CN104021272A - 一种基于主成分分析的工程概算影响因子提取方法 - Google Patents

一种基于主成分分析的工程概算影响因子提取方法 Download PDF

Info

Publication number
CN104021272A
CN104021272A CN201410188431.5A CN201410188431A CN104021272A CN 104021272 A CN104021272 A CN 104021272A CN 201410188431 A CN201410188431 A CN 201410188431A CN 104021272 A CN104021272 A CN 104021272A
Authority
CN
China
Prior art keywords
data
principal component
budgetary
budgetary estimate
matrix
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201410188431.5A
Other languages
English (en)
Inventor
肖俊晔
陈晓东
孙波
顾万里
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Online Extra Large Electric Design Co Ltd
State Grid Shanghai Electric Power Co Ltd
Original Assignee
State Online Extra Large Electric Design Co Ltd
State Grid Shanghai Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by State Online Extra Large Electric Design Co Ltd, State Grid Shanghai Electric Power Co Ltd filed Critical State Online Extra Large Electric Design Co Ltd
Priority to CN201410188431.5A priority Critical patent/CN104021272A/zh
Publication of CN104021272A publication Critical patent/CN104021272A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明涉及一种基于主成分分析的工程概算影响因子提取方法,其特征在于,包括;步骤S1:获取工程的概算和决算数据;步骤S2:分别对概算数据进行主成分分析;步骤S3:计算数据因子权重,并进行归一化处理;步骤S4:对决算数据重复步骤S2、S3;步骤S5:比较概算和决算数据因子权重,提取各项目影响因子,并获得各项目影响因子的综合评价。与现有技术相比,本发明具有确定概算的修改方向,可以减少“三超”现象的发生等优点。

Description

一种基于主成分分析的工程概算影响因子提取方法
技术领域
本发明涉及一种影响因子评价方法,尤其是涉及一种基于主成分分析的工程概算影响因子提取方法。 
背景技术
工程概算是指项目立项报批时,由设计单位出初步设计图,确定每项新建、扩建、改建和恢复工程全部建设费用的计划文件,建设单位根据概算造价筹资,安排资金运用进度计划,它是各阶段设计文件的重要组成部分,是实行建设项目投资包干、工程招标、投标的基础和依据,对于基建工程的计划管理,合理节约使用资金, 
充分发挥投资效能,加强施工管理和经济核算,降低工程成本,提高设计质量,多快好省地完成建设任务,都有着重要作用。 
往往在各种工程的造价概算数据中普遍存在着决算超概算的现象,其中包括工程费用、工程建设其他费用、预备费用、投资方向调节税等,原因在于概算中的各项费用往往在决算时会有一定的变化,而实际工程中概算时往往忽略了这个因素,因此需要通过对这些概算和决算费用进行各项费用影响权重分析,找到对总体工程造价影响最大的费用,从而明确概算的修改方向,减少“三超”现象的发生。 
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于主成分分析的工程概算影响因子提取方法。 
本发明的目的可以通过以下技术方案来实现: 
一种基于主成分分析的工程概算影响因子提取方法,包括; 
步骤S1:获取工程的概算和决算数据; 
步骤S2:分别对概算数据进行主成分分析,设有n组数据,每组数据共有p项费用变量,构成n×p阶的数据矩阵,即数据矩阵为: 
X = x 11 x 12 . . . x 1 p x 21 x 22 . . . x 2 p . . . . . . . . . x n 1 x n 2 . . . x np - - - ( 1 )
记原变量指标为x1,x2,…,xp,设它们降维处理后为y1,y2,…,ym(m≤p),即主成分分析的数学模型: 
y 1 = μ 11 x 1 + μ 12 x 2 + · · · + μ 1 p x p y 2 = μ 21 x 1 + μ 22 x 2 + · · · + μ 2 p x p . . . y m = μ m 1 x 1 + μ m 2 x 2 + · · · μ mp x p - - - ( 2 )
其中,1)yi与yj(i≠j;i,j=1,2,…,m)相互无关;2)
步骤S3:计算数据因子权重,并进行归一化处理,每项费用的权重可以表示为: 
W i = | Σ m = 1 p μ mi × g q | - - - ( 3 )
其中,μmi(m=1,2,…,p)为m主成分中的主成分载荷,gq为对应的贡献率; 
步骤S4:对决算数据重复步骤S2、S3; 
步骤S5:比较概算和决算数据因子权重,提取各项目影响因子,并获得各项目影响因子的综合评价。 
所述的主成分分析具体步骤为; 
1)对矩阵X进行如下标准化变换: 
Z ij = x ij - x ‾ j s j , i = 1,2 , . . . n ; j = 1,2 , . . . , p - - - ( 4 )
其中, x ‾ j = Σ i = 1 n x ij n , s j 2 = Σ i = 1 n ( x ij - x ‾ j ) 2 n - 1 , 得到标准化阵Z。 
2)对标准化阵Z计算相关系数矩阵R,即 
R = r 11 r 12 . . . r 1 p r 21 r 22 . . . r 2 p . , , . , , . , , r p 1 r p 2 . . . r pp - - - ( 5 )
其中,i,j=1,2,...,p; 
3)计算方差、特征值和特征向量,解特征方程|λI-R|=0,求出特征值,并使其按大小顺序排列λ1≥λ2≥...≥λp≥0;分别求出对应于特征值λi的特征向量ei(i=1,2,...,p),要求||ei||=1,即其中eij表示向量ei的第j个分量,特征向 量矩阵即为主成分矩阵。 
4)计算主成分贡献率和累计贡献率, 
贡献率: G i = Σ k = 1 i λ k Σ k = 1 p λ k ( i = 1,2 , . . . p ) - - - ( 7 )
累计贡献率: G i = Σ k = 1 i λ k Σ k = 1 p λ k ( i = 1,2 , . . . p ) - - - ( 7 )
一般去累计贡献率达85%~95%的特征值,λ1,λ2,...,λm所对应的第1、2、..m个主成分; 
5)计算主成分载荷: 
μ ij = λ i e ij ( i , j = 1,2 , . . . , p ) - - - ( 8 )
与现有技术相比,本发明具有以下优点: 
1)工程概算、决算的部分数据之间的相关性较强,即反映的信息上存在重叠。对于这种数据,适合使用主成分分析法来减少数据信息的重复性,找出最能反映总体造价的几个变量。 
2)通过比较权重的方法,并对其进行归一化处理,可以更加直观地从分析结果中得到各项费用对总体造价的影响,相对传统的概算,进一步对概算中各项费用合理、分阶段的进行分配,明确了概算的修改方向,可以减少“三超”现象的发生。 
附图说明
图1为基于主成分分析的工程概算影响因子提取方法流程图; 
图2为概算费用归一化权重图; 
图3为决算费用归一化权重图。 
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。 
如图1所示,一种基于主成分分析的工程概算影响因子提取方法,包括; 
步骤S1:获取工程的概算和决算数据,采用电力公司提供的98组造价数据,其中包括变电、架空线路、电缆线路、通信设备、通信光缆等一些常见的电力工程; 
步骤S2:分别对概算数据进行主成分分析,设有n组数据,每组数据共有p项费用变量,构成n×p阶的数据矩阵,即数据矩阵为: 
X = x 11 x 12 . . . x 1 p x 21 x 22 . . . x 2 p . . . . . . . . . x n 1 x n 2 . . . x np - - - ( 1 )
记原变量指标为x1,x2,…,xp,设它们降维处理后为y1,y2,…,ym(m≤p),即主成分分析的数学模型: 
y 1 = μ 11 x 1 + μ 12 x 2 + · · · + μ 1 p x p y 2 = μ 21 x 1 + μ 22 x 2 + · · · + μ 2 p x p . . . y m = μ m 1 x 1 + μ m 2 x 2 + · · · μ mp x p - - - ( 2 )
其中,1)yi与yj(i≠j;i,j=1,2,…,m)相互无关;2)
步骤S3:计算数据因子权重,并进行归一化处理,每项费用的权重可以表示为: 
W i = | Σ m = 1 p μ mi × g q | - - - ( 3 )
其中,μmi(m=1,2,…,p)为m主成分中的主成分载荷,gq为对应的贡献率; 
步骤S4:对决算数据重复步骤S2、S3; 
所述的主成分分析具体步骤为; 
1)对矩阵X进行如下标准化变换: 
Z ij = x ij - x ‾ j s j , i = 1,2 , . . . n ; j = 1,2 , . . . , p - - - ( 4 )
其中, x ‾ j = Σ i = 1 n x ij n , s j 2 = Σ i = 1 n ( x ij - x ‾ j ) 2 n - 1 , 得到标准化阵Z。 
2)对标准化阵Z计算相关系数矩阵R,即 
R = r 11 r 12 . . . r 1 p r 21 r 22 . . . r 2 p . , , . , , . , , r p 1 r p 2 . . . r pp - - - ( 5 )
其中,i,j=1,2,...,p; 
对概算和决算数据分别进行标准化后得到相关矩阵,分别如表1和表2;方差与特征值分别如表3和表4所示;成分矩阵分别如表5和表6所示,以及主成分载荷矩阵分别如表7和表8所示。 
表1 概算相关矩阵 
表2 决算相关矩阵 
从表1和表2的相关矩阵中可以看出部分数据之间的相关性较强,反映的信息上存在重叠。对于这种数据,适合使用主成分分析法来减少数据信息的重复性,找出最能反映总体造价的几个变量。 
3)计算方差、特征值和特征向量,解特征方程|λI-R|=0,求出特征值,并使其按大小顺序排列λ1≥λ2≥...≥λp≥0;分别求出对应于特征值λi的特征向量ei(i=1,2,...,p),要求||ei||=1,即其中eij表示向量ei的第j个分量,特征向量矩阵即为主成分矩阵。 
4)计算主成分贡献率和累计贡献率, 
贡献率: g i = λ i Σ k = 1 p λ k ( i = 1,2 , . . . p ) - - - ( 6 )
累计贡献率: G i = Σ k = 1 i λ k Σ k = 1 p λ k ( i = 1,2 , . . . p ) - - - ( 7 )
一般去累计贡献率达85%~95%的特征值,λ1,λ2,...,λm所对应的第1、2、..m个 
主成分; 
表3 概算解释的总方差 
表4 据算解释的总方差 
表3概算中前3个成分的累积贡献率到达96.453%,而表4决算中提取到第4成分时累积贡献率到达87.240%,因此分别使用3个和4个主成分来反映概算与决算的总体信息。另外,概算中成分1的贡献率为54.731%,具有比较强的代表性;决算中成分1和成分2的贡献率为30.027%和25.892%,拥有一定的代表性。 
5)计算主成分载荷: 
μ ij = λ i e ij ( i , j = 1,2 , . . . , p ) - - - ( 8 )
表5 概算成分矩阵 
表6 决算成分矩阵 
利用表5和表6的成分矩阵除以概算和决算所对应的特征值的平方根,得到主成分载荷矩阵及因子。 
下面是提取因子及命名解释: 
表7 概算主成分载荷矩阵 
表8 决算主成分载荷矩阵 
如用x1、x2、x2、x4、x5、x6、x7七个变量表示概算中的建筑工程费、设备购置费、安装工程费、其他费用、基本预备费、建设期贷款利息和增值税抵扣额,根据公式2得到与概算第一出成分F1、第二主成分F2、第三主成分F2间的关系式: 
F1=0.390x1+0.350x2+0.467x2+0.381x4+0.353x5+0.485x6+0.034x7 (9) 
F2=-0.447x2+0.498x2+0.158x2-0.459x4+0.484x5-0.160x6+0.238x7 (10) 
F2=0.065x1-0.117x2-0.026x2+0.115x4-0.170x5+0.023x6+0.969x7 (11) 
从表7和式9、10、11中可以发现概算第一主成分F1代表建设期贷款利息、安装工程费、建筑工程费和其他费用;第二主成分F2代表基本预备费和设备购置费;第三主成分F2代表增值税抵扣额。 
同样的,用七个变量表示决算中的建筑工程费、设备购置费、安装工程费、其他费用、基本预备费和建设期贷款利息,根据公式2得到与决算第一主成分第二主成分第三主成分第四主成分的关系式: 
F 1 * = 0.619 X 1 * + 0.340 x 2 * - 0.038 x 2 * + 0.584 x 4 * - 0.054 x 5 * + 0.393 x 6 * - 0.042 x 7 *
F 2 * = - 0.283 x 1 * + 0.602 x 2 * - 0.049 x 2 * - 0.329 x 4 * + 0.381 x 5 * + 0.488 x 6 * + 0.25 x 7 *
F 3 * = 0.166 x 1 * - 0.133 x 2 * - 0.237 x 3 * + 0.229 x 4 * + 0.533 x 5 * - 0.364 x 6 * + 0.655 x 7 *
F 4 * = 0.044 x 1 * - 0.002 x 2 * + 0.969 x 3 * + 0.065 x 4 * + 0.129 x 5 * - 0.031 x 6 * + 0.194 x 7 *
其中第一主成分代表建筑工程费和其他费用;第二主成分代表设备购置费和建设期贷款利息;第三主成分代表增值税抵扣额和基本预备费;第四主成分代表安装工程费。 
因此概算与决算的主成分可以整理为如下表格: 
表9 概算与决算主成分 
步骤S5:比较概算和决算数据因子权重,提取各项目影响因子,并获得各项目影响因子的综合评价。 
由公式3可以得到概算和决算费用的权重表10和表11,用图形表示如图2和图3。 
表10 概算费用权重 
表11 决算费用权重 
从表10和表11以及图2和图3中能够清楚看出概算费用的影响程度排名为:设备购置费>基本预备费>安装工程费>建设期贷款利息>增值税抵扣额>建筑工程费>其他费用;决算费用的影响程度排名为设备购置费>增值税抵扣额>基本预备费>建设期贷款利息>建筑工程费>其他费用>安装工程费。 
各项目影响因子的综合评价: 
表12 概算和决算权重比较 
通过表12能够发现设备购置费在概算和决算中的影响程度排名都是第一位,基本预备费的排名也非常靠前,可以说这些费用对概算和决算的影响较大;建设期贷款利息的排名居中,它对概算和决算的影响一般;而建筑工程费和其他费用的排名相对靠后,它们对概算和决算的影响也较小。 
另外这些费用在概算和决算中变化幅度的排名为:安装工程费>建筑工程费>其他费用>基本预备费>增值税抵扣额>建设期贷款利息>设备购置费。对于这些费用则需要在概算编制时修改它们的可调整数额。 

Claims (2)

1.一种基于主成分分析的工程概算影响因子提取方法,其特征在于,包括: 
步骤S1:获取工程的概算和决算数据; 
步骤S2:分别对概算数据进行主成分分析,设有n组数据,每组数据共有p项费用变量,构成n×p阶的数据矩阵,即数据矩阵为: 
记原变量指标为x1,x2,…,xp,设它们降维处理后为y1,y2,…,ym(m≤p),即 
主成分分析的数学模型: 
其中,1)yi与yj(i≠j;i,j=1,2,…,m)相互无关;2)
步骤S3:计算数据因子权重,并进行归一化处理,每项费用的权重可以表示 
为: 
其中,μmi(m=1,2,…,p)为m主成分中的主成分载荷,gi为对应的贡献率; 
步骤S4:对决算数据重复步骤S2、S3: 
步骤S5:比较概算和决算数据因子权重,提取各项目影响因子,并获得各项 
目影响因子的综合评价。 
2.根据权利要求1所述的一种,其特征在于,所述的主成分分析具体步骤为; 
1)对矩阵X进行如下标准化变换: 
其中,得到标准化阵Z; 
2)对标准化阵Z计算相关系数矩阵R,即 
其中,i,j=1,2,...,p; 
3)计算方差、特征值和特征向量,解特征方程|λI-R|=0,求出特征值,并使其按大小顺序排列λ1≥λ2≥...≥λp≥0;分别求出对应于特征值λi的特征向量ei(i=1,2,...,p),要求||ei||=1,即其中eij表示向量ei的第j个分量,特征向量矩阵即为主成分矩阵; 
4)计算主成分贡献率和累计贡献率, 
贡献率:
累计贡献率:
一般去累计贡献率达85%~95%的特征值,λ12,...,λm所对应的第1、2、..m个主成分; 
5)计算主成分载荷: 
CN201410188431.5A 2014-05-06 2014-05-06 一种基于主成分分析的工程概算影响因子提取方法 Pending CN104021272A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410188431.5A CN104021272A (zh) 2014-05-06 2014-05-06 一种基于主成分分析的工程概算影响因子提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410188431.5A CN104021272A (zh) 2014-05-06 2014-05-06 一种基于主成分分析的工程概算影响因子提取方法

Publications (1)

Publication Number Publication Date
CN104021272A true CN104021272A (zh) 2014-09-03

Family

ID=51438024

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410188431.5A Pending CN104021272A (zh) 2014-05-06 2014-05-06 一种基于主成分分析的工程概算影响因子提取方法

Country Status (1)

Country Link
CN (1) CN104021272A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105354685A (zh) * 2015-12-03 2016-02-24 南华大学 基于图的距离分类和主成分分析的评价指标体系构建方法
CN105825323A (zh) * 2016-03-10 2016-08-03 山东建筑大学 一种基于大数据的建筑能耗主要影响因素分析方法
CN115545440A (zh) * 2022-09-23 2022-12-30 国网冀北电力有限公司经济技术研究院 输变电工程招标工程量与项目结算量造价差异化评价方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101710304A (zh) * 2009-11-27 2010-05-19 中国科学院软件研究所 一种软件过程实施质量评测方法
EP2530607A1 (en) * 2011-06-01 2012-12-05 Thomson Licensing Method and computer program product for interactive changing distances between multidimensional data with structural properties projected on a display device
CN103105471A (zh) * 2013-01-24 2013-05-15 河北农业大学 红色果酒的口感品质评价主成分分析模型
CN103440370A (zh) * 2013-08-21 2013-12-11 国家电网公司 一种输变电工程造价评估方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101710304A (zh) * 2009-11-27 2010-05-19 中国科学院软件研究所 一种软件过程实施质量评测方法
EP2530607A1 (en) * 2011-06-01 2012-12-05 Thomson Licensing Method and computer program product for interactive changing distances between multidimensional data with structural properties projected on a display device
CN103105471A (zh) * 2013-01-24 2013-05-15 河北农业大学 红色果酒的口感品质评价主成分分析模型
CN103440370A (zh) * 2013-08-21 2013-12-11 国家电网公司 一种输变电工程造价评估方法及装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
姜明龙: "我国上市公司并购绩效研究", 《中国优秀硕士学位论文全文数据库 经济与管理科学辑》 *
季咏梅 等: "变电工程造价影响因素分析--基于SPSS软件主成分分析法", 《经营与管理》 *
聂宏展 等: "基于主成分分析法的输电网规划方案综合决策", 《电网技术》 *
肖俊晔 等: "基于主成分分析的电力工程造价影响因素", 《经营与管理》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105354685A (zh) * 2015-12-03 2016-02-24 南华大学 基于图的距离分类和主成分分析的评价指标体系构建方法
CN105354685B (zh) * 2015-12-03 2021-08-31 南华大学 基于图的距离分类和主成分分析的评价指标体系构建方法
CN105825323A (zh) * 2016-03-10 2016-08-03 山东建筑大学 一种基于大数据的建筑能耗主要影响因素分析方法
CN115545440A (zh) * 2022-09-23 2022-12-30 国网冀北电力有限公司经济技术研究院 输变电工程招标工程量与项目结算量造价差异化评价方法

Similar Documents

Publication Publication Date Title
Bond et al. Accounting for unobserved heterogeneity in panel time series models
Schumacher A comparison of MIDAS and bridge equations
CN103258069B (zh) 一种钢铁行业电力需求的预测方法
Takahashi et al. An asymptotic expansion scheme for optimal investment problems
CN107527145A (zh) 基于偏差考核的用户侧市场化电量结算计算方法及装置
CN104021272A (zh) 一种基于主成分分析的工程概算影响因子提取方法
Zeng et al. Research of time-of-use electricity pricing models in China: A survey
Yue et al. How much does China's exchange rate affect the US trade deficit?
Gao et al. Analysis of green supply chain considering green degree and sales effort with uncertain demand
Tamegawa Rating for government debt and economic stability
Diewert et al. Returns to scale: concept, estimation and analysis of Japan's turbulent 1964–88 economy
Chebotareva Impact of state support mechanisms on the cost of renewable energy projects: The case of developing countries
Yan et al. Capital-constrained supply chain with multiple decision attributes: Decision optimization and coordination analysis.
Nik et al. A multi-objective optimization and fuzzy prioritization approach for project risk responses selection
Temnov Risk models with stochastic premium and ruin probability estimation
CN107730382A (zh) 资金池支付优化方法、系统及计算机可读存储介质、设备
Kim et al. Development of design alternative analysis program considering RAM parameter and cost
CN113177682A (zh) 基于系统动力学理论的电网企业综合绩效评估方法和装置
Xia et al. Robust system portfolio selection with multi-function requirements and system instability
Dajčman House prices in the euro area: the fundamentals and the role of financial market stress
Guo et al. A reduced-form model with default intensities containing contagion and regime-switching Vasicek processes
FOUQUE et al. A control variate method to evaluate option prices under multi-factor stochastic volatility models
Huang Fitting Yield Curve with DynamicNelson-Siegel Models: Evidence from Sweden
Niu et al. Middle--long Electric Power Load Forecasting Based on Co-integration and Support Vector Machine
CN107609266A (zh) 装修工程管理信息系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20140903