37200字硕士毕业论文发表在《电力》杂志上的论文范本:电力工程造价样本估算表研究

论文类型：硕士毕业论文

论文字数：37200字

论点：工程造价,模型,工程

论文概述：

针对在国家对电力工程投资力度的不断加大的前提下，以及电力工程造价过程的复杂性和传统工程造价管理的弊端。希望利用现有的小样本学习理论和计算机技术相结合，能够在利用历史工程的

论文正文：

介绍

1.1选题的背景和意义
随着国民经济市场化进程的加快，相应的深层次电力体制改革也在进行。根据国民经济和社会发展规划、能源发展战略和未来五年电力需求预测的要求。“十一五”期间，中国国家电网公司将投资1万多亿元进行输变电工程，新建220千伏及以上输电线路164，000多公里，新建220千伏及以上输电能力7.8亿千伏安，DC容量约1080万千瓦。如此巨大的投资和繁重的建设任务对项目成本和项目建设管理提出了更高的要求，特别是在新电力项目投资的审批中，如何有效地掌握新项目的成本信息，如何准确高效地指导项目建设就变得尤为重要[1]。同时，电力相关部门在日常工作中也积累了大量的历史数据。但是，由于受电网总体规划、总容量、地形特征、设计建设水平、建设区域综合经济水平等因素的影响，历史数据属性指标众多，而同期建设项目非常有限，不可能在短时间内收集到更具可比性的工程项目。从数学上讲，历史成本数据构成高维小样本数据。因此，虽然历史数据包含了更多的知识和信息，但不能有效地提出，也不能及时有效地指导新建项目。它会造成历史数据的浪费，并且不能满足新建设项目的成本。因此，我们希望在以往经验和小样本数据特点的基础上，结合当前常用的数据处理方法，对历史数据进行分析，找出工程数据之间的内在规律，从而达到指导新建项目成本管理的目的。与此同时，这也是投资者和审查人员面临的棘手问题。

1.1.1论文背景
电力行业是资本密集型行业，电力工程建设也是一项复杂的系统工程。如何在保证工期和工程质量的前提下合理控制工程造价，是电力基础设施永恒的主题。近年来，电力项目成本增长迅速，融资困难。工程造价管理水平已成为电力建设快速发展的关键。同时，我国工程造价管理经过多年的发展积累了丰富的经验，形成了相对完整的预算定额管理体系。但是，这一制度存在明显的缺陷，表现在国家直接参与和管理经济活动的方式上，客观上造成了忽视决策、强调执行、忽视经济、强调技术、先建设后决算的局面。这种方法与国际公认的预控和过程控制原则仍有很大差距，不利于提高中国企业的国际竞争力[2]。同时，中国传统的电力工程设计是一种“量身定做”的设计。根据具体工程环境、施工要求和作业习惯，针对性设计存在明显不足，如:施工标准和设计风格不统一；设备种类繁多，备件通用性差。有许多重复的设计。设计审查和批准有争议且耗时；建设和运营成本高等等，由此产生的项目成本管理也很困难。根据我国电力工程造价管理体系和电力工程设计的现状，如何找到合适的方法来快速有效地优化电力工程造价管理，以达到指导新建工程造价的目的，已经成为一个具有现实意义的课题。

1.1.2论文题目的意义
基于概算定额的工程成本法主要是根据定额申请计算工作量，可以准确估算工程投资。然而，这种方法过于僵化，不符合市场经济的需要。特别是对于新建项目，在没有充分收集项目信息的前提下，不可能对成本进行快速有效的指导，这往往会影响投资者和管理者的积极性和创造性。同时，投资者和管理者通过多年的工作积累了一定数量的历史项目成本数据。没有适当的数据处理方法，历史数据就不能转化为“知识”，也不能指导新项目的成本。因此，如何通过分析找到历史数据中包含的规律和信息，指导新项目的建设成本，成为一个亟待解决的问题。本文希望在现有技术条件下，找到历史数据的规律，提取有效信息，找到合适合理的工程应用模型，结合历史电力工程造价数据，使用合适的小样本学习算法辅助新电力工程造价。这将使投资者能够在建设初期准确掌握新建项目的成本，审查人员能够对具体初步设计方案的成本进行合理、快速的审查，从而减少成本管理过程中主观因素的影响，达到为投资决策提供依据的目的。因此，小样本学习算法与电力工程造价相结合的研究具有很好的理论和现实意义。

2小样本学习算法

随着科学技术的不断发展和人们对建设项目要求的提高，工程建设过程中往往会有更多的限制，使得工程模型越来越复杂。施工过程中的影响因素越来越多，出现了许多高维工程模型，而同期的类似工程项目非常有限。这类工程通常被定义为小样本数据，很难进行数学建模。如何将这类工程模型转化为合理的数学模型已成为一个新的研究热点。同时，近年来，随着智能算法在模式识别、回归分析和特征提取方面的巨大成就，针对小样本模型的数据分析算法也相应地被提出并不断改进，从而使得将这一工程模型转化为数学模型成为可能。本章主要通过对支持向量机算法的介绍和改进算法的推导来研究小样本学习算法。支持向量机理论是弗拉基米尔·瓦普尼克(Vladimir N.Vapnik)等人1995年根据统计学习理论提出的一种学习方法。近年来，它被广泛应用于模式识别、回归分析、特征提取和预测。支持向量机在解决小样本、非线性和高维模式识别问题上有许多独特的优势，使其成为一种优秀的机器学习算法。目前，支持向量机已经成为世界[人工智能和机器学习领域的一个新的研究热点。

3电力工程造价数据的简化处理……27-38
3.1电力工程成本数据的特点……27-31
3.1.1输电线路工程造价数据的特点……27-30
3.1.2变电工程造价数据的特点……30-31 [/BR/] 3.2电力工程成本数据的简化……31-37 [/BR/] 3.2.1输电项目成本数据的简化……31-34
3.2.2变电工程造价数据的简化处理……34-37
3.3本章概述……37-38
4……38-51
基于支持向量机的电力工程造价小样本估计模型4.1主成分分析……38-40
4.1.1主成分分析的定义……38[/比尔/] 4.1.2主成分分析的数学基础……38-40 [/BR/] 4.2电力工程造价数据的预处理……40-44[/比尔/] 4.2.1数据标准化……41[/比尔/] 4.2.2主要成分的提取……41-44
4.3输电工程造价估算模型的构建……44-48 [/BR/] 4.3.1估算模型构建的基本步骤……44-45[/比尔/] 4.3.2样本数对估计模型的影响程度……45-46
4.3.3估算模型准确性的测试……46-48 [/BR/] 4.4变电站工程造价估算模型的构建……48-50[/比尔/] 4.5……基于遗传算法的50-51
5参数优化估计模型……51-60[/溴/] 5.1估算模型中参数优化的必要性……51[/比尔/] 5.2遗传算法的基本概念……51-56
5.2.1遗传算法的应用范围……52[/比尔/] 5.2.2遗传算法的实现过程……52-56
5.2.3遗传算法的基本步骤……56[/比尔/] 5.3参数优化遗传算法的实现……56-59[/比尔/] 5.3.1遗传算法-SVM参数优化过程……56-58 [/BR/] 5.3.2参数优化模型仿真与分析……58-59
5.4本章概述……59-60

结论

本文首先分析了电力工程造价管理的特点，找到了适合其特点的小样本学习方法，并提出将成熟的数学模型与工程模型相结合，利用实际工程数据对模型进行学习和训练。对模型的可行性进行了分析和讨论，并通过工程实例验证和总结了相应的数学模型。总结全文的研究过程，论文的主要工作包括以下几个方面:
①选择合适的小样本学习算法，结合电力工程造价数据的特点，提出了利用小样本学习算法对历史工程数据建模的思路。同时，分析了小样本学习算法的发展现状，选择支持向量机作为建模的数学算法，从数学上推导了支持向量机和改进算法，使该算法更好地适用于工程应用。
②简化电力工程成本数据，分析采集数据的数据结构。根据数据中各种属性指标的特点和不同的实际工程情况，简化原始工程数据，删除不符合要求的陌生项目。根据输电工程造价数据的特点，通过删除合并、单项工程剥离、噪声和缺失数据处理等方法简化属性指标。根据变电工程造价数据的特点，结合典型造价中模块组合的思想。变电站模型分为三个基本模块，以及机架空引出线、电缆引出线、主变压器、电容器等单元模块。作为子模块，提出了变电站工程造价管理中模块组合的新思路。为了达到简化数据处理的目的，
③建立了电力工程造价的小样本估算模型。主成分分析用于预处理简化的属性索引，并基于累积贡献率提取新的主成分。新的属性索引作为输入集，构建基于支持向量机的估计模型。通过连续添加学习样本，对输出结果进行分析，测试样本数对估计模型输出结果的影响程度。同时，通过输入不同的主成分数并比较输出结果，找到合适的主成分数和最佳的估计结果。
④建立了基于参数优化思想的改进估计模型。针对估计模型中参数选择依赖经验数据的缺陷，利用遗传算法在参数优化领域的优势，提出了一种基于遗传算法的参数优化模型。对模型进行了改进和修正，使工程模型的参数设置更符合工程实际需要。提高了模型的估计精度和工程适用性。

参考
[1]郑振亚。[电网公司输变电工程典型110千伏变电站分册。北京:中国电力出版社，2005。
[2]钟芳。《电力工程造价的管理与控制》，[。广东科技，2008(181):178-179。
[3]祁安邦。孙贤伟。国际工程造价管理系统的比较研究[。南开商业评论，2000(3):56-60。
[4]祝伟华，夏少模。中美工程造价管理模式比较研究[。浙江建筑，2004，6(21):55-57。
[5]陶易。[工程造价综合知识。北京:中国电力出版社。2002.
[6]曾范伟。中国工程造价管理模式与国际惯例的比较分析[。建筑经济，2001(230):35-36。
[7]潘叶斌。输变电工程建设阶段成本管理现状、原因分析及建议[。电力标准化与技术经济。2008(65):31-33。
[8]任玉龙。[电力工程预算原则。北京:中国电力出版社，1995。
[9]张龚雪。统计学习理论的本质[。北京:清华大学出版社。2000年
[10] V.Vapnik .统计学习理论概述[。IEEE神经网络交易，1999，10(5):988-999。