一种输变电工程造价评估方法及装置制造方法及图纸

本发明专利技术提供了一种输变电工程造价评估方法及装置，方法包括：接收输入的输变电工程的历史样本数据；初始化混沌粒子群的迭代次数、惯性权值、学习因子、粒子速度、粒子群的种群规模建立混沌粒子群模型；根据混沌粒子群优化算法对所述的混沌粒子群模型参数进行优化；根据所述的历史样本数据和优化后的混沌粒子群模型确定混沌粒子群模型的迭代次数、惯性权值、学习因子的最优值；根据确定的迭代次数、惯性权值、学习因子的最优值分别确定最小二乘支持向量机模型的惩罚系数、不敏感系数及核函数参数建立最小二乘支持向量机模型；接收输入的输变电工程的实际样本数据；根据输变电工程的实际样本数据和建立的最小二乘支持向量机模型生成输变电工程造价评估结果。

【技术实现步骤摘要】
【专利摘要】本专利技术提供了一种输变电工程造价评估方法及装置，方法包括：接收输入的输变电工程的历史样本数据；初始化混沌粒子群的迭代次数、惯性权值、学习因子、粒子速度、粒子群的种群规模建立混沌粒子群模型；根据混沌粒子群优化算法对所述的混沌粒子群模型参数进行优化；根据所述的历史样本数据和优化后的混沌粒子群模型确定混沌粒子群模型的迭代次数、惯性权值、学习因子的最优值；根据确定的迭代次数、惯性权值、学习因子的最优值分别确定最小二乘支持向量机模型的惩罚系数、不敏感系数及核函数参数建立最小二乘支持向量机模型；接收输入的输变电工程的实际样本数据；根据输变电工程的实际样本数据和建立的最小二乘支持向量机模型生成输变电工程造价评估结果。【专利说明】一种输变电工程造价评估方法及装置
本专利技术涉及输变电工程
，具体的讲是一种输变电工程造价评估方法及装置。
技术介绍
输变电工程建设一般具有项目投资额巨大、涉及领域多以及影响因素复杂等特点，因此控制输变电工程建设的造价历来都是一个难题。而输变电工程造价的控制是按照计算和确定的工程造价和投资费用这个既定的造价目标，对造价形成过程的一切费用进行严格的计算、调节和监督，揭示偏差，及时纠正，保证造价目标的实现。所以，要想提高资源的利用效率，优化资源配置就必须从控制的目标一评估工程造价开始。随着科学技术的发展，国内工程造价领域曾经出现了许多造价估算方法，包括:估算指标法、概算定额法、指数平滑法、特定权重法、模糊数学计算法、灰色关联度计算法、神经网络模型法、经验估计法等。这些方法在一些特定的历史时期内和工程项目进展过程中可以解决工程造价的快速估算，但是他们普遍存在的缺点是把属于竞争中最活跃的因素固定化，难以适应适应市场经济体制的要求，忽略了资金的时间价值，缺乏动态性，造成技术和经济的分离，导致估算造价误差太大，仍然很难满足市场经济发展中工程建设的实际需要。20世纪90年代，小样本数据的机器学习理论研究逐渐成熟，形成了一个较完善的理论体系一统计学习理论，在此基础上，1995年Vapnik提出了一种新的机器学习方法——支持向量机技术。支持向量机技术的出现为小样本数据的学习提供了有效的理论分析基础，在很多领域取得了成功的应用，已经成为小样本学习的研究新热点。然而，在实际研究中发现，单纯依赖支持向量机技术进行小样本数据学习仍然很难取得稳定良好的学习效果，因此本技术拟从人工智能技术入手，寻找合适的理论技术算法，对基于支持向量机技术的小样本数据学习方法进行改进，设计一种科学合理的小样本数据智能学习改进算法，并把该改进算法应用于输变电工程造价快速估算当中，满足输变电工程项目建设过程中造价控制和招投标活动实施的需要。目前，关于工程造价估算方法的研究较少，除常用的定额概预算造价估算和清单计价方法外，主要利用了模糊数学、灰色关联度和人工神经网络、支持向量机等方法对工程造价估算方法进行了研究。( I)基于模糊数学的造价估算王祯显教授在全国首先提出建筑工程造价本身就是一个不确切的数字，带有模糊性的思想，并结合实际将模糊数学的方法应用到工程实践中，提出了快速估算工程造价的新方法，该方法利用隶属度反映工程项目之间的亲疏关系，挑选出与预估工程最贴近的一组典型工程项目作为相似工程，再由这组相似工程的实际值推算出预估工程的造价估算值。唐晓阳等提出根据概率论和模糊数学原理，确立随机-模糊数学特征统计方法，应用模糊数学贴近度概念估算出子工程费用，子工程费用叠加构成总体工程费用的可能造价值。随后，宋红宾、姜德华、黎诚、毕星等分别对模糊数学在造价估算中的应用研究又做了进一步的研究。(2)基于灰色关联度的造价估算钱永峰首次提出用灰色系统的生成函数方法，弥补模糊数学造价估算模型中调整系数不确定性的不足。张协奎、钱永峰利用灰色系统理论估算了建筑费用，但只粗略考虑了工程特征，没有考虑分部工程的权重，由此估算出的造价准确度低，难以推广应用。但荀志远、于彩华把预估工程项目和类似工程项目进行分解，以分部工程为计算起点，把分部工程特征和造价结合起来计算关联度，弥补了张协奎、钱永峰建立模型中的不足，提高了估算结果的准确度。之后，张传友、黄宝珍、廖启祥等分别将模糊贴近度与灰色关联度结合起来，改进了之前的估算模型，进一步提高了估算的准确性。(3)基于人工神经网络的造价估算邵良彬、高树林通过对神经网络基本原理的研究，介绍了工程造价人工神经网络估算模型和人工智能估算系统软件，并结合矿井项目建设中的井巷工程的实例进行了分析。随后，更多的专家学者应用神经网络对不同的建筑工程造价估算进行了研究，强茂山等对水电工程造价的估算进行了研究，开辟了神经网络的在水电工程中的应用。申金山、赵欣、杨毅、傅鸿等分别利用BP神经网络建立了工程造价估算模型。银涛等研究了神经网络在电力输电工程的造价估算方法中的应用。近年来，出现了神经网络与聚类技术、遗传算法等理论结合提高网络学习能力的研究。邓焕彬、李驰宇等分别结合模糊数学与BP神经网络设计了工程造价快速估算模型。王颖等结合软计算方法、聚类技术和模糊神经网络理论设计了电力线路工程造价预测模型。熊燕利用遗传算法结合BP神经网络理论设计了建筑工程造价估算模型。(4)基于支持向量机的造价估算韦俊涛研究了支持向量机在电力输电工程的造价估算方法中的应用。蒋丽娜采用粗糙集和支持向量机方法构成智能预测系统，研究解决了建筑工程造价预测效率不高这一难题。郝宽胜等提出基于模糊最小二乘支持向量机的建设工程造价预测方法。武晓娟运用支持向量机的系统预测方法，结合火电工程项目造价的趋势和特点，建立火电厂工程造价预测模型。王金祥、谢颖等分别利用支持向量机对公路工程造价进行评估。彭光金提出一种基于参数优化回归支持向量机的小样本数据智能学习改进算法，同时把该算法应用于工程造价快速估算。模糊数学的缺点是对工程造价估算的复杂问题描述过于简单，因此估算结果自然比较粗糙。灰色关联理论的缺点是过高估计了不同工程的造价相似度，计算误差较大，很难满足目前工程造价估算10%以内的精度要求。神经网络的缺点是学习要求训练样本规模较大才能保证算法的鲁棒性和收敛性。支持向量机的缺点是收敛速度慢，运行时间较长，另外，参数对外界变化很敏感较依赖于经验。纵观上述造价估算方法，大部分还停留在浅层次的探讨上，要么是算法在单一方面的应用，要么缺乏系统性，要么只适用于历史工程数据规模大的工程领域，对小样本工程数据的造价估算方法基本没有深入探讨。
技术实现思路
本专利技术实施例提供了一种输变电工程造价评估方法，所述的方法包括:接收输入的输变电工程的历史样本数据；初始化混沌粒子群的迭代次数、惯性权值、学习因子、粒子速度、粒子群的种群规模建立混沌粒子群模型；根据混沌粒子群优化算法优化对所述的混沌粒子群模型参数进行优化；根据所述的历史样本数据和优化后的混沌粒子群模型确定混沌粒子群模型的迭代次数、惯性权值、学习因子的最优值；根据确定的迭代次数、惯性权值、学习因子的最优值分别确定最小二乘支持向量机模型的惩罚系数、不敏感系数及核函数参数建立最小二乘支持向量机模型；接收输入的输变电工程的实际样本数据；根据输变电工程的实际样本数据和建立的最小二乘支持向量机模型生成输变电工程造价评估结果。本专利技术还提供了一本文档来自技高网...

【技术保护点】
一种输变电工程造价评估方法，其特征在于，所述的方法包括：接收输入的输变电工程的历史样本数据；初始化混沌粒子群的迭代次数、惯性权值、学习因子、粒子速度、粒子群的种群规模建立混沌粒子群模型；根据混沌粒子群优化算法对所述的混沌粒子群模型参数进行优化；根据所述的历史样本数据和优化后的混沌粒子群模型确定混沌粒子群模型的迭代次数、惯性权值、学习因子的最优值；根据确定的迭代次数、惯性权值、学习因子的最优值分别确定最小二乘支持向量机模型的惩罚系数、不敏感系数及核函数参数建立最小二乘支持向量机模型；接收输入的输变电工程的实际样本数据；根据输变电工程的实际样本数据和建立的最小二乘支持向量机模型生成输变电工程造价评估结果。

【技术特征摘要】

【专利技术属性】
技术研发人员：王绵斌，韩锐，
申请(专利权)人：国家电网公司，冀北电力有限公司电力经济技术研究院，
类型：发明
国别省市：