基于机器学习的建筑工程成本动态预测模型研究

摘要

针对建筑工程项目中普遍存在的成本超支问题，以及传统成本预测方法在应对项目动态变化方面的局限性，研究通过纳入材料价格波动、设计变更频率和劳动生产率变化等核心动态影响因素，构建了基于机器学习的动态成本预测模型，并系统比较了多元线性回归、支持向量回归、随机森林和长短期记忆网络4种算法的预测性能，基于50个历史项目数据进行了实证分析。结果表明：机器学习模型的预测精度显著优于传统方法，其中随机森林与长短期记忆网络表现优异，后者在捕捉成本时序特征方面展现独特优势。研究结果为项目全生命周期成本管控提供了具有实际应用价值的决策支持工具。

关键词

机器学习 / 成本预测 / 动态预测 / 建筑工程 / 长短期记忆网络 / 随机森林

基金资助

福建省自然科学基金面上项目（2021J011104）的支持