[发明专利]变电站工程的费用预测方法

权利要求书

1.一种变电站工程的费用预测方法，其特征在于：包括以下步骤：

A.识别影响各个变电站工程项目费用的主要因素，得到建筑工程费用细分项目、安装工程费用细分项目和设备工程费用细分项目与影响因素的对应关系；

B.收集变电站工程信息并进行预处理；

C.分别识别建筑工程费用、安装工程费用、设备工程费用的影响因素，建立各影响因素变量同建筑工程费之间的线性回归关系；然后根据软件筛选出来的分析结果对输入的影响因素变量进行精简，并最终确定不可替代的影响因素变量输入值；

D.将最终确定的建筑工程费用的不可替代的影响因素变量输入值带入建筑工程费用的神经网络预测模型，得到建筑工程费的预测结果；

将最终确定的安装工程费用的不可替代的影响因素变量输入值带入安装工程费用的神经网络预测模型，得到安装工程费的预测结果；

将最终确定的设备工程费用的不可替代的影响因素变量输入值带入设备工程费用的神经网络预测模型，得到设备工程费的预测结果；

E.通过建筑工程费、安装工程费和设备工程费的预测结果生成本体费用，结合本体费用预测其他费用；人工输入建场费；将本体费用、其他费用和建场费相加获得静态投资预测费用。

2.根据权利要求1所述的一种变电站工程的费用预测方法，其特征在于：所述步骤B具体包括以下步骤：

剔除重复信息，保留全站征地面积与全站及主控楼建筑面积，删除远期台数；电缆又分为控制电缆、1kV及以下电力电缆、光缆，分别以电力电缆和控制电缆总量作为因素，而不再细分；统一量纲；对定性指标进行量化处理，所述定性指标包括“所属地区”“地形地貌”、“变电站型式”。

3.根据权利要求1所述的一种变电站工程的费用预测方法，其特征在于：所述步骤C具体包括以下步骤：将各工程费用的影响因素变量分别导入多元线性回归模型，挑选出所有可能的相关性因素；依据“调整后R方”与“KMO”数值进行优劣评估，通过不断删去“显著性”数值最大的影响因素变量来提高“调整后R方”与“KMO”数值，直至这两个数值不再明显变化；找出遗漏的关键性影响因素变量，逐个添加未加入的影响因素变量，保留其中增加或不影响“调整后R方”与“KMO”数值的影响因素变量。

4.根据权利要求1所述的一种变电站工程的费用预测方法，其特征在于所述神经网络预测模型的构建步骤如下：收集历史工程数据并进行预处理；设计网络结构并设定超参数和权重系数；利用历史工程数据进行网络训练获得神经网络预测模型。

5.根据权利要求4所述的一种变电站工程的费用预测方法，其特征在于：通过建筑工程费用的影响因素变量作为输入量，构建建筑工程费用的神经网络预测模型，其中模型搭建含1层输入层、1层输出层、9层隐含层的神经网络，隐藏层每层神经元个数分别为16、8、4、8、4、8、4、8、4；采用RELU函数；训练轮数10000轮，学习率使用0.01。

6.根据权利要求4所述的一种变电站工程的费用预测方法，其特征在于：通过安装工程费用的影响因素变量作为输入量，构建安装工程费用的神经网络预测模型，其中模型搭建含1层输入层、1层输出层、9层隐含层的神经网络，隐藏层每层神经元个数分别为16、8、4、8、4、8、4、8、4；采用RELU函数；训练轮数10000轮，学习率使用0.01。

7.根据权利要求4所述的一种变电站工程的费用预测方法，其特征在于：通过设备工程费用的影响因素变量作为输入量，构建设备工程费用的神经网络预测模型；其中模型搭建含1层输入层、1层输出层、9层隐含层的神经网络，隐藏层每层神经元个数分别为16、8、4、8、4、8、4、8、4；采用RELU函数；训练轮数10000轮，学习率使用0.01。