A研究院规划设计类项目成本控制的现状及问题,从分解项目成本、识别项目成本影响因素入手,分析制定项目成本控制点并构建项目成本控制体系,最后设计基于BP神经网络机器学习算法的规划设计类项目成本控制方法,并通过模拟实施验证该方法的合理性,为规划设计类项目成本控制评价分析与辅助决策提供参考与借鉴.     

基于支持向量机算法的项目目标成本确定研究——以A风景园林规划研究院规划设计类项目为例

文章以A风景园林规划研究院为例,在支持向量机算法的基础上,通过粗糙集理论进行成本影响因素属性约简,形成规划设计类项目目标成本测算模型.首先采用粗糙集理论将A风景园林规划研究院规划设计类项目的众多成本影响因素进行属性约简;再根据得到的约简属性集从实例库中随机抽取样本;最后通过支持向量机算法的回归估计确定规划设计类项目的目标成本.     

基于大数据的规划设计类项目成本核算研究——以A风景园林规划研究院规划设计类项目为例

随着大数据时代的来临,在企业成本核算过程中需要对海量的数据进行分析处理,传统的成本核算方法已经无法满足需求.文章以A风景园林规划研究院规划设计类项目为例,从大数据背景出发,在成本核算过程中运用数据采集、数据预处理、数据存储及管理、数据分析及挖掘、数据可视化等大数据技术,针对当前成本核算存在的问题重新设计成本核算方法,明确间接成本的分摊期间以及人工成本、管理成本分摊依据,加强了对海量数据的分析、处理能力,提高了成本核算的精确性,为企事业单位成本管理改进指明方向.     

作业成本法下基于聚类算法的项目成本动因合并研究——以A风景园林规划研究院规划设计类项目为例

在作业成本法实施过程中,由于成本动因数量庞大及其复杂性导致大多数企业放弃使用作业成本法.因此,科学合理的选择及合并成本动因是保证作业成本法有效实施的关键.文章以A风景园林规划研究院规划设计类项目为例,运用主成分分析与聚类分析算法将存在相关性成本动因进行科学有效的合并,最终得到最具代表性的成本动因,显著降低了作业成本计算的复杂性,在保障项目成本核算准确性的同时,减少了收集和处理成本数据的成本耗费.     

基于岭回归法的中关村高新技术园区总收入预测

利用岭回归法,选取中关村园区和北京市相关指标,建立多元线性回归预测模型,有效消除园区总收入预测中的多重共线,并得到拟合效果较好的收入预测值。该模型用定性和定量相结合的法方法进行园区经济预测,有助科学地制定园区发展计划,同时该方法对地区经济影响因素分析有一定的借鉴作用。     

基于线性回归模型的高等学校教育成本预测研究

文章运用回归分析方法,以高等学校教育成本为被解释变量,选取教职工人数和在校学生人数为解释变量,建立高等学校教育成本预测模型,并用实际数据验证了模型的准确性.在0.5%的显著性水平上对模型结果进行分析,得出结论:教职工人数在统计上显著,说明教职工人数时教育成本有较大的影响,若控制高等学校教育成本,教职工支出的控制不容忽视.     

基于线性回归模型的高等学校教育成本预测研究

文章运用回归分析方法,以高等学校教育成本为被解释变量,选取教职工人数和在校学生人数为解释变量,建立高等学校教育成本预测模型,并用实际数据验证了模型的准确性。在0.5%的显著性水平上对模型结果进行分析,得出结论:教职工人数在统计上显著,说明教职工人数对教育成本有较大的影响,若控制高等学校教育成本,教职工支出的控制不容忽视。     

基于DEA-CART算法的规划设计类项目绩效评价研究——以A研究院规划设计类项目为例

项目绩效评价作为项目管理的关键环节,在大数据、云计算等现代信息技术不断发展的背景下,以数据分析与挖掘技术为支撑实施科学、有效的项目绩效评价,有助于企业管理者及时、准确地获取项目绩效情况,及早发现绩效水平较低的项目并制定提高项目绩效水平的方案.文章以A风景园林规划研究院为研究对象,分析A研究院项目特点以及绩效评价现状问题,从项目投入和产出要素入手提出规划设计类项目绩效评价指标体系,并引入数据包络分析法以及机器学习算法,设计出基于DEA-CART模型的项目绩效评价方法.结果表明,该方法可以有效支持项目绩效科学评价与准确预测,为规划设计类项目绩效评价提供参考和借鉴.     

商业银行信贷管理中行业风险评价研究——基于岭回归方法

行业风险的预测和评价是商业银行信贷管理中的重点和难点。文章从偿债能力、资产流动性、盈利能力、资产运营能力、市场竞争情况、股本结构、劳动效率和创新能力八个方面,构建了行业风险预测指标体系,并针对预测指标间存在的多重共线性,运用岭回归方法筛选指标,建立了行业风险预测评价模型。此方法可以帮助商业银行在信贷管理中及时、准确地评价某个行业未来所面临的风险程度。     

基于主成分回归模型的酒店装饰项目成本预测

本文从样本工程中提取影响酒店装饰工程该项目成本的因子,将主成分分析法与多元线性回归模型相结合,通过施工企业保存下来的与影响因子相关的信息与数据,建立了对酒店装饰工程项目成本进行预测的主成分回归模型,并通过实例验证了回归模型的可行性。     

基于机器学习算法的信用风险预测模型研究

为了解决西南财经大学"新网银行杯"竞赛数据中存在的高维稀疏数据、无标签数据、多产品客群来源及好坏样本不平衡等问题,采用机器学习方法,如Logistic回归、决策树、Adaboost、GradientBoosting和LGB模型对数据进行训练,得出LGB模型的性能评价指标A UC数值最大的结论.     

基于成本加成法的价格预测——以无缝钢管为例

成本加成法是许多工业企业定价的主要方法,无缝钢管行业是典型的以成本加成法为主定价的行业。在当前行业竞争激烈的环境中,较为精确地估计产品价格未来变化,对企业正确决策极为关键。本文基于成本加成理论推导出无缝钢管价格预测的理论模型,以定价基准品种热轧无缝钢管为例,主要运用误差修正方法进行实证分析,结果显示价格预测模型精度良好,并估计出该产品的行业利润为负,经济学解释与现实极为符合。     

基于岭回归的城市建筑能耗增长驱动因素研究

建筑能耗作为我国能源消费领域最大的部门之一,约占整个社会终端总能耗的40％,并且增长趋势明显.本文首先对引起城市建筑能耗增长的主要因素进行了定性分析,找出了影响城市建筑能耗增长的关键因素;继而采用岭回归分析法对各个因素对城市建筑能耗增长的驱动程度进行了定量分析,识别出了影响城市建筑能耗的关键因素,以期为国家制定相应的建筑节能战略规划提供决策依据.     

基于岭回归建模的洛阳市旅游收入统计分析

本文对洛阳市近年来旅游收入的影响因素建立了岭回归的模型,并且利用SAS软件进行了岭回归系数的估计,分析了随着不同的影响因素的变动,洛阳市旅游收入的变化情况及各项因素的影响,提出了针对合理建设洛阳市相关产业以提高旅游收入的建议。     

基于机器学习的财务纠错系统研究——以新疆师范大学为例

大智移云时代,新兴信息技术在不断颠覆传统并持续为企业的创新实践赋能,变革已经成为企业经营的主题,这些新的技术可以帮助企业实现更好的发展,加速企业的数字化转型,促进企业治理更加智能化.本文以新疆师范大学为例,从会计引擎的角度着手,进行基于机器学习的财务纠错系统的研究,以期借助机器学习使财务会计系统更为智能化.     

影响我国医疗卫生需求的多因素实证分析——基于岭回归法

本文根据经济学原理,选取影响医疗卫生需求的八个具有代表性变量。采用岭回归法,通过SAS9．0统计软件对我国1994-2003年间的统计数据建立医疗卫生需求模型,得出：医疗卫生需求与城镇居民人均可支配收入、城镇居民医疗保健价格指数、人口调整数、普通高等学校每年毕业人数、政府预算卫生支出、医疗机构数、传染病发病率以及平均预期寿命均为同方向变化,但弹性系数相差较大。随后,对这一结果进行了成因分析,最后提出了相应的政策建议。     

基于多元和岭回归分析的南昌市物流与经济关系研究

文中论述了南昌市经济发展与物流需求之间的内在关系,在定性分析的基础上,选取适当的物流指标与经济指标,采用回归分析法进行定量分析,结合实际,揭示经济发展过程中,进行固定资产投资、最大程度的满足市场扩大的需求之间的因果关系,以便进行相关经济预测及分析。