在分析特高压(ultra high voltage,UHV)线路工程的工程量影响因素基础上,根据已有特高压线路工程相关数据特点,提出支持向量机、BP神经网络以及工程相似度三种工程量预测方法,针对单一预测方法的局限性,为进一步提高预测精度,构建基于...在分析特高压(ultra high voltage,UHV)线路工程的工程量影响因素基础上,根据已有特高压线路工程相关数据特点,提出支持向量机、BP神经网络以及工程相似度三种工程量预测方法,针对单一预测方法的局限性,为进一步提高预测精度,构建基于偏差平方和最小的组合预测模型,组合预测模型可以多角度搜集数据信息,实现各种预测模型之间的取长补短。通过样本测试表明该组合预测模型明显降低了最大误差,缩小了误差波动范围。同时考虑到不可量化因素对特高压线路工程量的影响,利用数理统计中置信区间的估计得到工程量的区间预测值,为特高压线路工程量管控提供技术支撑。展开更多
文摘在分析特高压(ultra high voltage,UHV)线路工程的工程量影响因素基础上,根据已有特高压线路工程相关数据特点,提出支持向量机、BP神经网络以及工程相似度三种工程量预测方法,针对单一预测方法的局限性,为进一步提高预测精度,构建基于偏差平方和最小的组合预测模型,组合预测模型可以多角度搜集数据信息,实现各种预测模型之间的取长补短。通过样本测试表明该组合预测模型明显降低了最大误差,缩小了误差波动范围。同时考虑到不可量化因素对特高压线路工程量的影响,利用数理统计中置信区间的估计得到工程量的区间预测值,为特高压线路工程量管控提供技术支撑。