现代工程造价估算方法

第1章 绪论

1.1 研究背景及研究意义

1.2 研究的主要内容

1.3 拟解决的关键问题

1.4 创新之处

1.5 思路和结构安排

第2章 国内外研究现状

2.1 全生命周期造价（WLC）研究现状

2.2 显著性成本理论（CS）研究现状

2.3 智能融合技术研究现状

第3章 全生命显著性造价投资确定理论与方法

3.1 以全生命周期造价WLC理论为基础

3.2 运用“显著性成本CS”模型简化投资确定和控制程序

第4章 粗糙集（RS）在WLCS中的研究与应用

4.1 粗糙集理论（RS）基础

4.2 基于RS的工程特征提取

4.3 RS在寻找同类工程中的研究与应用

4.4 利用变精度粗糙集（VPRS）进一步深入挖掘类似工程

4.5 RS机器学习在WLCS方法中的估算应用

4.6 粗集一神经网络（RS-NN）在WLCS估算方法中的研究与应用

第5章 WLC遗传神经网络集成估算方法研究

5.1 遗传算法

5.2 神经网络与遗传算法的集成

5.3 遗传神经网络造价估算模型的建立

5.4 实例与仿真

5.5 本章小结

第6章 基于PSO优化算法的RBF神经网络WLCS估算方法研究

6.1 粒子群（PSO）优化算法

6.2 粒子群（PSO）优化RBF神经网络

6.3 实例与仿真

6.4 本章小结

第7章 造价投资控制理论与方法研究

7.1 用已获价值理论EVM监控项目进度

7.2 基于混沌一神经网络理论和CS理论的ACWP、BCWP估算研究

7.3 已完工程CSls的GM（1，1）模型预测ACWP、BCWP

第8章 结论及展望

8.1 结论

8.2 展望

参考文献

《现代工程造价估算方法：基于智能融合的全生命周期造价估算方法》在全生命周期造价（WLC）和显著性理论（CS）的基础上，深入探讨和寻找在不同情况下复杂系统的高精度估算和控制模型，以期提高造价估算和控制的水平，从根本上解决由于造价估算与控制方法的不当所引发的各种不良后果。课题以实际大量已完工程的工程量清单为研究对象，以高速公路造价计算为例，深入分析、研究了公路工程的特点，由粗糙集从客观上提取工程特征，并确定同类工程；在传统的粗糙集基础上给出抗噪声能力强的变精度粗糙集模型（VPRS），进一步深入挖掘类似工程。结合神经网络与粗糙集机器学习估算，通过实例进行分析，证明粗糙集一神经网和粗糙集机器学习估算方法是有效可行的。将智能计算领域中的两种基本方法——人工神经网络和遗传算法相结合，建立智能融合计算的遗传神经网络造价估算模型，通过仿真试验验证了其稳定性和有效性，在深入研究神经网络的基础之上，建立径向基（RBF）神经网络结构模型，针对其结构特点，应用粒子群（PSO）智能优化算法对其进行优化，完成了基于智能融合计算的造价估算，通过仿真表明了该方法在全生命显著性造价（WLCS）估算方法中的可行性。将混沌动力系统与神经网络进行结合，融合两种智能算法的优点，在已获价值EVM的基础上，利用混沌神经网络对显著性项目的ACWP（已完工程量实际造价）、BCWP（已完工程量预算造价）进行动态估算，以便在发生偏差之前进行准确度高的估算，分析原因，并给出控制措施。仿真实验表明，该方法是有效、可行的。

《现代工程造价估算方法:基于智能融合的全生命周期造价估算方法》由中国铁道出版社出版。