城市轨道交通土建工程造价非线性预测与反演

作者：孟春成; 亐道远; 段晓晨^*

来源：西南交通大学学报, 2023, 1-11.

• 城市轨道交通
• 土建工程
• 造价预测
• GWO-ELM模型
• 反分析

为解决城市轨道交通土建工程造价定额测算法和线性分析模型准确性欠佳、传统非线性机器学习模型缺乏合理解释性的问题，首先，运用特征选择与知识判断方法提取城市轨道交通土建工程造价关键影响因素并建立工程案例数据库；然后，通过粒子群优化(particle swarm optimization， PSO)聚类算法筛选相似案例，采用基于灰狼优化算法(grey wolf optimizer， GWO)的极限学习机(extreme learning machine， ELM)建立土建工程造价非线性预测模型并设计双环境对比实验；最后，将Sobol’全局敏感性分析和Curve Fitting分析用于城市轨道交通土建工程造价解释性反演，以成都市轨道交通10号线1期工程为例验证模型优越性。研究结果表明：模型平均绝对误差与均方根误差分别为0.113 9和0.127 4，平均绝对百分比误差为4.14%，且得到非线性造价预测模型预测效果优于线性模型和同时采用因素优化与案例聚类方法所得预测效果更佳的对比规律；全局敏感性分析发现，地下线长度和地下车站数的总敏感度明显高于其他因素，可作为方案优化重点调节因素；采用Curve Fitting分析提高了机器学习智能预测模型作用机理“黑箱”效应33.70%～64.52%的解释性。

• 单位
  石家庄铁道大学