基于组合灰色预测模型的物流企业运营成本预测

运营成本预测是物流企业制定企业发展战略的基础。文章基于GM(1,1)模型、Verhulst模型和SCGM(1,1)c模型建立组合灰色预测模型,运用预测有效度方法确定组合预测模型的权重系数,对物流企业运营成本进行预测。选用P物流企业2000—2009年的运营成本实际值作为原始数据,利用各预测模型预测2010—2012年物流企业运营成本。预测结果表明,组合灰色预测模型比单一预测模型具有更高的预测精度。在验证组合灰色预测模型可行性的基础上,进一步预测物流企业2013—2017年运营成本,为成本预测及相关领域提供理论及方法借鉴。     

施工项目成本的灰色预测

灰色预测是根据过去的及现在已知的或非确定的信息建立的一个从过去引申到未来的灰色模型，从而确定系统未来发展变化的趋势，并为规划、决策提供依据．运用灰色预测理论，结合施工项目成本的历史发展趋势，建立了施工项目成本的GM(1，1)预测模型，为了进一步提高预测精度，建立了单段函数残差辩识模型．并通过工程实例，阐述了施工项目成本预测的操作程序．     

从监理角度看长输管道中承包商容易忽视的返工成本

油气长输管道建设招投标的竞争越来越激烈,承包商的利润空间越来越有限,但是利益最大化是每个承包商中标项目的永恒追求目标,同时,在长输管道施工过程中,返工成本往往容易被承包商所忽视。从监理的角度,从油气长输管道施工各工序对返工成本进行了剖析,对承包商在油气长输管道施工中的成本控制具有现实的参考价值。     

制造型企业业务成本预测模型构建与应用——基于灰色理论

业务成本预测是制造型企业财务管理工作的重要内容。基于灰色理论建立制造型企业业务成本预测的GM(1,1)、Verhulst和SCGM(1,1)c模型,并在其基础上采用拟合一致性方法构建GM-Verhulst-SCGM组合灰色预测模型。通过选取M化工企业2004～2013年业务成本数据作为预测模型拟合样本进行参数确定,对其2014～2016年企业业务成本进行预测。结果表明,组合灰色预测模型具有较高的预测精度,其误差低于各单一灰色预测模型及传统线性回归模型。此外,在分析组合灰色预测模型适用性的基础上,预测制造型企业2017～2021年业务成本变化趋势,为企业财务管理与成本控制提供理论参考。     

基于组合预测模型的地铁车站地表沉降研究

为有效获取地铁车站地表沉降动态演化规律,实现地铁车站地表沉降变形特征的高精度预测。研究基于指数模型、Logistic模型和Gompertz模型的预测结果,利用熵权法获得各单一预测模型的客观权重值,进一步构建得到了组合预测模型。在此基础上,结合安徽合肥地铁车站7号线实际监测数据,利用各预测模型对地铁车站地表沉降变形特征进行预测分析。研究结果表明：指数模型在沉降初期具有较好的预测精度,但并不能有效实现沉降特征的中长期高精度预测,Logistic模型和Gompertz模型在沉降初期具有较低的预测精度,但在沉降中后期预测精度有所提升;通过对比分析各单一预测模型和组合预测模型的预测结果可知,组合预测模型可有效结合各单一预测模型的优势,组合预测模型预测精度更高,最终预测结果与实际情况更为接近,可为实现地铁车站地表沉降特征的高精度预测提供一种有效技术手段。     

承包方信任度对投标报价的影响研究

从承包商的视角构建了以承包方信任为自变量、投标报价为因变量、承包商的公平感知为调节变量的理论模型。通过对 173 份承包商的有效问卷进行实证分析,得出结论:善意信任、能力信任与风险费报价和管理费报价均负相关,且承包商的公平感知可以加强善意信任、能力信任与风险费报价之间的负相关关系。不仅丰富了投标报价领域和招投标阶段有关信任方面的研究,而且可以指导承包商的投标工作,促进业主和承包商在以后的项目建设过程中更加注重己方的诚信建设。     

建设项目公开招投标成本率研究——以重庆市招投标市场为例

从交易成本理论出发,结合德尔菲法和帕累托原则,构建了建设项目公开招投标成本率模型、招标人成本率模型、投标人成本率模型,并以重庆市招投标市场为例进行了实证研究。采用市场调查和归纳分析法,测算出企业平均招标成本、投标成本和项目招投标成本、招投标成本率。     

海外工程项目“现场异常情况”风险应对研究——基于承包商视角

FIDIC合同条件是海外工程项目中广泛采用的合同范本。针对FIDIC银皮书和红皮书中的"现场数据"条款,分析和研究项目投标和实施过程中因"现场数据"提供的内容和现场实际情况之间的偏差所引发的"现场异常情况"风险,基于承包商的视角,提出规避"现场异常情况"风险的策略,即招投标阶段的项目甄选的策略,投标过程中承包商进行标前现场踏勘的策略,工程实施阶段承包商对"现场异常情况"的防范措施等。     

建设项目成本估算BAF模型的构建及应用

结合体现项目进度的β曲线,以建设项目实施进程中的成本数据和工程造价经验数据为依托,从内部估算和外部估算两个角度入手,构建了一个建设项目成本估算BAF模型,对项目执行过程中的估算成本进行动态预测,以提高项目成本预测的精度。     

基于SVM预测模型的工程初设阶段概预算研究

为了提高建筑工程初期设计阶段的工程预测可靠性,在国内外学者研究成果的基础上,通过对支持向量机(SVM)的改进从而提出一种最小二乘支持向量机的算法模型(SVM预测模型),进而实现对工程初设阶段造价进行较为详细、全面的预测。并从某房建项目中选取已经完工的15个成品住宅项目为工程依托,将提出的SVM预测模型进行工程应用,结果表明最大误差值小于误差允许值,误差精度满足要求,提出的SVM预测模型可为工程初设阶段概预算提供参考价值。     

基于ESMD与ELM组合模型的地基沉降预测

为提高地基沉降预测精度,结合极点对称模态分解法(ESMD)与极限学习机(ELM)优势提出组合预测模型——MESMD-ELM模型。选取某高速公路地基沉降过程进行实例研究,与ESMD-ELM模型、ELM模型预测结果进行对比,表明MESMD-ELM模型预测精度较高。     

基于支持向量机的大连港主要货种吞吐量预测研究

为建立适合港口典型货种煤炭、油品、集装箱吞吐量的数据模型,实现精准预测港口吞吐量,本研究中结合直接和迭代预测模型的优点,构建了基于支持向量机模型的多步混合预测方法,并通过对大连港66个月吞吐量样本数据进行了实证分析。结果表明:利用建立的多步混合预测模型计算,煤炭、油品、集装箱的预测值与实际值的平均相对误差分别为5.7%、4.2%、2.8%;相关系数分别为95.5%、95.2%、98.2%。研究表明,本研究中构建的多步混合预测模型参数标定准确、预测精度较高,可为港口经营者掌握港口运转状态及经营决策提供技术支持,在港口多货种吞吐量指标预测中具有可行性。     

基于支持向量机的大连港主要货种吞吐量预测研究

为建立适合港口典型货种煤炭、油品、集装箱吞吐量的数据模型,实现精准预测港口吞吐量,本研究中结合直接和迭代预测模型的优点,构建了基于支持向量机模型的多步混合预测方法,并通过对大连港66个月吞吐量样本数据进行了实证分析。结果表明:利用建立的多步混合预测模型计算,煤炭、油品、集装箱的预测值与实际值的平均相对误差分别为5.7%、4.2%、2.8%;相关系数分别为95.5%、95.2%、98.2%。研究表明,本研究中构建的多步混合预测模型参数标定准确、预测精度较高,可为港口经营者掌握港口运转状态及经营决策提供技术支持,在港口多货种吞吐量指标预测中具有可行性。     

基于灰色关联投影的BT项目总承包商选择研究

BT项目管理模式可把民间资本引入基础建设,缓解政府的投资压力,实现社会资本的优化配置。科学、合理地选择项目承包商是BT项目成功运作的关键。在文献研究的基础上,建立BT项目承包商选择指标体系,构建基于灰色关联投影的BT项目承包商选择模型,并通过实例分析说明模型的应用过程,为选择高质量的BT项目承包商提供参考。     

基于XGBoost算法的基础设施项目投资预测模型——以变电站工程为例

实现基础设施项目投资额的准确预测,对于在有限资金约束下实现基础设施高效益投资意义重大。为实现基础设施项目投资的精准预测,本文构建了基于XGBoost算法的基础设施项目投资预测模型。在确定基础设施项目投资预测指标体系的基础上,构建基础设施项目投资数据训练集和测试集,基于XGBoost算法和训练集建立投资预测模型,并采用交叉验证对模型参数进行优化。最后用训练好的模型对测试集进行投资预测。为验证模型的有效性,以国网某省公司的变电站工程数据为样本,对本文模型进行验证,并将模型预测结果与传统线性回归模型和神经网络模型进行对比,预测结果表明,基于XGBoost算法的基础设施项目投资预测模型能够有效地对基础设施项目的投资进行预测,且预测精度明显高于线性回归模型和神经网络模型,预测效果更佳。     

人工神经元网络模型在城市用水量预测中的应用研究

本文针对常规城市用水量预测模型在预测中存在的盲目性大、拟合精度不高且预测容易失真的不足,引入BP神经元网络的计算方法,建立了非线性人工神经元网络预测模型:利用人工神经元网络学习理论对非线性离散参数的辨识理论对城市用水量需求预测方法进行了较为深入、系统的研究。该模型考虑了城市中众多因素对用水量需求的影响,使所建立的预测模型初步具备系统决策功能。实例预测表明,本文所建立的BP神经网络预测模型系统及其相应计算方法具有较高的预测精度和准确度,能够为城市的用水量预测提供规划依据。     

基于卡尔曼滤波法的挣值绩效预测优化模型

为提高挣值法的预测精度,解决预测项目可能发生的工期偏差和费用偏差问题,本文提出了一种将卡尔曼滤波引入挣值法的优化模型。基本思路是:首先,将项目划分为多个观察时刻,并根据每个时刻的观测数据计算成本绩效指标CPI和进度绩效指标SPI;其次,建立成本和进度卡尔曼滤波器预测优化模型,然后将计算出的CPI和SPI作为初值输入模型,利用卡尔曼滤波优化模型进行预测;最后对成本与进度进行预测并进行对比。案例研究证明:利用卡尔曼滤波器优化模型可以提高预测精度,能解决施工周期偏差和成本偏差问题。     

浅析灰色预测模型在建筑工程造价中的应用

针对建筑工程造价预测问题,提出了灰色模型方法,以工程造价历史资料为依据,建立了建筑工程造价的灰色预测模型,为建筑工程的工程招投标提供了依据,从而使工程投资达到预期目标。     

路面使用性能的马尔可夫预测研究

在总结现有路面使用性能预测方法的基础上,提出一种简化转移矩阵的马尔可夫过程链预测模型方法,并对其模型形式进行了研究,结合实例分析表明：预测模型合理,能够有效地提高预测精度。     

使用需求参数对建筑大数据能耗预测影响规律初探

利用经典时间序列大数据预测模型(ARIMA)作为优化改造后的多参数预测模型,对建筑逐时能源消耗进行预测,研究建筑使用需求参数对建筑能耗预测的影响规律。在大数据预测模型中引入建筑使用需求参数,如室外环境、室内环境、人员参数等,研究不同参数的引入对能耗预测模型预测结果精度的影响。引入影响能耗参数之后,建筑逐时能耗预测精度有不同程度提升。其中,人员参数对于建筑能耗预测精度提升最为显著。多项参数同时引入模型时可将预测精度进一步提升。能耗预测精度影响程度排序为:人员参数室外环境参数室内环境参数。