一种基于PSO-CNN-LSTM-ATT组合模型的建筑成本要素价格预测方法

本发明涉及建筑成本技术领域，且公开了一种基于PSO‑CNN‑LSTM‑ATT组合模型的建筑成本要素价格预测方法，本方法结合了卷积神经网络的特征提取能力、长短期记忆网络的时序分析能力和注意力机制的关键信息聚焦能力，通过粒子群优化算法对模型的超参数进行优化。该模型能够高效、准确地预测建筑材料、劳动力和机械成本的未来价格，特别适用于长期价格预测场景。实验结果表明，与传统方法相比，本发明的模型在预测精度和鲁棒性方面均有显著提升。该方法可广泛应用于工程项目的成本管理和物料管理，为科学决策提供有力支持。