本文關鍵詞：MLR和SVM模型在水電工程價格指數(shù)預測中的應用

  更多相關文章： 水電工程 價格指數(shù) 造價控制 MLR模型 SVM模型

【摘要】：水電工程價格指數(shù)綜合反映不同地區(qū)各年度投資變化趨勢,價格指數(shù)的準確預測可為政府和業(yè)主宏觀控制工程總投資提供參考數(shù)據,對造價控制尤為重要。以2005~2015年水電工程綜合價格指數(shù)及各類調價因子為基礎,建立多元線性回歸(MLR)和支持向量機(SVM)價格指數(shù)預測模型,對比分析兩模型的實效性。實證表明,當樣本容量較小時,MLR預測模型更為適用,精度達99.73%,標準差低達0.002 9;當樣本容量較大時,SVM模型對水電工程價格指數(shù)預測精度更高,達99.77%,可見所提方法對價格指數(shù)預測精度高、穩(wěn)定性強,能為造價管理提供參考。
【作者單位】： 三峽大學水利與環(huán)境學院;
【關鍵詞】： 水電工程 價格指數(shù) 造價控制 MLR模型 SVM模型
【基金】：三峽大學研究生科研創(chuàng)新基金項目(SDYC2016010)
【分類號】：TV512
【正文快照】： 1引言水電工程擁有建設周期長、規(guī)模龐大、結構復雜、影響因素眾多等典型特點,使得投資巨大且造價控制困難[1],而工程價格指數(shù)作為業(yè)主編制概算、承包商成本核算的依據,是造價管理領域的重要參數(shù),因此對價格指數(shù)進行有效預測就成為動態(tài)控制投資額的重要舉措。近年來,關于水電

【相似文獻】

中國期刊全文數(shù)據庫 前5條

1 張騰飛;張海波;季春生;李志成;;一種航空發(fā)動機SVM模型辨識方法與仿真[J];機械設計與制造;2012年08期

2 殷實;關玉衡;曾艷芳;;基于SVM模型的風電功率預測[J];常州信息職業(yè)技術學院學報;2012年03期

3 許后磊;鄭東健;;混合核SVM模型在大壩位移預測中的應用[J];水力發(fā)電;2010年04期

4 蔡曦;胡昌華;劉炳杰;蔡艷寧;;基于aiNet算法優(yōu)化SVM模型的慣性器件故障預報[J];計算機仿真;2007年10期

5 ;[J];;年期

，

本文編號：668976