電力工程造價小樣本估算模型探討

余霞

（四川電力設計咨詢有限責任公司四川成都　610041）

電力工程造價小樣本估算模型探討

余霞

（四川電力設計咨詢有限責任公司四川成都610041）

在我國社會科技快速發展以及人們對工程建設提出的要求不斷增高的條件下，電力工程建設中一般會受到多種因素的限制，顯著增加了工程模型的復雜度，實際建設中很容易受到各種因素的影響，產生了多種維數非常高的工程模型，可是同期相似工程又比較有限，所以對這種模型建立數學模型難度比較高，一般把這種建設工程類型叫做小樣本數據。本文主要對電力工程造價方面所構建的小樣本估算模型進行探討，提出筆者的思考和建議，僅供參考。

電力工程；造價；小樣本；估算模型

對電力工程造價進行管理的時候，相關審查人員以及投資方非常關心主要是靜態投資或動態投資。所以，對新建電力工程來說，可以對工程技術指標以及經濟指標符合新建工程投資發生的改變情況進行分析。電力工程過去累積的造價資料具有一個非常顯著的特點，就是屬性指標比較多，能夠收集起來的同期樣本數量有限?？墒窃谶M行數學建模的時候，若數據維度非常高，并且樣本數目非常少，就會顯著減小數據模型所具有的泛化能力。所以。找到一種有效的數學方法，在盡量包含更多原始數據信息的條件下，降維數據，也就是建立小樣本估算模型，這樣對下步數據模型的構建非常有利。

1　對電力工程造價數據進行預處理

1.1歸一化處理

對于實際工程項目來說，其里面的所有原始指標具體表示含義都是不一樣的，各個指標數值之間的數量級有著非常大的差別，可是采用主成分分析法進行分析的時候，所提取的主成分一般會比較“偏愛”數量級比較偏大的指標，同時忽略或不要數量級非常小的指標，導致主成分提出方面產生主觀錯誤。所以，對主成分進行分析前，通常會歸一化處理屬性指標樣本，把各個屬性指標全部歸一化在[0，1]范圍之間[1]。對原始p個不同指標變量x1，，，xp進行歸一化，圖1為歸一化處理前后具體數據分布情況，處理后的數據分布比較均勻，顯著減小了指標數量級差異給主成分提取帶來的影響，最終獲得新數據集。

圖1　

1.2提取主成分

之所以采取主成份分析法，主要幾何意就是：利用各個原始指標的線性組合，把原始數據建立的坐標系轉變成一種新坐標系。想要直觀的看出主成份分析法所提取的主成份原指標具體信息量，就應該利用Pareto圖來將各個主成分發生的變化具體百分比情況有效顯示出來。進行累計貢獻率計算的時候，通常要求累積貢獻率為85%，相關文獻里面也定義為80%，就代表認為新主成分能夠替代原始具體指標數據[2]。

2　估算模型

2.1進行判斷所遵循的原則

通常估算模型都是以一定原則為基礎，按照輸入屬性參數來計算的，從而獲得最理想的具體目標值。隨著電力工程建設過程中安全建設變得越來越重要和電力工程以前所累積的具體樣本數據非常少這一實際情況，實際模型過程中，應該采用以雙重風險規避為基礎的具體原則來開展造價估算工作。同時，支持向量機具體理論的電力工程估算模型著重考慮了安全因素，始終堅持遵循經驗風險最小化具體原則以及結構風險最小化具體原則[3]。其中經驗風險最小化具體原則是利用計算判斷盡量讓式（1）得出的結果最小，從而對在充分考慮相關安全因素的實際條件下對電力工程造價進行估算。

式中：Remp代表所有經驗風險里面的最小系數；而琢則代表函數廣義參數；字母l代表樣本數量值；xi代表主特征參數；而Q （xi，α）代表的是損失函數集。

以考慮經驗風險為前提條件，并且遵循結構風險最小化具體原則，采用數據統計和偏相關分析方法對歷史電力工程數據和待建電力工程數據具體物理指標進行處理，實際建立小樣本估算模型前應該篩選多種數據信息，通過比較科學的數學方法，以確保最大限度地具有相關有效信息為前提，盡量刪除掉那些多余的，沒有使用價值的數據。將已經篩選好的相關數據架設成主特征因素，把主特征因素具體函數集分化為統一的函數子集序列，保證各個主特征具體因素子集按照置信區間的大小來有效地進行排序，同時在不同主特征因素子集里面尋找最小經驗風險，通過折中考慮辦法確保實際風險是最小的。

2.2具體構建過程

對電力工程進行造價估算實際上就是將電力工程建設過程中的相關影響因素映射到電力工程整個造價空間中，實際模型建設過程中，主要采用以支持向量機理論為基礎的具體方法進行計算的。其中支持向量機通過非線性映射具體算法把低維特性電力工程歷史數據變成一種高維特征空間，同時通過線性算法線性分析樣本所具有的非線性特征，圖2為電力工程造價估算模型所采用的支持向量機具體學習方式。以雙重風險規避具體原則為基礎，在程序里面編輯線性多項式型具體函數，以此來對估算結果準確性進行測試[4]。

圖2　

估算模型實際構建時，把輸變電工程具體造價估算所具有的主特征因素當做支持向量機的相關輸入參數，同時把輸變電工程造價當做輸出函數，將電力工程累積的歷史工程造價所具有的主特征因素和實際造價解當做學習樣本來優化計算機器；同時建構支持向量機具體造價估算模型，再把待建工程所具有的主特征參數有效輸入該模型里面，利用前面調試的相應計算模型來分析計算該主特征參數，從而獲得待建工程最終的造價。以支持向量機具體理論為基礎的這種輸電力工程估算模型具體建立步驟是：

（1）對屬性參數進行整理。通過數據統計和偏相關分析方法對造價數據具體物理指標進行處理，有效整理歷史電力工程建設過程中的相關屬性參數，找出歷史電力工程所具有的主特征參數以及造價金額[5]。此外，還應該找出待建電力工程所具有的主特征參數值。

（2）構建樣本集。對第一步整理的具體參數進行再一次整理，將其分成兩個不同的集合，同時把歷史電力工程所具有的主特征參數以及造價金額當做訓練集，這種訓練集數據具有的主要作用就是當做學習樣本來優化計算機器，同時構建支持向量機具體造價估算算法，給后續支持向量機相關訓練環節打下堅實的基礎。如果假設這個過程中構建的訓練樣本集是：

D={（xi，yi）|i=1，2…，n}（2）

式中：字母D代表訓練樣本集；而xi則代表歷史電力工程所具有的主特征參數；符號yi代表歷史電力工程造價；字母n代表歷史電力工程數量[6]。

（3）確定具體估算函數。使用支持向量機具體理論就是為了使用非線性相應的映射算法把低維特性的那些變電工程具體歷史數據變成一種高維特征空間，同時通過線性算法分析樣本所具有的非線性特征。因為本文模型原則僅僅是回歸一個函數，就是f（x）函數，保證這個函數的最終計算結果與設定誤差要求相符，同時獲得的函數一定要滿足一個要求，具體為：除了訓練集里面的歷史電力工程所具有的主特征參數x，也能夠通過函數f找出相應的y，利用支持向量機具體理論可以獲得的回歸函數為：

f（x）=ax+b （3）

該公式的約束條件是：

|f（x）=ax+b|臆著（4）

式中：f（x）代表回歸函數：字母a、b代表回歸獲得的具體參數值；而著則代表設定誤差極限。

（4）采用模型進行估算。通過把電力工程歷史累積的數據當做訓練集建立了與誤差要求相符的回歸函數，即f（x）函數，然后把待建電力工程所具有的主特征參數當做輸入數據代入這一函數中進行計算，最后獲得的計算結果就是代建電力工程的具體估算造價。

上述是建立以支持向量機理論為基礎的電力工程估算模型所采取的主要步驟。這一模型在以利用數據統計和偏相關分析方法對造價數據具體物理指標進行處理為基礎，通過支持向量機理論在處理小樣本數據以及非線性數據等過程中的突出優勢，有效設計了該電力工程造價具體數據估算模型。這一模型具有的突出優勢為：能夠把低維特性相關電力工程歷史數據變為高維數據，然后進行有效的分析計算，同時可以提升計算精度。

3　結束語

對于現階段電力工程造價中存在的問題，利用數據統計和偏相關分析方法對造價數據具體物理指標進行處理，整理歷史電力工程所具有的屬性參數，找出歷史電力工程和代建電力工程具有的主特征參數以及歷史電力工程造價金額。以此為基礎，利用支持向量機理論所具有的優勢，設計出了這種電力工程具體造價估算模型。實踐結果顯示，這種方法能夠符合工程造價管理以及控制的具體需要，推廣應用的價值非常高。

[1]張琦.油田污水站輸變電工程造價估算模型[J].油氣田地面工程，2015 （5）：47～48，49.

[2]劉鳳華，謝乃明.小樣本、貧信息下民用飛機費用估算模型及算法[J].系統仿真學報，2014，26（3）：687～691.

[3]張敏芳，劉沃野，陳煒鋼，等.小樣本裝備軟件成本估算相關向量機建模[J].軍械工程學院學報，2011，23（4）：13～16.

[4]劉家福，占文鳳，梁雨華，等.P-芋型分布與信息擴散理論的風險估算模型比較研究[J].北京師范大學學報（自然科學版），2011，47（3）：300～ 303.

[5]張敏芳，陳建泗，李少波，等.基于SVM/RVM的小樣本裝備軟件成本估算[J].統計與決策，2013（11）：92～94.

[6]王綿斌，李歡歡，譚忠富，等.基于支持向量機方法的輸電工程造價指標評估體系[J].電力建設，2014，35（3）：102～106.

TM743

A

1673-0038（2015）49-0133-02

2015-11-14