数据挖掘和神经网络技术的电力工程造价应用

乔承龙+王亚奇

摘 要：随着城市现代化进程的不断推进，电力建设面临着更加严峻的挑战，而规模大、周期长、范围广、结构复杂等特点又使得电力工程造价在此时期显得十分重要。为了确保电力建设的安全性及保障电力工程造价的顺利开展，数据挖掘及神经网络技术收到越来越多的重视。本文作者对数据挖掘技术和神经网络技术及其过程进行了系统而又扼要的论述。

关键词：数据挖掘；神经网络；电力工程造价

中图分类号：TM769 文献标志码：A

1有效的数据挖掘行为分析

数据挖掘，指从数据库的大量数据中揭示出隐含的、先前未知的并具有潜在价值的信息的非平凡过程。其不仅是一种决策支持过程，而且是一个基于多种先进技术的多学科领域。我们可以从中发现大型数据集中的模式及技术，然后高度自动化地分析已建工程的历史造价，并关注建设的可行性、实用性、有效性和可伸缩性。通过结合一些领域的必要背景材料，是人们能够更加清楚地理解在数据挖掘中的作用，同时对于有效性和可伸缩性问题也有一定的要求。数据挖掘出现于20世纪，并在20世纪末发展迅猛，而且我认为在不久的将来继续繁荣。

经过近百年的发展，数据挖掘如今已经成为一门复杂深刻的学科，其内容得到长足的发展，单单就其算法而言，作一下简单介绍：第一种，C4.5算法。在进行机器学习算法时，该种算法属于分类决策算法的一种方式，其中ID3算法是C4.5算法的核心。C4.5算法本身主要有以下几种特性：

（1）C4.5算法在选择属性方面，用信息增益率代替信息增益方式进行选择，避免在选择过程中出现偏向性的缺点。

（2）C4.5算法在进行树状构造时，实施简化过程。

（3）C4.5算法在处理连续属性时，如遇到离散化，能够进行有效的分析。最后，C4.5算法在处理不完整数据时，体现出快速、便捷的特点。人们在学习过程中可以根据它的分类规则进行理解与记忆，提高掌握效率与速度。

但是为了保障数据的准确性，我们应进行多次扫描和排序对数据模型进行创作，这在一定程度上影响了速率。第二种，The k-means algorithm算法。该种算法较为人知，其是不仅一种聚类算法，也是一种监督式学习模式。该种算法经常被广泛运用到在统计分类、回归分析中。

2通过神经网络技术建立坚实的数据模型

神经网络技术是用来模拟人脑的结构和功能，进行模式识别的计算模型。由输入节点、隐层节点和输出节点组成。其中隐层可以是一层，也可以是多层，一个神经网络由大量成层排列的节点组成，数字信息就是在节点间传输。对于输入信号，一个典型的神经网络由一个输入层（接收输入数据），一个输出层（输出问题答案）以及若干个中间层组成，每个节点把输入的信息作非线性处理后，把输出的数字化结果传送到下一节点，而下一个节点同样以相同的方式作用到下一节点等，通过多个节点作用函数的共同作用完成该过程进而得到最后的结果。

3有效的电力工程造价

电力工程造价是指电力建设工程预期开支或实际开支的全部固定资产投资费用。也就是工程通过建设形成相应的固定资产、无形资产所需用一次性费用的总和。

工程造价含义在不同的人眼中，其理解也不尽相同，必须学会多方面对同一事物的本质进行把握，就建设工程投资者而言，项目投资是在面对市场经济条件时所进行的工程造价，是自己给出的价格，是给予价格时一个合理客观的参考。而就承包商、供应商以及规划、设计等机构来说，，工程造价是他们作为市场供给出主体出售商品和劳务的价格总和。

对于电力工程这个概念，许多人可能不太了解，它包括热力系统、燃料供应系统、化学水处理系统、供水系统、电气系统、热工控制系统、附属生产系统等，具有单件性、多次性、组合性、多样性。其中，电力工程造价的多样性主要体现在以下几个方面：

（1）投资估算：指的是项目建议书，即建设单位在施工之前，对准备建设的项目所需要的资金进行估算，这在建设单位进行决策、筹资及控制造价过程中是非常重要的依据，以此为基础，对建设项目进行判断，看其是否可行，我们常常称其为立项。

（2）概算：项目立项报批，由设计单位出初步设计图，计算工程概算造价，建设单位根据概算造价筹资，安排资金运用进度计划。

（3）预算：施工图是施工单位现场施工的依据，图纸极为详尽，用施工图编制预算档，我们称之为施工图预算；竣工结算：工程完工，经验收合格，施工单位与建设单位结算工程价款。按工程承包价扣减质保金、预付款等，办理竣工结算后，工程移交建设单位，工程结束。

工程造价费用主要包括四个内容：

①总工程造价

②工程动态投资

③工程静态投资

④动态费用

在进行工程造价计算时候，建筑单位首先应对总的建筑工程量进行计算，其次对建筑物的套定额进行确定，再次对材机进行分析，并设定材机价差。最后，就是对所需要的费用进行表格编辑。在这些过程中，电力工程造价方面的确定与控制是非常重要的步骤，而该方面工程造价费用计算的基础要素则是单价和数量，常用的直接费单价和定额计价方法 ；建安工程费用由直接工程费、间接费、计划利润、税金组成，还有其他费用等。有效地进行管理费用计算要注意定额中的人工费、材机调差以及装置性材料这三点。

此外，就装置性材料预算价格而言，我们又可以将进行两种分类：

第一种是综合价格，该种价格常常在进行编制概算时使用。

第二种是单项价格，该种价格常常在进行编制预算时使用。相对于其他领域而言，电力工程额外费用较多，如：建筑上下水方面、建筑物通风与照明方面等。

4相关建设的有效预测

随着市场经济改革的不断深入，城市基本建设的飞速发展，电力建设也发生很大的变化。原材料价格上涨，建设规模的变化，电力工程的总造价和单位造价也在不断提高。所以，如何合理确定和控制工程造价是十分重要的。在建设过程中，必须把建设工程的造价控制在一定的范围，及时发现并纠正偏差，从而实现管理目标，力求在各个建设项目中能够做到人尽其才，物尽其用。

在进行电力工程造价时，首先必须有一个明确的目标，然后通过数据挖掘技术，从理念的电力工程案例的大量数据出发，进行更深一步的分析和规划，挖掘出实际中具有强大发展潜力的方向，再通过人工智能、统计学、数据库、据库技术、机器学习、统计学和模式识别等技术，对隐藏在大型数据进行进一步的解析。并且在该基础上，利用神经网络技术将电力工程中存在的相关问题和矛盾进一步细化，寻找其中的相关性和联系性，争取用最小的投资换取最大的收益。

但是，满足用户需求必须放在第一位，其次是要遵守相关的法律法规，同时，还要考虑安全和环保的要求。进行实地考察是一个极其重要的环节，搜集有关资料进行综合分析，提出若干个预选方案并从其中选出最佳的方案。最优方案要达到多方面的要求。在设计人员在设计产品完成后，不能放松，积极听取顾客的反馈意见，同时结合具体情况，提高设计产品的质量。

总而言之，运用数据挖掘和神经网络技术合理的预测并控制电力工程造价具有极其重要的意义，在现代电力建设发展中有着举足轻重的地位。

参考文献

[1]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[J].重庆大学学报，2008.

[2]欧阳子才.数据挖掘和神经网络技术的电力工程造价应用[J].中华民居（下旬刊），2013.

[3]王玉斌，李永明，王颖.用数据挖掘和神经网络技术预测工程造价[A].中国电机工程学会电工数学专业委员会.第十一届全国电工数学学术年会论文集[D].中国电机工程学会电工数学专业委员会，2007.endprint