1 绪论
1.1 选题背景及其意义
随着国民经济市场化进程的加快，相应深层次的电力体制改革也在进行之中。根据国民经济和社会发展纲要、能源发展战略等要求，以及对未来五年电力需求的预测。“十一五”期间，国家电网公司系统输变电工程投资将超过 1 万亿元，新建220kV 及以上电力线路超过 16.4 万 km，新建 220kV 及其以上变电容量超过 7.8 亿kVA，直流容量约 1080 万 kW。如此巨大的投资和繁重的建设任务，对工程造价和工程建设管理提出了更高的要求，特别是在针对新建电力工程投资的审查和批复方面，如何有效的把握新建工程的造价信息，准确、高效的对工程建设进行指导变得尤为重要[1]。同时，电力相关部门也在日常工作中积累了大量历史数据，但由于实际电力工程造价过程受到电网整体规划、总容量、地形特征、设计施工水平以及建设地域的综合经济水平等因素影响，使得历史资料属性指标繁多，同时期建设项目又十分有限，造成无法短期内收集到较多可类比的工程项目，从数学角度来讲，历史造价资料构成了高维、小样本数据。从而，虽然历史资料中包含了较多的知识信息，但无法有效的提出，不能及时有效的对新建工程进行指导。造成历史资料浪费，不能为新建工程的造价工作进行服务。因此，我们希望能够在总结前人经验的基础上，针对小样本数据的特点，结合目前常有的数据处理方法，对历史资料进行分析，发现工程数据之间的内含的规律，从而达到指导新建工程的造价管理的目标。同时，这也是摆在投资方和审查工作人员面前的一个棘手问题。
1.1.1 论文的选题背景
电力工业是一个资金密集型产业，电力工程建设也是一项复杂的系统工程，如何在确保建设工期和工程质量的前提下，合理的控制工程造价，是电力基本建设中一个永恒的主题。近些年来，电力工程造价上涨较快，资金筹措难度很大，工程造价管理水平已经成为影响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已经积累了大量丰富经验，形成了比较完备的概预算定额管理体系。但该体制具有明显的不足，具体表现为：国家直接参与和管理了经济活动的方式，在客观上造成了轻决策、重实施，轻经济、重技术，先建设、后决算的局面。这种方法与国际通行的事前预控、事中控制原则仍有着很大的差距，不利于我国企业提高国际竞争力[2]。同时，我国传统的电力工程设计是一种“量体裁衣”式的设计，根据具体工程环境、建设要求和运行习惯进行的针对性设计，存在着明显不足，例如：建设标准、设计风格不统一；设备型式多，备品备件通用性差；存在大量重复性设计；设计评审、批复争议多、耗时长；建设和运行成本高等等，随之而来给的工程造价管理也是困难重重。针对我国电力工程造价管理的体制以及电力工程设计的现状，如何寻求合适的方法，快速有效的优化电力工程造价管理，达到指导新建工程的造价工作的目标，成为一个有着现实意义的课题。
1.1.2 论文的选题意义
基于概预算定额的工程造价方法，主要通过按照定额套用来计算工作量，可以准确的对工程投资进行估算。但方法使用过于呆板，不符合市场经济的需求。特别对于一个新建工程而言，在未全面收集工程信息量的前提下，根本无法对造价给予快速、有效的指导，常常会影响到了投资方和管理方的积极性和创造性。同时，投资方和管理方通过长年的工作积累，有了一定数量的历史工程造价数据，在没有合适数据处理方法的前提下，历史数据不能转化为“知识”，无法对新建工程造价工作进行指导。因此，如何通过对历史数据的分析，发现其中的规律和包含的信息量，指导新建工程造价成为一个急于解决的问题。本文希望能够在现有技术条件下，结合历史电力工程造价资料，利用合适的小样本学习算法来发现历史数据的规律，提取有效的信息量，找寻合适、合理的工程应用模型，来辅助新建电力工程的造价工作。使得投资方在建设初期能够准确的把握新建工程造价的情况，审查工作人员能够对特定的初步设计方案造价情况进行合理的、快速的审查，减少造价管理过程中的主观因素影响，达到为投资决策提供依据的目标。所以，针对小样本学习算法和电力工程造价相结合的研究具有良好的理论意义和现实意义。
2 小样本学习算法研究
随着科学技术的不断发展和人们对建筑工程要求的提升，工程建设过程中往往有了更多的条件限制，使得工程模型变得越来越复杂。建设过程中受的影响因素也越来越多，出现了很多高维数的工程模型，而同期类似的工程项目又十分有限。针对该类工程进行数学建模变得很困难，常常将这类工程类型定义为小样本数据。如何将此类工程模型转化为合理的数学模型成为了一个新的研究热点。同时，近些年来随着智能算法在模式识别、回归分析和特征提取等方面取得巨大成就，针对小样本模型的数据分析算法也相应的提出和不断的进行改进，从而是这种工程模型转化为数学模型变成可能。本章中主要通过支持向量机算法的介绍以及改进算法的推导来对小样本学习算法进行了研究。支持向量机理论是由 Vladimir N.Vapnik 等人在 1995 年根据统计学习理论提出的一种学习方法，近些年来在模式识别、回归分析和特征提取、预测方面得到了越来越多的广泛应用。支持向量机在解决小样本、非线性及高维模式识别问题中表现出的许多特有的优势，使它成为一种优秀的机器学习算法。目前，支持向量机已经成为国际上人工智能领域和机器学习领域新的研究热点[38]。
3 电力工程造价数据简化处理.......... 27-38
3.1 电力工程造价数据特点.......... 27-31
3.1.1 输电线路工程造价数据特点.......... 27-30
3.1.2 变电工程造价数据特点 ..........30-31
3.2 电力工程造价数据简化处理.......... 31-37
3.2.1 输电工程造价数据的简化处理.......... 31-34
3.2.2 变电工程造价数据的简化处理..........34-37
3.3 本章小结 ..........37-38
4 基于支持向量机的电力工程造价小样本估算模型.......... 38-51
4.1 主成份分析法.......... 38-40
4.1.1 主成份分析法的定义.......... 38
4.1.2 主成份分析法的数学基础..........38-40
4.2 电力工程造价数据的预处理.......... 40-44
4.2.1 数据的归一化处理.......... 41
4.2.2 主成分的提取 ..........41-44
4.3 输电工程造价估算模型的构建 ..........44-48
4.3.1 估算模型构建的基本步骤.......... 44-45
4.3.2 样本数目对估算模型的影响程度.......... 45-46
4.3.3 估算模型准确度的测试.......... 46-48
4.4 变电工程造价估算模型的构建.......... 48-50
4.5 本章小结.......... 50-51
5 基于遗传算法的参数优化估算模型.......... 51-60
5.1 估算模型中参数优化的必要性.......... 51
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
5.2.2 遗传算法的实施过程.......... 52-56
5.2.3 GA 算法的基本步骤.......... 56
5.3 遗传算法对参数优化的实现..........56-59
5.3.1 GA-SVM 参数优化流程.......... 56-58
5.3.2 参数优化模型仿真与分析.......... 58-59
5.4 本章小结.......... 59-60
结论
论文中首先分析了电力工程造价管理的特点，找到适合其特征的小样本学习方法，提出了运用成熟的数学模型与工程模型相结合，使用实际工程数据对模型进行学习训练。分析和讨论了模型的可行性，通过工程实例进行了验证总结和完善相应的数学模型。总结全文的研究过程，论文的主要工作有以下几个方面：
① 选取了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的思想对历史工程数据进行建模。同时，分析了小样本学习算法的发展现状，选取了支持向量机作为建模的数学算法，并对支持向量机以及改进算法进行了数学推导，以便算法更好的适用于工程应用。
② 对电力工程造价数据进行了简化处理分析了收集资料的数据结构，针对资料中属性指标繁多，工程实际情况千差万别等特点，对原始工程资料进行了简化处理，同时删去不符合要求的奇异工程。针对输电工程造价数据的特点，通过对属性指标进行删减和合并，奇异工程剥离以及噪声、缺失数据处理等方式，达到对属性指标简化处理的目的。针对变电工程造价资料的特点，结合了典型造价中模块组合的思想。将变电模型分为三个基本模块，同时以架空出线、电缆出线、主变、电容器等单位模块为子模块，提出变电工程造价管理中模块组合的新思路。达到实现数据简化处理的目标
③ 构建了电力工程造价小样本估算模型利用主成分分析法对简化后的属性指标做数据预处理，以累计贡献率为标准，提取了新的主成分。将新的属性指标作为输入集构建了基于支持向量机的估算模型，通过不断添加学习样本，分析输出结果，测试了样本数目对估算模型输出结果的影响程度。同时，通过不同主成份数目的输入，比对输出结果，找到了合适的主成份个数以及最佳的估算结果。
④ 构建了基于参数优化思想的改进估算模型针对估算模型中，参数选取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，提出了基于遗传算法的参数优选模型。对模型进行了改进和修正，使得工程模型的参数设置更符合工程实际情况的需要。提高了模型的估算准确度和工程适用性。
参 考 文 献
[1] 郑振亚.国家电网公司输变电工程典型造 110kV 变电站分册[M].北京:中国电力出版社,2005.
[2] 钟芬芳.电力工程造价中的管理与控制[J].广东科技,2008(181):178-179.
[3] 戚安邦,孙贤伟.国际工程造价管理体系的比较研究[J].南开管理评论,2000(3):56-60.
[4] 朱卫华,夏绍模.中美工程造价管理模式的对比研究[J].浙江建筑,2004,6(21):55-57.
[5] 易涛.工程造价综合知识[M].北京:中国电力出版社,2002.
[6] 曾繁伟.我国工程造价管理模式与国际惯例的对比分析[J].建筑经济,2001(230):35-36.
[7] 潘业斌.输变电工程施工阶段造价管理现状、原因分析即建议[J].电力标准化与技术经济,2008(65):31-33.
[8] 任玉珑.电力工程概预算原理[M].北京:中国电力出版社,1995.
[9] 张学工.统计学习理论的本质[M].北京:清华大学出版社,2000
[10] V.Vapnik.An Overview of Statistical Learning Theory[M]. IEEE Transactions on NeuralNetworks,1999,10(5):988-999.