架空输电线路工程造价预测方法、装置及介质

摘要

本发明公开了一种架空输电线路工程造价预测方法、装置及介质，包括以下步骤：构建样本库，将预设历史时段内的架空输电线路工程数据作为样本数据加入样本库；根据架空输电线路工程中各造价指标的历史造价、当前造价以及造价占比对各样本数据中的造价数据进行折现计算；根据LSTM算法对折现计算后的样本数据进行模型训练和验证得到预测模型；将待预测架空输电线路工程的工程技术指标输入预测模型得到架空输电线路工程的造价预测数据。本发明保证了预测结果的准确性并节省了预测时间。

说明书

技术领域

本发明涉及输电线路工程造价领域，尤其涉及一种架空输电线路工程造价预测方法、装置及介质。

背景技术

电力行业的投资建设在我国国民经济中一直占有举足轻重的地位。当前，我国电网工程建设规模不断增大，投资也随着变得越来越大。随着网络化、信息化和互联网云技术的快速发展，大数据+人工智能正迎来“爆发式”发展，推动工程造价信息化迈向新时代，在各种预测、趋势分析等方面应用尤为广泛。

架空输电线路工程的造价预测主要需要在如下两种场景中使用：

1)在规划阶段，以往需对工程进行大致造价估计后编入规划库，这种估算往往比较粗略，大部分工程与实际造价相差较大。

2)在预可研阶段，主要对一项新建线路工程的可行性进行技术经济论证，涉及到两个甚至多个方案的技术经济比选，是确定项目推荐方案的关键环节。传统的做法是经过讨论提出两个甚至多个方案，并大致列出工程所需材料清册，再对材料清册逐条计算，整个过程至少需2.5天以上，费时且费力。

发明内容

本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种架空输电线路工程造价预测方法、装置及介质，保证预测结果的准确性并节省预测时间。

为解决上述技术问题，本发明提出的技术方案为：

一种架空输电线路工程造价预测方法，包括以下步骤：

S1)构建样本库，将预设历史时段内的架空输电线路工程数据作为样本数据加入样本库；

S2)根据架空输电线路工程中各造价指标的历史造价、当前造价以及造价占比对各样本数据中的造价数据进行折现计算；

S3)根据LSTM算法对折现计算后的样本数据进行模型训练和验证得到预测模型；

S4)将待预测架空输电线路工程的工程技术指标输入预测模型得到架空输电线路工程的造价预测数据。

进一步的，步骤S2)的具体步骤包括：

S21)获取各样本数据中的造价数据，通过主客观组合赋权计算架空输电线路本体工程中各造价指标的造价占比；

S22)根据历史造价和当前造价计算所述造价指标在预设历史时段中每一年的折现系数；

S23)针对各样本数据中的造价数据，根据工程时间、架空输电线路本体工程费用的造价占比、架空输电线路本体工程费用中各造价指标的造价占比以及造价指标当年的折现系数进行折现计算。

进一步的，步骤S21)中通过主客观组合赋权计算架空输电线路本体工程中各造价指标的造价占比具体包括：首先通过层次分析法确定各造价指标主观权重向量W

进一步的，步骤S23)之前还包括调整工程项目的造价占比的步骤，具体包括：若存在预设历史时段中每一年的折现系数均为1的造价指标，删除该造价指标并重新计算剩余造价指标的造价占比。

进一步的，步骤S3)的具体步骤包括：

S31)筛选样本数据中的架空输电线路本体工程中各子工程的工程技术指标；

S32)对样本数据采样形成训练集和测试集；

S33)采用LSTM算法，将训练集中的工程技术指标作为输入特征，基于训练集中不同样本数据折现计算后的造价数据训练得到预测模型；

S34)将测试集中的样本数据输入预测模型，判断是否满足精度要求，如果满足则输出预测模型，否则返回步骤S32)。

进一步的，步骤S32)中，训练集和测试集的数据比例为7:3。

进一步的，步骤S31)具体包括：依次选取样本库中的样本数据作为当前样本数据，选取当前样本数据的架空输电线路本体工程中一个子工程作为当前子工程，采用弹性网络算法筛选当前子工程的工程技术指标，直到所有样本数据对应的子工程选取完毕。

进一步的，步骤S4)具体包括：预测模型获取待预测架空输电线路工程的工程技术指标，根据所述工程技术指标从样本库中匹配到至少一个相似的架空输电线路工程对应的折现计算后的样本数据，若待预测架空输电线路工程相比于相似的架空输电线路工程存在缺失的工程技术指标，从相似的架空输电线路工程对应的折现计算后的样本数据中取众数作为待预测架空输电线路工程的缺失的工程技术指标的默认值，根据相似的架空输电线路工程对应的折现计算后的样本数据和补充后的待预测架空输电线路工程的工程技术指标计算得到架空输电线路工程的造价预测数据。

本发明还提出一种架空输电线路工程造价预测装置，包括计算机设备，所述计算机设备被编程或配置以执行所述的架空输电线路工程造价预测方法。

本发明还提出一种计算机可读存储介质，所述计算机可读存储介质存储有被编程或配置以执行所述的架空输电线路工程造价预测方法的计算机程序。

与现有技术相比，本发明的优点在于：

本发明针对历史数据不具有时效性的问题，分别根据造价指标的历史造价、当前造价以及造价占比对样本库中预设历史时段内的架空输电线路工程数据中的造价数据进行折现计算得到折现计算后的样本数据，通过折现计算后的样本数据来保证数据的可靠性和预测结果的准确性，本发明通过LSTM算法对折现计算后的样本数据训练得到预测模型，训练好的预测模型具有较好的精度和鲁棒性，将待预测的架空输电线路工程的工程技术参数输入训练好的预测模型就能得到架空输电线路工程的造价预测数据，相比人工计算极大提高了工作效率，节省了预测时间。

附图说明

图1为本发明实施例的总体流程示意图。

图2为本发明实施例的步骤示意图

图3为本发明实施例的各造价指标分解示意图。

图4为本发明实施例的预测模型运行示意图。

具体实施方式

以下结合说明书附图和具体优选的实施例对本发明作进一步描述，但并不因此而限制本发明的保护范围。

如何做到预测精准主要难点在于：①由于市场价格的波动和物价上涨对造价影响很大，而当前进行造价预测主要基于历史工程造价数据，基于历史工程造价数据直接进行造价预测必然导致预测结果不准确；②如何通过历史工程造价数据构建工程造价预测模型，保证工程造价预测的准确性。

如图1和图2所示，本发明提出一种架空输电线路工程造价预测方法，包括以下步骤：

S1)构建样本库，将预设历史时段内的架空输电线路工程数据作为样本数据加入样本库；

S2)根据架空输电线路工程中各造价指标的历史造价、当前造价以及造价占比对各样本数据中的造价数据进行折现计算；

S3)根据LSTM算法对折现计算后的样本数据进行模型训练和验证得到预测模型；

S4)将待预测架空输电线路工程的工程技术指标输入预测模型得到架空输电线路工程的造价预测数据。

通过上述步骤，预设历史时段内的架空输电线路工程数据中的造价数据进行折现计算得到折现计算后的样本数据，从而保证了数据的可靠性和预测结果的准确性，本发明通过LSTM算法对折现计算后的样本数据训练得到预测模型，训练好的预测模型具有较好的精度和鲁棒性，将待预测的架空输电线路工程的工程技术指标输入训练好的预测模型就能得到架空输电线路工程的造价预测数据，相比人工计算极大提高了工作效率，节省了预测时间。

本实施例的步骤S1)中，预设历史时段具体为5年，即选取从5年前到当前日期的所有架空输电线路工程的历史数据加入样本库，使得样本库的数据量充足。

本实施例的步骤S2)的具体步骤包括：

S21)获取各样本数据中的造价数据，通过主客观组合赋权计算架空输电线路本体工程造价指标中各造价指标的造价占比；

S22)根据历史造价和当前造价计算所述造价指标在预设历史时段中每一年的折现系数；

S23)针对各样本数据中的造价数据，根据工程时间、架空输电线路本体工程费用的造价占比、架空输电线路本体工程费用中各造价指标的造价占比以及造价指标当年的折现系数进行折现计算。

如图3所示，在步骤S21)中，我们通过统计样本库中所有样本数据中的造价数据发现，架空输电线路工程的造价可以分为架空输电线路本体工程费用和其他费用两部分，架空输电线路本体工程费用和其他费用的造价占比分别为总造价的70％和30％，由于架空输电线路本体工程费用涉及到材料和人工费用，而材料和人工费用并不是一成不变的，所以需要对架空输电线路本体工程费用进行折现计算。

如图3所示，我们根据架空输电线路本体工程费用中各造价指标的关联性，将架空输电线路本体工程费用分类为金具、杆塔、导线、混凝土、砂石、钢材、人工费用、材料费用和机械费用等9个造价指标，首先通过层次分析法确定各造价指标主观权重向量W

通过层次分析法确定当前造价指标主观权重向量W

A1)根据目标—准则或指标—方案或对象将当前造价指标有关因素自上而下分层建立层次分析结构模型；

A2)采用的标度法构造判断矩阵；

A3)计算当前造价指标的主观权重向量W

A31)计算判断矩阵每行元素的乘积m

上式中，i为判断矩阵的行序数，j为判断矩阵的列序数，a

A32)计算m

A33)对向量

上式中，j为项目数量；

向量W

表1层次分析法确定主观权重结果

A4)进行一致性检验，若一致性检验通过，输出当前造价指标的主观权重向量，否则返回步骤A2)重新构造判断矩阵，一致性检验具体步骤包括：

A41)计算判断矩阵特征向量的最大特征λ

A42)计算一致性指标CI，函数表达式为：

上式中，n为判断矩阵的准则层中的指标数；

A43)计算一致性比值CR，函数表达式为：

上式中，RI为通过随机一致性RI表格查询得到的平均随机指标。

通过熵权法确定当前造价指标客观权重向量W

B1)标准化：计算判断矩阵的准则层中各指标的权重，首先对该准则层中的各指标进行标准化处理，利用临街值法进行归一化，函数表达式为：

x

上式中，x

B2)计算熵和权，具体步骤包括：

B21)计算第i个项目的第j个指标的权重，函数表达式为：

上式中，m为第j个指标下的指标数，x'

B22)计算第j个指标的信息熵，函数表达式为：

B23)计算第j个指标的权重，函数表达式为：

上式中，n为指标数量。

则W

通过上述步骤得到的各造价指标客观权重如下表所示。

表2熵权法确定客观权重

主客观组合确定当前造价指标权重向量W的具体步骤包括：根据加法集成法，由主客观组合赋权法得到的综合权重向量表示为W＝αW

表3主客观组合确定权重

本实施例的步骤S22)中，预设历史时段中每一年的折现系数的函数表达式如下：

上式中，P

杆塔、导线分别依据电力部门发布的相关文件，如《主要设备材料信息价》，获取相应年份的造价并计算得到每一年的折现系数；混凝土、钢材分别依据当地发布的相关文件，如《建筑材料信息价》，获取相应年份的造价并计算得到每一年的折现系数；人工费用、材料费用与机械费用之和分别依据电力部门发布的相关文件，如《电力建设工程概预算定额年度价格水平调整的通知》，获取相应年份的造价并计算得到每一年的折现系数，各造价指标的折现系数如下表所示。

表4折现系数

对于金具费用，根据能源部门发布的相关文件，如《装置性材料预算价》，我们发现价格基本保持不变，因此本实施例的步骤S23)之前还包括调整造价指标的造价占比的步骤，具体包括：若存在预设历史时段中每一年的折现系数均为1的造价指标，删除该造价指标并重新计算剩余造价指标的造价占比，重新计算对应部分剩余造价指标的造价占比的方式有多种，例如对于剩余造价指标的造价占比向下取整、向上取整、或者重新计算每个剩余造价指标在删除该造价指标后的总体中的权重等。

如图3所示，各造价指标的造价占比的函数表达式如下：

r＝r

上式中，r

本实施例的步骤S23)中，对于单个样本数据，将造价数据折现计算的函数表达式如下：

上式中，

本实施例的步骤S3)的具体步骤包括：

S31)筛选样本数据中的架空输电线路本体工程中各子工程的工程技术指标；

S32)对样本数据采样形成训练集和测试集，本实施例中采用有放回的自主采样法进行采样，训练集和测试集的数据比例为7:3；

S33)采用LSTM算法，将训练集中的工程技术指标作为输入特征，基于训练集中不同样本数据折现计算后的造价数据训练得到预测模型；

S34)将测试集中的样本数据输入预测模型，判断是否满足精度要求，如果满足则输出预测模型，否则返回步骤S32)。

LSTM算法训练得到的预测模型的详细运行过程如图4所示，包括以下步骤：

C1)根据前一时刻的隐藏层状态h

f

上式中，σ为激活函数，W

C2)根据前一时刻的隐藏层状态h

上式中，σ为激活函数，W

C3)根据记忆门的值i

C4)根据前一时刻的隐藏层状态h

上式中，σ为激活函数，W

本实施例的步骤S31)中，各子工程的工程技术指标采用弹性网络算法从以下常用工程技术指标中筛选得到，具体如下表所示。

表5工程技术指标

由于各个架空输电线路工程的实际应用场景存在差异，可以仅使用这些工程技术指标中对造价影响较大的一部分进行造价预测，因此为了提高预测模型的生成效率以及工作效率，本实施例中步骤S31)具体包括：依次选取样本库中的样本数据作为当前样本数据，选取当前样本数据的架空输电线路本体工程中一个子工程作为当前子工程，采用弹性网络算法筛选当前子工程的工程技术指标，直到所有样本数据对应的子工程选取完毕。

弹性网络是一种使用L1和L2先验作为正则化矩阵的线性回归模型，运行原理如下式所示：

其中，αρ||w||

本实施例中采用弹性网络算法筛选当前子工程的工程技术指标具体步骤包括：

D1)以当前子工程对应的样本数据为基础，设定当前工程技术指标对应的参数α的区间，采用网格搜索法获取最优的参数α值；

D2)采用LARS方法求解弹性网络得到参数α对应的误差值，步骤如下：

D21)判断自变量x

D22)当其他变量x

D23)当出现第三个变量x

D24)返回步骤D22)，直到残差小于预设阈值或所有自变量参数都已完成逼近；

D3)对比分析各参数α对应的误差值，选取最优的误差值对应的工程技术指标作为筛选结果。

考虑到在规划阶段能够提供的工程技术指标有限，往往只有线路长度、电压等级、地形等，因此本实施例的步骤S4)中将待预测架空输电线路工程的缺失的工程技术指标进行补充后再预测其造价，具体步骤包括：预测模型获取待预测架空输电线路工程的工程技术指标，根据所述工程技术指标从样本库中匹配到至少一个相似的架空输电线路工程对应的折现计算后的样本数据，若待预测架空输电线路工程相比于相似的架空输电线路工程存在缺失的工程技术指标，从相似的架空输电线路工程对应的折现计算后的样本数据中取众数作为待预测架空输电线路工程的缺失的工程技术指标的默认值，根据相似的架空输电线路工程对应的样本数据和补充后的待预测架空输电线路工程的工程技术指标计算得到架空输电线路工程的造价预测数据。

为验证预测准确性，根据LSTM算法得到预测模型后，本实施例中还分别根据决策树算法和BP神经网络算法构建另外两个预测模型，然后选取样本库中未经训练的四个样本数据对三种模型进行对比分析，详细内容见表6。

表6三种算法项目造价预测误差对比

综上，采用LSTM算法对工程造价进行预测，预测误差可降低到0.0278，相比于决策树和BP神经网络的预测结果，预测效果更佳。其原因为：LSTM算法对数据质量要求较低，针对验证数据中存在的缺失信息具有更好的包容性；同时LSTM算法是以深度算法为基础，更适用于基于大数据的工程造价样本，相比于决策树和BP神经网络具有更好的精度和鲁棒性。

本实施例还提出一种架空输电线路工程造价预测装置，包括计算机设备，所述计算机设备被编程或配置以执行所述的架空输电线路工程造价预测方法。

本实施例还提出一种计算机可读存储介质，所述计算机可读存储介质存储有被编程或配置以执行所述的架空输电线路工程造价预测方法的计算机程序。

上述只是本发明的较佳实施例，并非对本发明作任何形式上的限制。虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明。因此，凡是未脱离本发明技术方案的内容，依据本发明技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均应落在本发明技术方案保护的范围内。