摘要5-6
Abstract6-10
第1章 绪论10-19
1.1 选题背景及探讨作用10-12
1.1.1 选题背景10-11
1.1.2 选题探讨作用11-12
1.2 国内外探讨近况12-15
1.2.1 质量成本管理的探讨近况12-13
1.2.2 质量成本预测的探讨近况13-14
1.2.3 支持向量机模型的运用近况14-15
1.3 建筑工程质量成本管理中有着的不足15-16
1.4 探讨内容及策略16-18
1.4.1 本论文探讨内容16-17
1.4.2 本论文探讨策略17
1.4.3 技术路线17-18
1.5 本论新点18-19
第2章 建筑工程质量成本管理的论述基础19-28
2.1 质量成本的基本概念19-22
2.1.1 国内外学者对质量成本定义的相关论述19-20
2.1.2 质量成本的分类20-21
2.1.3 本论文对建筑工程质量成本的界定21-22
2.2 建筑施工企业的特点及产品特点22-24
2.2.1 建筑施工企业的特点22-23
2.2.2 建筑产品的特点23-24
2.3 建筑工程质量成本特点24
2.4 建筑工程质量成本的管理程序24-27
2.4.1 质量成本预测与计划25
2.4.2 质量成本核算和浅析25-26
2.4.3 质量成本报告26
2.4.4 质量成本制约和考核26-27
2.5 本章小结27-28
第3章 建筑工程质量成本预测指标系统的建立28-39
3.1 建筑工程质量成本构成28-30
3.1.1 预防成本28
3.1.2 鉴定成本28-29
3.1.3 建筑产品质量外部损失成本29
3.1.4 内部故障成本29-30
3.2 建筑施工企业质量成本指标系统的设计原则30-32
3.3 建筑工程质量成本影响因素浅析32-34
3.3.1 质量成本管理水平与质量成本32
3.3.2 物价水平与质量成本32
3.3.3 预防、鉴定及内外部损失成本的比例浅析32-33
3.3.4 施工地点、现场条件与质量成本33
3.3.5 工程规模与质量成本33
3.3.6 建筑用途与质量成本33
3.3.7 工程效益与质量成本33-34
3.3.8 工具期与质量成本34
3.4 指标系统的建立及量化处理34-38
3.4.1 指标系统的建立34
3.4.2 质量成本管理水平指标量化34-38
3.4.3 其它指标的量化38
3.5 小结38-39
第4章 支持向量回归机论述39-54
4.1 传统预测策略的浅析比较39-41
4.1.1 投入产出预测法39
4.1.2 线性回归浅析法39
4.1.3 马尔可夫预测法39
4.1.4 灰色预测模刑39-40
4.1.5 人工神经网络预测模型40
4.1.6 运用SVR模型预测建筑工程质量成本的可行性浅析40-41
4.2 支持向量机原理41-49
4.2.1 统计学习论述41-43
4.2.2 支持向量机论述及原理43-48
4.2.3 核函数与支持向量机回归机48-49
4.3 SVR模型的建立49-53
4.3.1 停机准则49-50
4.3.2 SVR参数及核函数类型的确定50-51
4.3.3 训练算法51-52
4.3.4 基于SVR预测模型流程的确定52-53
4.4 小结53-54
第5章 建筑工程项目质量成本预测实例探讨54-68
5.1 支持向量机工具箱54-55
5.1.1 MATLAB软件介绍54
5.1.2 支持向量机工具箱在MATLAB中的安装历程54-55
5.2 数据收集及整理55-61
5.2.1 数据收集55-58
5.2.2 数据处理58-61
5.3 模型预测历程61-67
5.3.1 基于交叉验证的SVR预测61-63
5.3.2 基于遗传算法的SVR预测63-65
5.3.3 基于粒子群的SVR预测65-67
5.3.4 结果浅析67
5.4 小结67-68
结论与展望68-69