基于SVR算法的高速鐵路施工全過程造價預(yù)測方法

雷保忠

摘要：傳統(tǒng)高速鐵路施工全過程造價預(yù)測方法，由于直接選取造價預(yù)測評價指標(biāo)未對影響因素進行分析，造成傳統(tǒng)方法預(yù)測偏差率高。針對于此，提出一種基于SVR算法的高速鐵路施工全過程造價預(yù)測方法。對高速鐵路施工造價影響因素進行分析，提取影響較大因素的相關(guān)數(shù)據(jù)，并基于SVR算法建立造價預(yù)測模型，對高速鐵路項目造價進行預(yù)測。設(shè)計對比實驗，實驗結(jié)果表明：所提出的設(shè)計方法預(yù)測高速鐵路施工全過程造價偏差率最低，充分證明了所提出設(shè)計方法的可行性。

關(guān)鍵詞：SVR算法；高速鐵路施工；造價預(yù)測；預(yù)測方法

0? ?引言

高速鐵路項目是交通運輸?shù)闹匾鉀Q方案，是具有強周期性和多變量約束的建設(shè)項目[1-2]。高速鐵路項目建設(shè)階段的造價預(yù)測關(guān)系到建設(shè)的整個生命周期，直接影響項目的實際效益，因此施工單位都對其非常重視。

目前國內(nèi)很多學(xué)者對高速鐵路建設(shè)造價預(yù)測方法進行了研究，雖然這些研究取得了一定的效果，但仍存在精準(zhǔn)度不足等問題。為了解決這些問題，本文提出在SVR算法的基礎(chǔ)上，建立高速鐵路建設(shè)全過程的造價預(yù)測模型[3]。

使用SVR算法對造價進行分析，可以獲得高速鐵路建設(shè)階段最穩(wěn)定的預(yù)測結(jié)果。基于SVR算法的高速鐵路工程施工階段造價預(yù)測方法降低了預(yù)測難度，保證了建設(shè)階段造價預(yù)測結(jié)果的準(zhǔn)確性，有效降低了預(yù)測方法的偏差率。

1? ?高速鐵路施工造價影響因素分析

不同的造價影響因素都能夠改變預(yù)測的準(zhǔn)確性。本文采用基尼指數(shù)（Gini指數(shù)）來評估影響高速鐵路項目造價的因素。基尼指數(shù)計算公式如式（1）所示：

GNm=∑amk（1-amk）? ? ? ? ? ? （1）

式中：GNm=為高速鐵路造價影響因素。m為重要性評分。amk為隨機算法中第m個節(jié)點的Gini指數(shù)。

在節(jié)點m前后Gini指數(shù)變化量如公式（2）所示：

SimGini=GNm-GNa-GNb? ? ? ? ? ? （2）

式中：SGini為影響因素節(jié)點在im上的重要因素，即高速鐵路造價算法中意外分解的m節(jié)點雜質(zhì)的平均變化。GNa和GNb分別為兩個新節(jié)點a和b除以m個節(jié)點的基尼分量。

如果造價影響系數(shù)在j中顯示m次，則造價影響系數(shù)顯示在等式中的重要性評價如（3）所示：

SjGini=∑SjGiniGNm? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （3）

式中：造價影響因素SjGini為造價影響系數(shù)在第j次的重要性評分。

隨機算法中影響高速鐵路造價的Gini系數(shù)如等式（4）所示：

SiGini=? ?∑SjGini? ? ? ? ? ? ? ?（4）

式中：SiGini為造價影響因素的重要性評估。在算法中n為偶然確定的數(shù)量。SGini的值越高，就認(rèn)為該造價影響因素對于實際工程造價值越重要。

接下來，計算高速鐵路造價影響因素與實際項目造價之間的皮爾遜相關(guān)系數(shù)，測量兩者之間的線性相關(guān)性，并驗證公式（5）中規(guī)定的影響因素的產(chǎn)出造價。

式中：為xi和yi之間的皮爾遜相關(guān)系數(shù)。cov（xi，yi）為xi和yi的協(xié)方差，yi為i高速鐵路項目的實際造價，xi為i高速鐵路項目造價的影響因素，[-1，1]的值越接近-1或1，影響因素和造價之間的線性關(guān)系就越強。

選取高速鐵路工程各造價影響因素評分排名較高的造價影響因素，以此作為輸入變量代入高速鐵路工程預(yù)測模型中，用于進一步計算。

2? ?選取造價預(yù)測評價指標(biāo)

從排名較高的造價影響因素中，提取對高速鐵路施工全過程造成影響較大的因素，完成預(yù)測評價指標(biāo)選取。其中可再生能源市場價格的選取值、施工時間指標(biāo)的勞動力市場價格與指標(biāo)的實際值相對應(yīng)，選取公式如下：

S1=? ?qeB（xi，yi）? ? ? ? ? ? ?（6）

式中：S1為預(yù)測的取值用，q為預(yù)測的實際值用。e為具體的選取系數(shù)。

高速鐵路施工全過程結(jié)構(gòu)的選取公式如公式（7）所示：

S2=1/auc? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（7）

式中：u為整個高速鐵路建設(shè)過程中貨物結(jié)構(gòu)的子部分，c為整個高速鐵路建設(shè)過程中石灰結(jié)構(gòu)的部分，a為整個高速鐵路施工過程中加強特定結(jié)構(gòu)的比例。

高速鐵路工程中應(yīng)用的基座包括矩形基座、梯形基座、三角形基座以及重疊基座等，這些基座是用來支撐鐵路軌道和相關(guān)結(jié)構(gòu)的基礎(chǔ)，可根據(jù)下式來確定選取合適的基座類型：

S3=1/ （m+y+o+z+b）e2? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（8）

式中：b為高軌建設(shè)過程中重疊基座的應(yīng)用比例，o為高軌建設(shè)過程中梯形基座的應(yīng)用比例，y為高速鐵路建設(shè)過程中矩形基座的應(yīng)用比例用，z為整個高速鐵路建設(shè)過程中三角形基座的應(yīng)用比例，m為高速鐵路建設(shè)過程中普通基座的應(yīng)用比例。

高速鐵路工程中常用的材料或構(gòu)件包括支撐板、水泥分組板和增強管道板等，其選取公式如下：

S4=? ?eknp? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（9）

式中：p為整個高速項目中使用的加固管道的比例，n為整個高速工程中使用的水泥的比例，k為整個高速鐵路中使用支撐流量的比例。

兩個抗震等級和地基處理難度的選取方法也需充分[4]，高速鐵路工程過程的各級抗震等級包括1至4級，選取公式（10）：

S5= ek2? ? ? ? ? ? ? ? ? （10）

式中：k為所有高速鐵路工程過程的抗震等級。

根據(jù)上述工程特點，在整個高速鐵路建設(shè)過程中，為便于進行造價預(yù)測，需要對指標(biāo)數(shù)據(jù)進行標(biāo)準(zhǔn)化處理，歸一化公式表示如下：

式中：Xi為高速鐵路建設(shè)過程造價預(yù)測指數(shù)的平均值，X為標(biāo)準(zhǔn)化后獲得的高速鐵路建設(shè)全過程造價預(yù)測指標(biāo)值，Xmax為高速鐵路建設(shè)過程中造價預(yù)測指標(biāo)的最大值，Xmin為高速鐵路施工全過程造價預(yù)計指數(shù)的最小值。

3? ?基于SVR算法建立施工全過程造價預(yù)測模型

從相關(guān)性的角度來看，所有高速鐵路施工全過程造價預(yù)測主要分為兩部分：影響因素分析和指標(biāo)選擇。因此，有必要建立一個造價預(yù)測模型，以預(yù)測高速鐵路項目的造價。

為減少對造價預(yù)測結(jié)果的影響因素，通過SVR算法計算得到的高速鐵路工程造價描述如下：

綜合貼近度可以通過結(jié)合SVR算法的最大、最小貼近的方法計算，可表示為以下公式：

dH（w，vk）=? V∑∣v-w∣（k=1，2，…，m）? ? （13）

式中：vk為高速鐵路項目v的第k個元素，m為特性元素，dH為待測項目。

總貼近度計算為：

tH（w，vk）=1-dH（w，vk）? ? ? ? ? （14）

當(dāng)比較各種工程項目的要素集之間的近似值之和的最大值和高速鐵路建設(shè)的近似值時，可以獲得測試項目的高速比Bw和高速鐵路施工比vk。

未測量的不確定關(guān)系系數(shù)為：

在綜合相似性的基礎(chǔ)上，對影響因素的相似性進行排序，高速鐵路項目造價與影響因素的相似度越大，項目造價對影響因素的影響就越大。根據(jù)SVR算法計算，高速鐵路工程單元的造價計算如下：

式中：tk1、tk2、tk3為高速鐵路工程因素的綜合相似度。C1、C2和C3為高速鐵路項目的單方面造價[5]。

根據(jù)上述公式，對提取的高速鐵路項目造價特征信息進行誤差計算，并再通過SVR算法計算獲得高速鐵路項目的動態(tài)數(shù)據(jù)，得到一個全新依賴關(guān)系的高速鐵路工程施工全過程造價預(yù)測模型，模型計算如下：

式中：y為高速設(shè)計階段的造價預(yù)測模型。u（i）為道路項目階段不同信息的造價特征，n為未知x數(shù)的重要性，gi為高速鐵路項目造價的影響因素。

4? ?實驗論證

針對本文上述提出的基于SVR算法的高速鐵路施工全過程造價預(yù)測方法，為驗證該方法具有較低的預(yù)測偏差率，設(shè)計如下對比實驗：

4.1? ?實驗準(zhǔn)備

實驗選取某高速鐵路施工路段的特定區(qū)域，作為實驗對象，收集7個高速鐵路建設(shè)案例的資料并進行整理。7個高速鐵路施工長度在1564.26～1869.41km之間。將7個高速鐵路施工全過程作為造價預(yù)測實驗樣本，采用本文設(shè)計方法和傳統(tǒng)方法Ⅰ、Ⅱ，對7個高速鐵路項目的所有造價進行預(yù)測和分析。實驗中的客觀誤差為0.0001，輸入層的初始速率為0.01。

本實驗以高速鐵路工程的全過程造價預(yù)測為測試指標(biāo)，共采用3種方法。根據(jù)相關(guān)規(guī)定，高速鐵路工程造價預(yù)測的全過程偏差率不得超過3%，否則預(yù)測不具有參考值和預(yù)測方法的精度。

4.2? ?實驗對比

利用公式（17）計算本文高速鐵路建設(shè)過程的造價，計算的具體結(jié)果如表1所示。

根據(jù)表1。使用ER軟件計算7個高速鐵路施工過程的造價預(yù)測偏差率，并將其作為實驗數(shù)據(jù)。3種方法造價預(yù)測偏差率對比如表2所示。

從表2可知，應(yīng)用本文設(shè)計方法預(yù)測高速鐵路施工全過程造價偏差率最低，比傳統(tǒng)方法的造價預(yù)測偏差率平均分別低了5.421%和 3.121%，基本與實際情況一致。

實驗結(jié)果證明，基于SVR算法的高速鐵路施工全過程造價預(yù)測方法具有較低的預(yù)測偏差率，在高速鐵路施工全過程造價預(yù)測方面具有可行性，預(yù)測結(jié)果與實際情況基本相符合。

5? ?結(jié)束語

傳統(tǒng)高速鐵路施工全過程造價預(yù)測方法，由于直接選取造價預(yù)測評價指標(biāo)未對影響因素進行分析，造成傳統(tǒng)方法預(yù)測偏差率高。針對于此，本文提出一種基于SVR算法的高速鐵路施工全過程造價預(yù)測方法。

先對高速鐵路施工造價影響因素進行分析，提取影響較大因素的相關(guān)數(shù)據(jù)，然后基于SVR算法建立造價預(yù)測模型，對高速鐵路項目造價進行預(yù)測。

本文研究的預(yù)測方法使高速鐵路工程施工全過程造價預(yù)測結(jié)果的偏差達到最低值，有效降低了預(yù)測的困難。采用基于SVR算法建立高速鐵路施工全過程造價預(yù)測模型，并進行了合理分析，可降低預(yù)測方法的偏差率。

參考文獻

[1] 李謨興，何永秀，柳洋，等.基于大數(shù)據(jù)的高速鐵路工程造價預(yù)測[J].河北電力技術(shù)，2023，42（1）：37-44.

[2] 李謨興，何永秀，柳洋，等.基于大數(shù)據(jù)與機器學(xué)習(xí)的配電網(wǎng)電纜線路工程造價預(yù)測[J].山東電力技術(shù)，2023，50（1）：40-46.

[3] 孫勤，李蔚東，肖輝，等.基于模糊貼近度原理的“充砂袋”圍堰造價預(yù)測方法應(yīng)用[J].湖南交通科技，2022，48（4）：178-181.

[4] 袁兆祥，張血琴，郭裕鈞，等.基于Stacking集成模型的電網(wǎng)輸電工程造價預(yù)測研究[J].山東電力技術(shù)，2022，49（12）：14-19.

[5] 關(guān)曉帆.利用模糊聚類算法分析預(yù)測輸水線路工程造價[J].黑龍江水利科技，2022，50（8）：158-160.