一種輸變電工程造價評估方法及裝置制造方法
【專利摘要】本發(fā)明提供了一種輸變電工程造價評估方法及裝置，方法包括：接收輸入的輸變電工程的歷史樣本數(shù)據(jù)；初始化混沌粒子群的迭代次數(shù)、慣性權(quán)值、學(xué)習(xí)因子、粒子速度、粒子群的種群規(guī)模建立混沌粒子群模型；根據(jù)混沌粒子群優(yōu)化算法對所述的混沌粒子群模型參數(shù)進(jìn)行優(yōu)化；根據(jù)所述的歷史樣本數(shù)據(jù)和優(yōu)化后的混沌粒子群模型確定混沌粒子群模型的迭代次數(shù)、慣性權(quán)值、學(xué)習(xí)因子的最優(yōu)值；根據(jù)確定的迭代次數(shù)、慣性權(quán)值、學(xué)習(xí)因子的最優(yōu)值分別確定最小二乘支持向量機模型的懲罰系數(shù)、不敏感系數(shù)及核函數(shù)參數(shù)建立最小二乘支持向量機模型；接收輸入的輸變電工程的實際樣本數(shù)據(jù)；根據(jù)輸變電工程的實際樣本數(shù)據(jù)和建立的最小二乘支持向量機模型生成輸變電工程造價評估結(jié)果。
【專利說明】一種輸變電工程造價評估方法及裝置
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及輸變電工程【技術(shù)領(lǐng)域】，具體的講是一種輸變電工程造價評估方法及裝置。
【背景技術(shù)】
[0002]輸變電工程建設(shè)一般具有項目投資額巨大、涉及領(lǐng)域多以及影響因素復(fù)雜等特點，因此控制輸變電工程建設(shè)的造價歷來都是一個難題。而輸變電工程造價的控制是按照計算和確定的工程造價和投資費用這個既定的造價目標(biāo)，對造價形成過程的一切費用進(jìn)行嚴(yán)格的計算、調(diào)節(jié)和監(jiān)督，揭示偏差，及時糾正，保證造價目標(biāo)的實現(xiàn)。所以，要想提高資源的利用效率，優(yōu)化資源配置就必須從控制的目標(biāo)一評估工程造價開始。
[0003]隨著科學(xué)技術(shù)的發(fā)展，國內(nèi)工程造價領(lǐng)域曾經(jīng)出現(xiàn)了許多造價估算方法，包括:估算指標(biāo)法、概算定額法、指數(shù)平滑法、特定權(quán)重法、模糊數(shù)學(xué)計算法、灰色關(guān)聯(lián)度計算法、神經(jīng)網(wǎng)絡(luò)模型法、經(jīng)驗估計法等。這些方法在一些特定的歷史時期內(nèi)和工程項目進(jìn)展過程中可以解決工程造價的快速估算，但是他們普遍存在的缺點是把屬于競爭中最活躍的因素固定化，難以適應(yīng)適應(yīng)市場經(jīng)濟(jì)體制的要求，忽略了資金的時間價值，缺乏動態(tài)性，造成技術(shù)和經(jīng)濟(jì)的分離，導(dǎo)致估算造價誤差太大，仍然很難滿足市場經(jīng)濟(jì)發(fā)展中工程建設(shè)的實際需要。
[0004]20世紀(jì)90年代，小樣本數(shù)據(jù)的機器學(xué)習(xí)理論研究逐漸成熟，形成了一個較完善的理論體系一統(tǒng)計學(xué)習(xí)理論，在此基礎(chǔ)上，1995年Vapnik提出了一種新的機器學(xué)習(xí)方法——支持向量機技術(shù)。支持向量機技術(shù)的出現(xiàn)為小樣本數(shù)據(jù)的學(xué)習(xí)提供了有效的理論分析基礎(chǔ)，在很多領(lǐng)域取得了成功的應(yīng)用，已經(jīng)成為小樣本學(xué)習(xí)的研究新熱點。然而，在實際研究中發(fā)現(xiàn)，單純依賴支持向量機技術(shù)進(jìn)行小樣本數(shù)據(jù)學(xué)習(xí)仍然很難取得穩(wěn)定良好的學(xué)習(xí)效果，因此本技術(shù)擬從人工智能技術(shù)入手，尋找合適的理論技術(shù)算法，對基于支持向量機技術(shù)的小樣本數(shù)據(jù)學(xué)習(xí)方法進(jìn)行改進(jìn)，設(shè)計一種科學(xué)合理的小樣本數(shù)據(jù)智能學(xué)習(xí)改進(jìn)算法，并把該改進(jìn)算法應(yīng)用于輸變電工程造價快速估算當(dāng)中，滿足輸變電工程項目建設(shè)過程中造價控制和招投標(biāo)活動實施的需要。
[0005]目前，關(guān)于工程造價估算方法的研究較少，除常用的定額概預(yù)算造價估算和清單計價方法外，主要利用了模糊數(shù)學(xué)、灰色關(guān)聯(lián)度和人工神經(jīng)網(wǎng)絡(luò)、支持向量機等方法對工程造價估算方法進(jìn)行了研究。
[0006]( I)基于模糊數(shù)學(xué)的造價估算
[0007]王禎顯教授在全國首先提出建筑工程造價本身就是一個不確切的數(shù)字，帶有模糊性的思想，并結(jié)合實際將模糊數(shù)學(xué)的方法應(yīng)用到工程實踐中，提出了快速估算工程造價的新方法，該方法利用隸屬度反映工程項目之間的親疏關(guān)系，挑選出與預(yù)估工程最貼近的一組典型工程項目作為相似工程，再由這組相似工程的實際值推算出預(yù)估工程的造價估算值。唐曉陽等提出根據(jù)概率論和模糊數(shù)學(xué)原理，確立隨機-模糊數(shù)學(xué)特征統(tǒng)計方法，應(yīng)用模糊數(shù)學(xué)貼近度概念估算出子工程費用，子工程費用疊加構(gòu)成總體工程費用的可能造價值。隨后，宋紅賓、姜德華、黎誠、畢星等分別對模糊數(shù)學(xué)在造價估算中的應(yīng)用研究又做了進(jìn)一步的研究。
[0008](2)基于灰色關(guān)聯(lián)度的造價估算
[0009]錢永峰首次提出用灰色系統(tǒng)的生成函數(shù)方法，彌補模糊數(shù)學(xué)造價估算模型中調(diào)整系數(shù)不確定性的不足。張協(xié)奎、錢永峰利用灰色系統(tǒng)理論估算了建筑費用，但只粗略考慮了工程特征，沒有考慮分部工程的權(quán)重，由此估算出的造價準(zhǔn)確度低，難以推廣應(yīng)用。但荀志遠(yuǎn)、于彩華把預(yù)估工程項目和類似工程項目進(jìn)行分解，以分部工程為計算起點，把分部工程特征和造價結(jié)合起來計算關(guān)聯(lián)度，彌補了張協(xié)奎、錢永峰建立模型中的不足，提高了估算結(jié)果的準(zhǔn)確度。之后，張傳友、黃寶珍、廖啟祥等分別將模糊貼近度與灰色關(guān)聯(lián)度結(jié)合起來，改進(jìn)了之前的估算模型，進(jìn)一步提高了估算的準(zhǔn)確性。
[0010](3)基于人工神經(jīng)網(wǎng)絡(luò)的造價估算
[0011]邵良彬、高樹林通過對神經(jīng)網(wǎng)絡(luò)基本原理的研究，介紹了工程造價人工神經(jīng)網(wǎng)絡(luò)估算模型和人工智能估算系統(tǒng)軟件，并結(jié)合礦井項目建設(shè)中的井巷工程的實例進(jìn)行了分析。隨后，更多的專家學(xué)者應(yīng)用神經(jīng)網(wǎng)絡(luò)對不同的建筑工程造價估算進(jìn)行了研究，強茂山等對水電工程造價的估算進(jìn)行了研究，開辟了神經(jīng)網(wǎng)絡(luò)的在水電工程中的應(yīng)用。申金山、趙欣、楊毅、傅鴻等分別利用BP神經(jīng)網(wǎng)絡(luò)建立了工程造價估算模型。銀濤等研究了神經(jīng)網(wǎng)絡(luò)在電力輸電工程的造價估算方法中的應(yīng)用。近年來，出現(xiàn)了神經(jīng)網(wǎng)絡(luò)與聚類技術(shù)、遺傳算法等理論結(jié)合提高網(wǎng)絡(luò)學(xué)習(xí)能力的研究。鄧煥彬、李馳宇等分別結(jié)合模糊數(shù)學(xué)與BP神經(jīng)網(wǎng)絡(luò)設(shè)計了工程造價快速估算模型。王穎等結(jié)合軟計算方法、聚類技術(shù)和模糊神經(jīng)網(wǎng)絡(luò)理論設(shè)計了電力線路工程造價預(yù)測模型。熊燕利用遺傳算法結(jié)合BP神經(jīng)網(wǎng)絡(luò)理論設(shè)計了建筑工程造價估算模型。
[0012](4)基于支持向量機的造價估算
[0013]韋俊濤研究了支持向量機在電力輸電工程的造價估算方法中的應(yīng)用。蔣麗娜采用粗糙集和支持向量機方法構(gòu)成智能預(yù)測系統(tǒng)，研究解決了建筑工程造價預(yù)測效率不高這一難題。郝寬勝等提出基于模糊最小二乘支持向量機的建設(shè)工程造價預(yù)測方法。武曉娟運用支持向量機的系統(tǒng)預(yù)測方法，結(jié)合火電工程項目造價的趨勢和特點，建立火電廠工程造價預(yù)測模型。王金祥、謝穎等分別利用支持向量機對公路工程造價進(jìn)行評估。彭光金提出一種基于參數(shù)優(yōu)化回歸支持向量機的小樣本數(shù)據(jù)智能學(xué)習(xí)改進(jìn)算法，同時把該算法應(yīng)用于工程造價快速估算。
[0014]模糊數(shù)學(xué)的缺點是對工程造價估算的復(fù)雜問題描述過于簡單，因此估算結(jié)果自然比較粗糙?；疑P(guān)聯(lián)理論的缺點是過高估計了不同工程的造價相似度，計算誤差較大，很難滿足目前工程造價估算10%以內(nèi)的精度要求。神經(jīng)網(wǎng)絡(luò)的缺點是學(xué)習(xí)要求訓(xùn)練樣本規(guī)模較大才能保證算法的魯棒性和收斂性。支持向量機的缺點是收斂速度慢，運行時間較長，另外，參數(shù)對外界變化很敏感較依賴于經(jīng)驗。
[0015]縱觀上述造價估算方法，大部分還停留在淺層次的探討上，要么是算法在單一方面的應(yīng)用，要么缺乏系統(tǒng)性，要么只適用于歷史工程數(shù)據(jù)規(guī)模大的工程領(lǐng)域，對小樣本工程數(shù)據(jù)的造價估算方法基本沒有深入探討。

【發(fā)明內(nèi)容】
[0016]本發(fā)明實施例提供了一種輸變電工程造價評估方法，所述的方法包括:
[0017]接收輸入的輸變電工程的歷史樣本數(shù)據(jù)；
[0018]初始化混沌粒子群的迭代次數(shù)、慣性權(quán)值、學(xué)習(xí)因子、粒子速度、粒子群的種群規(guī)模建立混沌粒子群模型；
[0019]根據(jù)混沌粒子群優(yōu)化算法優(yōu)化對所述的混沌粒子群模型參數(shù)進(jìn)行優(yōu)化；
[0020]根據(jù)所述的歷史樣本數(shù)據(jù)和優(yōu)化后的混沌粒子群模型確定混沌粒子群模型的迭代次數(shù)、慣性權(quán)值、學(xué)習(xí)因子的最優(yōu)值；
[0021]根據(jù)確定的迭代次數(shù)、慣性權(quán)值、學(xué)習(xí)因子的最優(yōu)值分別確定最小二乘支持向量機模型的懲罰系數(shù)、不敏感系數(shù)及核函數(shù)參數(shù)建立最小二乘支持向量機模型；
[0022]接收輸入的輸變電工程的實際樣本數(shù)據(jù)；
[0023]根據(jù)輸變電工程的實際樣本數(shù)據(jù)和建立的最小二乘支持向量機模型生成輸變電工程造價評估結(jié)果。
[0024]本發(fā)明還提供了一種輸變電工程造價評估裝置，裝置包括:
[0025]數(shù)據(jù)輸入模塊,用于接收輸入的輸變電工程的歷史樣本數(shù)據(jù)和實際樣本數(shù)據(jù)；
[0026]混沌粒子群模型初始化模塊，用于初始化混沌粒子群的迭代次數(shù)、慣性權(quán)值、學(xué)習(xí)因子、粒子速度、粒子群的種群規(guī)模建立混沌粒子群模型；
[0027]優(yōu)化模塊，用于根據(jù)混沌粒子群優(yōu)化算法優(yōu)化對所述的混沌粒子群模型參數(shù)進(jìn)行優(yōu)化；
[0028]最優(yōu)值確定模塊，用于根據(jù)所述的歷史樣本數(shù)據(jù)和優(yōu)化后的混沌粒子群模型確定混沌粒子群模型的迭代次數(shù)、慣性權(quán)值、學(xué)習(xí)因子的最優(yōu)值；
[0029]最小二乘支持向量機模塊，用于根據(jù)確定的迭代次數(shù)、慣性權(quán)值、學(xué)習(xí)因子的最優(yōu)值分別確定最小二乘支持向量機模型的懲罰系數(shù)、不敏感系數(shù)及核函數(shù)參數(shù)建立最小二乘支持向量機模型；
[0030]評估模塊，用于根據(jù)輸變電工程的實際樣本數(shù)據(jù)和建立的最小二乘支持向量機模型生成輸變電工程造價評估結(jié)果。
[0031]本發(fā)明不僅可以使投資方在項目建設(shè)前期可行性研究階段能夠準(zhǔn)確估算新建工程的造價，同時可以在初步設(shè)計階段輔助概算審查人員進(jìn)行合理的、快速的造價審查，達(dá)到為投資決策提供依據(jù)的目標(biāo)，而且可以幫助項目施工單位在招投標(biāo)活動中快速確定企業(yè)報價范圍，在保證企業(yè)效益的前提下優(yōu)化報價策略，最大限度提高中標(biāo)成功率。
[0032]為讓本發(fā)明的上述和其他目的、特征和優(yōu)點能更明顯易懂，下文特舉較佳實施例，并配合所附圖式，作詳細(xì)說明如下。
【專利附圖】

【附圖說明】
[0033]為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
[0034]圖1為本發(fā)明實施例提供了一種輸變電工程造價評估方法流程圖；
[0035]圖2為本發(fā)明還提供了一種輸變電工程造價評估裝置結(jié)構(gòu)框圖；[0036]圖3為本發(fā)明實施例中混沌粒子群最小二乘支持向量機評估模型構(gòu)建流程圖【具體實施方式】
[0037]下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護(hù)的范圍。
[0038]如圖1所示，本發(fā)明實施例提供了一種輸變電工程造價評估方法，所述的方法包括:
[0039]步驟S101，接收輸入的輸變電工程的歷史樣本數(shù)據(jù)和實際樣本數(shù)據(jù)；
[0040]步驟S102，初始化混沌粒子群的迭代次數(shù)、慣性權(quán)值、學(xué)習(xí)因子、粒子速度、粒子群的種群規(guī)模建立混沌粒子群模型；
[0041]步驟S103，根據(jù)混沌粒子群優(yōu)化算法對所述的混沌粒子群模型參數(shù)進(jìn)行優(yōu)化；
[0042]步驟S104，根據(jù)所述的歷史樣本數(shù)據(jù)和優(yōu)化后的混沌粒子群模型確定混沌粒子群模型的迭代次數(shù)、慣性權(quán)值、學(xué)習(xí)因子的最優(yōu)值；
[0043]步驟S105，將確定的迭代次數(shù)、慣性權(quán)值、學(xué)習(xí)因子的最優(yōu)值代入相應(yīng)公式，可確定最小二乘支持向量機模型的懲罰系數(shù)、不敏感系數(shù)及核函數(shù)參數(shù)，最后建立最小二乘支持向量機模型；
[0044]步驟S106，根據(jù)輸變電工程的實際樣本數(shù)據(jù)和建立的最小二乘支持向量機模型生成輸變電工程造價評估結(jié)果。
[0045]優(yōu)選的，本發(fā)明實施例中根據(jù)歷史樣本數(shù)據(jù)的樣本容量設(shè)置混沌粒子群的種群規(guī)模。
[0046]優(yōu)選的，本發(fā)明實施例中初始化粒子速度時根據(jù)迭代次數(shù)、慣性權(quán)值、學(xué)習(xí)因子的量級乘以相應(yīng)系數(shù)。
[0047]優(yōu)選的，本發(fā)明實施例中對樣本數(shù)據(jù)進(jìn)行主成分分析確定影響因素。
[0048]此外，如圖2所示，本發(fā)明還提供了一種輸變電工程造價評估裝置，裝置包括:
[0049]數(shù)據(jù)輸入模塊201，用于接收輸入的輸變電工程的歷史樣本數(shù)據(jù)和實際樣本數(shù)據(jù)；
[0050]混沌粒子群模型初始化模塊202，用于初始化混沌粒子群的迭代次數(shù)、慣性權(quán)值、學(xué)習(xí)因子、粒子速度、粒子群的種群規(guī)模建立混沌粒子群模型；
[0051]優(yōu)化模塊203，用于根據(jù)混沌粒子群優(yōu)化算法優(yōu)化對所述的混沌粒子群模型參數(shù)進(jìn)行優(yōu)化；
[0052]最優(yōu)值確定模塊204，用于根據(jù)所述的歷史樣本數(shù)據(jù)和優(yōu)化后的混沌粒子群模型確定混沌粒子群模型的迭代次數(shù)、慣性權(quán)值、學(xué)習(xí)因子的最優(yōu)值；
[0053]最小二乘支持向量機模塊205，用于根據(jù)確定的迭代次數(shù)、慣性權(quán)值、學(xué)習(xí)因子的最優(yōu)值分別確定最小二乘支持向量機模型的懲罰系數(shù)、不敏感系數(shù)及核函數(shù)參數(shù)建立最小二乘支持向量機模型；
[0054]評估模塊206，用于根據(jù)輸變電工程的實際樣本數(shù)據(jù)和建立的最小二乘支持向量機模型生成輸變電工程造價評估結(jié)果。[0055]本發(fā)明實施例中混沌粒子群最小二乘支持向量機評估模型提出背景:
[0056]支持向量機在解決小樣本、非線性和高維的機器學(xué)習(xí)問題中表現(xiàn)出了許多特有的優(yōu)勢，然而，單純依賴支持向量機技術(shù)進(jìn)行小樣本數(shù)據(jù)學(xué)習(xí)仍然很難取得穩(wěn)定良好的學(xué)習(xí)效果。為此，本技術(shù)在原支持向量機理論的基礎(chǔ)上應(yīng)用了一種新型的改進(jìn)算法一最小二乘支持向量機，改進(jìn)算法與支持向量機算法之間最大的區(qū)別在于:改進(jìn)算法引入了最小二乘線性系統(tǒng)到支持向量機中，代替了傳統(tǒng)的支持向量機采用二次規(guī)劃方法解決函數(shù)估計問題。從而降低了模型的復(fù)雜度，簡化了模型的構(gòu)建過程，提高了學(xué)習(xí)結(jié)果的精度。
[0057]隨著最小二乘支持向量機評估模型在工程應(yīng)用的不斷深入，其自身也暴露出一些不可避免的缺陷，最為突出的是模型參數(shù)的選取和優(yōu)化問題，以往在參數(shù)選取方面，一般依靠專家系統(tǒng)或者設(shè)定初始值盲目搜尋等等，在實際應(yīng)用必然會影響模型的精準(zhǔn)度，造成一定影響。其不足具體表現(xiàn)如下:
[0058]①懲罰系數(shù)C根據(jù)樣本數(shù)據(jù)的特性，決定模型的復(fù)雜度和對大于ε的擬合偏差的懲罰程度。C值過大(>100)或過小(〈10)都會因過學(xué)習(xí)或欠學(xué)習(xí)使系統(tǒng)的泛化性能變差。
[0059]②不敏感系數(shù)ε表明了系統(tǒng)對估計函數(shù)在樣本數(shù)據(jù)上誤差的期望，ε值越大，支持向量數(shù)目越少，解的表達(dá)越稀疏，但過大的ε也能降低回歸估計的精度。
[0060]③核函數(shù)參數(shù)σ精確定義了高維特性空間Φ (x)的結(jié)構(gòu)，因而控制了最終解的復(fù)雜性，σ值過大或過小都會是系統(tǒng)的泛化性能變差。
[0061]如何選取合理的參數(shù)成為支持向量機算法應(yīng)用過程中的問題，同時也是目前應(yīng)用研究的重點。而常用的交叉驗證試算的方法，不僅耗時，且搜索目的不清，使得資源浪費，耗時耗力，不能有效的對參數(shù)進(jìn)行優(yōu)化。因此需要找到一種的新的方法，能夠?qū)ψ钚《酥С窒蛄繖C模型的參數(shù)進(jìn)行合理、高效的優(yōu)化，使得估算模型靈活、智能，更加符合實際輸變電工程建模的需求。
[0062]粒子群優(yōu)化算法實現(xiàn)簡單，但是其具有局部搜索能力弱，易陷入局部最優(yōu)點，進(jìn)化后期收斂速度慢等缺限。由于混沌運動具有遍歷性、隨機性、對初始條件的敏感性等特點，因此本技術(shù)在基本粒子群優(yōu)化算法中引入混沌思想，提高種群的多樣性和粒子搜索的遍歷性，提高了粒子群優(yōu)化算法擺脫局部極值點的能力，提高了基本粒子群優(yōu)化算法的收斂速度和精度?；诖?，本技術(shù)考慮使用混沌粒子群優(yōu)化算法對模型中的參數(shù)設(shè)置進(jìn)行優(yōu)化?；煦缌Ｗ尤簝?yōu)化算法的基本思想:1)采用混沌序列初始化粒子的位置和速度，既不改變粒子群優(yōu)化算法初始化時所具有的隨機性本質(zhì)，同時又能夠很好的利用混沌特性提高了種群的多樣性和粒子搜索的遍歷性，在產(chǎn)生大量初始群體的基礎(chǔ)上，擇優(yōu)選出初始群體。2)以當(dāng)前整個粒子群搜索到的最優(yōu)位置為基礎(chǔ)產(chǎn)生新的混沌序列，用混沌序列中的最優(yōu)位置粒子替代當(dāng)前粒子群中的一個粒子的位置。引入混沌序列的搜索算法，在迭代中產(chǎn)生局部最優(yōu)的許多鄰域點，以此幫助惰性粒子逃離局部極小點，從而快速搜尋到最優(yōu)解。
[0063]本發(fā)明實施例中的混沌粒子群最小二乘支持向量機評估模型構(gòu)建，如圖3所示為本發(fā)明實施例中混沌粒子群最小二乘支持向量機評估模型構(gòu)建流程圖:
[0064]①初始化設(shè)置粒子群的規(guī)模Μ、最大允許迭代次數(shù)L、慣性權(quán)值W、學(xué)習(xí)因子D、初始化各粒子的速度。需注意的是，由于同時優(yōu)化L、W和D，3個參數(shù)的值一般不在同一數(shù)量級上，在初始化粒子速度時應(yīng)乘上相應(yīng)的系數(shù)。
[0065]②混沌初始化粒子位置。隨機產(chǎn)生一個3維每個分量數(shù)值在0-1之間的向量，得到N個向量即為初始群體，然后將各個分量分別載波到L、W、D參數(shù)的取值范圍之內(nèi)，最后計算粒子群的適應(yīng)值，并從N個初始群體中選擇性能較好的M個解作為初始解，隨機產(chǎn)生N個初始速度。
[0066]③如果粒子適應(yīng)度優(yōu)于個體極值，將粒子群的適應(yīng)值設(shè)置為新位置。
[0067]④粒子適應(yīng)度優(yōu)于全局極值，將全局極值設(shè)置為新位置。
[0068]⑤更新粒子的速度和位置。
[0069]⑥對最優(yōu)位置進(jìn)行混沌優(yōu)化。將全局極值映射到Logistic方程的定義域，然后用Logistic方程進(jìn)行迭代產(chǎn)生混沌變量序列，再把生產(chǎn)的混沌變量序列通過逆映射返回到原解空間。在原解空間對混沌變量經(jīng)歷的每一個可行解計算其適應(yīng)值，得到性能最好的可行解。
[0070]⑦用最好的可行解取代當(dāng)前群體中任意一個粒子的位置。
[0071]⑧若滿足最大迭代次數(shù)，則停止搜索，全局最優(yōu)位置即為參數(shù)向量(L、W、D);否貝IJ，返回第三步。
[0072]⑨針對需要優(yōu)化的參數(shù)C、ε和σ構(gòu)建樣本均方差eKMS“t為最小二乘支持向量機的適應(yīng)度函數(shù)，同時將它作為混沌優(yōu)化后的粒子群算法的目標(biāo)函數(shù)，當(dāng)最小二乘支持向量機的樣本均方根誤差最小時，對應(yīng)的C、ε和σ即為最優(yōu)參數(shù)，最后建立混沌粒子群優(yōu)化的最小二乘支持向量機評估模型。
[0073]下面結(jié)合具體是實施例對本發(fā)明做進(jìn)一步詳細(xì)說明:
[0074]本項目對冀北電力公司500kv變電工程造價階段建立評估模型，需要分別對主要生產(chǎn)工程電氣部分安裝工程費、電氣部分設(shè)備購置費、主要生產(chǎn)工程建筑工程費、輔助生產(chǎn)工程設(shè)備購置費、輔助生產(chǎn)工程建筑工程費、與站址有關(guān)單項工程建筑工程費、其他費用和靜態(tài)投資共8項費用建立評估模型，這里以靜態(tài)投資費用為例，建立評估模型。輸入樣本為X1:中壓側(cè)額定電壓，X2:低壓側(cè)額定電壓，X3:變電站型式，X4:地震烈度，X5:是否采暖區(qū)，X6:站區(qū)占地，X7:主控樓面積，X8:支架量，X9:基礎(chǔ)量，X10:挖方量，X11:主變壓器有無載調(diào)壓，X12:主變壓器臺數(shù)，X13:本期容量，X14:高壓側(cè)出線數(shù)，X15:中壓側(cè)出線數(shù)，X16:低壓側(cè)出線數(shù)，X17:高壓側(cè)接線型式，X18:中壓側(cè)接線型式，X19:低壓側(cè)接線型式，X2tl:電抗器數(shù)量，X21:電容器數(shù)量，X22:隔離開關(guān)數(shù)量，X23:互感器數(shù)量，X24:避雷器數(shù)量，X25:開關(guān)柜數(shù)量，X26:高壓側(cè)配電裝置型式，X27:中壓側(cè)配電裝置型式，X28:低壓側(cè)配電裝置型式，X29:電力電纜，X30:控制電纜，這30個影響因子所構(gòu)成的9個主成分新指標(biāo)。由于變電工程歷史樣本容量為29，這里將粒子群的種群規(guī)模設(shè)定為29，最大迭代次數(shù)L為1000，對W和D兩個參數(shù)采用二進(jìn)制編碼，其中W的搜索范圍設(shè)置為[O，100]，D的搜索范圍設(shè)置為[0.1，100]。粒子的初始速度均為2。最小二乘支持向量機常用的核函數(shù)有徑向基函數(shù)、多項式函數(shù)、線性函數(shù)等，研究表明徑向基函數(shù)具有較強的泛化能力，因此本項目選用徑向基核函數(shù)為了獲得最佳的評估模型。同時，根據(jù)輸入的歷史樣本，來尋找最優(yōu)的參數(shù)C、ε和σ。通過計算得到的最優(yōu)參數(shù)分別為:C=23，ε =520，σ =1.24，對應(yīng)的評估結(jié)果如表I所示:
[0075]表I不同參數(shù)預(yù)測結(jié)果比較
[0076]
【權(quán)利要求】
1.一種輸變電工程造價評估方法，其特征在于，所述的方法包括:接收輸入的輸變電工程的歷史樣本數(shù)據(jù)；初始化混沌粒子群的迭代次數(shù)、慣性權(quán)值、學(xué)習(xí)因子、粒子速度、粒子群的種群規(guī)模建立混沌粒子群模型；根據(jù)混沌粒子群優(yōu)化算法對所述的混沌粒子群模型參數(shù)進(jìn)行優(yōu)化；根據(jù)所述的歷史樣本數(shù)據(jù)和優(yōu)化后的混沌粒子群模型確定混沌粒子群模型的迭代次數(shù)、慣性權(quán)值、學(xué)習(xí)因子的最優(yōu)值；根據(jù)確定的迭代次數(shù)、慣性權(quán)值、學(xué)習(xí)因子的最優(yōu)值分別確定最小二乘支持向量機模型的懲罰系數(shù)、不敏感系數(shù)及核函數(shù)參數(shù)建立最小二乘支持向量機模型；接收輸入的輸變電工程的實際樣本數(shù)據(jù)；根據(jù)輸變電工程的實際樣本數(shù)據(jù)和建立的最小二乘支持向量機模型生成輸變電工程造價評估結(jié)果。
2.如權(quán)利要求1所述的輸變電工程造價評估方法，其特征在于，所述的初始化混沌粒子群的種群規(guī)模包括:根據(jù)所述的歷史樣本數(shù)據(jù)的樣本容量設(shè)置混沌粒子群的種群規(guī)模。
3.如權(quán)利要求1所述的輸變電工程造價評估方法，其特征在于，所述的初始化混沌粒子群的粒子速度包括:初始化粒子速度時根據(jù)迭代次數(shù)、慣性權(quán)值、學(xué)習(xí)因子的量級乘以相應(yīng)系數(shù)。
4.如權(quán)利要求1所述的輸變電工程造價評估方法，其特征在于，所述的方法還包括:對所述的樣本數(shù)據(jù)進(jìn)行主成分分析確定影響因素。
5.一種輸變電工程造價評估裝置，其特征在于，所述的方法包括:數(shù)據(jù)輸入模塊，用于接收輸入的輸變電工程的歷史樣本數(shù)據(jù)和實際樣本數(shù)據(jù)；混沌粒子群模型初始化模塊，用于初始化混沌粒子群的迭代次數(shù)、慣性權(quán)值、學(xué)習(xí)因子、粒子速度、粒子群的種群規(guī)模建立混沌粒子群模型；優(yōu)化模塊，用于根據(jù)混沌粒子群優(yōu)化算法優(yōu)化對所述的混沌粒子群模型參數(shù)進(jìn)行優(yōu)化；最優(yōu)值確定模塊，用于根據(jù)所述的歷史樣本數(shù)據(jù)和優(yōu)化后的混沌粒子群模型確定混沌粒子群模型的迭代次數(shù)、慣性權(quán)值、學(xué)習(xí)因子的最優(yōu)值；最小二乘支持向量機模塊，用于根據(jù)確定的迭代次數(shù)、慣性權(quán)值、學(xué)習(xí)因子的最優(yōu)值分別確定最小二乘支持向量機模型的懲罰系數(shù)、不敏感系數(shù)及核函數(shù)參數(shù)建立最小二乘支持向量機模型；評估模塊，用于根據(jù)輸變電工程的實際樣本數(shù)據(jù)和建立的最小二乘支持向量機模型生成輸變電工程造價評估結(jié)果。
6.如權(quán)利要求5所述的輸變電工程造價評估裝置，其特征在于，所述的初始化混沌粒子群的種群規(guī)模包括:根據(jù)所述的歷史樣本數(shù)據(jù)的樣本容量設(shè)置混沌粒子群的種群規(guī)模。
7.如權(quán)利要求5所述的輸變電工程造價評估裝置，其特征在于，所述的初始化混沌粒子群的粒子速度包括:初始化粒子速度時根據(jù)迭代次數(shù)、慣性權(quán)值、學(xué)習(xí)因子的量級乘以相應(yīng)系數(shù)。
8.如權(quán)利要求5所述的輸變電工程造價評估裝置，其特征在于，所述的裝置還包括:主成分分析模塊，用于對所述的樣本數(shù)據(jù)進(jìn)行主成分分析確定影響因素。
【文檔編號】G06Q50/06GK103440370SQ201310367491
【公開日】2013年12月11日 申請日期:2013年8月21日 優(yōu)先權(quán)日:2013年8月21日
【發(fā)明者】王綿斌, 韓銳 申請人:國家電網(wǎng)公司, 冀北電力有限公司電力經(jīng)濟(jì)技術(shù)研究院