电力工程造价小样本估算模型研究

摘要

随着国民经济快速发展，企业对电力需求量在不断增加。因此，国家不断加大对电源建设和电力工程建设的投资力度。据统计，“十一五”即计划期间，国家电网公司对输变电工程建设的投资将超过1万亿元，巨大的资金投资和繁重的建设任务，对电力工程造价管理提出了更高的要求。一方面，基于概预算定额的传统电力工程造价方法越来越不适应实际工程需要，在对新建工程的投资管理和审查批复方面表现尤为明显。另一方面，审查部门和投资方积累了大量历史工程数据，但由于工程资料涉及影响因素繁多、且同期可类比工程项目有限，造成历史资料使用效率很低，无法有效指导新建工程的造价管理工作。因此，如何利用以有历史工程，结合适当的数学算法，建立实用的电力工程造价估算模型，对新建工程的造价分析进行指导变得十分重要。
　　 本文结合某地区电力工程造价现状，依托该地区电力工程历史造价数据，提出一种易于操作、快速有效的电力工程造价小样本估算模型。首先针对历史工程数目有限、影响因素颇多的特点，论文提出了在小样本学习领域表现卓越的支持向量机算法，并对算法进行了理论推导，为了进一步简化数学方法，适用工程估算需求，应用了改进型算法一最小二乘支持向量机，对该方法进行了严格的数学推导。其次，结合电力工程造价实际状况，对历史资料进行简化处理。利用主成分分析法对属性指标进行预处理，最大限度的保持原有数据信息量，得到综合的、独立的新指标。最后，结合两种算法，提出了基于混合算法的工程造价估算模型，以降低数据误差为约束条件，通过选取不同主成分数目来对比分析估算结果，得到最优的主成分个数和最优结果。同时，针对模型中参数选取依靠经验数据的缺点，提出了基于遗传算法的参数优化估算模型，通过找寻最优的参数值，近一步提高了模型的稳定性和估算精度。
　　 本文主要构建了两个电力工程造价估算模型，第一个模型结构简单、可操作性强，适合对工程造价的快速估算和审查；第二个改进模型有效弥补了前一个模型的不足，通过参数的优化进一步提高了估算结果的精度。通过对两个模型的仿真分析，均能取得理想效果。结果表明：该方法能够在电力工程建设初期对工程造价管理进行有效的指导。

目录

文摘

英文文摘

声明

1绪论

1.1选题背景及其意义

1.1.1论文的选题背景

1.1.2论文的选题意义

1.2工程造价管理的国内外研究现状

1.2.1国外工程造价管理的现状

1.2.2我国工程造价管理的现状

1.3小样本学习理论的研究现状

1.3.1小样本学习问题的提出

1.3.2支持向量机的研究现状

1.4论文的主要研究内容

2小样本学习算法研究

2.1统计学习中的基本问题

2.1.1经验风险最小化原则

2.1.2函数集的VC维

2.1.3结构风险最小化原则

2.2支持向量机理论

2.2.1预测估计模型

2.2.2支持向量机的数学原理

2.2.3核函数的定义

2.3改进支持向量机算法

2.4本章小结

3电力工程造价数据简化处理

3.1电力工程造价数据特点

3.1.1输电线路工程造价数据特点

3.1.2变电工程造价数据特点

3.2电力工程造价数据简化处理

3.2.1输电工程造价数据的简化处理

3.2.2变电工程造价数据的简化处理

3.3本章小结

4基于支持向量机的电力工程造价小样本估算模型

4.1主成份分析法

4.1.1主成份分析法的定义

4.1.2主成份分析法的数学基础

4.2电力工程造价数据的预处理

4.2.1数据的归一化处理

4.2.2主成分的提取

4.3输电工程造价估算模型的构建

4.3.1估算模型构建的基本步骤

4.3.2样本数目对估算模型的影响程度

4.3.3估算模型准确度的测试

4.4变电工程造价估算模型的构建

4.5本章小结

5基于遗传算法的参数优化估算模型

5.1估算模型中参数优化的必要性

5.2遗传算法的基本概念

5.2.1遗传算法的应用范围

5.2.2遗传算法的实施过程

5.2.3 GA算法的基本步骤

5.3遗传算法对参数优化的实现

5.3.1 GA-SVM参数优化流程

5.3.2参数优化模型仿真与分析

5.4本章小结

6论文总结

6.1论文进行的主要工作

6.2需要进一步研究的问题

致谢

参考文献

附录