录用日期: 2025-12-11
摘要:
随着新型电力系统的推进和“降本增效”战略的实施,工程项目总投资的精准预测成为提升企业管理效率的重要手段。本文面向变电站工程造价预测中存在的高维、非线性、多变量等特性,构建了一种融合灰色关联分析(GRA)与麻雀搜索算法(SSA)优化BP神经网络的智能预测模型(SSA-BP)。通过鱼骨图分析及GRA方法,从初选的安装工程成本因素库中筛选出相关性大于0.8的关键指标,包括单机容量、低压侧断路器数量、控制电缆数量及其单价等共20个技术因素作为模型输入。利用某省5年变电站工程数据进行训练与测试,结果显示该模型在30组测试数据上的平均相对误差为4.85%,最大误差14.12%,最小误差0.11%。相较于传统BPNN、PSO-BP和WOA-BP模型,SSA-BP模型在RMSE、MAE和MAPE等指标上分别降低至545.78、367.18和6.56%,展现出更优的预测性能和实用价值,能为工程投资决策提供有力支持。
