有小樣本數據特征的輸變電工程造價估算與靈敏度研究.pdf

1、隨著電力建設規(guī)模的不斷擴大，輸變電工程造價的管理有了更高的要求。一方面，建立在概預算定額之上的傳統(tǒng)輸變電工程造價技術在新型造價管理中已顯得力不從心，另一方面，由于工程資料涉及影響因素繁多、且同期可比工程項目有限，造成數據利用效率很低。再者，現今流行的大數據樣本學習方法，對于數據量的要求無明確定義，很難從實際問題進行精確實現。因此論文從小樣本數據入手，重點研究小樣本數據的學習問題。
　　 小樣本數據的學習問題比海量數據的學習更困難

2、，已經成為人工智能技術的熱點研究對象。根據國內外目前研究進展，主要集中在小樣本數據的預處理技術、學習算法的收斂性、魯棒性以及參數尋優(yōu)等方面。從這些方面出發(fā)，論文研究的思路是：論文依托某地區(qū)輸變電工程歷史造價數據，首先設計了一套完整的數據預處理系統(tǒng),根據輸電工程與變電工程數據各自的特點，進行數據簡化處理。針對輸電工程數據量大，數據差別大，尋優(yōu)得到的最優(yōu)工程不具有代表性的特點。應用模糊C聚類算法對簡化數據進行聚類處理。針對變電工程數據量小，

3、不同電壓等級之間差別大的特點，提出主-子模塊思想對其進行分類處理。運用以上兩種方法分別提取合適的小樣本數據集。然后，針對小樣本數據，提出一種易于操作、快速有效的輸變電工程造價小樣本估算模型，即粒子群-最小二乘支持向量機模型。其中，支持向量機算法在小樣本學習領域表現十分優(yōu)越，也適合于對工程數目有限、影響因素頗多的小樣本數據進行學習。粒子群算法作為強大的參數優(yōu)化算法，在模型中對支持向量機參數進行優(yōu)化。應用粒子算法、傳統(tǒng)交叉算法對支持向量機參

4、數尋優(yōu)進行了對比分析，結果表明，基于粒子算法的參數尋優(yōu)效果更好。最后，論文在估算模型的基礎上，進一步提出了相應的靈敏度分析模型，該模型可對工程造價進行快速審核。通過對靈敏度模型進行實際應用分析，發(fā)現此模型可以在設計過程中對工程造價進行很好控制。
　　 論文設計了一套完整的造價管理系統(tǒng)，提出了一種區(qū)別于傳統(tǒng)基于定額、取費等依據的造價管理方法，即基于歷史工程小樣本造價數據的工程造價快速估算及評審方法。以電力輸電和變電工程為案例的仿真