[發明專利]基于機器學習時序預測算法的建設工程材料價格信息數據計算方法

在審

• 申請號: 202111053487.6
• 申請日: 2021-09-09
• 公開（公告）號: CN113986869A
• 公開（公告）日: 2022-01-28
• 發明（設計）人: 丁崗;黃軒;李航;王中玉;孟沙;潘俊熹
• 申請（專利權）人: 昆明行列科技有限公司
• 主分類號: G06F16/21
• 分類號: G06F16/21;G06F16/215;G06F16/28;G06N20/00;G06Q10/04;G06Q30/02;G06Q30/06;G06Q50/08
• 代理公司: 云南聚泰知創知識產權代理事務所(普通合伙) 53217
• 代理人: 韋群

本發明為一種基于機器學習時序預測算法的建設工程材料價格信息數據計算方法，其特征在于：包括如下步驟：S0?通過現有標準材料庫收集并清洗材料價格數據，形成多維的材料價格數據庫；S1?以材料價格數據庫建立材料構成數據模型，S2?建立材料價格歷史數據模型；S3?建立材料價格影響因子分析模型；S4?建立材料構成原料價格歷史數據模型；S5?建立材料構成原料價格波動模型；S6?建立材料價格參照印證機制；其中，通過上述步驟中的數據庫和/或模型預測目標材料未來節點和/或回溯歷史節點的價格。本發明在現發明的基礎上突破了時間的維度，回溯及預測歷史數據的時間沒有上限，本發明的時間維度更大，且準確性更高。

技術領域

本發明涉及建筑業決策分析技術領域，具體涉及一種基于機器學習時序預測算法的建設工程材料價格信息數據計算方法。

背景技術

近年來，建筑業目前已經成為了我國的支柱產業之一，而隨著人工智能的新起，無論是從建筑業的自身發展，還是從時代發展的要求來看，人工智能、機器學習等技術已經在建筑業行業內大范圍的展開應用，人工智能與建筑業的結合是建筑業擺脫傳統的運作模式走向現代化經營和管理的必然之路。

目前國內已經有很多應用將人工智能結合到建筑行業的項目之中，研究主要集中在建筑設計的BIM模型中AI的自動配置、利用數據分析與機械學習對工程做風險管理、AI搭配聲音、圖像辨識系統自動標記施工現場、建筑物智能化管理中，如：在建筑設計中，將建筑構件作為最基本的設計單元，采用了非常先進的自定義對象核心技術，實現了二維圖形與三維模型的同步，極大的提高了設計師的工作效率；在施工管理中，以往主要是依靠手寫、手繪的方式來完成有關施工檔案的記錄和施工平面圖的繪制，而隨著人工智能技術在建筑領域里應用范圍的不斷擴大，綜合采用數理邏輯學、運籌學、人工智能等手段來進行施工管理已經得到了認可和普及。基于C/S環境架構研發的建筑企業工地管理應用系統，涵蓋了工地管理的各個方面；在建筑施工和建筑結構和電器的應用，基于人工神經網絡的系統辨識方法，通過模糊神經網絡所具有的學習及非線性映射能力來獲得實測結構動力響應數據，能夠對建筑結構在任意動力荷載情況下的動力響應進行非常準確的預測。為了減少行業耗能，神經網絡也應用到建筑電器之中，在對電氣節能評估模型建立后，使用神經網絡對其進行訓練，提升其評估的準確性和網絡泛化性，使建筑節能改造工作的實施能夠具有更多的科學依據。另外關于補足數據畫像等技術已經廣泛應用于工況監視、成品檢驗和質量控制等領域。

由此可見，目前國內人工智能技術已經大范圍在建筑業應用展開，而我們今天提出的方法也正是與建筑業息息相關的工程建設材料價格信息回溯及預測方法，該方法是基于機器學習時序預測算法的對建設工程材料價格信息數據回溯及預測，目前相關的技術已有關于：一種電網設備材料價格的智能預測方法，該方法主要是通過智能預測借助人工智能、機器學習算法通過對歷史數據的仿真進行預測，計算過程中數據庫的處理運用神經網絡的方式來處理數據從而得出價格的數據庫。但是該發明數據庫的數據積累僅以每年的發布信息為歷史依據，缺乏預測的準確性。再例如：另一種工業原材料價格預測方法，該方法也是基于人工智能、機器學習算法訓練的價格預測模型對企業關注的工業原材料的未來價格進行預測，但是該發明只考慮到有原始數據的基礎上預測這一個情況，預測價格的情況存在單一性，影響預測準確性。

另外在現專利號為：CN110264260A_一種電網設備材料價格的智能預測方法。該方法通過收集原始數據，以影響材料價格的關鍵因素指標據為自變量，以材料價格為因變量，構建一元線性回歸模型，并計算預測結果和誤差絕對值；利用材料價格原始數據，構建灰色GM(1,1)模型，并計算預測結果和誤差絕對值；將兩種模型進行加權組合，應用方差-協方差法計算每個方法模型的組合權重；進行組合模型精度檢驗和權重修正，直到滿足誤差要求范圍實現價格信息的預測。

存在的問題：

1、該發明只是通過構建一元線性回歸模型單一的數據模型來推斷預測價格，利用影響材料價格的關鍵因素來作為指標判斷，關鍵因素的影響對于價格預測的準確性可能不是那么準確。建立模型單一，只能接受一種情況的預測套用。