[1]王佼,刘艳春.应用灰关联分析的PSO-SVR工程造价预测模型[J].华侨大学学报(自然科学版),2016,37(6):708-713.[doi:10.11830/ISSN.1000-5013.201606010]
　WANG Jiao,LIU Yanchun.Prediction Model for Construction Cost Based onGrey Relational Analysis PSO-SVR[J].Journal of Huaqiao University(Natural Science),2016,37(6):708-713.[doi:10.11830/ISSN.1000-5013.201606010]
点击复制

应用灰关联分析的PSO-SVR工程造价预测模型()
分享到：

《华侨大学学报（自然科学版）》[ISSN:1000-5013/CN:35-1079/N]

卷:
第37卷
期数:
2016年第6期
页码:
708-713
栏目:
出版日期:
2016-11-20

文章信息/Info

Title:
Prediction Model for Construction Cost Based onGrey Relational Analysis PSO-SVR
文章编号:
1000-5013(2016)06-0708-06
作者:
王佼1; 2;  刘艳春1
1. 辽宁大学 商学院, 辽宁 沈阳 110036;2.东北电力大学 经济管理学院, 吉林 吉林 132012
Author(s):
WANG Jiao1; 2;  LIU Yanchun1
1. School of Business, Liaoning University, Shenyang 110036, China; 2. School of Economics and Management, Northeast Dianli University, Jilin 132012, China
关键词:
工程造价;  PSO-SVR预测模型;  粒子群优化算法;  灰关联分析
Keywords:
construction cost;  PSO-SVR prediction model;  partial swarm algorithm;  grey relational analysis
分类号:
TU723.3
DOI:
10.11830/ISSN.1000-5013.201606010
文献标志码:
A
摘要:
为了准确预测与控制工程造价水平,提出一种基于灰关联分析(GRA)与粒子群优化(PSO)的支持向量回归机(SVR)组合预测模型.将GRA提取的工程造价主要指标向量输入PSO-SVR模型预测造价,采用 PSO优化的SVR模型进行工程造价预测,对比分析PSO-SVR模型和其他智能模型,对某一地区相同输电工程进行造价预测.结果表明:基于灰关联分析的PSO-SVR模型的造价预测效果更理想,预测精度更高.
Abstract:
In order to accurately predict and control construction cost, we propose a forecasting model based on grey relational analysis(GRA)and support vector regression(SVR)integrated with particle swarm optimization(PSO). Key indicators of construction cost are firstly extracted using grey relational analysis(GRA)and then input into the PSO-SVR model to make predictions. The construction costs of the same electricity transmission projects predicted by the PSO-SVR model and other intelligent models were compared. The results show that the PSO-SVR model based on GRA is more accurate.

参考文献/References:

[1] 彭光金,俞集辉.基于数据挖掘技术的输电工程造价估算[J].工业工程与管理,2009,14(3):90-95.
[2] 戚安邦.多要素项目集成管理方法研究[J].南开管理评论,2002,5(6):70.
[3] 王丽霞.输变电工程项目造价管理研究[D].北京:华北电力大学,2011:1-6.
[4] 董军.输电项目评价研究现状综述 [J].华东电力,2010,7(3):313-318.
[5] 窦文雷.输变电工程造价控制[J].农业科技与装备,2012,32(11):51-52.
[6] DING Shifei.An optimizing method of RBF neural network based on geneticalgorithm[J].Neural Computing and Applications,2012(2):333-336.
[7] NIU Dongxiao.Research on neural network prediction of power transmission and transformation project cost based on GA-RBF and PSO-RBF[J].Applied Mechanics and Materials,2014(6):234-231.
[8] 刘爱国,薛云涛.基于GA 优化 SVM 的风电功率的超短期预测[J].电力系统保护与控制,2015,24(2):90-95.
[9] 邵信光,杨慧中.基于粒子群优化算法的支持向量机参数选择及其应用[J].控制理论与应用,2006,23(5):740-748.
[10] 彭光金,司海涛.改进的支持向量机算法及其应用[J].计算机工程与应用,2011,47(18):218-221.
[11] 王佼.500 kV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.
[12] 凌云鹏,阎鹏飞.基于BP神经网络的输电线路工程造价预测模型[J].中国电力,2012,45(10):95-99.
[13] 刘振亚.输电工程典型造价: 220 kV输电线路分册[M].北京:中国电力出版社,2006:7.

相似文献/References:

[1]沈华.中国工程造价信息化管理趋势[J].华侨大学学报(自然科学版),2015,36(3):338.[doi:10.11830/ISSN.1000-5013.2015.03.0338]
　SHEN Hua.Trend of Construction Cost Information Management in China[J].Journal of Huaqiao University(Natural Science),2015,36(6):338.[doi:10.11830/ISSN.1000-5013.2015.03.0338]

备注/Memo

备注/Memo:
收稿日期: 2016-07-20
通信作者: 王佼(1980-),男,讲师,博士研究生,主要从事工程经济评价与管理的研究.E-mail:136168985@qq.com.
基金项目: 辽宁省社科基金资助项目(2016LSLKZIGLX-11)
更新日期/Last Update: 2016-11-20