數據挖掘和神經網絡技術的電力工程造價應用

喬承龍+王亞奇

摘 要：隨著城市現代化進程的不斷推進，電力建設面臨著更加嚴峻的挑戰，而規模大、周期長、范圍廣、結構復雜等特點又使得電力工程造價在此時期顯得十分重要。為了確保電力建設的安全性及保障電力工程造價的順利開展，數據挖掘及神經網絡技術收到越來越多的重視。本文作者對數據挖掘技術和神經網絡技術及其過程進行了系統而又扼要的論述。

關鍵詞：數據挖掘；神經網絡；電力工程造價

中圖分類號：TM769 文獻標志碼：A

1有效的數據挖掘行為分析

數據挖掘，指從數據庫的大量數據中揭示出隱含的、先前未知的并具有潛在價值的信息的非平凡過程。其不僅是一種決策支持過程，而且是一個基于多種先進技術的多學科領域。我們可以從中發現大型數據集中的模式及技術，然后高度自動化地分析已建工程的歷史造價，并關注建設的可行性、實用性、有效性和可伸縮性。通過結合一些領域的必要背景材料，是人們能夠更加清楚地理解在數據挖掘中的作用，同時對于有效性和可伸縮性問題也有一定的要求。數據挖掘出現于20世紀，并在20世紀末發展迅猛，而且我認為在不久的將來繼續繁榮。

經過近百年的發展，數據挖掘如今已經成為一門復雜深刻的學科，其內容得到長足的發展，單單就其算法而言，作一下簡單介紹：第一種，C4.5算法。在進行機器學習算法時，該種算法屬于分類決策算法的一種方式，其中ID3算法是C4.5算法的核心。C4.5算法本身主要有以下幾種特性：

（1）C4.5算法在選擇屬性方面，用信息增益率代替信息增益方式進行選擇，避免在選擇過程中出現偏向性的缺點。

（2）C4.5算法在進行樹狀構造時，實施簡化過程。

（3）C4.5算法在處理連續屬性時，如遇到離散化，能夠進行有效的分析。最后，C4.5算法在處理不完整數據時，體現出快速、便捷的特點。人們在學習過程中可以根據它的分類規則進行理解與記憶，提高掌握效率與速度。

但是為了保障數據的準確性，我們應進行多次掃描和排序對數據模型進行創作，這在一定程度上影響了速率。第二種，The k-means algorithm算法。該種算法較為人知，其是不僅一種聚類算法，也是一種監督式學習模式。該種算法經常被廣泛運用到在統計分類、回歸分析中。

2通過神經網絡技術建立堅實的數據模型

神經網絡技術是用來模擬人腦的結構和功能，進行模式識別的計算模型。由輸入節點、隱層節點和輸出節點組成。其中隱層可以是一層，也可以是多層，一個神經網絡由大量成層排列的節點組成，數字信息就是在節點間傳輸。對于輸入信號，一個典型的神經網絡由一個輸入層（接收輸入數據），一個輸出層（輸出問題答案）以及若干個中間層組成，每個節點把輸入的信息作非線性處理后，把輸出的數字化結果傳送到下一節點，而下一個節點同樣以相同的方式作用到下一節點等，通過多個節點作用函數的共同作用完成該過程進而得到最后的結果。

3有效的電力工程造價

電力工程造價是指電力建設工程預期開支或實際開支的全部固定資產投資費用。也就是工程通過建設形成相應的固定資產、無形資產所需用一次性費用的總和。

工程造價含義在不同的人眼中，其理解也不盡相同，必須學會多方面對同一事物的本質進行把握，就建設工程投資者而言，項目投資是在面對市場經濟條件時所進行的工程造價，是自己給出的價格，是給予價格時一個合理客觀的參考。而就承包商、供應商以及規劃、設計等機構來說，，工程造價是他們作為市場供給出主體出售商品和勞務的價格總和。

對于電力工程這個概念，許多人可能不太了解，它包括熱力系統、燃料供應系統、化學水處理系統、供水系統、電氣系統、熱工控制系統、附屬生產系統等，具有單件性、多次性、組合性、多樣性。其中，電力工程造價的多樣性主要體現在以下幾個方面：

（1）投資估算：指的是項目建議書，即建設單位在施工之前，對準備建設的項目所需要的資金進行估算，這在建設單位進行決策、籌資及控制造價過程中是非常重要的依據，以此為基礎，對建設項目進行判斷，看其是否可行，我們常常稱其為立項。

（2）概算：項目立項報批，由設計單位出初步設計圖，計算工程概算造價，建設單位根據概算造價籌資，安排資金運用進度計劃。

（3）預算：施工圖是施工單位現場施工的依據，圖紙極為詳盡，用施工圖編制預算檔，我們稱之為施工圖預算；竣工結算：工程完工，經驗收合格，施工單位與建設單位結算工程價款。按工程承包價扣減質保金、預付款等，辦理竣工結算后，工程移交建設單位，工程結束。

工程造價費用主要包括四個內容：

①總工程造價

②工程動態投資

③工程靜態投資

④動態費用

在進行工程造價計算時候，建筑單位首先應對總的建筑工程量進行計算，其次對建筑物的套定額進行確定，再次對材機進行分析，并設定材機價差。最后，就是對所需要的費用進行表格編輯。在這些過程中，電力工程造價方面的確定與控制是非常重要的步驟，而該方面工程造價費用計算的基礎要素則是單價和數量，常用的直接費單價和定額計價方法 ；建安工程費用由直接工程費、間接費、計劃利潤、稅金組成，還有其他費用等。有效地進行管理費用計算要注意定額中的人工費、材機調差以及裝置性材料這三點。

此外，就裝置性材料預算價格而言，我們又可以將進行兩種分類：

第一種是綜合價格，該種價格常常在進行編制概算時使用。

第二種是單項價格，該種價格常常在進行編制預算時使用。相對于其他領域而言，電力工程額外費用較多，如：建筑上下水方面、建筑物通風與照明方面等。

4相關建設的有效預測

隨著市場經濟改革的不斷深入，城市基本建設的飛速發展，電力建設也發生很大的變化。原材料價格上漲，建設規模的變化，電力工程的總造價和單位造價也在不斷提高。所以，如何合理確定和控制工程造價是十分重要的。在建設過程中，必須把建設工程的造價控制在一定的范圍，及時發現并糾正偏差，從而實現管理目標，力求在各個建設項目中能夠做到人盡其才，物盡其用。

在進行電力工程造價時，首先必須有一個明確的目標，然后通過數據挖掘技術，從理念的電力工程案例的大量數據出發，進行更深一步的分析和規劃，挖掘出實際中具有強大發展潛力的方向，再通過人工智能、統計學、數據庫、據庫技術、機器學習、統計學和模式識別等技術，對隱藏在大型數據進行進一步的解析。并且在該基礎上，利用神經網絡技術將電力工程中存在的相關問題和矛盾進一步細化，尋找其中的相關性和聯系性，爭取用最小的投資換取最大的收益。

但是，滿足用戶需求必須放在第一位，其次是要遵守相關的法律法規，同時，還要考慮安全和環保的要求。進行實地考察是一個極其重要的環節，搜集有關資料進行綜合分析，提出若干個預選方案并從其中選出最佳的方案。最優方案要達到多方面的要求。在設計人員在設計產品完成后，不能放松，積極聽取顧客的反饋意見，同時結合具體情況，提高設計產品的質量。

總而言之，運用數據挖掘和神經網絡技術合理的預測并控制電力工程造價具有極其重要的意義，在現代電力建設發展中有著舉足輕重的地位。

參考文獻

[1]李永明，王玉斌，王穎，段慧青.數據挖掘和神經網絡技術的電力工程造價應用[J].重慶大學學報，2008.

[2]歐陽子才.數據挖掘和神經網絡技術的電力工程造價應用[J].中華民居（下旬刊），2013.

[3]王玉斌，李永明，王穎.用數據挖掘和神經網絡技術預測工程造價[A].中國電機工程學會電工數學專業委員會.第十一屆全國電工數學學術年會論文集[D].中國電機工程學會電工數學專業委員會，2007.endprint