-
题名基于BP神经网络优化算法的输变电工程造价预测模型
被引量：26
- 1
-
-
作者
张恒武
吴小忠
沈晓隶
伍家耀
-
机构
国网湖南省电力有限公司建设部
湖南经研电力设计有限公司技术经济部
-
出处
《沈阳工业大学学报》
CAS
北大核心
2023年第4期381-386,共6页
-
基金
湖南省科技计划项目(S2019RCDT2B0484).
-
文摘
针对现有的输变电工程造价预测方法在复杂工况下精度低的问题,提出了一种基于BP神经网络优化算法的输变电工程造价预测模型.利用因子分析方法确定输变电工程造价数据预测的输入指标,并在传统BP神经网络模型的基础上,引入思维进化算法对BP神经网络中的权值和阈值进行优化.利用构建的预测模型预测某省级电网公司2016年度的输变电工程造价.结果表明,预测误差低于10%,平均误差低于5%.与传统的BP神经网络相比,所提预测模型具有更高的预测精度,可以较好地应用于输变电工程造价估算.
-
关键词
输电工程
变电工程
造价预测
BP神经网络
优化算法
因子分析
思维进化算法
预测精度
输入指标
-
Keywords
power transmission project
power transformation project
cost prediction
BP neural network
optimization algorithm
factor analysis
mind evolution algorithm
prediction accuracy
input index
-
分类号
TM73
[电气工程—电力系统及自动化]
-
-
题名基于机器学习的电网工程量计价预测模型
被引量：20
- 2
-
-
作者
肖立华
张博
胡伟
陈继军
韩智忠
-
机构
清华大学电机工程系
国网湖南省电力有限公司建设部
湖南电力工程咨询有限公司
湖南华杰工程咨询有限公司
-
出处
《沈阳工业大学学报》
EI
CAS
北大核心
2021年第3期241-246,共6页
-
基金
湖南省科技计划项目(S2019CXCPB0464).
-
文摘
针对电网工程量清单计价方法中,综合单价计价基础不合理、确定流程繁琐、调整不科学等问题,提出了一种基于机器学习算法的综合单价预测模型.通过研究电网工程量清单的计价规则以及综合单价的组成成分,分析了综合单价的影响因素,建立了基于决策树的随机森林模型,并在市场价格波动的情况下对综合单价实现预测.选取100个电网工程项目进行模型训练及测试.结果表明,评价指标MAPE为1.55%,MAE为9.67.验证了该预测模型的正确性及可行性,为合理确定电网工程价格提供了新的思路.
-
关键词
电网工程
工程量清单
预测模型
综合单价
机器学习
计价规则
随机森林
市场价格波动
-
Keywords
power grid engineering
bill of engineering quantity
forecasting model
comprehensive unit price
machine learning
pricing rule
random forest
market price fluctuation
-
分类号
TM75
[电气工程—电力系统及自动化]
-
