长期以来,我国工程建设投资存在着不少问题,由此给国家和投资方带来了很多损失,时至今日,加强投资控制业已成为工程界各方的共识。而投资估算是直接影响投资控制的一个关键性因素,寻找合适的方法,较好地解决工程投资的估算问题就成了当前重要的研究课题之一。针对建筑工程投资估算问题,本文给出了三种非常有效的方法。 首先利用偏最小二乘法对木材消耗量进行估算,它作为传统回归方法的延伸,克服了传统回归方法在小样本统计中出现的诸多问题。通过对结果的分析与比较,指出了该估算方法的优点以及在工程投资估算中的应用前景。 采用神经网络作为工程投资估算的方法,前人已经做了一些研究。在此基础上,本人提出了主成分分析和神经网络共同建模的方法。它可以消除了原始数据间的相关性,减少神经网络的输入维数,从而降低网络结构的复杂性,投资估算的精度得到了提高。 针对神经网络建模中出现的“过拟合”现象,通过对该方法的深入分析与探讨,本文最后采用了基于结构风险最小化原理的支持向量机方法对工程投资进行估算,其目的是改善估算方法的推广性能。作为一种新颖的机器学习方法,支持向量机在工程投资估算领域的应用研究很少,本文尝试着将其应用于工程投资估算问题,开拓了支持向量机的应用领域,同时将结果与神经网络方法进行了比较分析,指出了两种方法各自的特点。