CN112016755A - 输变电工程施工图通用设计造价标准化技术模块构建方法 - Google Patents
输变电工程施工图通用设计造价标准化技术模块构建方法 Download PDFInfo
- Publication number
- CN112016755A CN112016755A CN202010896863.7A CN202010896863A CN112016755A CN 112016755 A CN112016755 A CN 112016755A CN 202010896863 A CN202010896863 A CN 202010896863A CN 112016755 A CN112016755 A CN 112016755A
- Authority
- CN
- China
- Prior art keywords
- cost
- technical
- module
- standard reference
- power transmission
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
本发明属于输变电工程施工图通用设计造价标准化技术模块构建方法,属于电网工程施工图预算编制、审核及造价管控领域。该方法包括如下步骤:A)、原始输入数据所组建的历史工程数据库;B)、通过历史工程数据库中的技术条件和横纵向分析结构得出相似工程聚类,并输出典型方案及模块库;C)、通过相似工程聚类得到技术经济指标赋值,并输出为技术经济指标数据集;D)、通过输出典型方案及模块库、技术经济指标数据集和历史工程数据库得到基于BP神经网络的标准参考价测算模型;E)、通过基于BP神经网络的标准参考价测算模型得到各方案及模块标准参考价测算数据;F)、最后生成标准参考价库。
Description
技术领域
本发明属于输变电工程施工图通用设计造价标准化技术模块构建方法,属于电网工程施工图预算编制、审核及造价管控领域。
背景技术
从20世纪50年代开始,我国引进前苏联的概预算制度。50多年来,几经沿革,工程定额种类繁多,既有国家统一定额、行业定额,又有地方定额;既有投资估算指标,又有概算定额、预算定额。2003年2月17日,《建设工程工程量清单计价规范》作为国家标准,己由国家建设部、质量监督检验检疫总局联合发布,于2003年7月1日起实施。对于“全部使用国有资金投资或国有资金投资为主的大中型建设工程”,该规范为强制性规范。
国内学者围绕前期决策、设计、招投标、施工过程、竣工结算等阶段进行造价控制研究,例如:黄林春研究项目立项决策阶段工程造价控制问题。位春苗围绕建筑设计对工程造价的影响进行分析。李讳重点研究施工阶段的造价控制问题等。并且目前电网计划仅限于收集输变电工程估算、概算、结算造价数据,未能支撑施工图预算数据的收集、评审和分析。
所以,针对基于标准设计图集的工程造价智能评审和预测分析模型研究在国内尚属首次。通过研究基于标准设计图集的工程造价智能评审和预测分析模型,依据统一的建设标准和设备规范,分析施工预算各组成模块造价,为未来预算编制参考、专家评审提供数据支撑,更加准确地实施施工招标,减少施工变更(签证),提升工程造价管理精益化水平。
发明内容
本发明的目的在于提供一种输变电工程施工图通用设计造价标准化技术模块构建方法;
本方案的实施在执行施工图预算管理,从而提供对工程造价的规范化和精益化程度。
一方面提高工程施工图预算的编核效率和精度。将招标控制价与施工图预算及初步设计概算的计价依据及费用组成进行仔细分析。
另一方面能够进一步提高工程施工招标工作质量。
所以提出一种输变电工程施工图通用设计造价标准化技术模块构建方法。基于通用设计方案,构建施工图集的工程造价智能评审和预测分析模型,应用于施工图预算、招标控制价编制、审核,辅助技经专家快速、科学评价施工图预算和控制价合理性,解决施工图预算管理、预算招标过程的难点问题,分析施工图预算发展趋势,全面支撑项目投资费用管控,提升项目投资质效。
本发明为了实现上述目的,采用如下技术方案:
一种输变电工程施工图通用设计造价标准化技术模块构建方法,该方法包括如下步骤:
A)、原始输入数据所组建的历史工程数据库;
B)、通过历史工程数据库中的技术条件和横纵向分析结构得出相似工程聚类,并输出典型方案及模块库;
C)、通过相似工程聚类得到技术经济指标赋值,并输出为技术经济指标数据集;
D)、通过输出典型方案及模块库、技术经济指标数据集和历史工程数据库得到基于BP神经网络的标准参考价测算模型;
E)、通过基于BP神经网络的标准参考价测算模型得到各方案及模块标准参考价测算数据;
F)、最后生成标准参考价库。
进一步的,在步骤C)相似工程聚类中包括:
(1)数据标准化,为了比较不同量纲样本的数量关系,需要对数据进行0-1变换,即消除样本的量纲维度,而使其全部分布在[0,1]区间中;
(2)建立模糊相似矩阵,
规定存在论域U={χ1,χ2,....χn},χi={χi1,χi2,....χim},基于聚类分析建立的相似系数得到模糊聚类相似矩阵,其中xi与xj的相似度rij=R(xi,xj),利用距离法确定rij=R(xi,xj);
rij=1-cxd(xi,xj) (6-1)
其中,c为合适参变量,以确保0≤rij≤1,选用欧氏距离方程得到d(xi,xj)显示彼此间的距离。
(3)聚类
根据传递闭包法原理将模糊矩阵R还要转换成模糊等价矩阵R*,即求R的传递闭包,然后让λ逐渐变小,得到动态聚类图;
作F统计量,即:
其中,表示与的距离,为第j类中第i个样本x(j)与其中心距离,F统计量是一个自由度为(r-1,n-r)的F分布,分子表示不同类别间的距离,分母表征同类样本间的距离;因此,F值越大代表不同类别间距离越大,同类样本间距离越小,分类效果越好。
进一步的,基于BP神经网络的标准参考价测算模型是通过将输变电工程影响造价的技术经济指标作为输入特征值X,输变电工程造价数据作为神经元输出值Y,建立二者之间的非线性BP神经网络数学模型;
具体步骤如下:确定输入特征→建立BP网络模型→BP网络进行训练→利用训练好的BP网络对典型方案及模块造价进行预测;
(1)确定输变电工程影响造价的技术经济指标:输入特征值X;
将步骤C中技术经济指标数据集作为标准参考价测算的输入特征值;
(2)建立BP网络模型
BP网络模型选择3层BP网络,即输入层、中间层和输出层各1个;
(3)对BP网络进行训练
从历史工程数据库中,提取出上述确定影响造价的技术经济指标,并经过标准化预处理,作为训练模型的输入样本集;
同时,初始化BP网络的阀值、各个神经元的权值,设定训练误差和训练次数;
在开始BP神经网络的实际训练,通过将历史样本输入模型,形成结果造价指标值,与其实际造价指标进行对比误差;并根据误差情况,逐步调整BP网络中的权值和阀值;直到误差小于预设为止,此时的网络模型为可用于预测的成熟模型;
(4)利用训练好的BP网络对典型方案及模块造价进行预测;
将典型方案及模块造价数据的主要技术经济指标值进行标准化处理,形成特征X序列,输入到上述训练好的BP神经网络模型中进行计算,形成的输出神经元值即为最后预测的工程造价指标数据。
进一步的,所述标准参考价测算的方法有2种分别为:
第一个测算方法:通过总样本数据的费用和及样本数量相除计算单站变电站投资费用;
第二个测算方法:通过总样本数据的费用和及总样本数据容量和计算出容量单位造价,将方案容量乘以容量单位造价,计算单站变电站投资费用。
本发明的有益效果:
本发明创立一种输变电工程施工图通用设计造价标准化技术模块方法,通过相似工程聚类、技术参数提取、模块提炼,形成造价标准化技术模块,通过方案和模块的拼接,生成典型施工图预算造价,完成对施工图预算的初步编制和审核。
本方法体系的构建,优点和积累效果如下:
(1)由于概算、预算与招标控制价所用的编制规范不同,前者用定额计价模式,通过本发明,将概算、预算向清单造价进行转换、拼接,大大减轻概算编制工作量。
(2)定了工程甲供材料设备固化清单,保证设备材料的完整性。
附图说明
图1为本发明的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
一种输变电工程施工图通用设计造价标准化技术模块构建方法,该方法包括如下步骤:
A)、原始输入数据所组建的历史工程数据库;
B)、通过历史工程数据库中的技术条件和横纵向分析结构得出相似工程聚类,并输出典型方案及模块库;
C)、通过相似工程聚类得到技术经济指标赋值,并输出为技术经济指标数据集;
D)、通过输出典型方案及模块库、技术经济指标数据集和历史工程数据库得到基于BP神经网络的标准参考价测算模型;
E)、通过基于BP神经网络的标准参考价测算模型得到各方案及模块标准参考价测算数据;
F)、最后生成标准参考价库。
进一步的,在步骤C)相似工程聚类中包括:
(1)数据标准化,为了比较不同量纲样本的数量关系,需要对数据进行0-1变换,即消除样本的量纲维度,而使其全部分布在[0,1]区间中;
(2)建立模糊相似矩阵,
规定存在论域U={χ1,χ2,....χn},χi={χi1,χi2,....χim},基于聚类分析建立的相似系数得到模糊聚类相似矩阵,其中xi与xj的相似度rij=R(xi,xj),利用距离法确定rij=R(xi,xj);
rij=1-cxd(xi,xj) (6-1)
其中,c为合适参变量,以确保0≤rij≤1,选用欧氏距离方程得到d(xi,xj)显示彼此间的距离。
(3)聚类
根据传递闭包法原理将模糊矩阵R还要转换成模糊等价矩阵R*,即求R的传递闭包,然后让λ逐渐变小,得到动态聚类图;
作F统计量,即:
其中,表示与的距离,为第j类中第i个样本x(j)与其中心距离,F统计量是一个自由度为(r-1,n-r)的F分布,分子表示不同类别间的距离,分母表征同类样本间的距离;因此,F值越大代表不同类别间距离越大,同类样本间距离越小,分类效果越好。
进一步的,基于BP神经网络的标准参考价测算模型是通过将输变电工程影响造价的技术经济指标作为输入特征值X,输变电工程造价数据作为神经元输出值Y,建立二者之间的非线性BP神经网络数学模型;
具体步骤如下:确定输入特征→建立BP网络模型→BP网络进行训练→利用训练好的BP网络对典型方案及模块造价进行预测;
(1)确定输变电工程影响造价的技术经济指标:输入特征值X;
将步骤C中技术经济指标数据集作为标准参考价测算的输入特征值;
(2)建立BP网络模型;
BP网络模型选择3层BP网络,即输入层、中间层和输出层各1个;
(3)对BP网络进行训练;
从历史工程数据库中,提取出上述确定影响造价的技术经济指标,并经过标准化预处理,作为训练模型的输入样本集;
同时,初始化BP网络的阀值、各个神经元的权值,设定训练误差和训练次数;
在开始BP神经网络的实际训练,通过将历史样本输入模型,形成结果造价指标值,与其实际造价指标进行对比误差;并根据误差情况,逐步调整BP网络中的权值和阀值;直到误差小于预设为止,此时的网络模型为可用于预测的成熟模型;
(4)利用训练好的BP网络对典型方案及模块造价进行预测;
将典型方案及模块造价数据的主要技术经济指标值进行标准化处理,形成特征X序列,输入到上述训练好的BP神经网络模型中进行计算,形成的输出神经元值即为最后预测的工程造价指标数据。
变电工程通过两种计算方式进行标准参考价数据测算:
方法一:通过总样本数据的费用和及样本数量相除计算单站变电站投资费用;
方法二:通过总样本数据的费用和及总样本数据容量和计算出容量单位造价,将方案容量乘以容量单位造价,计算单站变电站投资费用;
测算投资费用包括:建筑工程费、安装工程费、设备购置费、其他费用、静态投资。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (4)
1.一种输变电工程施工图通用设计造价标准化技术模块构建方法,其特征在于,该方法包括如下步骤:
A)、原始输入数据所组建的历史工程数据库;
B)、通过历史工程数据库中的技术条件和横纵向分析结构得出相似工程聚类,并输出典型方案及模块库;
C)、通过相似工程聚类得到技术经济指标赋值,并输出为技术经济指标数据集;
D)、通过输出典型方案及模块库、技术经济指标数据集和历史工程数据库得到基于BP神经网络的标准参考价测算模型;
E)、通过基于BP神经网络的标准参考价测算模型得到各方案及模块标准参考价测算数据;
F)、最后生成标准参考价库。
2.根据权利要求1所述的输变电工程施工图通用设计造价标准化技术模块构建方法,其特征在于:
在步骤C)相似工程聚类中包括:
(1)数据标准化,为了比较不同量纲样本的数量关系,需要对数据进行0-1变换,即消除样本的量纲维度,而使其全部分布在[0,1]区间中;
(2)建立模糊相似矩阵,
规定存在论域U={χ1,χ2,....χn},χi={χi1,χi2,....χim},基于聚类分析建立的相似系数得到模糊聚类相似矩阵,其中xi与xj的相似度rij=R(xi,xj),利用距离法确定rij=R(xi,xj);
rij=1-cxd(xi,xj) (6-1)
其中,c为合适参变量,以确保0≤rij≤1,选用欧氏距离方程得到d(xi,xj)显示彼此间的距离。
(3)聚类
根据传递闭包法原理将模糊矩阵R还要转换成模糊等价矩阵R*,即求R的传递闭包,然后让λ逐渐变小,得到动态聚类图;
作F统计量,即:
3.根据权利要求1所述的输变电工程施工图通用设计造价标准化技术模块构建方法,其特征在于:
基于BP神经网络的标准参考价测算模型是通过将输变电工程影响造价的技术经济指标作为输入特征值X,输变电工程造价数据作为神经元输出值Y,建立二者之间的非线性BP神经网络数学模型;
具体步骤如下:确定输入特征→建立BP网络模型→BP网络进行训练→利用训练好的BP网络对典型方案及模块造价进行预测;
(1)确定输变电工程影响造价的技术经济指标:输入特征值X;
将步骤C中技术经济指标数据集作为标准参考价测算的输入特征值;
(2)建立BP网络模型
BP网络模型选择3层BP网络,即输入层、中间层和输出层各1个;
(3)对BP网络进行训练
从历史工程数据库中,提取出上述确定影响造价的技术经济指标,并经过标准化预处理,作为训练模型的输入样本集;
同时,初始化BP网络的阀值、各个神经元的权值,设定训练误差和训练次数;
在开始BP神经网络的实际训练,通过将历史样本输入模型,形成结果造价指标值,与其实际造价指标进行对比误差;并根据误差情况,逐步调整BP网络中的权值和阀值;直到误差小于预设为止,此时的网络模型为可用于预测的成熟模型;
(4)利用训练好的BP网络对典型方案及模块造价进行预测;
将典型方案及模块造价数据的主要技术经济指标值进行标准化处理,形成特征X序列,输入到上述训练好的BP神经网络模型中进行计算,形成的输出神经元值即为最后预测的工程造价指标数据。
4.根据权利要求1所述的输变电工程施工图通用设计造价标准化技术模块构建方法,其特征在于:
所述标准参考价测算的方法有2种分别为:
第一个测算方法:通过总样本数据的费用和及样本数量相除计算单站变电站投资费用;
第二个测算方法:通过总样本数据的费用和及总样本数据容量和计算出容量单位造价,将方案容量乘以容量单位造价,计算单站变电站投资费用。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010896863.7A CN112016755A (zh) | 2020-08-31 | 2020-08-31 | 输变电工程施工图通用设计造价标准化技术模块构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010896863.7A CN112016755A (zh) | 2020-08-31 | 2020-08-31 | 输变电工程施工图通用设计造价标准化技术模块构建方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112016755A true CN112016755A (zh) | 2020-12-01 |
Family
ID=73502436
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010896863.7A Pending CN112016755A (zh) | 2020-08-31 | 2020-08-31 | 输变电工程施工图通用设计造价标准化技术模块构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112016755A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113487347A (zh) * | 2021-06-22 | 2021-10-08 | 南方电网能源发展研究院有限责任公司 | 智能造价分析方法 |
CN114116756A (zh) * | 2022-01-26 | 2022-03-01 | 四川野马科技有限公司 | 一种工程造价数据修正系统及其方法 |
CN114418611A (zh) * | 2021-12-15 | 2022-04-29 | 北京北咨信息工程咨询有限公司 | 弱电施工造价计算方法、装置、电子设备及存储介质 |
CN115147083A (zh) * | 2022-07-15 | 2022-10-04 | 国网四川省电力公司经济技术研究院 | 一种信息层级交互管理的输变电工程全过程造价评审系统 |
CN116663964A (zh) * | 2023-04-28 | 2023-08-29 | 长电新能有限责任公司 | 一种基于清单项目特征值的工程单价快速计算方法及系统 |
CN117057522A (zh) * | 2023-06-12 | 2023-11-14 | 广东飞腾工程咨询有限公司 | 造价数据库的智能构建方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106372781A (zh) * | 2016-08-26 | 2017-02-01 | 国家电网公司 | 标准化电网工程提资模板 |
CN106447528A (zh) * | 2016-08-26 | 2017-02-22 | 国家电网公司 | 历史电网工程典型资源库的建立 |
CN106600464A (zh) * | 2016-12-22 | 2017-04-26 | 重庆电力设计院 | 基于模糊数学的电网建设新建项目造价快速估算方法 |
CN110598775A (zh) * | 2019-09-03 | 2019-12-20 | 合肥工业大学 | 基于模糊聚类和bp神经网络的预测方法、系统及存储介质 |
CN110992113A (zh) * | 2019-12-23 | 2020-04-10 | 国网湖北省电力有限公司 | 基于神经网络智能算法的基建变电站项目造价预测方法 |
CN111461921A (zh) * | 2020-03-31 | 2020-07-28 | 国网湖南省电力有限公司 | 一种基于机器学习的负荷建模典型用户数据库更新方法 |
-
2020
- 2020-08-31 CN CN202010896863.7A patent/CN112016755A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106372781A (zh) * | 2016-08-26 | 2017-02-01 | 国家电网公司 | 标准化电网工程提资模板 |
CN106447528A (zh) * | 2016-08-26 | 2017-02-22 | 国家电网公司 | 历史电网工程典型资源库的建立 |
CN106600464A (zh) * | 2016-12-22 | 2017-04-26 | 重庆电力设计院 | 基于模糊数学的电网建设新建项目造价快速估算方法 |
CN110598775A (zh) * | 2019-09-03 | 2019-12-20 | 合肥工业大学 | 基于模糊聚类和bp神经网络的预测方法、系统及存储介质 |
CN110992113A (zh) * | 2019-12-23 | 2020-04-10 | 国网湖北省电力有限公司 | 基于神经网络智能算法的基建变电站项目造价预测方法 |
CN111461921A (zh) * | 2020-03-31 | 2020-07-28 | 国网湖南省电力有限公司 | 一种基于机器学习的负荷建模典型用户数据库更新方法 |
Non-Patent Citations (3)
Title |
---|
吴姗;郭利杰;: "基于模糊聚类及BP神经网络的采矿方法选择研究", 中国矿业, no. 2, pages 281 * |
李永明;王玉斌;王颖;段慧青;: "数据挖掘和神经网络技术的电力工程造价应用", 重庆大学学报, no. 06 * |
陈洪彦;蒋文新;郭晓丹;: "输变电工程造价分析信息平台建设研究", 工业技术经济, no. 04 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113487347A (zh) * | 2021-06-22 | 2021-10-08 | 南方电网能源发展研究院有限责任公司 | 智能造价分析方法 |
CN114418611A (zh) * | 2021-12-15 | 2022-04-29 | 北京北咨信息工程咨询有限公司 | 弱电施工造价计算方法、装置、电子设备及存储介质 |
CN114418611B (zh) * | 2021-12-15 | 2022-09-30 | 北京北咨信息工程咨询有限公司 | 弱电施工造价计算方法、装置、电子设备及存储介质 |
CN114116756A (zh) * | 2022-01-26 | 2022-03-01 | 四川野马科技有限公司 | 一种工程造价数据修正系统及其方法 |
CN114116756B (zh) * | 2022-01-26 | 2022-07-19 | 四川野马科技有限公司 | 一种工程造价数据修正系统及其方法 |
CN115147083A (zh) * | 2022-07-15 | 2022-10-04 | 国网四川省电力公司经济技术研究院 | 一种信息层级交互管理的输变电工程全过程造价评审系统 |
CN116663964A (zh) * | 2023-04-28 | 2023-08-29 | 长电新能有限责任公司 | 一种基于清单项目特征值的工程单价快速计算方法及系统 |
CN116663964B (zh) * | 2023-04-28 | 2023-11-03 | 长电新能有限责任公司 | 一种基于清单项目特征值的工程单价快速计算方法及系统 |
CN117057522A (zh) * | 2023-06-12 | 2023-11-14 | 广东飞腾工程咨询有限公司 | 造价数据库的智能构建方法及系统 |
CN117057522B (zh) * | 2023-06-12 | 2024-03-08 | 广东飞腾工程咨询有限公司 | 造价数据库的智能构建方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112016755A (zh) | 输变电工程施工图通用设计造价标准化技术模块构建方法 | |
CN112990556A (zh) | 一种基于Prophet-LSTM模型的用户用电能耗预测方法 | |
CN112446534B (zh) | 一种输变电工程的建设工期预测方法和装置 | |
CN111105332A (zh) | 一种基于人工神经网络的高速公路智能预养护方法及系统 | |
CN113205207A (zh) | 一种基于XGBoost算法的用电短期负荷波动预测方法及系统 | |
CN105389636A (zh) | 一种低压台区kfcm-svr合理线损预测方法 | |
CN115169818B (zh) | 一种基于数字化建模的技术工程测算方法及系统 | |
CN116167657A (zh) | 一种企业全生命周期碳足迹评价方法和系统、存储介质 | |
CN111091229A (zh) | 一种电网基建项目精准投资决策方法 | |
CN113506121A (zh) | 价格影响因素的分析方法及装置 | |
CN115358437A (zh) | 基于卷积神经网络的供电负荷预测方法 | |
CN114298538A (zh) | 电网零购项目的投资方案评估方法、系统及存储介质 | |
CN116826745B (zh) | 一种电力系统背景下的分层分区短期负荷预测方法及系统 | |
CN112330030B (zh) | 业扩物资需求预测系统及方法 | |
CN113052395A (zh) | 融合网络特征的神经网络预测金融数据的方法 | |
CN113570414A (zh) | 基于改进Adam算法优化深度神经网络的电价预测方法 | |
CN115905319B (zh) | 一种海量用户电费异常的自动识别方法及系统 | |
CN116611785A (zh) | 一种基于大数据的输变电工程造价模型构建方法、系统、设备及介质 | |
CN116823008A (zh) | 一种园区能源利用效率评估方法、系统、设备和存储介质 | |
CN112001551B (zh) | 一种基于大用户电量信息的地市电网售电量预测方法 | |
CN114819395A (zh) | 一种基于长短期记忆神经网络和支持向量回归组合模型的行业中长期负荷预测方法 | |
CN114548494A (zh) | 一种可视化造价数据预测智能分析系统 | |
CN109871998B (zh) | 一种基于专家样本库的配电网线损率预测方法及装置 | |
Miao et al. | An innovative Bayesian sequential censored sampling inspection method and application to test design | |
CN116644562B (zh) | 一种新能源电站运维费用评估系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |