[發明專利]基于多核支持向量回歸機的電網基建工程造價預測方法有效
| 申請號: | 201210424792.6 | 申請日: | 2012-10-30 |
| 公開(公告)號: | CN102930352A | 公開(公告)日: | 2013-02-13 |
| 發明(設計)人: | 楊晶晶;李雋;齊志剛;蕭展輝;金波;賴啟結;謝榕昌;楊眉;張雨;劉冬根;謝文景 | 申請(專利權)人: | 廣東電網公司 |
| 主分類號: | G06Q10/04 | 分類號: | G06Q10/04;G06Q50/06 |
| 代理公司: | 廣州華進聯合專利商標代理有限公司 44224 | 代理人: | 王茹;曾旻輝 |
| 地址: | 510600 廣東*** | 國省代碼: | 廣東;44 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 基于 多核 支持 向量 回歸 電網 基建 工程造價 預測 方法 | ||
技術領域
本發明涉及數據挖掘技術,特別是涉及基于多核支持向量回歸機的電網基建工程造價預測方法。
背景技術
近年來,電網行業的建設步伐較快,2010年完成電網建設投資454億元,2011年完成電網建設投資297億元。受內外部環境影響,電網的合理控制工程造價,提升電網基建工程造價管理精益化水平的需求非常迫切。
外部環境,近幾年CPI(Consumer?Price?Index,消費者物價指數)指數持續走高,主要設備材料價格上漲較快,同時,電監會等外部監管單位對基建造價工作要求較高,每年均要求公司報送典型項目的相關造價分析材料;內部環境,近年來電網基建工程項目結余率較高,概算編制不合理的問題長期存在。如何加強電網基建工程造價管理,向管理要效益,節約公司建設成本,成為企業基建管理領域的工作重點和工作難點。
傳統支持向量回歸機能夠在給定參數,單一穩定的數據來源的數據集上有效預測數據,但在面臨更復雜的異構數據情況下,傳統的支持向量回歸機由于只使用單一核函數,難以在該核函數空間下對輸入輸出建立合理的映射關系,因此不能有效地獲得較為精確的回歸函數,或者會得到一個具有過泛化的回歸函數,從而導致預測不夠準確。
發明內容
基于此,有必要針對上述問題,提供一種基于多核支持向量回歸機的電網基建工程造價預測方法,能夠提供一種準確、簡捷、實用的工程造價預測方法。
一種基于多核支持向量回歸機的電網基建工程造價預測方法,包括:
對輸變電項目描述數據進行屬性預處理,并采用基本核函數計算多核矩陣,其中,所述屬性預處理包括將連續型變量標準化及枚舉型變量類型的轉換;
構建多核支持向量回歸機的預測模型,對該預測模型的回歸參數及所述多核矩陣的權重進行優化;
將所述屬性預處理獲得的數據作為待測樣本,利用所述預測模型進行造價預測。
在其中一個實施例,所述屬性預處理的步驟當中,輸變電項目描述屬性包括枚舉型變量屬性與連續型變量屬性;
其中,所述枚舉型變量屬性包括:電壓等級、投產年份、建設性質、變電站型式;所述連續型變量屬性包括:征地面積、全站建筑面積、主控樓建筑面積、主變壓器單價、高壓側斷路器單價。
在其中一個實施例,所述屬性預處理的步驟當中,所述枚舉型變量類型的轉換是指將枚舉型屬性轉換成取值為0,1的二值型屬性。
在其中一個實施例,所述屬性預處理的步驟當中,所述將連續型變量標準化是指將輸變電項目的每個連續型的屬性變量值放大或縮小到預設的[0,1]區間。
在其中一個實施例,采用基本核函數計算多核矩陣的步驟當中,所使用的基本核函數包括高斯核函數、多項式核函數、Sigmoid核函數。
在其中一個實施例,所述利用所述預測模型進行造價預測的步驟,包括:
41)在連續型變量標準化和枚舉型變量類型轉換的基礎上與回歸函數中的訓練樣本做多核函數的計算;
42)計算待測樣本的預測值。
實施本發明,具有如下有益效果:
本發明利用了多核函數,充分考慮了訓練樣本在多核函數空間的表達性,并在統一的框架下對參數進行優化,提供了多核函數支持向量回歸機預測方法。利用本發明所提供的基于多核支持向量回歸機的電網基建工程造價預測方法,能提高對訓練樣本的擬合性能,并能削弱訓練數據不充分帶來的不利影響,具有較強泛化能力,能夠對電網基建工程造價做出合理的預測,以便可以幫助基建管理人員提高概算編制精度,有效控制基建投資。工程造價預測的精確度直接關系到企業的基建投資規模預測的準確度,對節約公司建設成本,提升企業經濟效益和管理效益有著至關重要的作用。
附圖說明
圖1為本發明基于多核支持向量回歸機的電網基建工程造價預測方法的流程圖;
圖2為本發明的一個實施方式的回歸函數參數及多核函數權重的演算流程圖。
具體實施方式
為使本發明的目的、技術方案和優點更加清楚,下面將結合附圖對本發明作進一步地詳細描述。
隨著機器學習方法尤其是支持向量回歸機(Support?Vector?Regression,SVR)的不斷發展,目前支持向量回歸機在費用預測領域取得了顯著的進展。支持向量回歸機建立在統計學習理論的基礎上,克服了神經網絡和傳統參數方法的諸多缺點,不需要特定問題的先驗知識,在有限的訓練樣本情況下,可以很好地控制學習機器的推廣能力。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于廣東電網公司,未經廣東電網公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201210424792.6/2.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:資料比對系統及資料整合方法
- 下一篇:一種SOA服務平均故障間隔時間預測方法
- 同類專利
- 專利分類
G06Q 專門適用于行政、商業、金融、管理、監督或預測目的的數據處理系統或方法;其他類目不包含的專門適用于行政、商業、金融、管理、監督或預測目的的處理系統或方法
G06Q10-00 行政;管理
G06Q10-02 .預定,例如用于門票、服務或事件的
G06Q10-04 .預測或優化,例如線性規劃、“旅行商問題”或“下料問題”
G06Q10-06 .資源、工作流、人員或項目管理,例如組織、規劃、調度或分配時間、人員或機器資源;企業規劃;組織模型
G06Q10-08 .物流,例如倉儲、裝貨、配送或運輸;存貨或庫存管理,例如訂貨、采購或平衡訂單
G06Q10-10 .辦公自動化,例如電子郵件或群件的計算機輔助管理





