[发明专利]一种基于支持向量机的建筑智能化工程投资预测方法

说明书

本发明涉及一种基于支持向量机的建筑智能化工程投资预测方法，属于信息化领域。该方法包括以下步骤：(1)支持向量机回归算法应用思路；(2)特征向量的选取；(3)样本数据采集与预处理；(4)造价预测模型搭建、模型训练与预测。本发明所涉及的支持向量机建立回归算法，能够对设计阶段的建筑智能化工程造价进行合理预测，预测出较准确的新建或改建工程投资额；建筑智能化工程造价领域的研究，主要停留在成本控制、施工管控等方面，本发明弥补了机器学习技术在建筑智能化工程造价管理方面的研究空白。

技术领域

本发明属于信息化领域，涉及一种基于支持向量机的建筑智能化工程投资预测方法。

背景技术

建筑智能化工程投资预测是控制工程全过程造价的限额，是工程资金储备管理、项目建设系统内容以及项目经济效益分析的重要指标。能快速、准确地进行投资造价预测，对于提高项目工作效率、加强工程造价管理以及提升项目经济效益都有着重要意义。国内对建筑智能化工程投资预测的相关研究较少，多数项目信息管理也停留在传统方式，项目信息交流很难实现。传统的工程投资预测方法一般采用简单函数回归模型、最小二乘法、定额计算、模糊数学、灰色预测等方法。以上投资预测方法，数学原理简单、预测速度快，但对于建设系统繁多、项目情况复杂的建筑智能化工程投资估算，预测质量参差不齐，准确性、有效性、实用性都难以保证。

近年来，机器学习技术逐步在工程造价预测领域中得到运用，对于数据挖掘与模型预测，该技术相比传统预测方法具有更高的可靠性与准确度。随着对机器学习技术的研究逐步深入，决策树、人工神经网络、支持向量机等算法技术，在建筑工程造价领域已经有比较广泛的应用。

目前的机器学习技术在建筑行业的造价预测主要应用在建筑、道路等工程中。由于建筑智能化工程兴起较晚，相关研究较少，还没有成熟的机器学习技术方案应用于建筑智能化工程的造价预测。智能化工程的设计、施工、造价等历史数据较少，且项目建设内容、建设地区、建筑类型等因素不同，造价差异较大的现状，导致建筑智能化工程具有样本数据量小、影响因子多、数据非线性回归等特点，使用传统的机器学习技术，如人工神经网络，会出现泛化能力低、造价预测准确度低的情况。

发明内容

有鉴于此，本发明的目的在于提供一种基于支持向量机的建筑智能化工程投资预测方法，通过支持向量机建立回归算法模型，对设计阶段的建筑智能化工程造价进行合理预测，预测出较准确的新建或改建工程投资额，为前期项目工作提供经济指标与参考资料。

为达到上述目的，本发明提供如下技术方案：

一种基于支持向量机的建筑智能化工程投资预测方法，该方法包括以下步骤：

(1)支持向量机回归算法应用思路；

(2)特征向量的选取；

(3)样本数据采集与预处理；

(4)造价预测模型搭建、模型训练与预测。

可选的，所述步骤(1)具体为：

建筑智能化工程投资预测模型看作非线性回归函数问题：第i年，工程造价影响因子指标值为自变量X_i＝{x_i1,x_i2,…x_in}，第j年，工程造价预测数值假设为y_j，假设X_i与y_j之间存在非线性函数关系F(x)让y_i＝F(x_i1,x_i2…x_in)；输入为X_i＝{x_i1,x_i2,…x_in}，输出为y_j，用ε-SVR求解回归方程通过该方程得到工程投资预测值；应用思路如下：

1)确定工程造价影响因子，获取造价数据，提取工程造价影响因子指标值，对数据进行预处理；