基于BP神经网络模型的输电线路造价预测模型研究

作者：张宇晨; 张宇霖; 封春菲; 王晨

来源：电力大数据, 2020, 23(06): 35-42.

DOI：10.19317/j.cnki.1008-083x.2020.06.005

• 人工神经网
• 特征向量
• 隐藏层
• 数据集
• 非线性
• 激活函数

针对输电线路工程前期工作中,由于诸多工程技术指标还未确定,工程造价难以预测的问题。本文将采用BP神经网络算法,搭建一个基于过往数据的输电线路工程造价预测模型。通过BP神经网络的强大的非线性函数拟合能力和模式分类能力,来预测新条件下输电线路的工程造价。本文在训练神经网络模型时,还结合PCA主成分分析法来对原始工程数据进行优化,减少"训练集"数据的维度,提升样本数据的特征性。并在最后把预测模型与"测试集"的数据进行比较。通过比较,本文证明了基于BP神经网络的输电线路工程造价预测模型在大数据样本的训练下,能够有效拟合造价函数并且能显著降低实际造价与预测值的误差范围。因此本文认为该模型的运用,能在项目前期工作中对预测工程造价地准确性产生有益的作用。

• 单位
  华能国际电力股份有限公司