基于数据挖掘的住宅工程造价预测

摘要

为在规划设计初期准确快速地预测住宅工程造价,在分析既往相关方法优劣的基础上,选取支持向量机(SVM)构建住宅工程造价预测模型.使用改进的K均值聚类对样本进行异常值筛除后,分别利用原始特征指标和经偏最小二乘回归(PLSR)降维后的综合指标,建立SVM模型,对单方造价、分部分项工程费等进行预测.对比预测结果发现:利用原始指标构建的SVM模型较为合理,预测精度与鲁棒性均更优,单方造价的SSE,MSE,R2和极差值能达到0.0309,0.0018,0.9284和0.1102的较优水平;同时,分部分项工程费的可预测性亦较好,而措施项目费、其他项目费等可预测性相对较差,这与工程差异性大,费用主观性强等因素有关.因此,根据合理的特征指标,利用SVM进行造价预测,对工程投资决策具有重要意义.