基于线性回归的电网基建项目施工人次预测

随着国家电力基础设施规划发展要求不断提升,国家相关单位对电网基建项目的投资规模与数量愈来愈大。为了确保项目能够按照计划开展与完成,对施工力量的预测显得尤为重要,进而提前为所需配备足够的施工力量提供参考。同时,施工人次是对一段时间内施工力量投入的描述量。但由于现场对于施工人次的统计通常存在一定的异常值,会对预测结果造成直接影响。因此,针对这些问题,本文提出了一种基于线性回归的基建项目施工人次预测方法,首先利用残差分析法对现场数据进行预处理,随后通过建立线性回归的预测模型进行预测,并和BP神经网络算法进行比较,以证明本文的可行性与精确性。

基于箱形图和隔离森林的施工人次数据处理与预测研究

针对工程项目进度和施工人员进场记录数据存在异常值的问题,提出一种基于箱形图和隔离森林的施工人次数据处理方法。将历史工程项目进行分类并计算各工程项目每人次的效率值,采用箱形图法剔除效率值异常的样本;结合各类型工程项目投资和投入施工人次的数据可视化情况,通过隔离森林隔离出属性值异常的数据点;采用剔除异常值后的样本作为线性回归预测模型的学习样本,使用测试集进行预测精度测试。并以某施工单位的实测数据为具体对象,根据所提算例结果显示,该方法能实现异常值的定位与分离,有效提高施工人次预测的精确度。