【精彩论文】基于LM-CNN的输变电工程造价自动计算模型

观点凝练

摘要：输变电工程造价计算作为造价管控技术的核心环节，其计算模型的好坏直接影响输变电工程造价管控效能。然而现有模型往往不能兼顾计算速度、精确性与稳定性。为解决上述问题，首先，针对输变电工程造价中的实际需求确定模型的输入与输出，构建卷积神经网络模型；然后，将历史造价数据作为样本输入网络模型，得到网络输出；最后，针对期望输出与实际输出相差较大的问题，利用列文伯格-马夸尔特算法对卷积神经网络的权重参数进行优化，完成模型训练。该模型结合列文伯格-马夸尔特算法与卷积神经网络模型的优点，相比于反向传播（BP）神经网络与梯度下降法-卷积神经网络（GD-CNN）具有更高的预测精度与稳定性，提高了输变电工程造价的计算效果。
结论：本文建立了基于CNN的输变电工程造价自动计算模型，利用LM权重优化算法对模型参数进行优化，并通过算例验证了模型在输变电工程单位容量造价上的预测精确度。在LM-CNN、GD-CNN与BP神经网络3种模型预测对比中发现LM-CNN表现最优，其次是GD-CNN模型；在3种模型的计算速度上，LM-CNN模型略高于BP神经网络，但BP神经网络的计算精度较低；相比GD算法，经过LM算法优化的CNN模型具有更好的收敛表现，训练速度快，预测结果也更加稳定。本次算例的不足之处在于历史数据样本数量相对较少，没有检验模型在大样本情况下的计算表现。

引文信息

武小琳, 栾凌, 潘连武, 等. 基于LM-CNN的输变电工程造价自动计算模型[J]. 中国电力, 2023, 56(2): 157-163.WU Xiaolin, LUAN Ling, PAN Lianwu, et al. LM-CNN-based automatic cost calculation model for power transmission and transformation projects[J]. Electric Power, 2023, 56(2): 157-163.

欢迎点击文后“阅读原文”跳转期刊官网，获取更多信息！

 往期回顾 

编辑：于静茹审核：方彤

声明

根据国家版权局最新规定，纸媒、网站、微博、微信公众号转载、摘编《中国电力》编辑部的作品，转载时要包含本微信号名称、二维码等关键信息，在文首注明《中国电力》原创。个人请按本微信原文转发、分享。欢迎大家转载分享。