基于地统计学快速拓阶的工程造价预测模型
时间：2022-10-28 来源：博通范文网 本文已影响 人 
文章编号： 2095-2163（2018）03-0166-03中图分类号： 文献标志码： A
摘要： 关键词： （Sichuan College of Architectural Technology， Network Management Center，Deyang 618000， China）
Abstract： The project cost prediction and modeling has important practical significance. In view of the deficiency that the current project cost prediction model has – slow speed of extension and incomplete extension， combined with the characteristics of engineering cost data， this paper proposes a prediction model of project cost based on rapid expansion by using geostatistics. First of all， the current research status of the cost prediction is analyzed， then the working principle of the geology system is analyzed， and the rapid extension method of the engineering cost data is designed， finally， the simulation of the engineering cost prediction is carried out to verify the performance of the model. As a result， the prediction accuracy of the project cost of this model is up to 95%， and the modeling time of the project cost is less than that of other engineering cost forecasting models.
Key words：
基金项目： 四川建筑职业技术学院2015年院级科研项目（2015KJ07）阶段性研究成果之一。
作者简介： 朱琳（1983-），女，硕士，副教授，主要研究方向：计算机网络管理； 刘春（1981-），男，硕士，讲师，主要研究方向：计算机网络管理。
收稿日期： 引言
随着国内经济水平的不断提高，新工程越来越多。工程造价的预估在工程管理过程中起到关键作用，直接影响到工程造价的成本、工程进度和质量，因此，工程造价建模与预测一直是人们关注的焦点和重点＼[1＼]。
为了获得更优的工程造价预测结果，本文设计了一种基于地统计学快速拓阶的工程造价预测模型。首先通过分析工程造价的数据结构，发现工程造价数据之间具有明显的时间变化关系，然后引入地统计学理论对工程造价数据之间的时间变化关系进行拟合，实现快速拓阶，并通过仿真对比实验对模型的性能进行分析。本文提出模型的工程造价预测精度达到95%，工程造价预测误差小于目前工程造价预测模型，工程造价建模时间也明显缩短，模型有较好的改进。
1工程造价预测的研究现状
人们对工程造价预测问题进行了大量的研究，目前常用的工程造价预测模型可以分为2大类：线性模型和非线性模型。其中，线性模型主要包括：模糊数学方法和多元线性回归法＼[2-4＼]，通过模糊数学知识和回归理论实现工程造价的预测，但是无法描述工程造价的非线性变化特点，导致工程造价的预测精度低＼[5-7＼]。非线性模型主要包括各种神经网络和支持向量机，该模型具有良好的非线性拟合能力，并能得到较理想的工程造价的预测结果＼[8-10＼]。研究人员发现，在工程造价预测过程中，工程造价数据是一种时间序列数据，数据之间存在一定的时间关联性＼[11-13＼]，而时间关联性由阶来体现，因此如何快速确定工程造价预测数据的最优阶数十分关键。如果工程造价预测数据的阶数过小，则无法将数据之间的时间联系完全展开，如果工程造价预测阶数过大，将会加入一些没有联系的数据，且模型的输入向量数变大，易出现“维数灾难题”。地统计学是一种现代的统计学方法＼[14-15＼]，有学者将其引入到其它时间序列的拓阶中，获得了比较理想的结果。本文将其引入到工程造价数据的拓阶中，构建更加理想的工程造价学习样本，以提高工程造价的预测精度。
2基于地统计学快速拓阶的工程造价预测模型
2.1地统计学理论
1962年，法国学者Matheron G提出了地统计学，其根据区域化变量的原理分析一个问题的空间相关性，从而可以用于一些数据之间的變化趋势，以变差函数为工具描述数据之间联系的紧密程度，在时间序列建模和预测中已有相关研究和报道＼[10＼]。设研究对象在第xi和xi+h时间点的观察值分别为Z（xi）和Z（xi+h），则这两个数据之间的关系紧密程度可以用变差函数描述。一个时间序列：Z（xi），i=1，2，…，n，其中n表示数据的大小，其变差函数表示为：
γ（h）=12N（h）∑N（h）i=1Z（xi）-Z（xi+h）2（1）
协方差函数表示为：
Cov[Z（xi），Z（xi+h）]=EZ（xi）Z（xi+h）-
EZ（xi）]E[Z（xi+h）（2）
采用不同时间长度h对一个研究对象的数据进行分割，根据式（1）可以得到不同的γ（h），变差函数曲线如图1所示。
从图1中可以看出，开始随着h值变大，γ（h）也相应变大，但当到达一定程度后，γ（h）处于一种稳定状态，此时γ（h）值定义为基台值，用C0+C表示，C0表示γ（h）在y轴上的截距；数据之间的变化程度为变程，用α表示。γ（h）曲线常采用球状模型，表示为：
γ（h）=0h=0
C0+（C-C0）（3h2α-12（ha）3）0 C0+C h>α（3） 通常工程造价数据具有一定规律性，因此可以通过α确定工程造价数据的阶数。 2.2基于地统计学快速拓阶的工程造价预测步骤 基于地统计学快速拓阶的工程造价预测步骤可表述如下： 步骤1收集工程造价预测研究对象的数据，并采用式（4）对数据进行归一化处理，使工程造价数据的值在＼[0，1＼]范围内。y′i=yi-min（yi）max（yi）-min（yi）（4）步骤2采用地统计学对归一化后的工程造价数据进行拓阶，根据变程α的值得到工程造价数据的最佳阶数。 步骤3根据最佳阶数对工程造价数据进行拓阶处理，构建工程造价预测的学习样本。 步骤4采用支持向量机对工程造价的训练样本进行学习，并确定相应参数σ的值，建立工程造价预测的回归模型。 步骤5采用工程造价的测试样本验证工程造价预测模型的泛化性能，对预测结果进行对比和分析。 综合所述，基于地统计学快速拓阶的工程造价预测流程如图2所示。 3实验分析 3.1测试环境及数据 为了测试基于地统计学快速拓阶的工程造价预测性能，本文采用的测试环境为：Intel（R） Core（TM） i5-7200U CPU @ 2.50 GHz，4.00 GB 内存，Windows 10家庭中文版，采用VC 6.0作为模型的编程工具，采用某市2014-2017年的每月工程造价数据作为研究对象，同时去掉一些异常数据，共得到100个数据点，归一化后的工程造价数据如图3所示。 3.2结果与分析 采用地统计学对图3的工程造价数据进行拓阶，得到变程α=5，根据α=5对图3工程造价的月数据进行重构，得到95个工程造价预测的学习样本。选择最后30个样本作为工程造价的测试样本，其余工程造价样本作为训练样本。本文采用支持向量机作为回归工具建立工程造价的回归模型，得到工程造价的测试样本回归结果如图4所示。从图4可以看出，本文模型可精确拟合实际的工程造价值，预测精度在95%以上，工程造价的预测结果比较理想。 本文设计了几种对比模型来进一步说明本文工程造价模型的优越性，对比模型如下： （1）随机确定阶数、支持向量机的工程造价预测模型（SVM1）。 （2）一步一步拓阶、支持向量机的工程造价预测模型（SVM2）。 统计工程造价预测模型的精度和训练时间，结果见表1。 模型训练时间/s预测精度/%SVM142.87684.54SVM2500.2394.48本文模型110.77496.12从表1可以看出，本文模型的工程造价预测精度最高，同时本文模型的训练时间也明显减少，虽然SVM1的训练时间最短，但是预测精度太低，没有达到工程造价实际应用85%的要求，无任何实际应用价值，而本文模型的优势主要是引入了地统计学快速、准确拓阶的优点，得到了更好的工程造价预测结果。 4结束语 本文针对当前工程造价预测建模过程中存在的缺陷，设计了一种基于统计学快速拓阶的工程造价预测模型，并进行了仿真验证性实验，根据仿真结果可以得出如下结论： （1）工程造价数据之间具有明显的时间关联，通过地统计学能够快速挖掘工程造价数据之间的时间关联性，准确地实现工程造价数据拓阶，构建工程造价预测模型的学习样本。 （2）本文模型的工程造价预测精度和建模速度均要优于当前其它工程造价预测模型，并获得了更优的工程造价预测结果，其结果可以帮助工程管理人员掌握工程造价变化特点，有效控制工程造价的成本。 参考文献 [1] 梁迅. 建筑工程单方造价快速估算方法综述＼[J＼]. 广东工业大学学报，2012，29（3）：107-110. [2] 张利荣，郑健华. 基于计价基元的工程估价方法研究＼[J＼]. 施工技术，2011，40（12）：92-95. [3] 易欣. 基于Vague集贴近度的工程项目投资快速估算方法＼[J＼]. 华东交通大学学报，2012，29（3）：11-15. [4] 陈小龙，王立光. 基于建筑设计参数分析模型的工程造价估算＼[J＼]. 同济大学学报（自然科学版），2009，37（8）：1115-1121. [5] 张利荣. 多基元模糊算法在工程估价中的应用＼[J＼]. 施工技术，2010，39（6）：64-66. [6] 胡六星. 基于时间序列的建筑工程造价预测研究＼[J＼]. 太原理工大学学报，2012，43（6）：706-709，714. [7] 张登文，蒋红妍，张子圆. 基于BP神经网络的建筑工程造价快速预测＼[J＼]. 水利与建筑工程学报，2010，8（3）：61-62，73. [8] 雷雨. 基于BP神经网络和vague集贴近度的工程造价估算研究＼[J＼]. 工程经济，2013（3）：9-13. [9] 孔军，曹小宇，肖峰. 基于支持向量机的输变电工程造价预测模型研究＼[J＼]. 现代电子技术，2018，41（4）：127-130. [10]李星，陈渊，张永生，等. 基于支持向量回归与地统计学的多维时间序列分析＼[J＼]. 中国农学通报，2011，27（29）：133-138. [11]赵晓娟. 人工神经网络在建设工程造价估算系统中的应用＼[J＼]. 计算机与数字工程，2009，37（11）：54-57. [12]周麗萍，胡振锋. BP神经网络在建筑工程估价中的应用＼[J＼]. 西安建筑科技大学学报（自然科学版），2005（2）：262-264，296. [13]柳茂. 混沌理论和最小二乘支持向量机相融合的工程造价预测模型＼[J＼]. 内蒙古师范大学学报（自然科学汉文版），2015，44（3）：333-338. [14]秦中伏，雷小龙，翟东，等. 基于SVM和LS-SVM的住宅工程造价预测研究＼[J＼]. 浙江大学学报（理学版），2016，43（3）：357-363. [15]郑周练，邓绍江，高师娴，等. 建筑工程造价的模糊确定＼[J＼]. 重庆大学学报（自然科学版），2001（1）：55-58.
