摘要：文章以A风景园林规划研究院为例,在支持向量机算法的基础上,通过粗糙集理论进行成本影响因素属性约简,形成规划设计类项目目标成本测算模型。首先采用粗糙集理论将A风景园林规划研究院规划设计类项目的众多成本影响因素进行属性约简;再根据得到的约简属性集从实例库中随机抽取样本;最后通过支持向量机算法的回归估计确定规划设计类项目的目标成本。

摘要：文章以A风景园林规划研究院为研究对象,分析A研究院规划设计类项目成本控制的现状及问题,从分解项目成本、识别项目成本影响因素入手,分析制定项目成本控制点并构建项目成本控制体系,最后设计基于BP神经网络机器学习算法的规划设计类项目成本控制方法,并通过模拟实施验证该方法的合理性,为规划设计类项目成本控制评价分析与辅助决策提供参考与借鉴。

摘要：随着大数据时代的来临,在企业成本核算过程中需要对海量的数据进行分析处理,传统的成本核算方法已经无法满足需求。文章以A风景园林规划研究院规划设计类项目为例,从大数据背景出发,在成本核算过程中运用数据采集、数据预处理、数据存储及管理、数据分析及挖掘、数据可视化等大数据技术,针对当前成本核算存在的问题重新设计成本核算方法,明确间接成本的分摊期间以及人工成本、管理成本分摊依据,加强了对海量数据的分析、处理能力,提高了成本核算的精确性,为企事业单位成本管理改进指明方向。

摘要：文章以A风景园林规划研究院规划设计类项目为例,针对其现有项目成本预测主观性强、缺乏准确性,项目成本影响因素考虑不全面等问题,分析其成本构成情况和历年项目成本影响因素,设计了成本预测的流程和方法,在此基础上建立了成本预测指标体系,利用岭回归机器学习算法构建了成本预测模型,以2014—2018年的财务数据为基础对项目成本进行了模拟预测,将训练样本和预测检验样本进行拟合,检验模型预测的效果,结果显示该回归模型有较高的预测精度,能够为A研究院的预算管理和投标决策提供有价值的参考。

摘要：随着云计算、大数据、人工智能技术的发展与应用,以及激烈市场竞争导致的成本控制压力加大,企业的成本管理模式开始呈向数字化、智能化和科学化。文章以A风景园林规划研究院规划设计类项目为例,在分析研究院项目成本管理的现状与问题的基础上,设计了大数据下基于机器学习的项目智能成本管理框架,详细阐述了数据来源、数据采集与处理过程,以及实现各项成本智能管理活动涉及到的机器学习算法,最后分别从成本预测、成本计划、成本控制、成本核算、成本分析与评价方面介绍了机器学习算法在项目成本管理中的具体应用。

摘要：在作业成本法实施过程中,由于成本动因数量庞大及其复杂性导致大多数企业放弃使用作业成本法。因此,科学合理的选择及合并成本动因是保证作业成本法有效实施的关键。文章以A风景园林规划研究院规划设计类项目为例,运用主成分分析与聚类分析算法将存在相关性成本动因进行科学有效的合并,最终得到最具代表性的成本动因,显著降低了作业成本计算的复杂性,在保障项目成本核算准确性的同时,减少了收集和处理成本数据的成本耗费。

摘要：绩效评价作为管理会计的重要内容之一,能够从多维度、多方面向企业提供一些系统性和动态化的经营要素,为企业的决策和战略目标制定打下坚实的基础。本文以A风景园林规划研究院规划设计类项目为例,针对其现有绩效评价存在的依赖人为主观判断及其带来的项目人力资源配置不合理、薪酬分配差异较大问题,综合考虑项目人员的技术水平和项目经验,以及参与项目的规模与复杂程度、完成的工作任务等影响因素,设计了基于支持向量机机器学习算法的项目人员绩效评价方法,最后模拟实施详细阐述了本文提出方法的具体应用和方法的有效性。本文提出的绩效评价方法能够在一定程度上减少人为主观判断带来的决策偏差,为项目人员的绩效评价方法设计提供参考和借鉴。