摘 要：針對支持向量機求解速度較慢且用于預測電力工程造價的性能不理想等問題，提出了一種基于改進ＳＶＭ的電力工程造價預測模型。該模型全面考慮了電力工程成本的組成要素并進行參數(shù)歸一化處理，利用最小二乘估計改進ＳＶＭ模型，同時采用遺傳算法求解ＬＳＳＶＭ 的參數(shù)最優(yōu)值，并通過優(yōu)化后的ＧＡＬＳＳＶＭ模型實現(xiàn)對電力工程成本的預測?；冢停粒裕蹋粒路抡嫫脚_的仿真實驗結果表明，模型預測的工程成本與實際值較為接近，歸一化均方誤差與平均絕對百分比誤差分別為１８.３４萬元和３.５８％，且預測時間僅為２５６ｍｓ，證明了其整體性能優(yōu)于其他對比模型。

關 鍵 詞：電力工程；造價預測；支持向量機；最小二乘估計；遺傳算法；ＧＡＬＳＳＶＭ模型；歸一化處理；誤差分析

中圖分類號：ＴＭ７６９ 文獻標志碼：Ａ 文章編號：１０００－１６４６（２０２４）０４－０３６７－０６

嚴格控制工程建設成本是實現(xiàn)現(xiàn)有資源最大化利用的關鍵［１］。對電力工程建設造價的預測與控制則是電力行業(yè)優(yōu)化工程造價管理的重要工作，其不僅體現(xiàn)了電力建設的科學性，更有利于構建低碳環(huán)保、資源節(jié)約型新能源供應體系［２－３］。電力工程建設項目是一項涵蓋多個單元的系統(tǒng)工程，具有投資大、任務重、數(shù)量多等特點，其對電力工程造價預測與管理提出了更高的要求［４］。