基于ga-wnn的输变电工程造价预测方法
【技术领域】
[0001] 本发明涉及一种工程造价预测方法，特别是涉及一种基于GA-WNN的输变电工程 造价预测方法，属于电力系统领域。
【背景技术】
[0002] 电力工业是我国国民经济的重要能源工业部门，为我国社会经济发展提供能源保 障。输变电工程的高效建设与稳定运行，不仅直接影响着宏观经济和电力产业自身的发展， 对相关行业的其他领域也产生巨大的波及效应。
[0003] 我国经济的快速发展，导致用电需求迅猛增长，只有大力开展输变电工程建设，才 能缓解电力供应紧张的状况。但是，伴随建设的突飞猛进发展，也凸显了当前输变电工程建 设中存在一些问题，即投资大、效益低、造价管理存在漏洞等问题。因此，对输变电工程造价 进行有效的预测，对于指导输变电工程建设具有重要的现实意义。
【发明内容】
[0004] 本发明的主要目的在于，克服现有技术中的不足，提供一种基于遗传算法-小波 神经网络（GA-WNN)的输变电工程造价预测方法，不仅简单易行，能准确可靠地预测出某地 区的输变电工程造价，而且应用范围广泛，参考价值高，实用性强，从而实现有效预测，为输 变电工程投资建设提供指导。
[0005] 为了达到上述目的，本发明所采用的技术方案是：
[0006] -种基于GA-WNN的输变电工程造价预测方法，包括以下步骤：
[0007] 1)收集地区范围内3-5年的输变电工程造价数据，建立输变电工程造价样本数据 库；
[0008] 2)运用统计分析软件对输变电工程造价数据进行特征指标分析，通过参数检验及 因子分析，确定输变电工程造价预测指标，建立输变电工程造价预测指标体系；
[0009] 3)按照灰色关联分析方法，计算输变电工程造价预测指标的权重，将输变电工程 造价预测指标归并到一级指标；
[0010] 4)将归并好的一级指标作为输入，输变电工程预测造价作为输出，利用遗传算法 对小波神经网络的权值进行优化，结合Matlab和遗传算法工具箱，构建基于GA-WNN的输变 电工程造价预测模型；
[0011] 5)基于GA-WNN的输变电工程造价预测模型通过训练和测试后进行输变电工程预 测造价的仿真预测。
[0012] 本发明进一步设置为：所述步骤1)还包括对输变电工程造价样本数据库的更新； 通过不断收集新的输变电工程造价数据，并将其增加到输变电工程造价样本数据库中，完 成输变电工程造价样本数据库的样本容量的更新。
[0013] 本发明进一步设置为：所述特征指标分析采用回归分析法、主成分分析法和偏差 分析法。
[0014] 本发明进一步设置为：所述步骤3)中将输变电工程造价预测指标归并到一级指 标所采取的归并方法是，根据属于三大类工程的输变电工程造价预测指标的属性赋值及其 权重相乘求和，来获得一级指标值。
[0015] 本发明进一步设置为：所述步骤5)中训练和测试具体为，将输变电工程造价样本 数据库划分为训练集与测试集，通过训练集作为预测模型训练输入样本，在满足精度要求 时，确定预测模型的结构和权重值，再通过测试集检测预测模型的训练效果，直至精度达到 设定目标。
[0016] 本发明进一步设置为：所述设定目标的期望误差为ε = 0. 0001。
[0017] 与现有技术相比，本发明具有的有益效果是：
[0018] 提供一种具有较高应用价值的、简单易行的、高效准确的输变电工程造价预测方 法，能准确可靠地预测出某地区的输变电工程造价，从而为国家电网部门投资提供参考，对 某地区的输变电工程建设起到指导作用；而且应用范围广泛，预测所得的输变电工程造价 对预测地区的周边很多地区都有参考和应用价值；另外还可根据预测造价变化情况，监测 某区域内的影响输变电造价的因素，分析政策、物价等对输变电工程造价造成的影响。
[0019] 上述内容仅是本发明技术方案的概述，为了更清楚的了解本发明的技术手段，下 面结合附图对本发明作进一步的描述。
【附图说明】
[0020] 图1为本发明中预测模型训练的误差变化示意图。
【具体实施方式】
[0021 ] 下面结合说明书附图，对本发明作进一步的说明。
[0022] 本发明提供一种基于GA-WNN的输变电工程造价预测方法，包括以下步骤：
[0023] 1)收集地区范围内3-5年的输变电工程造价数据，如从江苏地区进行收集，建立 输变电工程造价样本数据库；可对已经建立的输变电工程造价样本数据库进行不断更新， 具体可通过不断收集新的输变电工程造价数据，并将其增加到输变电工程造价样本数据库 中，完成样本容量扩容及更新。
[0024] 2)运用如SPSS之类的统计分析软件对输变电工程造价数据进行特征指标分析， 可采用回归分析法、主成分分析法和偏差分析法，通过参数检验及因子分析，确定输变电工 程造价预测指标，建立如表1所示的输变电工程造价预测指标体系。
[0025]
[0026] 表 1
[0027] 3)按照灰色关联分析方法，计算输变电工程造价预测指标的权重，将输变电工程 造价预测指标归并到一级指标；所采取的归并方法是，根据属于三大类工程的输变电工程 造价预测指标的属性赋值及其权重相乘求和，来获得一级指标值。
[0028] 4)将归并好的一级指标作为输入，输变电工程预测造价作为输出，利用遗传算法 对小波神经网络的权值进行优化，小波神经网络的输入、输出向量均为[0，1]之间的数，对 所收集的样本的工程特征属性值进行归一化处理.η. ,结合Matlab和 遗传算法工具箱，构建基于GA-WNN的输变电工程造价预测模型。
[0029] 5)基于GA-WNN的输变电工程造价预测模型通过训练和测试后进行输变电工程预 测造价的仿真预测。具体为，将输变电工程造价样本数据库划分为训练集与测试集，通过训 练集作为预测模型训练输入样本，如图1所示的误差变化情况下，在满足精度要求时，确定 预测模型的结构和权重值，再通过测试集检测预测模型的训练效果，直至精度达到设定目 标时进行仿真预测，其中设定目标的期望误差为ε = 0.0001。
[0030] 以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该 了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原 理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进 都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界 定。
【主权项】
1. 一种基于GA-WNN的输变电工程造价预测方法，其特征在于，包括以下步骤： 1) 收集地区范围内3-5年的输变电工程造价数据，建立输变电工程造价样本数据库； 2) 运用统计分析软件对输变电工程造价数据进行特征指标分析，通过参数检验及因子 分析，确定输变电工程造价预测指标，建立输变电工程造价预测指标体系； 3) 按照灰色关联分析方法，计算输变电工程造价预测指标的权重，将输变电工程造价 预测指标归并到一级指标； 4) 将归并好的一级指标作为输入，输变电工程预测造价作为输出，利用遗传算法对小 波神经网络的权值进行优化，结合Matlab和遗传算法工具箱，构建基于GA-WNN的输变电工 程造价预测模型； 5) 基于GA-WNN的输变电工程造价预测模型通过训练和测试后进行输变电工程预测造 价的仿真预测。2. 根据权利要求1所述的基于GA-WNN的输变电工程造价预测方法，其特征在于：所述 步骤1)还包括对输变电工程造价样本数据库的更新；通过不断收集新的输变电工程造价 数据，并将其增加到输变电工程造价样本数据库中，完成输变电工程造价样本数据库的样 本容量的更新。3. 根据权利要求1所述的基于GA-WNN的输变电工程造价预测方法，其特征在于：所述 特征指标分析采用回归分析法、主成分分析法和偏差分析法。4. 根据权利要求1所述的基于GA-WNN的输变电工程造价预测方法，其特征在于：所述 步骤3)中将输变电工程造价预测指标归并到一级指标所采取的归并方法是，根据属于三 大类工程的输变电工程造价预测指标的属性赋值及其权重相乘求和，来获得一级指标值。5. 根据权利要求1所述的基于GA-WNN的输变电工程造价预测方法，其特征在于：所述 步骤5)中训练和测试具体为，将输变电工程造价样本数据库划分为训练集与测试集，通过 训练集作为预测模型训练输入样本，在满足精度要求时，确定预测模型的结构和权重值，再 通过测试集检测预测模型的训练效果，直至精度达到设定目标。6. 根据权利要求5所述的基于GA-WNN的输变电工程造价预测方法，其特征在于：所述 设定目标的期望误差为ε=〇.〇〇〇1。
【专利摘要】本发明公开了一种基于GA-WNN的输变电工程造价预测方法，包括步骤有：收集并分析输变电工程造价数据，通过参数检验及因子分析，确定输变电工程造价预测指标，建立输变电工程造价预测指标体系；按照灰色关联分析方法，计算输变电工程造价预测指标的权重，将输变电工程造价预测指标归并到一级指标；利用遗传算法对小波神经网络的权值进行优化，结合Matlab和遗传算法工具箱，构建基于GA-WNN的输变电工程造价预测模型；通过训练和测试后进行输变电工程预测造价的仿真预测。提供一种具有高应用价值、简单易行、高效准确的输变电工程造价预测方法，能准确可靠地预测出某地区的输变电工程造价，为国家电网部门投资提供参考和指导作用。
【IPC分类】G06F17/50, G06Q50/06
【公开号】CN105354371
【申请号】CN201510688274
【发明人】邵勤, 王朋, 张旺, 方向, 孙海森, 刘婷, 凌俊斌, 李剑锋
【申请人】江苏省电力公司, 江苏省电力公司电力经济技术研究院, 中国能源建设集团江苏省电力设计院有限公司, 南京电力工程设计有限公司
【公开日】2016年2月24日
【申请日】2015年10月21日