<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE article PUBLIC "-//NLM//DTD JATS (Z39.96) Article Authoring DTD v1.4 20240229//EN" "JATS-articleauthoring1.dtd">
<article article-type="research-article" xml:lang="zh-CN" xmlns:xlink="http://www.w3.org/1999/xlink">
  <front>
    <journal-meta>
      <journal-id journal-id-type="publisher-id">29</journal-id>
      <journal-title-group>
        <journal-title>《建筑施工与发展》</journal-title>
        <abbrev-journal-title>CONSTRUCTION AND DEVEL OPMENT</abbrev-journal-title>
      </journal-title-group>
      <issn>ISSN：2737-4262；EISSN:2705-1269</issn>
      <publisher>
        <publisher-name>华文科学出版社</publisher-name>
      </publisher>
    </journal-meta>
    <article-meta>
      <article-id pub-id-type="doi">10.12361/2705-1269-7217-96</article-id>
      <article-id pub-id-type="publisher-id">14744</article-id>
      <title-group>
        <article-title>基于深度学习的建筑工程造价预测及应用研究</article-title>
      </title-group>
      <contrib-group>
        <contrib contrib-type="author">
          <string-name>李少博</string-name>
        </contrib>
      </contrib-group>
      <pub-date pub-type="epub">
        <year>2025</year>
        <month>7</month>
      </pub-date>
      <issue>7</issue>
      <abstract>
        <p>工程造价预测是建筑行业中重要的工作，准确地预测工程造价对于前期的投资决策具有重要的现实意义。为实现对建筑工程造价
的有效控制，并显著减少在造价预测过程中产生的误差范围，本研究提出一种利用深度学习技术，建立新型建筑工程造价预测方式。首先，
利用数据采集的方式，获取丰富的预测指标数据。为进一步提升所收集数据的质量，研究人员可以利用小波分析技术，将生成的建筑工程
造价数据时间序列进行降噪处理，消除数据中的各种噪声干扰，达到数据归一的目的，最终从两个维度，将数据导入到建筑工程造价预测
指标体系，进行对比分析。
关键词：深度学习；建筑工程；造价预测；应用研究</p>
      </abstract>
    </article-meta>
  </front>
</article>
