油田污水站输变电工程造价估算模型

张琦国 网甘肃省电力公司经济技术研究院

油田污水站输变电工程造价估算模型

张琦国 网甘肃省电力公司经济技术研究院

随着油田污水站处理能力的不断加大，对输变电工程造价评价管理要求不断提高，由于目前输变电工程涉及的影响因素繁多，基于概预算定额的常规输变电工程造价评价技术遇到了较大的困难。在采用数据统计以及偏相关分析方法处理造价数据物理指标的基础上，基于支持向量机理论在解决小样本数据、非线性数据等方面的突出优势，设计了油田污水站输变电工程造价数据估算的预测模型，采用某油田污水站造价历史数据，验证了该模型的正确性及优越性。实践结果表明，采用该模型可以实现输变电工程造价估算的科学性与智能化，具有较大的实用价值。

油田污水站；支持向量机；偏相关分析；输变电工程；造价估算

目前国内大部分油田的开发已经进入中后期，油井产出液中含水率已超过90%，因此油田生产中不可避免地会产生大量的污水。油田污水中一般含有较高的矿物含量、原油、各类有机物和无机物、微生物，且含有大量的有害物质[1]，未经处理的油田污水会对生态环境产生很大的影响，易造成土壤水源的污染，近而造成巨大的经济损失。近年来随着油田地面污水站工程建设的快速发展，油田污水站输变电工程也随之不断的扩大，电力成本也不断增加。鉴于电力成本在油田污水站建设中的重要性，输变电工程造价的管理与评价成了油田地面输变电工程建设的首要问题[2]。随着油田污水站建设制度的改变，传统的定额概预算方法已经无法满足油田污水站工程建设的需要。鉴于我国油田污水站实际情况，油田地面工程输变电工程建设的历史数据一般难以收集全面，数据少且部分属性由于各种原因无法获得，不能采用基于样本数据无限大的统计学方法进行计算。针对类似的情况，将支持向量机理论应用于工程造价估算，取得了较好的效果[3-4]。本文在采用数据统计以及偏相关分析方法处理造价数据物理指标的基础上，基于支持向量机SVM (Support Vector Machine）理论在解决小样本数据、非线性数据等方面的突出优势，设计了污水站输变电工程造价数据估算的预测模型，采用某油田造价历史数据，验证了该模型的正确性及优越性。

1 估算模型

1.1 判断原则

估算模型一般基于一定的原则，根据输入的属性参数进行计算，以期得到最理想的目标值。基于油田污水站输变电工程建设中安全建设的日益重要及油田历史工程样本数据较少的实际情况，在模型中采用基于双重风险规避原则进行造价估算。支持向量机理论的输变电工程估算模型考虑安全因素，坚持经验风险最小化原则和结构风险最小化原则。经验风险最小化原则主要是通过计算判断使得式（1）的结果最小，以估算在充分考虑安全因素条件下的工程造价。

式中Remp为经验风险最小系数；α为函数广义参数；l为样本数目；xi为主特征参数；Q()xi,α为损失函数集。

在考虑经验风险的基础上，同时考虑结构风险最小化的原则，数据统计以及偏相关分析方法处理历史工程数据以及待建工程数据物理指标，对构建小样本估算模型之前要多数据进行筛选，采用合适的数学方法，在保证最大限度地包含有效信息的基础上删除多余数据。假设已筛选出来的数据为主特征因素，将主特征因素的函数集分化成一个函数子集序列，使得各个主特征因素子集根据置信区间的相对大小进行排序，在每一个主特征因素子集中找到最小经验风险，采用折中考虑的办法使得实际风险达到最小。

1.2 构建过程

污水站输变电工程造价估算的本质就是对油田污水站输变电建设影响因素到输变电工程造价空间的映射，在模型的建设中采用基于支持向量机理论的方法进行计算。支持向量机通过使用非线性映射的算法将具有低维特性的变电工程历史数据转化成为高维特征空间，并采用线性算法对样本的非线性特征进行线性分析，如图1所示。基于双重风险规避原则，在程序中编写线性多项式型函数，用于测试估算结果的准确性。

图1 污水站造价估算模型支持向量机学习方式

在模型的构建过程中，将输变电工程造价估算的主特征因素作为支持向量机的输入参数，将输变电工程的造价作为输出函数，采用油田地面输变电历史工程的工程造价主特征因素以及实际造价解作为学习样本对机器进行优化计算；并且建立支持向量机造价估算模型，然后将待建工程的主特征参数输入，通过前面调试的计算模型对其进行分析计算，最终得到待建工程的造价。基于支持向量机理论的输变电工程估算模型构建的主要步骤如下：

（1）属性参数整理。采用数据统计以及偏相关分析方法处理造价数据物理指标，将历史工程中的属性参数进行整理，找出历史工程的主特征参数和造价金额以及待建工程的主特征参数。

（2）建立样本集。将第一步整理的参数进行整理分为两个集合，将历史工程的主特征参数和造价金额作为训练集，训练集的数据主要用于作为学习样本对机器进行优化计算，并且建立支持向量机造价估算算法，为下一步的支持向量机训练做基础准备。假设该过程中建立的训练样本集为

式中D为训练样本集；xi为历史工程的主特征参数；yi为历史工程的造价；n为历史工程的数量。

（3）确定估算函数。采用支持向量机理论的主要目的在于使用非线性映射的算法将具有低维特性的变电工程历史数据转化成为高维特征空间，并采用线性算法对样本的非线性特征进行分析。基于本文模型的原则回归一个函数f(x)，使其计算结果满足设定的误差要求，并且得到的函数必须满足一个条件：对于除了训练集内的历史工程主特征参数的x，通过函数f可以找到对应的y，采用支持向量机理论得到的回归函数如式（3）所示

其约束条件为

式中f(x)为回归函数；a，b是回归得到的参数；ε是设定的误差极限。

（4）模型估算。利用油田地面输变电历史工程数据作为训练集构建了满足误差要求的回归函数f(x)，将待建工程的主特征参数作为输入数据代入到函数中计算，输出的结果就是待评价工程的估算造价。

以上是构建基于支持向量机理论的输变电工程估算模型的主要步骤。该模型在采用数据统计以及偏相关分析方法处理造价数据物理指标的基础上，基于支持向量机理论在解决小样本数据、非线性数据等方面的突出优势，设计了输变电工程造价数据估算的预测模型。该模型的突出优势在于可以将低维特性的变电工程历史数据转化成高维数据进行分析计算，并提高了计算的精度。

2 测试与应用

某油田拟建设污水站输变电工程，通过调研找到其他类似条件油田污水站输变电工程项目相关信息资料，共计8个工程。采用本文构建的基于支持向量机理论的输变电工程估算模型进行预测。首先，采用数据统计以及偏相关分析方法对历史工程的属性参数进行处理，将历史工程的8个项目主特征参数及造价数据代入到模型中进行计算，回归得到类似历史工程的估算函数，并将历史工程造价与通过估算方程得到的造价对比，最终结果见表1。

表1 某油田污水站输变电工程造价估算结果对比

实例应用表明，采用基于模糊数学理论的输变电工程造价智能评价方法对待建项目估计的误差在6%以下，符合我国对造价误差相差不能超过10%的要求。因此可以将待建工程的主特征参数代入到回归方程中，计算得到该污水站输变电工程的造价为105万，实际造价约为103万，实践证明预测结果很准确。该方法基本上可以满足电力工程造价的控制要求，且可以根据误差进行智能化运算，是对传统方法的有益补充，具有一定的推广价值。

3 结论

针对目前污水站输变电工程造价评价过程中遇到的问题，采用数据统计以及偏相关分析方法处理造价数据物理指标，将历史工程中的属性参数进行整理，找出历史工程的主特征参数和造价金额以及待建工程的主特征参数。在此基础上，基于支持向量机理论在解决小样本数据、非线性数据等方面的突出优势，设计了输变电工程造价数据估算的预测模型，采用某油田造价历史数据，验证了该模型的正确性及优越性。实践结果表明，使用该方法可以满足工程造价评价管理与控制的需要，具有一定的推广价值。

[1]张乃禄，曹海畅，党鑫，等．油田污水生化处理计算机监控系统[J]．油气田地面工程，2010，29（3）：67-68.

[2]高淑梅．浅谈电力工程造价的管理与控制[J]．内蒙古电力技术，2002（5）：53-54.

[3]谢颖，高犁难，石振武．基于最小二乘支持向量机的公路工程造价预测模型[J]．中外公路，2007（3）：242-245.

[4]李万庆，李海涛，孟文清．工程项目工期风险的支持向量机预测模型[J]．河北工程大学学报：自然科学版，2007（4）：1-4.

（栏目主持焦晓梅）

10.3969/j.issn.1006-6896.2015.5.024