基于PSO-ELM算法的输变电工程造价预测分析
|
摘要
为了提高输变电工程造价预测的准确度,降低以后输变电工程建设的结余率,文中将筛选出的主要影响因素作为ELM模型的输入自变量,并利用粒子群优化算法(PSO)来优化ELM模型中权值和阈值,从而建立PSO-ELM(MIV)的输变电工程造价预测模型。以宁夏某电力公司2012-2013年的97组输变电工程造价样本数据为实例,分别使用PSO-ELM(MIV)、ELM(MIV)、PSO-ELM和ELM预测模型对实例数据进行验证,实验结果表明,相比于其他几种预测模型,PSOELM(MIV)预测精度高,实用型更强,可以为日后的输变电工程造价预测提供一种新的思路。
In order to improve the cost forecast accuracy,decrease the rate of the construction of the balance in power transmission and transformation project,a PSO-ELM( MIV) power transmission and transformation project cost prediction model is proposed by selecting the main influencing factors as the input independent variables of ELM model,and using the particle swarm optimization algorithm( PSO) to optimize the weights and thresholds. Using PSO-ELM( MIV),ELM( MIV),PSO-ELM and ELM prediction model to test and verify the 97 sample of Ningxia power transmission and transformation project cost data in 2012-2013,the experimental results show that compared with other several kinds of prediction model,PSO-ELM( MIV) has higher prediction accuracy and is more practical,what can be a new train of thought for project cost prediction.
In order to improve the cost forecast accuracy,decrease the rate of the construction of the balance in power transmission and transformation project,a PSO-ELM( MIV) power transmission and transformation project cost prediction model is proposed by selecting the main influencing factors as the input independent variables of ELM model,and using the particle swarm optimization algorithm( PSO) to optimize the weights and thresholds. Using PSO-ELM( MIV),ELM( MIV),PSO-ELM and ELM prediction model to test and verify the 97 sample of Ningxia power transmission and transformation project cost data in 2012-2013,the experimental results show that compared with other several kinds of prediction model,PSO-ELM( MIV) has higher prediction accuracy and is more practical,what can be a new train of thought for project cost prediction.
引文
[1]解晗.基于管控要点动态评价的输变电工程全面造价管控研究[D].保定:华北电力大学,2015.
[2]王佼,丁莉.500k V架空输电线路工程造价主要影响因素分析[J].东北电力大学学报,2012,32(5):9-11.
[3]周昊,钱亦雯,王闰瑶.基于工程量清单计价模式的输变电工程造价风险评估模型研究[J].现代电子技术,2017,40(18):23-25,28.
[4]武田艳,占建军,严韦.基于MIV-BP型网络实验的房地产价格影响因素研究[J].数学的实践与认识,2015,45(18):43-50.
[5]赵丽娟,马良玉,王晓霞.基于PSO-ELM的热力系统参数预测[J].电力科学与工程,2018,34(3):70-74.
[6]殷国玺,张展羽,张国华,等.基于粒子群优化算法的田多目标控制排水模型[J].农业工程学报,2009,25(3):6-9.
[7]赵敏汝,张建明,韩飞.基于粒子群优化的错误最小化极端学习机[J].无线通信技术,2015,24(2):55-61.
[8]汪明先,吴建德,王晓东.PSO-ELM的浆体管道临界淤积流速预测模型研究[J].传感器与微系统,2017,36(3):66-69.
[9]邵峰晶.数据挖掘原理与算法[M].北京:水利水电出版社,2003:58-61.
[10]介邓飞,谢丽娟,饶秀勤,等.近红外光谱变量筛选提高西瓜糖度预测模型精度[J].农业工程学报,2013,20(12):264-270.
[11]王小川.MATLAB神经网络43个案例分析[M].北京:北京航空航天大学出版社,2013:112-173.
[12]顾瑶媛,谢红,吴旭波.基于MIV特征筛选和BP神经网络的三维人体参数转换[J].上海工程技术大学学报,2012,26(4):361-364.
[13]孙文彬,刘希亮,王洪斌,等.基于MIV的抛掷爆破影响因子权重分析[J].中国矿业大学学报,2012,41(6):993-998.
[14]姜媛媛,刘柱,罗慧,等.锂电池剩余寿命的ELM间接预测方法[J].电子测量与仪器学报,2016,30(2):179-185.
[15]冯禹,崔宁博,龚道枝,等.基于极限学习机的参考作物蒸散量预测模型[J].农业工程学报,2015,31(S1):153-160.
[2]王佼,丁莉.500k V架空输电线路工程造价主要影响因素分析[J].东北电力大学学报,2012,32(5):9-11.
[3]周昊,钱亦雯,王闰瑶.基于工程量清单计价模式的输变电工程造价风险评估模型研究[J].现代电子技术,2017,40(18):23-25,28.
[4]武田艳,占建军,严韦.基于MIV-BP型网络实验的房地产价格影响因素研究[J].数学的实践与认识,2015,45(18):43-50.
[5]赵丽娟,马良玉,王晓霞.基于PSO-ELM的热力系统参数预测[J].电力科学与工程,2018,34(3):70-74.
[6]殷国玺,张展羽,张国华,等.基于粒子群优化算法的田多目标控制排水模型[J].农业工程学报,2009,25(3):6-9.
[7]赵敏汝,张建明,韩飞.基于粒子群优化的错误最小化极端学习机[J].无线通信技术,2015,24(2):55-61.
[8]汪明先,吴建德,王晓东.PSO-ELM的浆体管道临界淤积流速预测模型研究[J].传感器与微系统,2017,36(3):66-69.
[9]邵峰晶.数据挖掘原理与算法[M].北京:水利水电出版社,2003:58-61.
[10]介邓飞,谢丽娟,饶秀勤,等.近红外光谱变量筛选提高西瓜糖度预测模型精度[J].农业工程学报,2013,20(12):264-270.
[11]王小川.MATLAB神经网络43个案例分析[M].北京:北京航空航天大学出版社,2013:112-173.
[12]顾瑶媛,谢红,吴旭波.基于MIV特征筛选和BP神经网络的三维人体参数转换[J].上海工程技术大学学报,2012,26(4):361-364.
[13]孙文彬,刘希亮,王洪斌,等.基于MIV的抛掷爆破影响因子权重分析[J].中国矿业大学学报,2012,41(6):993-998.
[14]姜媛媛,刘柱,罗慧,等.锂电池剩余寿命的ELM间接预测方法[J].电子测量与仪器学报,2016,30(2):179-185.
[15]冯禹,崔宁博,龚道枝,等.基于极限学习机的参考作物蒸散量预测模型[J].农业工程学报,2015,31(S1):153-160.