基于BP神經(jīng)網(wǎng)絡(luò)的配電網(wǎng)工程造價預(yù)測模型建立與應(yīng)用

郭新菊，邵永剛，李旭陽，李大鵬

（國網(wǎng)河南省電力公司經(jīng)濟(jì)技術(shù)研究院，河南鄭州450000）

基于BP神經(jīng)網(wǎng)絡(luò)的配電網(wǎng)工程造價預(yù)測模型建立與應(yīng)用

郭新菊，邵永剛，李旭陽，李大鵬

（國網(wǎng)河南省電力公司經(jīng)濟(jì)技術(shù)研究院，河南鄭州450000）

針對規(guī)模不斷增長的配電網(wǎng)工程所出現(xiàn)的造價管理問題，文中以現(xiàn)行配電網(wǎng)工程項目線路劃分為基礎(chǔ)，分析造價的主要影響因素，提出一種基于BP神經(jīng)網(wǎng)絡(luò)的配電網(wǎng)工程造價預(yù)測模型，可以用較少的信息快速準(zhǔn)確的對配電網(wǎng)工程造價進(jìn)行預(yù)測。該模型首先對造價的影響因素使用因子分析法進(jìn)行度量，并將主要因子作為輸入，通過3層結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)得到工程造價輸出。文中最后通過運(yùn)用國內(nèi)已有的配電網(wǎng)工程中的75段輸電線路工程數(shù)據(jù)對所提出的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型進(jìn)行驗(yàn)證，實(shí)驗(yàn)結(jié)果表明所提出的預(yù)測模型準(zhǔn)確性高，具有很好的實(shí)用性與可行性，并為日益嚴(yán)峻的配電網(wǎng)工程造價預(yù)測問題提供了新的可行的解決方案。

BP神經(jīng)網(wǎng)絡(luò)；配電網(wǎng)工程；造價預(yù)測；因子分析

配電網(wǎng)工程建設(shè)過程包括項目的決策、設(shè)計、招標(biāo)、施工和竣工5個階段[1-2]，各個階段工程人員需要根據(jù)設(shè)計要求提取工程量并按計算標(biāo)準(zhǔn)對工程造價進(jìn)行預(yù)測。實(shí)際工作中，方案數(shù)量較多，決策時間短，工作人員獲取不到準(zhǔn)確的工程量，導(dǎo)致工程造價估計誤差大，效率低[3-5]。目前，國內(nèi)對配電網(wǎng)工程造價預(yù)測的研究相對較少，配電網(wǎng)絡(luò)受周圍環(huán)境如地形、天氣、路徑等因素影響大，表現(xiàn)出極不確定的特性[6]。BP神經(jīng)網(wǎng)絡(luò)能夠通過樣本學(xué)習(xí)掌握各因素之間的關(guān)系從而能夠很好的描述復(fù)雜非線性問題，具有自組織、自學(xué)習(xí)、自容錯與非線性映射等特性[7-10]。針對規(guī)模不斷增長的配電網(wǎng)工程所出現(xiàn)的造價管理問題，本文以現(xiàn)行配電網(wǎng)工程項目線路劃分為基礎(chǔ)，分析造價的主要影響因素，提出一種基于BP神經(jīng)網(wǎng)絡(luò)的配電網(wǎng)工程造價預(yù)測模型，可以用較少的信息快速準(zhǔn)確的針對配電網(wǎng)工程造價進(jìn)行預(yù)測。該模型首先對造價的影響因素使用因子分析法進(jìn)行度量，并將主要因子作為輸入，通過3層結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)得到工程造價輸出，并通過實(shí)驗(yàn)驗(yàn)證具有很好的實(shí)用性與可行性，準(zhǔn)確性高，為日益嚴(yán)峻的配電網(wǎng)工程造價預(yù)測問題提供了新的可行的解決方案。

1 工程造價影響因素分析

1.1 基礎(chǔ)工程

基礎(chǔ)工程是結(jié)合工程所在地地形與工程設(shè)計等因素并根據(jù)基桿塔的高度與重量確立基礎(chǔ)形狀、尺寸與混凝土重量、擋風(fēng)墻質(zhì)地、砌筑量與方式、根據(jù)基礎(chǔ)型式確定混凝土的澆制、制備方式等[11]。

1.2 桿塔工程

桿塔的材質(zhì)與材量影響桿塔的造價，其中桿塔重量決定著材量，影響因素主要包括桿塔高度、材質(zhì)、風(fēng)速與覆冰、地形、電壓等級等；桿塔的材質(zhì)則與輸電線路中的輸送量與電壓等級有關(guān)[12]。

1.3 接地工程

接地工程對工程造價產(chǎn)生影響主要是由于土地價格，運(yùn)輸以及接地安裝等費(fèi)用，其中接地體的數(shù)量與規(guī)格主要受土壤電阻率所影響的接地電阻影響。地形所影響的接地體連接類型也對工程造價有影響。

1.4 架線工程

架線對工程造價影響主要體現(xiàn)在導(dǎo)線鋪設(shè)，設(shè)備工具，材料，以及場地費(fèi)用等，導(dǎo)線架設(shè)費(fèi)用由地形、電壓等級、回路與路徑長度所決定，導(dǎo)線的材料費(fèi)用由導(dǎo)線型號、單價、用材等因素決定。

1.5 附件工程

附件包括絕緣子串與其他金具等，其材料費(fèi)用與安裝費(fèi)影響著工程造價，其中安裝費(fèi)用主要由絕緣子類型與等級、導(dǎo)線輸送能量與材質(zhì)決定的導(dǎo)線分裂數(shù)等決定。地形、電壓等級、導(dǎo)線截面積等確定絕緣子等級與類型，塔基數(shù)、路徑長度與回路數(shù)則影響著附件數(shù)量[13]。

1.6 其他費(fèi)用

配電網(wǎng)工程造價其他費(fèi)用主要包括征用建設(shè)場地、補(bǔ)償塔基、清理余物的場地征用與清理費(fèi)、工程管理費(fèi)用、科研設(shè)計費(fèi)用與工程預(yù)備啟動費(fèi)用等。征地面積受工程塔基數(shù)量、輸電容量的影響。工程建設(shè)地區(qū)政策與經(jīng)濟(jì)水平影響著其他費(fèi)用。

2 工程造價影響因素度量

2.1 數(shù)據(jù)收集與處理

本文所采用的數(shù)據(jù)為我國沿海地區(qū)現(xiàn)有在建與已建成的75段配電網(wǎng)線路工程，并從中對配電網(wǎng)工程單位造價、地形與地質(zhì)、導(dǎo)線截面與長度、導(dǎo)線單價、回路數(shù)、塔材量、基礎(chǔ)建設(shè)用量、覆冰、風(fēng)速等19個指標(biāo)數(shù)據(jù)[14]進(jìn)行收集，并設(shè)配電網(wǎng)工程單位造價為因變量，其他因素為自變量。其中，自變量的18個因素中，描述性因素有地質(zhì)和地形、回路數(shù)，需要對其進(jìn)行量化處理，具體為:

1）用 1，2，3，4表示單回路、雙回路、三回路、與四回路數(shù)，針對包含多種回路數(shù)的一段線路，可用不同回路數(shù)所占比例加權(quán)平均來得到其回路。

2）將輸電線路所會經(jīng)過的地形分為5個等級，第一等級到第五等級依次為平地、丘陵、河網(wǎng)泥沼與沙漠、山地、高山。針對包含多種地形的一段線路，可用不同地形所占比例加權(quán)平均來得到其地形等級。

3）配電網(wǎng)工程所包括的地質(zhì)可用7個等級進(jìn)行表示，第一等級到第七等級依次為普通土坑、堅土坑、松砂石與干砂、水坑、泥水坑、流砂、泥水坑，如果有包含多種地質(zhì)的一段線路，可用不同地質(zhì)所占比例加權(quán)平均來得到其地質(zhì)等級。

另外，本文使用公式“導(dǎo)線截面=導(dǎo)線芯數(shù)*單根導(dǎo)線面積”來計算導(dǎo)線截面。配電網(wǎng)工程造價樣本部分?jǐn)?shù)據(jù)如表1所示。

2.2 因子分析

本文對18個自變量使用SPSS軟件進(jìn)行因子分析，具體步驟如下:

首先，對數(shù)據(jù)的相關(guān)性進(jìn)行校驗(yàn)，KMO=0.769表示指標(biāo)之間具有較強(qiáng)的相關(guān)性[15]。沒有假設(shè)，Sig.=0.00表明可對樣本數(shù)據(jù)進(jìn)行主成分分析，樣本數(shù)據(jù)不存在過小情況。兩個指標(biāo)說明配電網(wǎng)工程造價各影響因素之間有關(guān)聯(lián)性。數(shù)據(jù)相關(guān)性檢驗(yàn)結(jié)果輸出圖如圖1所示。

圖1 數(shù)據(jù)相關(guān)性檢驗(yàn)結(jié)果輸出圖

然后，利用主成分分析分離共同因子，因子數(shù)目通過碎石圖與特征因子相結(jié)合進(jìn)行確定，并經(jīng)過因子旋轉(zhuǎn)得到總方差解釋表進(jìn)行輸出，表2為其輸出表。

表1 配電網(wǎng)線路工程造價數(shù)據(jù)樣本（一）

表2 因子分析解釋總方差結(jié)果輸出圖

由表2可得，特征值大于1的前5個因子累計貢獻(xiàn)率大于了81.985%，可以解釋方差的大多內(nèi)容，因此可以提取前5個因子作為主因子，圖2亦可證明。

由表2可以得到主因子與因變量之間的函數(shù)關(guān)系，表3、4表示由矩陣正交法轉(zhuǎn)軸后得到的主因子載荷矩陣與得分系數(shù)矩陣，從表3中可得到各個主因子主要解釋的因素，主因子1主要解釋導(dǎo)線單價與截面、基礎(chǔ)材質(zhì)與數(shù)量、絕緣子用量等，主因子2解釋地形與地質(zhì)、回路數(shù)等因素，主因子3、4、5分別解釋風(fēng)速、塔材單價、合成絕緣子等因素。

最后，由公式Y(jié)=XB'計算因子得分，用于配電工程造價預(yù)測模型的訓(xùn)練與檢驗(yàn)數(shù)據(jù)。

圖2 碎石圖

表3 因子載荷矩陣

3 配電工程造價預(yù)測模型

3.1 BP神經(jīng)網(wǎng)絡(luò)

大量實(shí)驗(yàn)證明3層BP神經(jīng)網(wǎng)絡(luò)（含隱含層）能夠準(zhǔn)確地描述非線性函數(shù)，因此本文提出一種基于3層BP神經(jīng)網(wǎng)絡(luò)的配電網(wǎng)工程造價預(yù)測模型。由于主因子有5個，其作為自變量輸入3層BP神經(jīng)網(wǎng)絡(luò)，而因變量工程造價為BP神經(jīng)網(wǎng)絡(luò)的輸出，從而得到神經(jīng)網(wǎng)絡(luò)為5個輸入節(jié)點(diǎn)，一個輸出節(jié)點(diǎn)。BP神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點(diǎn)數(shù)的確定相對復(fù)雜，可由公式（1）、（2）、（3）三種經(jīng)驗(yàn)方法進(jìn)行確定，式中，n、m分別為輸入、輸出層節(jié)點(diǎn)數(shù)，ni為隱含層節(jié)點(diǎn)數(shù)。

根據(jù)以上3種經(jīng)驗(yàn)公式確定模型為所含隱含節(jié)點(diǎn)數(shù)為3或者4，對節(jié)點(diǎn)數(shù)3和4分別樣本數(shù)據(jù)訓(xùn)練并將結(jié)果進(jìn)行對比，得出當(dāng)BP神經(jīng)網(wǎng)絡(luò)具有3個隱含節(jié)點(diǎn)數(shù)時具有較高的預(yù)測準(zhǔn)確性，因而設(shè)定BP神經(jīng)網(wǎng)絡(luò)有3個隱含節(jié)點(diǎn)。綜上，本文采用5-3-1的節(jié)點(diǎn)模式來建立BP神經(jīng)網(wǎng)絡(luò)工程造價預(yù)測模型。

表4 因子得分系數(shù)矩陣

3.2 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練

收集75組單位造價作為樣本數(shù)據(jù)來對本模型進(jìn)行訓(xùn)練與驗(yàn)證。首先通過前60組樣本數(shù)據(jù)對構(gòu)造的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型進(jìn)行樣本數(shù)據(jù)，并利用后15組數(shù)據(jù)對模型進(jìn)行驗(yàn)證，模型輸出的造價與實(shí)際造價進(jìn)行比較，得到預(yù)測模型效果的校驗(yàn)指標(biāo)—偏差率。

4 試驗(yàn)驗(yàn)證與準(zhǔn)確性分析

4.1 造價預(yù)測

在對BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練之前需要對樣本數(shù)據(jù)進(jìn)行歸一化。對收集到的數(shù)據(jù)樣本歸一化后使用premnmx函數(shù)處理后的結(jié)果如表5所示。

文中3層網(wǎng)絡(luò)模型的建立采用newff函數(shù)，傳輸函數(shù)和訓(xùn)練函數(shù)分別為tansig函數(shù)和traingdm函數(shù)，采用反向傳播學(xué)習(xí)過程，其中的閾值和權(quán)值的修正采用動量梯度下降算法，其中學(xué)習(xí)率可變，初始學(xué)習(xí)率為0.02。設(shè)定最大迭代次數(shù)為10 000，期望誤差為小于4×10-3。

使用表5中的數(shù)據(jù)對建立的BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，5 680次迭代之后達(dá)到期望訓(xùn)練誤差，訓(xùn)練停止，圖3為訓(xùn)練誤差圖。

表5 原始樣本歸一化后數(shù)據(jù)表

圖3 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差圖

使用表5中的最后15組數(shù)據(jù)的主因子對訓(xùn)練好的工程造價預(yù)測模型進(jìn)行造價的預(yù)測驗(yàn)證，并將模型輸出進(jìn)行反歸一化得到預(yù)測結(jié)果如表6所示。

表6 配電網(wǎng)工程造價預(yù)測結(jié)果表

4.2 準(zhǔn)確性分析

對模型預(yù)測結(jié)果的準(zhǔn)確性使用相對平均絕對誤差A(yù)ARE進(jìn)行衡量，式（4）中，yt為實(shí)際造價，為預(yù)測造價。

由預(yù)測結(jié)果表8可得到所設(shè)計的配電網(wǎng)工程造價預(yù)測模型預(yù)測結(jié)果與真實(shí)值平均偏差小于5%，在工程概算與預(yù)算所允許偏差范圍內(nèi)，從而表明本文所設(shè)計的基于BP神經(jīng)網(wǎng)絡(luò)的配電網(wǎng)工程造價預(yù)測模型具有較高的準(zhǔn)確性。

5 結(jié)束語

針對規(guī)模不斷增長的配電網(wǎng)工程所出現(xiàn)的造價管理問題，本文以現(xiàn)行配電網(wǎng)工程項目線路劃分為基礎(chǔ)，分析造價的主要影響因素，提出一種基于BP神經(jīng)網(wǎng)絡(luò)的配電網(wǎng)工程造價預(yù)測模型，可以用較少的信息快速準(zhǔn)確的對配電網(wǎng)工程造價進(jìn)行預(yù)測。本文最后通過運(yùn)用國內(nèi)已有的配電網(wǎng)工程中的75段輸電線路工程數(shù)據(jù)對所提出的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型進(jìn)行驗(yàn)證，實(shí)驗(yàn)結(jié)果表明本文所提出的預(yù)測模型準(zhǔn)確性高，具有很好的實(shí)用性與可行性，為日益嚴(yán)峻的配電網(wǎng)工程造價預(yù)測問題提供了新的可行的解決方案。

[1]張慶.特高壓輸電線路工程造價管理措施分析[J].中國外資，2012（19）：228.

[2]劉慧敏.影響特高壓輸電線路工程造價問題的探討[J].山西建筑，2013（27）：221-222.

[3]國維，王靜.特高壓與常規(guī)輸電線路工程成本費(fèi)用與造價管理對比分析[J].價值工程，2014（22）：94-95.

[4]李園園，張平朗.±800kV特高壓直流輸電線路工程造價結(jié)構(gòu)及投資水平分析[C]//電網(wǎng)工程造價管理優(yōu)秀論文，2011.

[5]秦博，張平朗.1000kV特高壓交流輸電線路工程投資研究[C].電網(wǎng)工程造價管理優(yōu)秀論文，2011.

[6]邵亞南，戴博.±800kV特高壓直流線路造價水平研究[J].中國電業(yè)（技術(shù)版），2016（1）：59-63.

[7]SIMON Haykin.神經(jīng)網(wǎng)絡(luò)原理[M].葉世偉，史忠植，譯.北京：機(jī)械工業(yè)出版社，2004．

[8]TANG Tian-yi，LI Yan．Discussion on analysis of construction cost of 500 kV line[J]．East China Electric Power．2010，38(7)：l 022-l 025．

[9]CHEN Gang．ZHOU Jie，ZHANG Xue-jun，et al．A daily load forecasting method based on cascaded back propagation and radial basis function neural networks[J]．Power System Technology，2009．33(12)：101—105．

[10]黃湘君.基于主成分分析的BP神經(jīng)網(wǎng)絡(luò)在電力系統(tǒng)負(fù)荷預(yù)測中的應(yīng)用[J].科技信息，2008，29(16)：313-314．

[11]GAO Shan．SHAN Yuan-da．A new short-term load forecasting algorithm based on radial basis function network[J]．Automation of Electric Power Systems，2008，29（16）：313-314．

[12]周佃民，管曉宏，孫婕，等.基于神經(jīng)網(wǎng)絡(luò)的電力系統(tǒng)短期負(fù)荷預(yù)測研究[J].電網(wǎng)技術(shù)，2002，26（2）：10-13．

[13]張雙萍.淺談電網(wǎng)企業(yè)如何加強(qiáng)工程造價管理[J]電力技術(shù)經(jīng)濟(jì)，2006，18（6）：40-42．

[14]宋云亭，吳俊玲，彭冬，等．基于BP神經(jīng)網(wǎng)絡(luò)的城網(wǎng)供電可靠性預(yù)測方法[J]．電網(wǎng)技術(shù)，2008，32（20）：56-59．

[15]黃勇.設(shè)計優(yōu)化是降低工程造價的重要途徑[J].寧夏電力，2005，6（1）：50-52．

Establishment and application of cost prediction model for distribution network project based on BP neural network

GUO Xin-ju，SHAO Yong-gang，LI Xu-yang，LI Da-peng
（Economic Technology Research Institute，State Grid Henan Electric Power Company，Zhengzhou450000，China）

In view of the cost management problem of the growing distribution network project,this paper is based on the existing line division of the distribution network project，analyzes the main influencing factors of cost,and proposes a cost forecasting model of distribution network project based on BP neural network，which can be used to predict the cost of distribution network quickly and accurately with less information.The model first uses the factor analysis method to measure the influence factors of the cost,and takes the main factors as input，and obtains the engineering cost output through the neural network of the 3 layer structure.Finally，the proposed BP neural network prediction model is verified by using the existing 75 section transmission line engineering data of the existing distribution network project in China.The experimental results show that the prediction model proposed in this paper has high accuracy,good practicability and feasibility，and provides a new and feasible solution for the increasingly serious cost prediction of distribution network project.

BP neural network；distribution network engineering；cost prediction；factor analysis

TP393

A

1674-6236（2017）23-0063-06

2016-09-02稿件編號：201609020

郭新菊（1970—），女，河南鄭州人，碩士研究生，高工。研究方向：工程造價、技術(shù)經(jīng)濟(jì)。