基于PSO-LSSVM的住宅工程造價預測研究

摘要：工程造價預測是項目可行性研究的基礎，其準確性直接影響項目的投資決策。住宅工程在建設過程中往往面臨建設前期設計深化不夠、單方造價測算困難、造價估算精度不高等問題。為了提高住宅工程造價預測的準確性，提出一種基于粒子群優化算法的最小二乘支持向量機（PSO-LSSVM）預測模型。該模型采用預測值與實際值的均方根誤差最小為適應度評價函數，基于30組小樣本數據，選取15項住宅工程特征指標作為樣本輸入、單方造價作為樣本輸出，并利用粒子群算法（PSO）優化算法最小二乘支持向量機（LSSVM）模型的關鍵參數組合（γ，σ），構建PSO-LSSVM預測模型。基于此，采用15組測試數據集進行、PSO-LSSVM模型預測精度驗證。結果表明：LSSVM模型正則化參數γ、徑向基核參數σ分別取250、0.747 9時，LSSVM預測模型最優；PSO-LSSVM模型預測值與實際值的相對誤差可控制在3.20%以內，均方根誤差可控制在[1.64%，2.72%]，PSO-LSSVM預測模型表現出良好的預測精度和預測穩定性。提出的PSO-LSSVM預測模型可以穩定高效地對實際住宅工程造價進行預測，同時，也為類似建設工程造價預測提供參考。

關鍵詞：住宅工程；造價預測；粒子群優化算法（PSO） ；最小二乘支持向量機算法（LSSVM）

0"引言

工程造價是工程建設項目在決策階段科學、合理、有效地開展財務分析和經濟評價的重要依據，在工程建設項目中具有重要作用。工程建設項目在實際建設中，前期往往由于設計深度不夠，可用于工程造價準確測算的依據不足，進而降低了工程建設項目資金使用決策的合理性和招投標佐證的科學性。……