前言：寻找写作灵感？中文期刊网用心挑选的电力工程造价小样本估算探讨，希望能为您的阅读和创作带来灵感，欢迎大家阅读并分享。
摘要：
在我国社会科技快速发展以及人们对工程建设提出的要求不断增高的条件下，电力工程建设中一般会受到多种因素的限制，显著增加了工程模型的复杂度，实际建设中很容易受到各种因素的影响，产生了多种维数非常高的工程模型，可是同期相似工程又比较有限，所以对这种模型建立数学模型难度比较高，一般把这种建设工程类型叫做小样本数据。本文主要对电力工程造价方面所构建的小样本估算模型进行探讨，提出笔者的思考和建议，仅供参考。
关键词：
电力工程；造价；小样本；估算模型
对电力工程造价进行管理的时候，相关审查人员以及投资方非常关心主要是静态投资或动态投资。所以，对新建电力工程来说，可以对工程技术指标以及经济指标符合新建工程投资发生的改变情况进行分析。电力工程过去累积的造价资料具有一个非常显著的特点，就是属性指标比较多，能够收集起来的同期样本数量有限。可是在进行数学建模的时候，若数据维度非常高，并且样本数目非常少，就会显著减小数据模型所具有的泛化能力。所以。找到一种有效的数学方法，在尽量包含更多原始数据信息的条件下，降维数据，也就是建立小样本估算模型，这样对下步数据模型的构建非常有利。
1对电力工程造价数据进行预处理
1.1归一化处理
对于实际工程项目来说，其里面的所有原始指标具体表示含义都是不一样的，各个指标数值之间的数量级有着非常大的差别，可是采用主成分分析法进行分析的时候，所提取的主成分一般会比较“偏爱”数量级比较偏大的指标，同时忽略或不要数量级非常小的指标，导致主成分提出方面产生主观错误。所以，对主成分进行分析前，通常会归一化处理属性指标样本，把各个属性指标全部归一化在[0，1]范围之间[1]。对原始p个不同指标变量x1，，，xp进行归一化，归一化处理前后具体数据分布情况，处理后的数据分布比较均匀，显著减小了指标数量级差异给主成分提取带来的影响，最终获得新数据集。
1.2提取主成分
之所以采取主成份分析法，主要几何意就是：利用各个原始指标的线性组合，把原始数据建立的坐标系转变成一种新坐标系。想要直观的看出主成份分析法所提取的主成份原指标具体信息量，就应该利用Pareto图来将各个主成分发生的变化具体百分比情况有效显示出来。进行累计贡献率计算的时候，通常要求累积贡献率为85%，相关文献里面也定义为80%，就代表认为新主成分能够替代原始具体指标数据[2]。
2估算模型
2.1进行判断所遵循的原则
通常估算模型都是以一定原则为基础，按照输入属性参数来计算的，从而获得最理想的具体目标值。随着电力工程建设过程中安全建设变得越来越重要和电力工程以前所累积的具体样本数据非常少这一实际情况，实际模型过程中，应该采用以双重风险规避为基础的具体原则来开展造价估算工作。同时，支持向量机具体理论的电力工程估算模型着重考虑了安全因素，始终坚持遵循经验风险最小化具体原则以及结构风险最小化具体原则[3]。其中经验风险最小化具体原则是利用计算判断尽量让式（1）得出的结果最小，从而对在充分考虑相关安全因素的实际条件下对电力工程造价进行估算。以考虑经验风险为前提条件，并且遵循结构风险最小化具体原则，采用数据统计和偏相关分析方法对历史电力工程数据和待建电力工程数据具体物理指标进行处理，实际建立小样本估算模型前应该筛选多种数据信息，通过比较科学的数学方法，以确保最大限度地具有相关有效信息为前提，尽量删除掉那些多余的，没有使用价值的数据。将已经筛选好的相关数据架设成主特征因素，把主特征因素具体函数集分化为统一的函数子集序列，保证各个主特征具体因素子集按照置信区间的大小来有效地进行排序，同时在不同主特征因素子集里面寻找最小经验风险，通过折中考虑办法确保实际风险是最小的。
2.2具体构建过程
对电力工程进行造价估算实际上就是将电力工程建设过程中的相关影响因素映射到电力工程整个造价空间中，实际模型建设过程中，主要采用以支持向量机理论为基础的具体方法进行计算的。其中支持向量机通过非线性映射具体算法把低维特性电力工程历史数据变成一种高维特征空间，同时通过线性算法线性分析样本所具有的非线性特征，电力工程造价估算模型所采用的支持向量机具体学习方式。以双重风险规避具体原则为基础，在程序里面编辑线性多项式型具体函数，以此来对估算结果准确性进行测试[4]。估算模型实际构建时，把输变电工程具体造价估算所具有的主特征因素当做支持向量机的相关输入参数，同时把输变电工程造价当做输出函数，将电力工程累积的历史工程造价所具有的主特征因素和实际造价解当做学习样本来优化计算机器；同时建构支持向量机具体造价估算模型，再把待建工程所具有的主特征参数有效输入该模型里面，利用前面调试的相应计算模型来分析计算该主特征参数，从而获得待建工程最终的造价。以支持向量机具体理论为基础的这种输电力工程估算模型具体建立步骤是：（1）对属性参数进行整理。通过数据统计和偏相关分析方法对造价数据具体物理指标进行处理，有效整理历史电力工程建设过程中的相关属性参数，找出历史电力工程所具有的主特征参数以及造价金额[5]。此外，还应该找出待建电力工程所具有的主特征参数值。（2）构建样本集。对第一步整理的具体参数进行再一次整理，将其分成两个不同的集合，同时把历史电力工程所具有的主特征参数以及造价金额当做训练集，这种训练集数据具有的主要作用就是当做学习样本来优化计算机器，同时构建支持向量机具体造价估算算法，给后续支持向量机相关训练环节打下坚实的基础。（3）确定具体估算函数。使用支持向量机具体理论就是为了使用非线性相应的映射算法把低维特性的那些变电工程具体历史数据变成一种高维特征空间，同时通过线性算法分析样本所具有的非线性特征。因为本文模型原则仅仅是回归一个函数，就是f（x）函数，保证这个函数的最终计算结果与设定误差要求相符，同时获得的函数一定要满足一个要求。（4）采用模型进行估算。通过把电力工程历史累积的数据当做训练集建立了与误差要求相符的回归函数，即f（x）函数，然后把待建电力工程所具有的主特征参数当做输入数据代入这一函数中进行计算，最后获得的计算结果就是代建电力工程的具体估算造价。上述是建立以支持向量机理论为基础的电力工程估算模型所采取的主要步骤。这一模型在以利用数据统计和偏相关分析方法对造价数据具体物理指标进行处理为基础，通过支持向量机理论在处理小样本数据以及非线性数据等过程中的突出优势，有效设计了该电力工程造价具体数据估算模型。这一模型具有的突出优势为：能够把低维特性相关电力工程历史数据变为高维数据，然后进行有效的分析计算，同时可以提升计算精度。
3结束语
对于现阶段电力工程造价中存在的问题，利用数据统计和偏相关分析方法对造价数据具体物理指标进行处理，整理历史电力工程所具有的属性参数，找出历史电力工程和代建电力工程具有的主特征参数以及历史电力工程造价金额。以此为基础，利用支持向量机理论所具有的优势，设计出了这种电力工程具体造价估算模型。实践结果显示，这种方法能够符合工程造价管理以及控制的具体需要，推广应用的价值非常高。
作者：余霞 单位：四川电力设计咨询有限责任公司
参考文献
[1]张琦.油田污水站输变电工程造价估算模型[J].油气田地面工程，2015（5）：47~48，49.
[2]刘凤华，谢乃明.小样本、贫信息下民用飞机费用估算模型及算法[J].系统仿真学报，2014，26（3）：687~691.
[3]张敏芳，刘沃野，陈炜钢，等.小样本装备软件成本估算相关向量机建模[J].军械工程学院学报，2011，23（4）：13~16.
[4]刘家福，占文凤，梁雨华，等.P-Ⅲ型分布与信息扩散理论的风险估算模型比较研究[J].北京师范大学学报（自然科学版），2011，47（3）：300~303.
[5]张敏芳，陈建泗，李少波，等.基于SVM/RVM的小样本装备软件成本估算[J].统计与决策，2013（11）：92~94.
[6]王绵斌，李欢欢，谭忠富，等.基于支持向量机方法的输电工程造价指标评估体系[J].电力建设，2014，35（3）：102~106.
