基于机器学习算法的输电线路工程投资预测

作     者：卢文飞 袁竞峰 张嘉澍 管维亚 张建峰 LU Wen-fei;YUAN Jing-feng;ZHANG Jia-shu;GUAN Wei-ya;ZHANG Jian-feng

作者机构：东南大学土木工程学院南京211189 国网江苏省电力有限公司经济技术研究院南京210008 

基　　金：国网江苏电力设计咨询有限公司科技咨询项目(SXZC-2020-0801A) 

出 版 物：《科学技术与工程》 (Science Technology and Engineering)

年 卷 期：2022年第22卷第17期

页      码：6992-7001页

摘      要：技术方案深度的不足导致依据定额概预算来确定输电线路工程投资的方法准确性低、工作量大,因此,研究基于机器学习的投资预测模型需求迫切。针对输电线路投资的高维数、非线性等特点,提出了基于极端梯度提升(extreme gradient boosting,XGBoost)算法的输电线路工程投资预测方法。通过采用实际输电线路工程数据对模型进行训练和测试,预测结果显示XGBoost模型在预测精度、结果偏差方面相较于神经网络和支持向量机(support vector machine,SVM)都具有较大的优势,能输出指标重要性排序,为决策者提供有效的投资额和控制指标参考,且模型的可靠性和可解释性较高。

主 题 词：机器学习 XGBoost 输电线路工程 投资预测 

学科分类：080802[080802] 0808[工学-自动化类] 08[工学] 

D　O　I：10.3969/j.issn.1671-1815.2022.17.026

馆 藏 号：203113545...