目前建筑工程造价主要还是依赖人工处理数据和工程师经验,人工处理数据逐渐不能适应当今建筑工程的大数据时代。建筑工程造价的计算方式由人工处理数据转变为计算机计算已经是工程造价行业实现现代化、信息化转型的迫切需求。但面对工程造价多样复杂的计算特点,需要计算机模拟人类的学习行为,获得与工程师一样的“经验”。近年来,机器学习的理论积累和现代计算机计算能力的提升,使得计算机具备了实现人工智能的条件。本文致力于研究机器学习理论在工程造价预测领域上的实现,对比分析机器学习算法在工程造价预测上的性能。
结合机器学习理论和建筑工程造价管理理论,分析研究机器学习中决策树、随机森林、BP神经网络、SVR支持向量机回归的算法原理,并基于这四种算法建立预测模型进行对比研究以及性能分析。本文首先通过广联达指标网获取的775个住宅类工程案例样本及提取样本中的13个工程特征指标,再基于提出的算法建立了预测模型,通过预测结果的对比可以发现,在基于全国范围内的广联达指标网收集的住宅工程数据样本库的基础上建立的工程造价预测模型,随机森林的值0.6174是四种模型中拟合优度最高的。而MSE 、RMSE 、MAE 、MAPE的值
1630python人工智能2000.00元