[發明專利]一種優化極限學習機的房屋建筑安全施工費費率預測方法

在審

• 申請號: 202210014851.6
• 申請日: 2022-01-07
• 公開（公告）號: CN114492954A
• 公開（公告）日: 2022-05-13
• 發明（設計）人: 張連新;劉巧霞;張勇輝;李少堂;楊玉杰;李營偉;白冰;尚彭濤;楊路飛;全立平;徐文帥;李紅偉;衛佳佳
• 申請（專利權）人: 張連新
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/00;G06Q50/04
• 代理公司: 南京鐘山專利代理有限公司 32252
• 代理人: 牛婧

1.一種優化極限學習機的房屋建筑安全施工費費率預測方法，其特征在于，具體包括以下步驟：

(1)根據房屋建筑施工現場及先驗知識，建立影響安全施工費費率的指標體系；

(2)建立基于粒子群并行模擬退火優化的極限學習機算法的房屋建筑安全施工費費率預測模型；

(3)將步驟(1)建立的影響安全施工費費率的指標體系作為房屋建筑安全施工費費率預測模型的輸入，訓練房屋建筑安全施工費費率預測模型；

(4)再次獲取影響安全施工費費率的指標體系，輸入訓練好的房屋建筑安全施工費費率預測模型，輸出預測的安全施工費費率。

2.根據權利要求1所述優化極限學習機的房屋建筑安全施工費費率預測方法，其特征在于，所述影響安全施工費費率的指標體系包括：預算價、建筑面積、建筑層數、建筑檐高、施工工期、單方造價和工程地點。

3.根據權利要求1所述優化極限學習機的房屋建筑安全施工費費率預測方法，其特征在于，所述房屋建筑安全施工費費率預測模型為在極限學習機算法中加入順序連接的粒子群算法和模擬退火算法。

4.根據權利要求1所述優化極限學習機的房屋建筑安全施工費費率預測方法，其特征在于，步驟(3)具體包括如下子步驟：

(3.1)將步驟(1)建立的影響安全施工費費率的指標體系輸入房屋建筑安全施工費費率預測模型中，隨機生成初始解x_i、v_i，求解粒子群中各個粒子的適應度值計算粒子所在位置和飛行速度，其中，x_i表示極限學習機的閾值或權值，v_i表示粒子群的初始化速度，n表示樣本總數量，O_j表示第j個樣本對應的安全施工費費率預測值，T_j表示第j個樣本對應的安全施工費費率的實際值；

(3.2)選取出步驟(3.1)中粒子的適度值最小的粒子p_g進行保存，設置初始溫度T＝fitness(p_g)/log5，

其中，fitness(p_g)表示適度值最小粒子p_g的適應度值；

(3.3)生成新解x_i'，計算溫度T下各個粒子的適應度值計算溫度T時的溫度適應度值如果fitness(x'_i)-fitness(x_i)＜0，則接受新解x'_i；如果fitness(x'_i)-fitness(x_i)≥0，隨機產生一個[0,1]之間的數，若小于T_fitness，接受新解x'_i；

(3.4)根據接受的新解x'_i，更新粒子所在位置和飛行速度，進行退火操作T←αT，其中，α表示降溫系數；

(3.5)重復步驟(3.2)-(3.4)，記錄迭代次數k←k+1，直至生成新解的適應度值與上一個解的適應度值的差小于10^-16，完成對房屋建筑安全施工費費率預測模型的訓練。

5.根據權利要求4所述優化極限學習機的房屋建筑安全施工費費率預測方法，其特征在于，所述粒子的飛行速度的更新過程為：

其中，表示第m維粒子i在第k次迭代的速度，表示第m維粒子i在第k+1次迭代的速度，c₁表示第一加速度系數，c₂表示第二加速系數，r₁、r₂分別為介于[0,1]之間的隨機數，ω表示慣性權重，C＝c₁+c₂，表示第m維粒子i在第k次迭代的位置，表示第m維粒子i在第k次迭代時接收的新解，表示第m維粒子i在第k次迭代時所有粒子的經歷過的路徑上的最優位置。

6.根據權利要求4所述優化極限學習機的房屋建筑安全施工費費率預測方法，其特征在于，所述粒子所在位置的更新過程為：

其中，表示第m維粒子i在第k次迭代的位置，表示第m維粒子i在第k+1次迭代的位置，是第m維粒子i在第k次迭代的速度。