论文部分内容阅读
【摘要】智能化信息管理具有现代化的组织框架作为保障，企业通过对智能化信息管理的应用于建设，能够获取可作用于经营管理活动的数据服务以及指令支持。需要注意的一点是：由于在智能化信息的处理过程当中，相关数据信息的流动具有一定的被动型特征，故而对于企业管理者而言，为了能够确保信息资源的全面共享，就需要自发、主动的参与到对数据信息的采集、收集、整理、以及应用过程当中。文章以建筑工程造价的短期预测作为研究对象，在建筑工程造价短期预测中引入智能化信息处理的相关技术与方法，并针对该问题展开探讨，望能够促进建筑工程造价短期预测精确性、及时性水平的提升。
【关键词】智能化信息处理；建筑工程；造价；短期预测；分析
智能化的信息处理系统建立在计算机模型以及人机对话交互系统的基础之上，通过参与信息采集环节、信息传递环节、信息加工环节、信息储存环节的方式，使建筑工程造价信息能够得到及时的共享。这种全新的智能化信息管理模式成功取代了传统意义上，以人工为主题的业务处理模式，使得建筑工程管理期间，管理层所获取的信息资源更加的精确与安全，相关决策的执行也更加的可靠。从建筑工程造价领域的研究角度上来说，将智能化信息处理技术与工程造价短期预测工作相融合，使得包括施工用料、单位面积造价在内的各种造价相关信息能够得到及时的更新，同时纳入对市场价格行情的把握，对于提高工程造价短期预测的质量、针对性而言意义突出。本文即主要针对以上相关问题，展开系统分析与探讨。
1 基于智能化信息处理的建筑工程造价短期预测思路分析
相关的实证研究资料显示：建筑工程造价属性相互之间存在一定的隐性关系。若按照常规方法，直接应用神经网络及其相关技术辅助完成建筑工程造价的短期預测工作，可能因结构复杂儿对预测质量产生不良的影响，造成比较大的工程造价偏差问题。为此，有关研究人员提出需要以智能化信息处理技术为出发点，展开对建筑工程造价的短期预测，在构建预测模型的过程当中综合对家住工程造价观测属性的集合，同时将各种可能对工程造价产生影响的因素纳入考量。
按照以上方式，所形成的建筑工程造价观测属性集合可以表示为：
Ax={ B1，B2，…，Bn }；
该表达式当中，Ax可定义为各种条件相互影响下，整个建筑工程造价所对应的最终观测属性；B1，B2，…，Bn所指的是建筑工程项目开展全过程当中，可能影响工程造价的主要因素（常见的影响因素包括：施工材料用量因素、建筑施工结构形式因素、建筑工程建设选型因素等在内）。按照此种方式，对于建筑工程造价属性以及预期建筑工程造价之间的关系还可联通Ax，形成如下矢量关系：
X=（x1，x2，…，xn）∈Rn；
根据以上分析，需要注意的是：在引入智能化信息处理技术的条件之喜爱，建筑工程短期预测工作的开展需要与建筑工程造价观测属性集合之间形成一种基于非线性相关的集合关系，对应的表达式为：
F：{X1，X2，…，Xn}→z
2 基于智能化信息处理的模块功能分析
研究显示，在引入智能化信息处理模块进行造价短期预测的过程当中，有两个方面的问题需要引起特别的重视：首先，同一类别下建筑工程造价观测属性的关联性水平明显高于不同类别建筑工程造价相互之间的观测属性关联度。因此，需要对下属的观测属性进行必要的重构处理。通过属性重构的方式能够实现在造价属性挖掘过程当中，所挖掘造价属性是表征能力更为突出的且降维的造价属性。具体的属性重构操作方法为：通过应用独立分量分析技术的方式，对建筑工程造价属性进行高阶去相关处理，以及去除冗余处理，在降维状态下获取建筑工程所对应的独立化属性集合；其次，从建筑工程造价短期预测的角度上来说，神经网络下的预测模块可具体划分为输入层、隐含层、以及输出层镇三个方面。所需要输入神经元的数量应当根据造价独立属性信息加以选取，根据输入神经元与建筑工程造价的模型训练方式确保整个短期预测模型建模的可靠性。
3 实例分析
以某建筑工程月度工程造价指标数据为例，在对造价进行短期预测的过程当中，剔除设备安装以及水电安装工程产生费用对工程造价的影响情况。在瓷嵌体下，建筑工程造价的主要预测内容包括以下两个方面：其一为建筑工程造价指标；其二为建筑工程材料费指标。智能化的信息处理过程当中，可以将以前年度相关的建筑工程造价指标设置为训练集，将以后年度相关的建筑工程造价指标设置为测试集。在按照前述方式进行工程造价短期预测的过程当中，要求遵循以下几个操作步骤：
步骤一，构建建筑工程造价相对应的建筑工程造价观测属性集合。同时，还需要根据该对应关系，构建建筑工程造价指标、建筑材料费用指标相应的类属性集合关系，具体的集合表示方式如下所示：
首先，对于工程造价而言，在建筑工程短期造价预测的过程当中，以工程造价作为类属性，对应关系表示为：
{目标月前5个月建筑工程造价指标，目标月后5个月建筑工程造价指标}∈R5；
其次，对于建筑工程材料费而言，在建筑工程短期造价预测的过程当中，以建筑工程材料费作为类属性，对应关系表示为：
{目标月前5个月建筑工程材料费指标，目标月后5个月建筑工程材料费指标}∈R5；
模型首先需要结合建筑工程观测属性，联合上文所提出的属性重构方式，挖掘有关 5 维建筑工程造价所涉及到的独立属性，并将这部分信息作为神经网络模块处理中的输入信息，在此基础之上进行模型训练，并通过神经网络处理模块完成建筑工程造价短期预测行为。
4 结束语
相关的实践应用经验证实，在将智能化信息处理技术作用于建筑工程造价短期预测领域的过程当中，所实现的优势主要包括以下几个方面：首先，智能化信息处理下，能够基于独立属性重构的方式完成整个建筑工程造价的短期预测工作，从而使得预测求解的工作效率及求解结果的稳定性水平得到了显著的提升；其次，建筑工程造价短期预测过程当中，智能化信息处理模块的训练效率得到了显著的提升，从而达到提高对造价短期预测响应质量的目的；最后，短期预测期间预测数据的收敛速度得到了明显的提升，对于强化建筑工程造价短期预测数据精确度而言意义显著。希望能够进一步将智能化信息处理技术作用于建筑工程造价短期预测工作当中，发挥其优势，为建筑工程造价管控提供必要的数据支持。
参考文献：
[1] 段晓晨，余建星，张建龙等.基于CS、WLC、BPNN理论预测铁路工程造价的方法[J].铁道学报，2006，28（6）：117-122.
[2] 李永明，王玉斌，王颖等.数据挖掘和神经网络技术的电力工程造价应用[J].重庆大学学报（自然科学版），2008，31（6）：663-666，682.
[3] 凌云鹏，阎鹏飞，韩长占等.基于BP神经网络的输电线路工程造价预测模型[J].中国电力，2012，45（10）：95-99.
[4] 胡伟勋.基于GST的工程造价预测模型理论研究[J].中南林业科技大学学报，2011，31（4）：146-150.
[5] 彭光金，俞集辉，韦俊涛等.特征提取和小样本学习的电力工程造价预测模型[J].重庆大学学报（自然科学版），2009，32（9）：1104-1110.
【关键词】智能化信息处理；建筑工程；造价；短期预测；分析
智能化的信息处理系统建立在计算机模型以及人机对话交互系统的基础之上，通过参与信息采集环节、信息传递环节、信息加工环节、信息储存环节的方式，使建筑工程造价信息能够得到及时的共享。这种全新的智能化信息管理模式成功取代了传统意义上，以人工为主题的业务处理模式，使得建筑工程管理期间，管理层所获取的信息资源更加的精确与安全，相关决策的执行也更加的可靠。从建筑工程造价领域的研究角度上来说，将智能化信息处理技术与工程造价短期预测工作相融合，使得包括施工用料、单位面积造价在内的各种造价相关信息能够得到及时的更新，同时纳入对市场价格行情的把握，对于提高工程造价短期预测的质量、针对性而言意义突出。本文即主要针对以上相关问题，展开系统分析与探讨。
1 基于智能化信息处理的建筑工程造价短期预测思路分析
相关的实证研究资料显示：建筑工程造价属性相互之间存在一定的隐性关系。若按照常规方法，直接应用神经网络及其相关技术辅助完成建筑工程造价的短期預测工作，可能因结构复杂儿对预测质量产生不良的影响，造成比较大的工程造价偏差问题。为此，有关研究人员提出需要以智能化信息处理技术为出发点，展开对建筑工程造价的短期预测，在构建预测模型的过程当中综合对家住工程造价观测属性的集合，同时将各种可能对工程造价产生影响的因素纳入考量。
按照以上方式，所形成的建筑工程造价观测属性集合可以表示为：
Ax={ B1，B2，…，Bn }；
该表达式当中，Ax可定义为各种条件相互影响下，整个建筑工程造价所对应的最终观测属性；B1，B2，…，Bn所指的是建筑工程项目开展全过程当中，可能影响工程造价的主要因素（常见的影响因素包括：施工材料用量因素、建筑施工结构形式因素、建筑工程建设选型因素等在内）。按照此种方式，对于建筑工程造价属性以及预期建筑工程造价之间的关系还可联通Ax，形成如下矢量关系：
X=（x1，x2，…，xn）∈Rn；
根据以上分析，需要注意的是：在引入智能化信息处理技术的条件之喜爱，建筑工程短期预测工作的开展需要与建筑工程造价观测属性集合之间形成一种基于非线性相关的集合关系，对应的表达式为：
F：{X1，X2，…，Xn}→z
2 基于智能化信息处理的模块功能分析
研究显示，在引入智能化信息处理模块进行造价短期预测的过程当中，有两个方面的问题需要引起特别的重视：首先，同一类别下建筑工程造价观测属性的关联性水平明显高于不同类别建筑工程造价相互之间的观测属性关联度。因此，需要对下属的观测属性进行必要的重构处理。通过属性重构的方式能够实现在造价属性挖掘过程当中，所挖掘造价属性是表征能力更为突出的且降维的造价属性。具体的属性重构操作方法为：通过应用独立分量分析技术的方式，对建筑工程造价属性进行高阶去相关处理，以及去除冗余处理，在降维状态下获取建筑工程所对应的独立化属性集合；其次，从建筑工程造价短期预测的角度上来说，神经网络下的预测模块可具体划分为输入层、隐含层、以及输出层镇三个方面。所需要输入神经元的数量应当根据造价独立属性信息加以选取，根据输入神经元与建筑工程造价的模型训练方式确保整个短期预测模型建模的可靠性。
3 实例分析
以某建筑工程月度工程造价指标数据为例，在对造价进行短期预测的过程当中，剔除设备安装以及水电安装工程产生费用对工程造价的影响情况。在瓷嵌体下，建筑工程造价的主要预测内容包括以下两个方面：其一为建筑工程造价指标；其二为建筑工程材料费指标。智能化的信息处理过程当中，可以将以前年度相关的建筑工程造价指标设置为训练集，将以后年度相关的建筑工程造价指标设置为测试集。在按照前述方式进行工程造价短期预测的过程当中，要求遵循以下几个操作步骤：
步骤一，构建建筑工程造价相对应的建筑工程造价观测属性集合。同时，还需要根据该对应关系，构建建筑工程造价指标、建筑材料费用指标相应的类属性集合关系，具体的集合表示方式如下所示：
首先，对于工程造价而言，在建筑工程短期造价预测的过程当中，以工程造价作为类属性，对应关系表示为：
{目标月前5个月建筑工程造价指标，目标月后5个月建筑工程造价指标}∈R5；
其次，对于建筑工程材料费而言，在建筑工程短期造价预测的过程当中，以建筑工程材料费作为类属性，对应关系表示为：
{目标月前5个月建筑工程材料费指标，目标月后5个月建筑工程材料费指标}∈R5；
模型首先需要结合建筑工程观测属性，联合上文所提出的属性重构方式，挖掘有关 5 维建筑工程造价所涉及到的独立属性，并将这部分信息作为神经网络模块处理中的输入信息，在此基础之上进行模型训练，并通过神经网络处理模块完成建筑工程造价短期预测行为。
4 结束语
相关的实践应用经验证实，在将智能化信息处理技术作用于建筑工程造价短期预测领域的过程当中，所实现的优势主要包括以下几个方面：首先，智能化信息处理下，能够基于独立属性重构的方式完成整个建筑工程造价的短期预测工作，从而使得预测求解的工作效率及求解结果的稳定性水平得到了显著的提升；其次，建筑工程造价短期预测过程当中，智能化信息处理模块的训练效率得到了显著的提升，从而达到提高对造价短期预测响应质量的目的；最后，短期预测期间预测数据的收敛速度得到了明显的提升，对于强化建筑工程造价短期预测数据精确度而言意义显著。希望能够进一步将智能化信息处理技术作用于建筑工程造价短期预测工作当中，发挥其优势，为建筑工程造价管控提供必要的数据支持。
参考文献：
[1] 段晓晨，余建星，张建龙等.基于CS、WLC、BPNN理论预测铁路工程造价的方法[J].铁道学报，2006，28（6）：117-122.
[2] 李永明，王玉斌，王颖等.数据挖掘和神经网络技术的电力工程造价应用[J].重庆大学学报（自然科学版），2008，31（6）：663-666，682.
[3] 凌云鹏，阎鹏飞，韩长占等.基于BP神经网络的输电线路工程造价预测模型[J].中国电力，2012，45（10）：95-99.
[4] 胡伟勋.基于GST的工程造价预测模型理论研究[J].中南林业科技大学学报，2011，31（4）：146-150.
[5] 彭光金，俞集辉，韦俊涛等.特征提取和小样本学习的电力工程造价预测模型[J].重庆大学学报（自然科学版），2009，32（9）：1104-1110.