基于算法的工程建设项目运维费用预警研究

皓天 许, 镜如 安, 微 赵

摘要


随着全球经济稳步增长，大型复杂建设项目在国际国内不断增多。为了更有效地监控和管理这些复杂项目的成本，本研究首次引入了聚类算法，以确定建筑工程项目在运维阶段的费用偏差的预警范围。同时，我们提出了边界均值算法作为关键方法，以改进传统的费用预警方法，解决了样本数据分段间断的问题。此外，我们还采用了传统神经网络来进行非线性拟合，以适应工程费用的特性，并应用遗传算法来估计传统神经网络的初始权值和阈值，以提高模型的计算性能。

关键词


聚类算法；神经网络；运维偏差费用预警

全文:

PDF

参考


Piciullo L.; Gariano S.L.; Melillo M.; Brunetti M.T.; Peruccacci S.; Guzzetti F.; Calvello M. Definition and performance of a threshold-based regional early warning model for rainfall-induced landslides. Landslides 2017, 14(3):995-1008.

Sinaga K.P.; Yang M.S. Unsupervised Clustering Algorithm. IEEE Access 2020, 8:80716-80727.

Wang X.Y.; Bai Y.P. The global Minmax algorithm. SpringerPlus 2016, 5:15.

Ikotun A.M.; Ezugwu A.E.; Abualigah L.; Abuhaija B.; Heming J. clustering algorithms: A comprehensive review, variants analysis, and advances in the era of big data. Inf Sci 2023, 622:178-210.

Ran X.J.; Zhou X.B.; Lei M.; Tepsan W.; Deng W. A Novel Clustering Algorithm with a Noise Algorithm for Capturing Urban Hotspots. Appl Sci-Basel 2021, 11(23):21.




DOI: https://doi.org/10.12238/jpm.v4i11.6332

Refbacks

  • 当前没有refback。


Creative Commons License
此作品已接受知识共享署名-非商业性使用-禁止演绎 4.0国际许可协议的许可。