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.     

基于岭回归机器学习算法的项目成本预测研究——以A风景园林规划研究院规划设计项目为例

文章以A风景园林规划研究院规划设计类项目为例,针对其现有项目成本预测主观性强、缺乏准确性,项目成本影响因素考虑不全面等问题,分析其成本构成情况和历年项目成本影响因素,设计了成本预测的流程和方法,在此基础上建立了成本预测指标体系,利用岭回归机器学习算法构建了成本预测模型,以2014—2018年的财务数据为基础对项目成本进行了模拟预测,将训练样本和预测检验样本进行拟合,检验模型预测的效果,结果显示该回归模型有较高的预测精度,能够为A研究院的预算管理和投标决策提供有价值的参考.     

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.     

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.     

基于因子分析和支持向量机的粮食产量预测模型——以广东为例

广东省粮食产量连年下降,粮食安全形势非常严峻。为了制定有效的粮食安全对策和设施规划,对粮食产量等主要指标进行准确预测至关重要。在对常用的粮食产量预测方法,如指数滑移、灰色系统等进行研究之后,这些方法的预测结果仍然不够满意。考虑到广东省粮食产量变动的特点,尝试将因子分析和支持向量机相结合,构建了广东省粮食产量的因子分析支持向量机组合预测模型。研究结果表明:相对于其他单一预测模型,该模型具有更高的预测精度和泛化能力。     

企业管理二分类问题研究综述——基于支持向量机

通过梳理企业管理领域的二分类问题,发现二分类支持向量机广泛应用于客户流失预测、上市公司财务困境预警和信用风险评估。并且为了提高预测精度,学者不断改进该模型：为适应具体数据特征,如数据存在外点或噪声点、非平衡性、重叠性、错分代价差异性等,相应引入模糊、加权、双隶属支持向量机以及代价敏感性学习机制等。     

企业管理二分类问题研究综述--基于支持向量机

通过梳理企业管理领域的二分类问题,发现二分类支持向量机广泛应用于客户流失预测、上市公司财务困境预警和信用风险评估。并且为了提高预测精度,学者不断改进该模型：为适应具体数据特征,如数据存在外点或噪声点、非平衡性、重叠性、错分代价差异性等,相应引入模糊、加权、双隶属支持向量机以及代价敏感性学习机制等。     

基于支持向量机的柴油机故障诊断

本文研究了基于支持向量机的故障诊断方法。以传感器检测数据为输入,利用v-支持向量分类机进行故障分类识别。通过对柴油机燃油压力波动信息和柴油机振动监测数据的处理分析,结果显示基于支持向量机的故障分类器能够在样本有限的情况下出色的完成多种故障的诊断分类。     

支持向量机的应用

支持向量机算法是十大经典算法之一,对于数据分类,数据回归方便有着极好的应用.在实际操作中,我们常用它来处理分类问题.但传统的支持向量机存在噪声太多,数据处理太慢和收敛过快的问题,可通过调整参数进行改进.本文将建立一个模型,实现对支持向量机的简单应用.     

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.     

基于支持向量机的交通信息融合算法研究

支持向量机(SVM)是一种崭新的机器学习方法,它建立在结构风险最小化原理的基础上,具有很高的泛化性能。此方法能解决小样本、非线性及高维模式识别中的问题。本文以高速公路上的交通流参数为研究对象,提出了一种基于支持向量机的信息融合算法,并利用事件和非事件条件下的模拟数据对支持向量机进行了训练和测试。同时将该算法与多层前向神经网络(MLF)算法进行了性能比较,仿真实验结果表明该算法具有更好的分类效果,更高的检测率和更低的误报率,可以明显改善检测效果。     

基于支持向量机回归算法的航空公司客流量预测研究

在航空公司运营管理过程中,航空客流量预测是其航班计划和机队规划的重要依据。本文介绍了航空客流量预测中常用的几种预测方法,并对他们的特点进行了分析比较;阐述了支持向量机的理论基础和原理,给出了支持向量机的回归模型,并重点探讨了预测模型中核函数的选择方法;在选择适当的参数和核函数的基础上,对航空客流量进行预测,并与BPANN和线性回归算法这两种预测方法进行对比,证明支持向量机回归算法能获得训练最小的相对误差,是相对有效的一种航空客流量预测方法。     

基于支持向量机的变压器故障诊断

针对油浸式电力变压器在不同工作状态时,变压器油中溶解气体的类型和含量的不同,通过检测变压器油中的不同气体的类型和含量就成了判别变压器工作状态的重要方法。本文基于支持向量机(SVM)模型,利用支持向量机对于非线性问题的优良解决方法,给出了一种判别变压器工作方式的方法,经测试,判别正确率高达96.8%,满足对于变压器故障判别的精度要求。     

基于支持向量机的城市物流需求预测研究

文章利用支持向量机的非线性能力对历史物流需求量进行学习,获得模型最优参数,对将来物流需求进行预测。文章调研了焦作市历年的城市物流需求数据对模型性能进行测试,测试结果表明,支持向量机针对城市物流需求预测精度较高,为城市物流需求预测提供了有效的方法。     

基于最小二乘支持向量机的VaR计算方法研究

VaR是使投资风险数量化的工具,旨在估计给定金融资产或组合在正常的资产价格波动下未来可能的或潜在的最大损失。支持向量机是一种基于传统统计学习理论的机器学习算法。波动率作为金融风险的度量,是风险管理中的重要指标。在对Va R的计算中,本文将最小二乘支持向量机与传统的蒙特卡罗模拟法结合,对波动率进行估计。实证分析表明,该方法可行有效。     

基于支持向量机的人脸表情识别方法研究

为实现人脸表情识别,本文提出采用角点特征、纹理特征作为表情标记性特征,再利用支持向量机探索角点特征、纹理特征与不同表情之间的数学模型.实验结果表明,本文所提出的基于支持向量机的人脸表情方法的识别精度为99％.所提出的方法可为研究基于人脸表情实时捕捉的虚拟角色面部表情动画制作工业引擎提供有效参考.     

基于支持向量机的福建省GDP预测研究

采用1981～2002年的福建省GDP数据作为支持向量机(SVM)的训练目标,以各期前三年的GDP作为输入向量构成训练样本。首先利用格子搜索法获得支持向量机模型中的参数(C,γ,ε)对样本进行训练。然后用训练所得模型对2003、2004、2005三年的福建省GDP进行测试,平均测试精度达98.12%。可以认为支持向量机具有较强的泛化能力,在宏观经济预测中具有较高的精度,从而可用于未来实际GDP的预测。     

基于支持向量机的公路货运量预测方法研究

首先分析了公路货运量预测的重要性,介绍了国内外主要预测方法。归纳总结了支持向量机的核心思想和基本原理,利用此较新的理论建立了公路货运量预测模型,给出了构建模型的具体分析步骤,同时探讨了参数的标定和修正过程。利用北京市基础数据,建立北京市公路货运量预测的支持向量机模型,并应用LibSVM软件进行预测,预测结果验证了模型的有效性和可行性,表明方法可以推广并可实际应用。