TY - JOUR A2 - Serrat, Carles AU - Car-Pusic, Diana AU - Petruseva, Silvana AU - Zileska Pancovska, Valentina AU - Zafirovski，Zlatko PY - 2020 DA - 2020/12/29 TI - Neural Network-Based Model for Predicting Preliminary Construction Cost as Part of Cost Predicting System SP - 8886170 VL - 2020 AB本文提出了一种基于过程和数据驱动相结合的工程造价预测模型。采用Bromilow的“时间成本”模型作为基于过程的模型，广义回归神经网络(GRNN)作为数据驱动模型。在采用神经网络的三种预测模型中，GRNN的预测精度最高，平均绝对百分比误差(MAPE)约为0.73%，确定系数最高 R ²的99.55%。预测值与实际值的相关系数为0.998。该模型被设计为成本预测系统(CPS)的一个组成部分，其作用是在项目的早期阶段估计成本。所得结果用作成本模型(CM)的输入，作为决策支持系统(DSS)和更广泛的楼宇管理资讯系统(BMIS)的一部分。该模型可以帮助各项目参与方在项目前期，特别是在招投标和承包阶段预测工程造价，因为有许多因素可以决定建设项目的实施。SN - 1687-8086 UR - https://doi.org/10.1155/2020/8886170 DO - 10.1155/2020/8886170 JF - Advances in Civil Engineering PB - Hindawi KW - ER -