.png){kind=icon}
返回
Ensemble learning framework for forecasting construction costs
.png){kind=icon}
PRE
AI
DOI：10.1016/j.autcon.2024.105903.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
施工成本预测对于投标流程至关重要，能够通过评估投标报价来最大化收益并避免损失。近年来，由于依赖人类专家的传统方法存在局限性，可能导致主观判断，因此该预测过程的自动化已引起关注。本文介绍了一种集成学习决策支持框架，通过回归投票结合回归随机森林和梯度提升回归树，以自动化住宅和商业项目的成本估算。采用美国旧金山市建筑检查部门的数据集对该方法进行评估，结果表明其性能相较于支持向量回归有显著提升。本文强调了对于建筑公司而言，采用人工智能技术自动化施工成本预测的重要性，并期望鼓励全球公司及建筑检查部门发布更多数据集，以应用先进的深度学习模型。
Keyword:
Construction cost forecasting
Pricing decision support
Ensemble learning
Gradient boosting regression
Random forests
Support vector regression
期刊
IF:
11.5
论文数:
6.3K
被引数:
4.2W
机构
暂无机构信息
引用论文
On the Search of Models for Early Cost Estimates of Bridges: An SVM-Based Approach.png)
BUILDINGS
OAAI
BUILDINGSIF3.1
OAAI分享收藏Feasibility of Random-Forest Approach for Prediction of Ground Settlements Induced by the Construction of a Shield-Driven Tunnel随机森林方法预测盾构隧道施工引起的地面沉降的可行性
PREAI
分享收藏Feature importance in machine learning models: A fuzzy information fusion approachNEUROCOMPUTINGOAAI
NEUROCOMPUTINGIF6.5
OAAI分享收藏A QSAR model for predicting rejection of emerging contaminants (pharmaceuticals, endocrine disruptors) by nanofiltration membranes用于预测纳滤膜对新兴污染物 (药物，内分泌干扰物) 的排斥的QSAR模型WATER RESEARCH
WATER RESEARCHIF12.4
PREAI
分享收藏Performance evaluation of normalization-based CBR models for improving construction cost estimation基于归一化的CBR模型在改善建筑成本估算中的性能评估
PREAI
分享收藏Machine learning predictive model based on national data for fatal accidents of construction workers
PREAI
分享收藏
查看更多内容