检索结果-南通市图书馆

作者：李晓西华大学

学位级别：硕士

EPC工程总承包作为覆盖项目建设全生命周期的建设工程组织实施方式,备受市场青睐。在EPC工程总承包模式的应用中,投资形式多数是以国家或集体投资为主。因此,项目的造价控制和管理与国有资产的合理利用有着重要的联系,而我国现行的工程... 详细信息

EPC工程总承包作为覆盖项目建设全生命周期的建设工程组织实施方式,备受市场青睐。在EPC工程总承包模式的应用中,投资形式多数是以国家或集体投资为主。因此,项目的造价控制和管理与国有资产的合理利用有着重要的联系,而我国现行的工程计价计量体系主要是建立在施工图的基础之上,可以确定较为准确的工程量和综合单价。对于采用EPC工程总承包模式的项目,在建设项目被批准立项后、或方案设计被批准后、或初步设计被批准后的三个阶段,建设单位都可以采用工程总承包的方式发包。而此时项目详细的施工图并未设计,导致不能确定项目准确的工程量和详细设计标准对应的综合单价,工程造价就无法精确的确定,不利于发包人控制项目投资,也不利于承包人优化设计和改进施工,制约了工程总承包模式的推行。根据“住房城乡建设部办公厅发布的建办标函[2018]726号《房屋建筑和市政基础设施项目工程总承包计价计量规范》（征求意见稿）”表明,发承包阶段建安费的确定可以参照同类或类似项目的此项费用并考虑价格指数计列。鉴于我国对EPC总承包模式下的造价指数并未做出相关的研究,在结合EPC总承包项目的相关文件的基础上,建立EPC总承包造价指数体系并对造价指数进行编制和预测是很有必要的。本论文以工程造价指数的理论为基础,根据EPC总承包项目各参与方的实际需求,结合“住建部发布关于《建设项目总投资费用项目组成》《建设项目工程总承包费用项目组成》征求意见稿”建办标函[2017]621号,建立了EPC总承包项目的造价指数体系,以此来填补国内EPC造价指数体系的空白;借鉴了国内外对造价指数及造价指数的预测模型的研究,决定采用对数据学习能力强的BP神经网络模型为基础,以EPC总承包工程为研究对象来建立基于pso-aco-BP神经网络的EPC造价指数预测模型,并将模型应用于EPC总承包项目建筑安装工程费的预测。论文的主要研究内容有:阐述了工程造价指数的基本理论,并建立了适用于设计、采购、施工全过程的EPC造价指数体系。根据总承包工程的造价构成,初步设计了EPC总承包造价指数体系及后续需要研究的指数,并选取建筑安装费中的造价指数作为本文的研究对象。对常用的几种工程造价指数预测模型进行了研究,并对它们进行了分析,确定采用BP神经网络预测模型作为本文的研究模型。对传统的BP神经网络的基本理论进行阐述,分析了BP神经网络的优缺点,并对它的缺点进行改进,最终构建EPC造价指数预测模型,即:pso-aco-BP神经网络预测模型。将EPC总承包项目实际数据分别代入BP神经网络预测模型和pso-aco-BP神经网络预测模型,利用两个模型分别对各项造价指数进行训练和预测,得出EPC造价指数的预测值。将两个模型的预测结果进行分析,证明了本文采用的pso-aco-BP神经网络预测模型比传统的BP神经网络预测模型预测精度更高。最后将模型运用到EPC总承包项目建安费的确定上,以此验证预测模型的可行性和有效性。论文对EPC造价指数的研究成果,在EPC总承包项目发承包阶段能用于指导工程估算、确定概算,并且在项目招投标阶段中协助发包商判断投标价是否合理。在工程的实施阶段,造价指数的预测能够使项目管理者对未来造价的变化趋势有着一定的把控,为确定项目的建筑安装工程费提供了参考依据;在EPC总承包模式的推广中,为提高资金利用提供了有力的支撑。

关键词： EPC总承包造价指数 BP神经网络 pso-aco

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于数据挖掘的再生水厂控制系统优化研究

基于数据挖掘的再生水厂控制系统优化研究

引用

作者：王宿仲北方工业大学

学位级别：硕士

“地大物博、人多水少”是我们的实际国情,随着社会的进步,水资源短缺、水环境污染、水生态受损这三大问题日益凸显。严峻形势下,我国大力发展再生水厂,高度重视污水的清理与循环利用。由于磷会造成水体富营养化,影响水生态系统的正常... 详细信息

“地大物博、人多水少”是我们的实际国情,随着社会的进步,水资源短缺、水环境污染、水生态受损这三大问题日益凸显。严峻形势下,我国大力发展再生水厂,高度重视污水的清理与循环利用。由于磷会造成水体富营养化,影响水生态系统的正常运转。国家出台政策将出水总磷的含量作为评价出水水质是否合格的重要指标。随着大数据时代的来临,人工智能等高新技术的飞速发展使再生水厂正在朝着更加智能化的方向发展。保证出水水质达标是再生水厂的基本任务,如何对出水总磷进行实时监测以及如何对化学除磷阶段投药量进行精确的控制则是当前科研人员需要研究的重点与难点。传统方法主要是通过人工采样配合化学分析对出水总磷进行监测,该方式耗时较长,结果往往存在滞后性、事后性。机理模型虽能解决离线时间长的问题但可移植性较差。数据挖掘技术可以对海量数据进行分析并对监测目标进行预测,有效的解决了滞后性问题。本文针对再生水厂出水总磷实时监测普遍存在的滞后问题,通过对pso与aco算法在数据处理上的应用特性进行研究,提出了一种能够实时预测出水总磷的pso-aco融合算法。该融合算法同时利用粒子群演算的强搜索能力与快速提取特性来获取一系列极值,并结合蚁群算法进行迭代,能够快速的在众多极值中找到最优解,该策略较大程度的提高了神经网络数据处理性能。最后通过对比pso-aco融合算法、粒子群算法、蚁群算法和BP神经网络的预测结果,验证了pso-aco融合算法在预测速度与精度上的优越性能。化学除磷过程在工艺流程以及监测设备的影响下会产生一定的时滞性,为了保证出水总磷达标,通常的做法是投加过量的除磷药剂,这样虽然可以保证出水水质达标,但药剂的冗余往往会对水资源造成二次污染。针对再生水厂化学除磷过程遇到的药剂过量投加问题,提出用出水总磷预测值代替仪器分析值作为化学除磷控制系统反馈的方法,该方法可以使控制系统克服时滞带来的影响并得到更好地控制效果。在simulink上搭建控制系统仿真模型并将优化前后的控制效果进行对比,仿真结果验证了优化控制系统的快速响应性能,该方法能够提高控制投药量的精度,有效避免投量过度而导致的二次污染问题。

关键词：再生水厂磷监测 pso-aco 神经网络除磷加药控制

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于非度量多维缩放的划分聚类组合算法研究与应用

基于非度量多维缩放的划分聚类组合算法研究与应用

引用

作者：周文娟南京邮电大学

学位级别：硕士

随着科技的不断发展,聚类作为机器学习人工智能领域重要的分析技术之一,在面临日益纷繁复杂的社会和现实问题面前,传统单一的聚类方法捉襟见肘,远远不能满足实际需求。本文从把数据类型扩充到非度量型的高维数据、有效结合基于个体轮廓... 详细信息

随着科技的不断发展,聚类作为机器学习人工智能领域重要的分析技术之一,在面临日益纷繁复杂的社会和现实问题面前,传统单一的聚类方法捉襟见肘,远远不能满足实际需求。本文从把数据类型扩充到非度量型的高维数据、有效结合基于个体轮廓系数的变化率函数确定最佳聚类个数以及充分融合蚁群算法和粒子群算法的优势优化初始聚类中心三个方面进行改进,并对改进后的算法有效性进行实例验证。本文的主要工作内容和成果如下:1、根据非度量型高维数据问题亟待解决,进行数据预处理,阐述非度量多维缩放技术,思想原理以及算法流程。一方面通过非度量多维缩放解决非度量型高维数据问题的研究,另一方面结合非度量多维缩放扩大了K-Means聚类算法的适应范围。2、基于非度量多维缩放的聚类组合算法基础上构造一种自适应确定K值的方法。利用个体轮廓系数的变化率作为评价函数,当该函数收敛时,通过相邻K两两之间轮廓系数的变化值最大自适应得到最佳聚类个数K。3、粒子群算法与蚁群算法有效融合已经成功应用各类优化求解问题,融合pso-aco各自优势来优化初始聚类中心。先利用具有全局性和快速性的粒子群算法获得初始信息素分布,再利用具有正反馈性和并行性的蚁群算法得到精确解,经过算法的多次迭代,可以较大概率得到全局最优解.将改进后的划分聚类算法分别应用于实际数据和仿真数据进行分析,实验表明新算法在求解能力和时间效率上均有有效提升,另外集群性能实验也进一步验证新算法基于大数据平台优势更加明显.但是由于融合策略中粒子群算法中设定不同的集群数量,可能会导致初始聚类中心存在微小的差距,因此在迭代算法优化问题还需要进一步完善和探讨。

关键词：非度量多维缩放高维个体轮廓系数 pso-aco 聚类组合

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于粒子群蚁群算法求解多式联运中运输方式与运输路径集成优化问题

引用

物流工程与管理 2009年第10期31卷 61-65页

作者：康凯牛海姣朱越杰张维存河北工业大学管理学院天津300401

多式联运中运输方式和运输路径选择直接影响到承运人和客户的利益。依据运输方式选择和运输路径优化的关系特点及运输路径和运输过程多样化的实际需求,提出运输方式选择和运输路径优化的集成模型,并根据问题特点,设计粒子群-蚁群双层优... 详细信息

多式联运中运输方式和运输路径选择直接影响到承运人和客户的利益。依据运输方式选择和运输路径优化的关系特点及运输路径和运输过程多样化的实际需求,提出运输方式选择和运输路径优化的集成模型,并根据问题特点,设计粒子群-蚁群双层优化算法对模型求解。该模型解决了运输网络多节点、多方式、多路径的集成优化问题,实验结果表明优于蚁群算法。

关键词：多式联运运输方式运输路径集成优化 pso-aco

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：