输变电工程造价控制线细化方法与应用研究

发布时间：2022-08-23 18:56

　　为了严格控制电网工程造价,节约能源、减少浪费,国网公司下发了―国家电网公司关于严格控制电网工程造价的通知‖（国家电网基建〔2014〕85号）,要求严格实施输变电工程造价控制线。但是由于其确定的输变电工程造价控制线设置较为粗放,仅以电压等级作为分类条件,缺乏对应的设计条件和方案,无法满足严格控制工程造价、充分优化设计方案的要求。因此,为了充分发挥输变电工程造价控制线的作用,本文对某地区2012年、2013年的输变电工程造价数据进行分析,对国网公司下发的输变电工程造价控制线进行细化研究。论文结合变电工程和输电线路工程造价数据特点,对某地区输变电工程造价数据进行分析,完成对输变电工程造价控制线的细化研究。首先,分别对变电工程和输电线路工程造价数据进行核对,并对其进行数据预处理的研究。通过对属性指标的删除、合并、单位化处理、量化处理等操作,将变电工程和输电线路工程的属性指标分别简化为技术条件属性、目标属性、工程量属性。其次,利用粒子群优化后的聚类算法,分别对变电工程和输电工程进行分析,一方面,验证了电压等级作为分类属性的必要性,另一方面,找出了一些异常工程。接下来,利用偏相关性分析,通过SPS... 

【文章页数】：72 页

【学位级别】：硕士

【文章目录】：
中文摘要
ABSTRACT
1 绪论
    1.1 选题背景及意义
        1.1.1 论文选题背景
        1.1.2 论文研究意义
    1.2 国内外研究现状
        1.2.1 工程造价数据分析国外研究现状
        1.2.2 工程造价数据分析国内研究现状
        1.2.3 输变电工程造价控制线现状
    1.3 论文研究内容
2 小样本学习算法
    2.1 聚类算法
        2.1.1 聚类原理
        2.1.2 几种常用聚类算法的优缺点分析
    2.2 粒子群优化算法
    2.3 粒子群优化的聚类算法
        2.3.1 理论基础
        2.3.2 粒子群优化的聚类算法的实现
    2.4 支持向量机算法
        2.4.1 支持向量机算法简介
        2.4.2 最小二乘支持向量机
        2.4.3 基于粒子群算法的最小二乘支持向量机
    2.5 偏相关性分析
        2.5.1 相关性分析
        2.5.2 偏相关分析
    2.6 本章小结
3 输变电工程造价数据的预处理
    3.1 变电工程的数据预处理
        3.1.1 变电工程造价数据的特点分析
        3.1.2 变电工程造价数据的预处理
    3.2 架空线路工程的数据预处理
        3.2.1 架空线路工程造价数据的特点分析
        3.2.2 架空线路工程造价数据的预处理
    3.3 本章小结
4 输变电工程造价控制线细化方法研究
    4.1 输变电工程造价控制线的影响条件分析
        4.1.1 变电工程造价控制线的影响条件分析
        4.1.2 架空线路工程造价控制线的影响条件分析
    4.2 输变电工程造价控制线的细化研究
        4.2.1 变电工程造价控制线的细化
        4.2.2 架空线路工程造价控制线的细化
    4.3 本章小结
5 论文总结
    5.1 论文进行的主要工作
    5.2 需要进一步研究的问题
致谢
参考文献
附录
    A. 作者在攻读硕士学位期间发表的论文目录：
    B. 作者在攻读硕士学位期间参加的科研项目目录：


【参考文献】：
期刊论文
[1]基于人工神经网络的参数灵敏度分析模型[J]. 俞集辉,韦俊涛,彭光金,王颖.  计算机应用研究. 2009(06)
[2]BP神经网络在建筑工程估算中的应用分析[J]. 傅鸿源,杨毅.  重庆大学学报. 2008(09)
[3]基于软计算的电力线路工程造价预测模型[J]. 王颖,俞集辉,王玉斌.  计算机仿真. 2008(08)
[4]模糊类比法在工程造价估算中的应用[J]. 龙丽.  价值工程. 2008(07)
[5]基于灰色系统理论在建筑工程招投标快速报价中的应用[J]. 廖启祥.  铁道科学与工程学报. 2008(02)
[6]数据挖掘中聚类分析算法性能探析[J]. 杨尚森,李玉海.  计算机与数字工程. 2007(11)
[7]基于灰色理论的模糊估算模型的建立[J]. 黄宝珍.  山西建筑. 2007(07)
[8]基于人工神经网络送电线路工程造价的快速估算[J]. 银涛,俞集辉.  重庆大学学报(自然科学版). 2007(01)
[9]基于BP神经网络数据挖掘方法的政府投资项目投资估算方法[J]. 余建星,段晓晨,张建龙.  中国农机化. 2006(05)
[10]基于神经网络的公路工程造价快速估算方法[J]. 邓焕彬,强茂山,刘可.  中南公路工程. 2006(03)

博士论文
[1]小样本工程造价数据的智能学习方法及其在输变电工程中的应用研究[D]. 彭光金.重庆大学 2010
[2]基于项目管理理论的工程项目成本管理系统研究[D]. 毕星.天津大学 2007

硕士论文
[1]有小样本数据特征的输变电工程造价估算与灵敏度研究[D]. 司海涛.重庆大学 2010
[2]基于人工智能技术的建筑工程造价估算研究[D]. 熊燕.华东交通大学 2009
[3]数据挖掘技术在电力线路工程造价管理中的应用研究[D]. 王颖.重庆大学 2008
[4]基于BP神经网络的地铁土建工程造价估算方法研究[D]. 赵欣.北京交通大学 2008
[5]基于人工神经网络的快速建筑工程估算方法研究[D]. 杨毅.重庆大学 2007
[6]聚类分析中k-均值方法的研究[D]. 于翔.哈尔滨工程大学 2007
[7]数据挖掘中聚类分析的研究与应用[D]. 周东华.天津大学 2006
[8]工程项目概算评审方法的研究[D]. 银涛.重庆大学 2006
[9]聚类分析研究及其在文本挖掘中的应用[D]. 杨占华.西南交通大学 2006
[10]高速公路造价快速估算模型与方法的研究[D]. 李驰宇.西南交通大学 2006



本文编号：3678302