【技术实现步骤摘要】
本专利技术涉及一种基于长短期记忆神经网络的工程造价智能预测方法及装置，属于电网工程造价数据处理。
技术介绍
1、随着电力市场的发展和电网建设的推进，电网项目的投资额不断增加，这使得电网项目的造价管理变得更加复杂和关键。并且电网项目的规模大型化、技术复杂化等新特点也增加了工程造价的不确定性，使得风险管理成为一个重要课题。在电网工程中，各种风险因素与工程的整体造价密切相关，识别这些风险因素并分析其与造价的关系对于精准造价至关重要。
2、目前进行造价预测的方法，主要是通过输入历史造价数据，通过算法直接计算工程总投资。这种方法称为历史数据算法，是一种基于历史数据和统计算法的传统预测方法。历史数据算法使用历史项目的造价数据作为输入，通过统计分析和算法计算，得出工程的总投资。这种方法简单直接，适用于某些相对简单、规模较小的工程。
3、但是，现有造价预测方法存在以下缺点：1.无法体现市场环境和新技术的变化：历史数据算法主要依赖于历史造价数据，无法充分考虑市场环境的变化和新技术的应用。随着时间的推移，市场价格、材料费用、劳动力成...
【技术保护点】
1.一种基于长短期记忆神经网络的工程造价智能预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于长短期记忆神经网络的工程造价智能预测方法，其特征在于，在步骤S1中，通过采用均值标准化将与工程造价相关的工程结算数据和物料询价数据进行标准化处理，所述标准化处理的过程为：
3.根据权利要求1所述的基于长短期记忆神经网络的工程造价智能预测方法，其特征在于，所述步骤S2，对训练集进行基于变分模态分解，得到若干阶的造价模态分量，包括如下步骤：
4.根据权利要求3所述的基于长短期记忆神经网络的工程造价智能预测方法，其特征在于，所述根...
【技术特征摘要】
1.一种基于长短期记忆神经网络的工程造价智能预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于长短期记忆神经网络的工程造价智能预测方法，其特征在于，在步骤s1中，通过采用均值标准化将与工程造价相关的工程结算数据和物料询价数据进行标准化处理，所述标准化处理的过程为：
3.根据权利要求1所述的基于长短期记忆神经网络的工程造价智能预测方法，其特征在于，所述步骤s2，对训练集进行基于变分模态分解，得到若干阶的造价模态分量，包括如下步骤：
4.根据权利要求3所述的基于长短期记忆神经网络的工程造价智能预测方法，其特征在于，所述根据工程造价预测需求的周期新和频率设置模态分量的数量，并映入正则化参数，包括如下步骤：
5.根据权利要求3所述的基于长短期记忆神经网络的工程造价智能预测方法，其特征在于，在执行交替优化步骤过程中，目标函数为：
6.根据权利要求1所述的基于长短期记忆神经网络的工程造价智能预测...
【专利技术属性】
技术研发人员：刘宏志，李凯，杨博杰，李倩，李彦，郝铁军，张晓松，
申请(专利权)人：国网山东省电力公司经济技术研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。