[发明专利]利用神经网络算法预测抽水蓄能电站建筑工程投资的方法

说明书

本发明涉及一种利用神经网络算法预测抽水蓄能电站建筑工程投资的方法。本发明适用于电力工程技术领域。本发明的目的为提供一种利用神经网络算法预测抽水蓄能电站建筑工程投资的方法，以快速且准确，操作性强，减少前期大量专业设计人员和造价人员的人力投入。本发明建立经过充分迭代训练后的投资预测模型，可以依据抽水蓄能电站的价格特征因素和设计特征因素，较为快捷地预测抽水蓄能电站建筑工程各部分的投资，并能够将每部分投资估算的结果误差控制在10％以内，该模型能够在抽水蓄能电站项目前期决策阶段的投资估算工作中提供较为准确的估算结果，同时节省大量设计人员和造价人员的人力投入，提高投资估算的效率。

技术领域

本发明涉及一种利用神经网络算法预测抽水蓄能电站建筑工程投资的方法。适用于电力工程技术领域。

背景技术

目前，在抽水蓄能电站前期决策阶段，估算工程投资主要采用定额分析法，需要收集基础资料，确定设计方案，根据设计方案计算工程量，再对每个工程量编制对应的单价，进行组价后再估算投资。该方法需要大量的专业设计人员和造价人员投入，主要的问题在于投入人力资源多，持续时间长，效率较低。

发明内容

本发明要解决的技术问题是：针对上述存在的问题，提供一种利用神经网络算法预测抽水蓄能电站建筑工程投资的方法，以快速且准确，操作性强，减少前期大量专业设计人员和造价人员的人力投入。

本发明所采用的技术方案是：一种利用神经网络算法预测抽水蓄能电站建筑工程投资的方法，其特征在于：

确定影响抽水蓄能电站建筑工程各部分工程与工程投资相关的特征因素；

收集抽水蓄能电站样本的特征因素数据并进行处理，特征因素数据分为定量类参数和定性类参数，其中定量类参数用线性变换的方式进行数据归一化处理；定量类参数先采用量化处理，量化原则是施工工艺越复杂、实施难度越大、工程造价越大，则参数就越大，再对量化后的参数进行归一化处理；

将样本中经处理的各部分工程特征因素数据以及各部分工程投资输入对应各部分基于神经网络算法建立的投资预测模型进行训练，经过充分迭代训练后使预测模型趋于准确、稳定；

将待预测的抽水蓄能电站建筑工程各部分特征因素数据输入以上训练后的投资预测模型，可输出待预测的抽水蓄能电站建筑工程各部分工程投资以及相加后建筑工程总投资。

所述抽水蓄能电站建筑工程的各部分工程为挡水工程、泄水工程、输水工程、发电工程、交通工程和其他建筑工程。

所述特征因素包括价格特征因素和设计特征因素。

所述价格特征因素输入参数包括平均人工费预算单价、水泥预算单价、钢筋预算单价、柴油预算单价。

所述设计特征因素输入参数如下表：

所述投资预测模型的构建方法包括：

神经网络创建函数：newff，该函数用于创建BP网络，调用格式如下：

net＝newff(P,T,S,TF,BTF)

其中，P：输入参数矩阵；T：目标参数矩阵；S：隐含层数目；TF：相关层的传递函数，默认隐含层为tansig函数，输出层为purelin函数；tansig：正切S型传递函数；purelin：线性传递函数；BTF：BP神经网络学习训练函数，默认值为trainlm函数；

式中：S(i)为隐含层神经元个数，n为输入节点个数，m为输出节点个数， a为1到10之间的常数。