CN109523224A - 一种建筑工程造价用的分析仪及控制方法 - Google Patents

一种建筑工程造价用的分析仪及控制方法 Download PDF

Info

Publication number
CN109523224A
CN109523224A CN201811166903.1A CN201811166903A CN109523224A CN 109523224 A CN109523224 A CN 109523224A CN 201811166903 A CN201811166903 A CN 201811166903A CN 109523224 A CN109523224 A CN 109523224A
Authority
CN
China
Prior art keywords
data
cost
module
inventory
analysis
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201811166903.1A
Other languages
English (en)
Inventor
关玲
龚洁
Original Assignee
Chongqing University City College Of Science And Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chongqing University City College Of Science And Technology filed Critical Chongqing University City College Of Science And Technology
Priority to CN201811166903.1A priority Critical patent/CN109523224A/zh
Publication of CN109523224A publication Critical patent/CN109523224A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/08—Construction
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Human Resources & Organizations (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明属于建筑工程造价分析技术领域，公开了一种建筑工程造价用的分析仪及控制方法，建筑工程造价用的分析仪包括：数据采集模块、数据抽取集成模块、主控模块、造价清单分类模块、数据分析处理模块、电网造价分析模块、审计模块、数据转化演示模块、数据应用分享模块。本发明通过造价清单分类模块便于全面地总结出存在的问题，防止在实际操作中频繁的更改规则和对原有规则添加新的约束，省时省力；同时，通过电网造价分析模块以解决不同业务大数据的异构性，真正实现大数据系统的信息互通、全面高效运转；另外，通过审计模块根据资料审核、实施审核和审核结果表确认等组成的多节点多维度的审核流程来保证审核质量，更加可靠。

Description

一种建筑工程造价用的分析仪及控制方法
技术领域
本发明属于建筑工程造价分析技术领域，尤其涉及一种建筑工程造价用的分析仪及控制方法。
背景技术
建筑工程，指通过对各类房屋建筑及其附属设施的建造和与其配套的线路、管道、设备的安装活动所形成的工程实体。其中“房屋建筑”指有顶盖、梁柱、墙壁、基础以及能够形成内部空间，满足人们生产、居住、学习、公共活动需要的工程。工程造价就是指工程的建设价格，是指为完成一个工程的建设，预期或实际所需的全部费用总和。从业主(投资者)的角度来定义，工程造价是指工程的建设成本，即为建设一项工程预期支付或实际支付的全部固定资产投资费用。这些费用主要包括设备及工器具购置费、建筑工程及安装工程费、工程建设其他费用、预备费、建设期利息、固定资产投资方向调节税(这项费用目前暂停征收)。尽管这些费用在建设项目的竣工决算中，按照新的财务制度和企业会计准则核算新增资产价值时，并没有全部形成新增固定资产价值，但这些费用是完成固定资产建设所必需的。因此，从这个意义上讲，工程造价就是建设项目固定资产投资。从承发包角度来定义，工程造价是指工程价格，即为建成一项工程，预计或实际在土地、设备、技术劳务以及承包等市场上，通过招投标等交易方式所形成的建筑安装工程的价格和建设工程总价格。在这里，招投标的标的可以是一个建设项目，也可以是一个单项工程，还可以是整个建设工程中的某个阶段，如建设项目的可行性研究、建设项目的设计，以及建设项目的施工阶段等。然而，现有建筑工程造价存在受人为因素影响大，总结出的规则普适性较差，花费的人力和时间成本较大，难以发现隐藏的规则；同时，由于输电线路工程前期决策、设计、招投标、施工、竣工验收各个环节都存在影响工程造价的因素，在分析工程参数与典型方案差异较大时，主观筛选出的典型方案与待分析工程的技术特征可能差异较大，那么基于此进行的造价分析就会与实际结果背离；另外，目前的工程造价审计方法的审核节点或审核次数较少，难以保证审核质量，不够可靠。
综上所述，现有技术存在的问题是：
(1)现有建筑工程造价存在受人为因素影响大，总结出的规则普适性较差，花费的人力和时间成本较大，难以发现隐藏的规则。
(2)由于输电线路工程前期决策、设计、招投标、施工、竣工验收各个环节都存在影响工程造价的因素，在分析工程参数与典型方案差异较大时，主观筛选出的典型方案与待分析工程的技术特征可能差异较大，那么基于此进行的造价分析就会与实际结果背离，传统的中央控制模块运算速较慢，对数据的搜索范围不够精细。
(3)目前的工程造价审计方法的审核节点或审核次数较少，难以保证审核质量，不够可靠，目前使用的显示屏亮度均匀性较差，灰度级检测较低，较难实现真正的人机交换。
现有技术中，数据分析处理模块获得工程造价值准确性差。
发明内容
针对现有技术存在的问题，本发明提供了一种建筑工程造价用的分析仪及控制方法。
本发明是这样实现的，一种建筑工程造价用的分析仪控制方法，所述建筑工程造价用的分析仪的控制方法包括：
主控模块通过造价清单分类模块利用分类程序对造价清单进行分类操作；通过数据分析处理模块利用机器学习算法、数据挖掘程序、统计分析程序对建筑工程造价数据进行分析处理；获得工程造价值；
统计分析程序具体包括：设目标与决策层中有决策指标p1,p2,…,pm，目标与决策层下的网络架构层有C1,C2,…,CN个指标集，其中Ci中有元素ei1,ei2,…,i＝1,2,...,N；以目标与决策层决策指标ps(s＝1,2,…,m)为准则，以Cj中元素ejk(k＝1,2,…,nj)为次准则，将指标集Ci中指标按其对ejk的影响力大小进行间接优势度比较，即在准则ps下构造判断矩阵：
并由特征根法得权重向量wi1 (jk),wi2 (jk),…,
对于k＝1,2..,ni重复上述步骤，得到式(1)所示矩阵Wij；
其中，Wij的列向量为Ci中的元素ei1,ei2,...,对Cj中元素ej1,ej2,...,的影响程度排序向量；若Cj中元素不受Ci中元素影响，则Wij＝0；
对于i＝1,2,...,N；j＝1,2,...,N重复B，获得决策准则ps下的超矩阵W:
进一步，所述建筑工程造价用的分析仪控制方法具体包括：
步骤一：通过数据采集模块利用数据输入设备采集建筑决策阶段数据及资料、设计阶段概算数据及资料、施工阶段预算数据及资料、竣工阶段决算数据及资料；通过数据抽取集成模块利用数据处理软件对采集的建筑工程造价数据进行数据抽取、数据归类、数据集成，并将抽取集成的数据进行聚合关联存储到数据库中；
步骤二：主控模块通过造价清单分类模块利用分类程序对造价清单进行分类操作；通过数据分析处理模块利用机器学习算法、数据挖掘程序、统计分析程序对建筑工程造价数据进行分析处理；机器学习算法采用BP算法，BP算法学习过程分为信号的向前传播，通过网络学习提取训练样本的内在特征，得到网络输出值；第二阶段是误差的后向传播，基于最优化理论计算梯度，求解输出值与期望值的残差，向前传播数学模型为：
式中：Wi和b是其权重和偏置参数；f(W,b；x)：R→R称为激励函数；
向后传播数学模型为：
式中：e为代价函数，可通过最小二乘法求得；y为期望值；λ＞0为一个常量；为惩罚项；
主控模块主要采用单片机对各模块进行控制，单片机采用改进的PSO算法，其数学模型为：
式中：wm ax和wm in表示惯性权重最大和最小值,t表示迭代次数,I term ax表示最大迭代次数；
步骤三：通过电网造价分析模块利用电网工程分析数据仓储体系对电网造价进行分析；通过审计模块对建筑工程造价数据进行审计操作；通过数据转化演示模块利用触控显示屏显示根据数据转化程序转化的可视化数据并进行人机交互操作，触控显示屏采用改进的灰度级校正方法，该方法为：
式中：Pi表示经过校正的图像显示数据，Si表示显示灰度级的具体数值,SL表示显示灰度级的最大数值；λinv＝1/0.45，n为显示屏的最大线性灰度值；Q为取整函数；
步骤四：通过数据应用分享模块利用分享程序将可视化的工程造价数据进行分享给业主单位、设计单位、施工单位、监理单位、建管单位。
进一步，统计分析程序进一步包括：
在所述超矩阵W中，元素Wij反映元素i对元素j的一步优势度；还可以计算W2，其元素wij 2表示元素i对元素j的二步优势度，W2仍然列为归一化矩阵，以此类推，可以计算W3，W4，…，当W∞存在时，W∞的第j列就是准则ps下网络架构层中各元素对于j的极限相对权重向量，则
其中每一行的数值，即为相应元素的局部权重向量；当某一行全部为0时，则相应的局部权重为1；将局部权重按元素顺序排列即得到局部权重向量。
进一步，造价清单分类模块分类方法包括：
S1：分别提取训练工程造价清单数据和待分类工程造价清单数据中的关键信息并整合为训练清单文本和待分类清单文本，并对训练清单文本和待分类清单文本进行预处理；
S2：分别将预处理后的训练清单文本和待分类清单文本进行文本表示；
S3：对经过文本表示的训练清单文本进行分类训练，构造清单文本分类器；
S4:将清单文本分类器作用于预处理后的待分类清单文本，得到分类结果；
所述步骤S1具体步骤如下：
分别提取训练工程造价清单数据和待分类工程造价清单数据中的关键信息并整合为训练清单文本和待分类清单文本；
对训练清单文本和待分类清单文本进行分词，并建立专有名词库；
对名词库进行去停用词处理，并统计名词库各词汇出现的频率；
去除名词库中低频词汇，并将剩余的词汇作为训练清单文本和待分类清单文本分类的特征词并进行文本表示；
所述步骤S3采用多项贝叶斯分类算法进行分类训练。
进一步，所述电网造价分析模块分析方法包括：
1)：根据输电线路工程的特点，建立基础数据库；
2)：对基础指标数据进行预处理，构建了电网工程分析数据仓储体系，梳理了大数据仓储下的电网工程造价分析数据管理流程；
3)：构建基于主成分分析的工程特征降维算法，约减指标维度和复杂度，简化模型特征输入；
4)：建立灰色关联度模型，在新指标体系下计算待分析工程与数据样本工程的灰色关联度；
5)：完善电网工程全量数据体系(包括结构化、半结构化、非结构化数据)，通过开发云平台支撑大数据运行；
6)：计算代表方案的工程投资；
7)：将待分析工程与代表工程投资进行造价对比分析；
所述审计模块审计方法包括：
(1)获取并录入送审单位提交的送审资料，所述送审资料包含有送审价格；
(2)对录入后的送审资料进行资料审核，并在资料审核通过后进行造价实施任务分配；
(3)根据造价实施任务分配的结果结合造价数据库的历史造价数据或外部实时抓取的造价数据进行造价实施，得到造价实施文件，所述造价实施文件包含有实施价格；
(4)对造价实施文件进行造价实施审核；
(5)根据造价实施审核的结果生成审核结果表，并将审核结果表发送给送审单位进行确认；
(6)根据送审单位确认后的审核结果表生成工作底稿和工作报告，并得到相应的审定价格；
(7)将审定价格存储到造价数据库中。
本发明的另一目的在于一种实现所述建筑工程造价用的分析仪控制方法的计算机程序。
本发明的另一目的在于一种实现所述建筑工程造价用的分析仪控制方法的信息数据处理终端。
本发明的另一目的在于一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行所述的建筑工程造价用的分析仪控制方法。
本发明的另一目的在于一种实施所述控制方法的建筑工程造价用的分析仪，所述建筑工程造价用的分析仪包括：
数据采集模块，与主控模块连接，用于通过数据输入设备采集建筑决策阶段数据及资料、设计阶段概算数据及资料、施工阶段预算数据及资料、竣工阶段决算数据及资料；
数据抽取集成模块，与主控模块连接，用于通过数据处理软件对采集的建筑工程造价数据进行数据抽取、数据归类、数据集成，并将抽取集成的数据进行聚合关联存储到数据库中；
主控模块，与数据采集模块、数据抽取集成模块、造价清单分类模块、数据分析处理模块、电网造价分析模块、审计模块、数据转化演示模块、数据应用分享模块连接，用于通过单片机控制各个模块正常工作；
造价清单分类模块，与主控模块连接，用于通过分类程序对造价清单进行分类操作；
数据分析处理模块，与主控模块连接，用于通过机器学习算法、数据挖掘程序、统计分析程序对建筑工程造价数据进行分析处理；
电网造价分析模块，与主控模块连接，用于通过电网工程分析数据仓储体系对电网造价进行分析；
审计模块，与主控模块连接，用于对建筑工程造价数据进行审计操作；
数据转化演示模块，与主控模块连接，用于通过触控显示屏显示根据数据转化程序转化的可视化数据并进行人机交互操作；
数据应用分享模块，与主控模块连接，用于通过分享程序将可视化的工程造价数据进行分享给业主单位、设计单位、施工单位、监理单位、建管单位。
本发明的另一目的在于一种建筑工程造价分析设备，所述建筑工程造价分析设备至少搭载所述的建筑工程造价用的分析仪。
本发明的优点及积极效果为：
本发明通过造价清单分类模块采用基于多项贝叶斯的分类方法对待分类清单文本数据进行分类处理，解决了传统基于规则匹配的分类方法存在的受人为因素影响大的问题；通过对训练工程造价清单数据的大量采集处理，能够发现数据间存在的隐藏关联，实现智能学习分类，使待分类清单文本数据分类处理更加灵活，能够适应各种样本量的分类项目，且便于全面地总结出存在的问题，防止在实际操作中频繁的更改规则和对原有规则添加新的约束，省时省力；
通过电网造价分析模块建立基础数据库后，在新指标体系下计算待分析工程与数据样本工程的灰色关联度；将待分析工程与代表工程投资进行造价对比分析来对输电线路工程造价进行分析，能够在设计阶段实现对输电线路工程造价水平的精确分析，为设计单位设计方案优化及建设单位工程投资控制提供参考，完善电网工程全量数据体系(包括结构化、半结构化、非结构化数据)，同时，通过开发云平台支撑大数据运行，以解决不同业务大数据的异构性，以及数据纵向贯通、横向共享的问题，以真正实现大数据系统的信息互通、全面高效运转，通过采用改进的PSO算法，提高了中央控制模块的运算速度，对数据的搜索范围更加精细。
通过审计模块增设了造价数据库，能自动记录造价审计实施的过程和结果以形成造价数据库供审核人员使用，更加方便和高效；在造价实施时能结合历史造价数据或外部获取的实时造价数据生成最优的造价实施方案，保证了审计效果，通过资料审核、实施审核和审核结果表确认等组成的多节点多维度的审核流程来保证审核质量，更加可靠，通过对显示屏的灰度级误差校正，提高了显示屏的亮度均匀性，为实现人机交换提供了支持。
本发明的主控模块通过造价清单分类模块利用分类程序对造价清单进行分类操作；通过数据分析处理模块利用机器学习算法、数据挖掘程序、统计分析程序对建筑工程造价数据进行分析处理；获得工程造价值；
统计分析程序具体包括：设目标与决策层中有决策指标p1,p2,…,pm，目标与决策层下的网络架构层有C1,C2,…,CN个指标集，其中Ci中有元素ei1,ei2,…,i＝1,2,...,N；以目标与决策层决策指标ps(s＝1,2,…,m)为准则，以Cj中元素ejk(k＝1,2,…,nj)为次准则，将指标集Ci中指标按其对ejk的影响力大小进行间接优势度比较，即在准则ps下构造判断矩阵；获得决策准则ps下的超矩阵W:
通过上述方案的实施，可获得准确的工程造价值，为工程实施提供理论依据。
附图说明
图1是本发明实施例提供的建筑工程造价用的分析仪结构图。
图中：1、数据采集模块；2、数据抽取集成模块；3、主控模块；4、造价清单分类模块；5、数据分析处理模块；6、电网造价分析模块；7、审计模块；8、数据转化演示模块；9、数据应用分享模块。
图2是本发明实施例提供的建筑工程造价用的分析仪控制方法流程图。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示，本发明实施例提供的建筑工程造价用的分析仪包括：数据采集模块1、数据抽取集成模块2、主控模块3、造价清单分类模块4、数据分析处理模块5、电网造价分析模块6、审计模块7、数据转化演示模块8、数据应用分享模块9。
数据采集模块1，与主控模块3连接，用于通过数据输入设备采集建筑决策阶段数据及资料、设计阶段概算数据及资料、施工阶段预算数据及资料、竣工阶段决算数据及资料；
数据抽取集成模块2，与主控模块3连接，用于通过数据处理软件对采集的建筑工程造价数据进行数据抽取、数据归类、数据集成，并将抽取集成的数据进行聚合关联存储到数据库中；
主控模块3，与数据采集模块1、数据抽取集成模块2、造价清单分类模块4、数据分析处理模块5、电网造价分析模块6、审计模块7、数据转化演示模块8、数据应用分享模块9连接，用于通过单片机控制各个模块正常工作；
造价清单分类模块4，与主控模块3连接，用于通过分类程序对造价清单进行分类操作；
数据分析处理模块5，与主控模块3连接，用于通过机器学习算法、数据挖掘程序、统计分析程序对建筑工程造价数据进行分析处理；
电网造价分析模块6，与主控模块3连接，用于通过电网工程分析数据仓储体系对电网造价进行分析；
审计模块7，与主控模块3连接，用于对建筑工程造价数据进行审计操作；
数据转化演示模块8，与主控模块3连接，用于通过触控显示屏显示根据数据转化程序转化的可视化数据并进行人机交互操作；
数据应用分享模块9，与主控模块3连接，用于通过分享程序将可视化的工程造价数据进行分享给业主单位、设计单位、施工单位、监理单位、建管单位。
本发明提供的造价清单分类模块4分类方法如下：
S1：分别提取训练工程造价清单数据和待分类工程造价清单数据中的关键信息并整合为训练清单文本和待分类清单文本，并对训练清单文本和待分类清单文本进行预处理；
S2：分别将预处理后的训练清单文本和待分类清单文本进行文本表示；
S3：对经过文本表示的训练清单文本进行分类训练，构造清单文本分类器；
S4:将清单文本分类器作用于预处理后的待分类清单文本，得到分类结果。
本发明提供的步骤S1具体步骤如下：
分别提取训练工程造价清单数据和待分类工程造价清单数据中的关键信息并整合为训练清单文本和待分类清单文本；
对训练清单文本和待分类清单文本进行分词，并建立专有名词库；
对名词库进行去停用词处理，并统计名词库各词汇出现的频率；
去除名词库中低频词汇，并将剩余的词汇作为训练清单文本和待分类清单文本分类的特征词并进行文本表示。
本发明提供的步骤S3采用多项贝叶斯分类算法进行分类训练。
本发明提供的电网造价分析模块6分析方法如下：
1)：根据输电线路工程的特点，建立基础数据库；
2)：对基础指标数据进行预处理，构建了电网工程分析数据仓储体系，梳理了大数据仓储下的电网工程造价分析数据管理流程；
3)：构建基于主成分分析的工程特征降维算法，约减指标维度和复杂度，简化模型特征输入；
4)：建立灰色关联度模型，在新指标体系下计算待分析工程与数据样本工程的灰色关联度；
5)：完善电网工程全量数据体系(包括结构化、半结构化、非结构化数据)，通过开发云平台支撑大数据运行；
6)：计算代表方案的工程投资；
7)：将待分析工程与代表工程投资进行造价对比分析。
本发明提供的审计模块7审计方法如下：
(1)获取并录入送审单位提交的送审资料，所述送审资料包含有送审价格；
(2)对录入后的送审资料进行资料审核，并在资料审核通过后进行造价实施任务分配；
(3)根据造价实施任务分配的结果结合造价数据库的历史造价数据或外部实时抓取的造价数据进行造价实施，得到造价实施文件，所述造价实施文件包含有实施价格；
(4)对造价实施文件进行造价实施审核；
(5)根据造价实施审核的结果生成审核结果表，并将审核结果表发送给送审单位进行确认；
(6)根据送审单位确认后的审核结果表生成工作底稿和工作报告，并得到相应的审定价格；
(7)将审定价格存储到造价数据库中。
本发明提供的对录入后的送审资料进行资料审核，并在资料审核通过后进行造价实施任务分配这一步骤，具体包括：
项目经理审核录入后的送审资料是否符合要求，若是，则执行下一步骤，反之，则返回获取并录入送审单位提交的送审资料这一步骤；
项目经理进行造价实施任务分配，确定造价评估实施人员，审核人员和审核方式，其中，审核方式包括直接复审方式和非直接复审方式，直接复审方式的审核人员为复审员；非直接复审方式包括造价初审和造价复审，非直接复审方式的审核人员包括初审员和复审员。
本发明提供的根据造价实施任务分配的结果结合造价数据库的历史造价数据或外部实时抓取的造价数据进行造价实施这一步骤，具体包括以下步骤：
造价评估实施人员从送审资料中读取送审价格；
造价评估实施人员根据造价数据库的历史造价数据或外部实时抓取的造价数据对送审价格进行评估，询价和价格调整，得到造价实施文件；
根据确定的审核人员和审核方式，将造价实施文件发送给初审员或复审员。
本发明工作时，首先，通过数据采集模块1利用数据输入设备采集建筑决策阶段数据及资料、设计阶段概算数据及资料、施工阶段预算数据及资料、竣工阶段决算数据及资料；通过数据抽取集成模块2利用数据处理软件对采集的建筑工程造价数据进行数据抽取、数据归类、数据集成，并将抽取集成的数据进行聚合关联存储到数据库中；然后，主控模块3通过造价清单分类模块4利用分类程序对造价清单进行分类操作；通过数据分析处理模块5利用机器学习算法、数据挖掘程序、统计分析程序对建筑工程造价数据进行分析处理；接着，通过电网造价分析模块6利用电网工程分析数据仓储体系对电网造价进行分析；通过审计模块7对建筑工程造价数据进行审计操作；通过数据转化演示模块8利用触控显示屏显示根据数据转化程序转化的可视化数据并进行人机交互操作；最后，通过数据应用分享模块9利用分享程序将可视化的工程造价数据进行分享给业主单位、设计单位、施工单位、监理单位、建管单位。
下面结合具体分析对本发明作进一步描述。
本发明个实施例提供的建筑工程造价用的分析仪控制方法，包括：
主控模块通过造价清单分类模块利用分类程序对造价清单进行分类操作；通过数据分析处理模块利用机器学习算法、数据挖掘程序、统计分析程序对建筑工程造价数据进行分析处理；获得工程造价值；
统计分析程序具体包括：设目标与决策层中有决策指标p1,p2,…,pm，目标与决策层下的网络架构层有C1,C2,…,CN个指标集，其中Ci中有元素ei1,ei2,…,i＝1,2,...,N；以目标与决策层决策指标ps(s＝1,2,…,m)为准则，以Cj中元素ejk(k＝1,2,…,nj)为次准则，将指标集Ci中指标按其对ejk的影响力大小进行间接优势度比较，即在准则ps下构造判断矩阵：
并由特征根法得权重向量wi1 (jk),wi2 (jk),…,
对于k＝1,2..,ni重复上述步骤，得到式(1)所示矩阵Wij；
其中，Wij的列向量为Ci中的元素ei1,ei2,...,对Cj中元素ej1,ej2,...,的影响程度排序向量；若Cj中元素不受Ci中元素影响，则Wij＝0；
对于i＝1,2,...,N；j＝1,2,...,N重复B，获得决策准则ps下的超矩阵W:
如图2，本发明实施例提供的建筑工程造价用的分析仪控制方法，具体包括：
S101:通过数据采集模块利用数据输入设备采集建筑决策阶段数据及资料、设计阶段概算数据及资料、施工阶段预算数据及资料、竣工阶段决算数据及资料；通过数据抽取集成模块利用数据处理软件对采集的建筑工程造价数据进行数据抽取、数据归类、数据集成，并将抽取集成的数据进行聚合关联存储到数据库中；
S102:主控模块通过造价清单分类模块利用分类程序对造价清单进行分类操作；通过数据分析处理模块利用机器学习算法、数据挖掘程序、统计分析程序对建筑工程造价数据进行分析处理；主控模块主要采用单片机对各模块进行控制；
S103:通过电网造价分析模块利用电网工程分析数据仓储体系对电网造价进行分析；通过审计模块对建筑工程造价数据进行审计操作；通过数据转化演示模块利用触控显示屏显示根据数据转化程序转化的可视化数据并进行人机交互操作；
S104:通过数据应用分享模块利用分享程序将可视化的工程造价数据进行分享给业主单位、设计单位、施工单位、监理单位、建管单位。
步骤S102中，机器学习算法采用BP算法，BP算法学习过程分为信号的向前传播，通过网络学习提取训练样本的内在特征，得到网络输出值；第二阶段是误差的后向传播，基于最优化理论计算梯度，求解输出值与期望值的残差，向前传播数学模型为：
式中：Wi和b是其权重和偏置参数；f(W,b；x)：R→R称为激励函数；
向后传播数学模型为：
式中：e为代价函数，可通过最小二乘法求得；y为期望值；λ＞0为一个常量；为惩罚项；
主控模块主要采用单片机对各模块进行控制，单片机采用改进的PSO算法，其数学模型为：
式中：wm ax和wm in表示惯性权重最大和最小值,t表示迭代次数,I term ax表示最大迭代次数；
步骤S103中，通过数据转化演示模块利用触控显示屏显示根据数据转化程序转化的可视化数据并进行人机交互操作，触控显示屏采用改进的灰度级校正方法，该方法为：
式中：Pi表示经过校正的图像显示数据，Si表示显示灰度级的具体数值,SL表示显示灰度级的最大数值；λinv＝1/0.45，n为显示屏的最大线性灰度值；Q为取整函数。
统计分析程序进一步包括：
在所述超矩阵W中，元素Wij反映元素i对元素j的一步优势度；还可以计算W2，其元素wij 2表示元素i对元素j的二步优势度，W2仍然列为归一化矩阵，以此类推，可以计算W3，W4，…，当W∞存在时，W∞的第j列就是准则ps下网络架构层中各元素对于j的极限相对权重向量，则
其中每一行的数值，即为相应元素的局部权重向量；当某一行全部为0时，则相应的局部权重为1；将局部权重按元素顺序排列即得到局部权重向量。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。

Claims (10)

1.一种建筑工程造价用的分析仪控制方法，其特征在于，所述建筑工程造价用的分析仪的控制方法包括：
主控模块通过造价清单分类模块利用分类程序对造价清单进行分类操作；通过数据分析处理模块利用机器学习算法、数据挖掘程序、统计分析程序对建筑工程造价数据进行分析处理；获得工程造价值；
统计分析程序具体包括：设目标与决策层中有决策指标p1,p2,…,pm，目标与决策层下的网络架构层有C1,C2,…,CN个指标集，其中Ci中有元素以目标与决策层决策指标ps(s＝1,2,…,m)为准则，以Cj中元素ejk(k＝1,2,…,nj)为次准则，将指标集Ci中指标按其对ejk的影响力大小进行间接优势度比较，即在准则ps下构造判断矩阵：
并由特征根法得权重向量
对于k＝1,2..,ni重复上述步骤，得到式(1)所示矩阵Wij；
其中，Wij的列向量为Ci中的元素对Cj中元素的影响程度排序向量；若Cj中元素不受Ci中元素影响，则Wij＝0；
对于i＝1,2,...,N；j＝1,2,...,N重复B，获得决策准则ps下的超矩阵W:
2.如权利要求1所述的建筑工程造价用的分析仪控制方法，其特征在于，所述建筑工程造价用的分析仪控制方法具体包括：
步骤一：通过数据采集模块利用数据输入设备采集建筑决策阶段数据及资料、设计阶段概算数据及资料、施工阶段预算数据及资料、竣工阶段决算数据及资料；通过数据抽取集成模块利用数据处理软件对采集的建筑工程造价数据进行数据抽取、数据归类、数据集成，并将抽取集成的数据进行聚合关联存储到数据库中；
步骤二：主控模块通过造价清单分类模块利用分类程序对造价清单进行分类操作；通过数据分析处理模块利用机器学习算法、数据挖掘程序、统计分析程序对建筑工程造价数据进行分析处理；机器学习算法采用BP算法，BP算法学习过程分为信号的向前传播，通过网络学习提取训练样本的内在特征，得到网络输出值；第二阶段是误差的后向传播，基于最优化理论计算梯度，求解输出值与期望值的残差，向前传播数学模型为：
式中：Wi和b是其权重和偏置参数；f(W,b；x)：R→R称为激励函数；
向后传播数学模型为：
式中：e为代价函数，可通过最小二乘法求得；y为期望值；λ＞0为一个常量；为惩罚项；
主控模块主要采用单片机对各模块进行控制，单片机采用改进的PSO算法，其数学模型为：
式中：wmax和wmin表示惯性权重最大和最小值,t表示迭代次数,Itermax表示最大迭代次数；
步骤三：通过电网造价分析模块利用电网工程分析数据仓储体系对电网造价进行分析；通过审计模块对建筑工程造价数据进行审计操作；通过数据转化演示模块利用触控显示屏显示根据数据转化程序转化的可视化数据并进行人机交互操作，触控显示屏采用改进的灰度级校正方法，该方法为：
式中：Pi表示经过校正的图像显示数据，Si表示显示灰度级的具体数值,SL表示显示灰度级的最大数值；λinv＝1/0.45，n为显示屏的最大线性灰度值；Q为取整函数；
步骤四：通过数据应用分享模块利用分享程序将可视化的工程造价数据进行分享给业主单位、设计单位、施工单位、监理单位、建管单位。
3.如权利要求1所述的建筑工程造价用的分析仪控制方法，其特征在于，统计分析程序进一步包括：
在所述超矩阵W中，元素Wij反映元素i对元素j的一步优势度；还可以计算W2，其元素wij 2表示元素i对元素j的二步优势度，W2仍然列为归一化矩阵，以此类推，可以计算W3，W4，…，当W∞存在时，W∞的第j列就是准则ps下网络架构层中各元素对于j的极限相对权重向量，则
其中每一行的数值，即为相应元素的局部权重向量；当某一行全部为0时，则相应的局部权重为1；将局部权重按元素顺序排列即得到局部权重向量。
4.如权利要求2所述的建筑工程造价用的分析仪控制方法，其特征在于，造价清单分类模块分类方法包括：
S1：分别提取训练工程造价清单数据和待分类工程造价清单数据中的关键信息并整合为训练清单文本和待分类清单文本，并对训练清单文本和待分类清单文本进行预处理；
S2：分别将预处理后的训练清单文本和待分类清单文本进行文本表示；
S3：对经过文本表示的训练清单文本进行分类训练，构造清单文本分类器；
S4:将清单文本分类器作用于预处理后的待分类清单文本，得到分类结果；
所述步骤S1具体步骤如下：
分别提取训练工程造价清单数据和待分类工程造价清单数据中的关键信息并整合为训练清单文本和待分类清单文本；
对训练清单文本和待分类清单文本进行分词，并建立专有名词库；
对名词库进行去停用词处理，并统计名词库各词汇出现的频率；
去除名词库中低频词汇，并将剩余的词汇作为训练清单文本和待分类清单文本分类的特征词并进行文本表示；
所述步骤S3采用多项贝叶斯分类算法进行分类训练。
5.如权利要求2所述的建筑工程造价用的分析仪控制方法，其特征在于，所述电网造价分析模块分析方法包括：
1)：根据输电线路工程的特点，建立基础数据库；
2)：对基础指标数据进行预处理，构建了电网工程分析数据仓储体系，梳理了大数据仓储下的电网工程造价分析数据管理流程；
3)：构建基于主成分分析的工程特征降维算法，约减指标维度和复杂度，简化模型特征输入；
4)：建立灰色关联度模型，在新指标体系下计算待分析工程与数据样本工程的灰色关联度；
5)：完善电网工程全量数据体系(包括结构化、半结构化、非结构化数据)，通过开发云平台支撑大数据运行；
6)：计算代表方案的工程投资；
7)：将待分析工程与代表工程投资进行造价对比分析；
所述审计模块审计方法包括：
(1)获取并录入送审单位提交的送审资料，所述送审资料包含有送审价格；
(2)对录入后的送审资料进行资料审核，并在资料审核通过后进行造价实施任务分配；
(3)根据造价实施任务分配的结果结合造价数据库的历史造价数据或外部实时抓取的造价数据进行造价实施，得到造价实施文件，所述造价实施文件包含有实施价格；
(4)对造价实施文件进行造价实施审核；
(5)根据造价实施审核的结果生成审核结果表，并将审核结果表发送给送审单位进行确认；
(6)根据送审单位确认后的审核结果表生成工作底稿和工作报告，并得到相应的审定价格；
(7)将审定价格存储到造价数据库中。
6.一种实现权利要求1～5任意一项所述建筑工程造价用的分析仪控制方法的计算机程序。
7.一种实现权利要求1～5任意一项所述建筑工程造价用的分析仪控制方法的信息数据处理终端。
8.一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行如权利要求1-5任意一项所述的建筑工程造价用的分析仪控制方法。
9.一种实施权利要求1所述控制方法的建筑工程造价用的分析仪，其特征在于，所述建筑工程造价用的分析仪包括：
数据采集模块，与主控模块连接，用于通过数据输入设备采集建筑决策阶段数据及资料、设计阶段概算数据及资料、施工阶段预算数据及资料、竣工阶段决算数据及资料；
数据抽取集成模块，与主控模块连接，用于通过数据处理软件对采集的建筑工程造价数据进行数据抽取、数据归类、数据集成，并将抽取集成的数据进行聚合关联存储到数据库中；
主控模块，与数据采集模块、数据抽取集成模块、造价清单分类模块、数据分析处理模块、电网造价分析模块、审计模块、数据转化演示模块、数据应用分享模块连接，用于通过单片机控制各个模块正常工作；
造价清单分类模块，与主控模块连接，用于通过分类程序对造价清单进行分类操作；
数据分析处理模块，与主控模块连接，用于通过机器学习算法、数据挖掘程序、统计分析程序对建筑工程造价数据进行分析处理；
电网造价分析模块，与主控模块连接，用于通过电网工程分析数据仓储体系对电网造价进行分析；
审计模块，与主控模块连接，用于对建筑工程造价数据进行审计操作；
数据转化演示模块，与主控模块连接，用于通过触控显示屏显示根据数据转化程序转化的可视化数据并进行人机交互操作；
数据应用分享模块，与主控模块连接，用于通过分享程序将可视化的工程造价数据进行分享给业主单位、设计单位、施工单位、监理单位、建管单位。
10.一种建筑工程造价分析设备，所述建筑工程造价分析设备至少搭载权利要求9所述的建筑工程造价用的分析仪。
CN201811166903.1A 2018-10-08 2018-10-08 一种建筑工程造价用的分析仪及控制方法 Pending CN109523224A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811166903.1A CN109523224A (zh) 2018-10-08 2018-10-08 一种建筑工程造价用的分析仪及控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811166903.1A CN109523224A (zh) 2018-10-08 2018-10-08 一种建筑工程造价用的分析仪及控制方法

Publications (1)

Publication Number Publication Date
CN109523224A true CN109523224A (zh) 2019-03-26

Family

ID=65769896

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811166903.1A Pending CN109523224A (zh) 2018-10-08 2018-10-08 一种建筑工程造价用的分析仪及控制方法

Country Status (1)

Country Link
CN (1) CN109523224A (zh)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110659879A (zh) * 2019-09-20 2020-01-07 国网上海市电力公司 一种基于大数据的输变电工程造价管理监督检查方法
CN110659878A (zh) * 2019-09-20 2020-01-07 国网上海市电力公司 一种输变电工程造价监督检查系统
CN111369216A (zh) * 2020-03-04 2020-07-03 昆明海巍科技有限公司 一种公路工程造价信息处理系统及方法
CN111626788A (zh) * 2020-05-30 2020-09-04 阶梯项目咨询有限公司 一种工程造价管理系统
CN111695833A (zh) * 2020-06-22 2020-09-22 陕西国防工业职业技术学院 一种工程造价风险预测评估方法
CN111738760A (zh) * 2020-06-19 2020-10-02 内蒙古电力（集团）有限责任公司内蒙古电力经济技术研究院分公司 一种电网造价全过程管理系统
CN112085522A (zh) * 2020-08-24 2020-12-15 江苏易达捷信数字科技有限公司 一种工程项目的造价数据处理方法、系统、装置及介质
CN112232628A (zh) * 2020-09-07 2021-01-15 国网宁夏电力有限公司经济技术研究院 输变电工程造价数据整理与深化应用系统
CN112307100A (zh) * 2020-10-23 2021-02-02 贵州百胜工程建设咨询有限公司 一种卫生建筑工程造价异构数据属性采集及特征分析系统
CN112508512A (zh) * 2020-11-26 2021-03-16 国网河北省电力有限公司经济技术研究院 电网工程造价数据管理方法、装置及终端设备
CN113762224A (zh) * 2021-11-09 2021-12-07 四川野马科技有限公司 一种工程造价成果质量检查系统及其方法
CN113938310A (zh) * 2021-10-29 2022-01-14 水利部发展研究中心 一种水利固定资产投资统计数据质量控制管理系统
CN114168716A (zh) * 2022-02-11 2022-03-11 华南理工大学 基于深度学习的工程造价自动抽取和分析方法及装置
CN114462983A (zh) * 2022-04-12 2022-05-10 国网浙江省电力有限公司 适用于配网工程的审计数据处理方法
CN114493477A (zh) * 2021-12-13 2022-05-13 南通科达建材科技股份有限公司 一种基于bim的建筑成本多维度统计方法及系统
CN117709908A (zh) * 2024-02-06 2024-03-15 国网山东省电力公司东营供电公司 一种电网工程人、材、机分配合理性智慧审计方法与系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103473619A (zh) * 2013-09-26 2013-12-25 西安电子科技大学 一种基于网络架构的分析方法及其应用
CN107748968A (zh) * 2017-11-14 2018-03-02 国家电网公司 一种配电网工程造价数据分析模型的构建方法
CN107871004A (zh) * 2017-11-14 2018-04-03 国家电网公司 一种配电网造价分析管理系统
CN108038616A (zh) * 2017-12-11 2018-05-15 中国能源建设集团陕西省电力设计院有限公司 一种输电线路工程造价分析方法
CN108364193A (zh) * 2018-01-25 2018-08-03 广州建衡工程咨询有限公司 一种工程造价审计方法及系统
CN108427775A (zh) * 2018-06-04 2018-08-21 成都市大匠通科技有限公司 一种基于多项贝叶斯的工程造价清单分类方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103473619A (zh) * 2013-09-26 2013-12-25 西安电子科技大学 一种基于网络架构的分析方法及其应用
CN107748968A (zh) * 2017-11-14 2018-03-02 国家电网公司 一种配电网工程造价数据分析模型的构建方法
CN107871004A (zh) * 2017-11-14 2018-04-03 国家电网公司 一种配电网造价分析管理系统
CN108038616A (zh) * 2017-12-11 2018-05-15 中国能源建设集团陕西省电力设计院有限公司 一种输电线路工程造价分析方法
CN108364193A (zh) * 2018-01-25 2018-08-03 广州建衡工程咨询有限公司 一种工程造价审计方法及系统
CN108427775A (zh) * 2018-06-04 2018-08-21 成都市大匠通科技有限公司 一种基于多项贝叶斯的工程造价清单分类方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
刘宏志 等: "大数据环境下的电网工程造价分析管控体系研究", 《华东电力》 *
张润 等: "机器学习及其算法和发展研究", 《中国传媒大学学报自然科学版》 *
罗豪 等: "基于改进粒子群算法的PID控制器参数优化", 《计算机仿真》 *
陈宇 等: "一种改进的LED显示屏灰度等级测试方法", 《现代显示》 *

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110659878A (zh) * 2019-09-20 2020-01-07 国网上海市电力公司 一种输变电工程造价监督检查系统
CN110659879A (zh) * 2019-09-20 2020-01-07 国网上海市电力公司 一种基于大数据的输变电工程造价管理监督检查方法
CN111369216A (zh) * 2020-03-04 2020-07-03 昆明海巍科技有限公司 一种公路工程造价信息处理系统及方法
CN111626788A (zh) * 2020-05-30 2020-09-04 阶梯项目咨询有限公司 一种工程造价管理系统
CN111738760A (zh) * 2020-06-19 2020-10-02 内蒙古电力（集团）有限责任公司内蒙古电力经济技术研究院分公司 一种电网造价全过程管理系统
CN111695833A (zh) * 2020-06-22 2020-09-22 陕西国防工业职业技术学院 一种工程造价风险预测评估方法
CN112085522A (zh) * 2020-08-24 2020-12-15 江苏易达捷信数字科技有限公司 一种工程项目的造价数据处理方法、系统、装置及介质
CN112232628A (zh) * 2020-09-07 2021-01-15 国网宁夏电力有限公司经济技术研究院 输变电工程造价数据整理与深化应用系统
CN112307100A (zh) * 2020-10-23 2021-02-02 贵州百胜工程建设咨询有限公司 一种卫生建筑工程造价异构数据属性采集及特征分析系统
CN112508512A (zh) * 2020-11-26 2021-03-16 国网河北省电力有限公司经济技术研究院 电网工程造价数据管理方法、装置及终端设备
CN113938310B (zh) * 2021-10-29 2023-11-28 水利部发展研究中心 一种水利固定资产投资统计数据质量控制管理系统
CN113938310A (zh) * 2021-10-29 2022-01-14 水利部发展研究中心 一种水利固定资产投资统计数据质量控制管理系统
CN113762224A (zh) * 2021-11-09 2021-12-07 四川野马科技有限公司 一种工程造价成果质量检查系统及其方法
CN113762224B (zh) * 2021-11-09 2022-04-29 四川野马科技有限公司 一种工程造价成果质量检查系统及其方法
CN114493477A (zh) * 2021-12-13 2022-05-13 南通科达建材科技股份有限公司 一种基于bim的建筑成本多维度统计方法及系统
CN114493477B (zh) * 2021-12-13 2023-11-21 南通科达建材科技股份有限公司 一种基于bim的建筑成本多维度统计方法及系统
CN114168716B (zh) * 2022-02-11 2022-05-24 华南理工大学 基于深度学习的工程造价自动抽取和分析方法及装置
CN114168716A (zh) * 2022-02-11 2022-03-11 华南理工大学 基于深度学习的工程造价自动抽取和分析方法及装置
CN114462983A (zh) * 2022-04-12 2022-05-10 国网浙江省电力有限公司 适用于配网工程的审计数据处理方法
CN114462983B (zh) * 2022-04-12 2022-07-12 国网浙江省电力有限公司 适用于配网工程的审计数据处理方法
CN117709908A (zh) * 2024-02-06 2024-03-15 国网山东省电力公司东营供电公司 一种电网工程人、材、机分配合理性智慧审计方法与系统

Similar Documents

Publication Publication Date Title
CN109523224A (zh) 一种建筑工程造价用的分析仪及控制方法
Barak et al. A novel hybrid fuzzy DEA-Fuzzy MADM method for airlines safety evaluation
Du et al. New failure mode and effects analysis: An evidential downscaling method
Lin et al. Evaluation of startup companies using multicriteria decision making based on hesitant fuzzy linguistic information envelopment analysis models
Sohrabinejad et al. Risk determination, prioritization, and classifying in construction project case study: gharb tehran commercial-administrative complex
US11250513B2 (en) Computer implemented system for generating assurance related planning process and documents for an entity and method thereof
CN113034053A (zh) 一种基于政策信息与服务对象之间匹配及评估的建模方法
CN108734567A (zh) 一种基于大数据人工智能风控的资产管理系统及其评估方法
Naji et al. An adaptive neurofuzzy inference system for the assessment of change order management performance in construction
Zhang et al. The robust minimum cost consensus model with risk aversion
Han et al. Research on commercial logistics inventory forecasting system based on neural network
Wu et al. DEA-based performance evaluation system for construction enterprises based on BIM technology
Perera et al. A rule-based system for automated generation of serverless-microservices architecture
Zhang A deep learning model for ERP enterprise financial management system
Zhang et al. A GERT Network Model for input-output optimization of general aviation industry chain based on value flow
Assefa Tsehayae et al. Developing and optimizing context-specific fuzzy inference system-based construction labor productivity models
Ahmed et al. Comprehensive Understanding of Factors Impacting Competitive Construction Bidding
Gerlach et al. Critical Success Factors for AI-driven Smart Energy Services
Li Enterprise Financing Risk Control of Machine Learning Combined with Blockchain Technology
Shan et al. Software enterprise risk detection model based on BP neural network
Zhou Enterprise Financial Information Management System Based on Data Analysis Algorithm
Hosseini Dehshiri et al. Comparative performance of the NSGA-II and MOPSO algorithms and simulations for evaluating time–cost–quality–risk trade-off in multi-modal PERT networks
Peng et al. Intelligent Optimization Model of Enterprise Financial Account Receivable Management
CN112470175B (zh) 审计辅助系统、审计辅助服务器装置、审计辅助终端、审计辅助程序、以及审计辅助方法
Bilgaeva et al. Neuroevolution Forecasting of the Living Standards of the Population

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20200521

Address after: 402167 no.368-2, Guangcai Avenue, Yongchuan District, Chongqing 3-3

Applicant after: Guan Ling

Address before: 402167 No. 368, glorious road, Yongchuan District, Chongqing

Applicant before: CITY COLLEGE OF SCIENCE AND TECHNOLOGY, CHONGQING University

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190326