基于BP神经网络的输电线路工程造价预测模型研究

被引：19

作者：

孙安黎

向春

伍焓熙

机构：

[1] 重庆电力设计院有限责任公司

来源：

现代电子技术 | 2018年 / 41卷 / 02期

关键词：

输电线路; 工程造价; BP神经网络; 造价估算; 预测模型; 实验仿真;

D O I：

10.16652/j.issn.1004-373x.2018.02.020

中图分类号：

TM75 [线路及杆塔]; TP183 [人工神经网络与计算];

学科分类号：

080802 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对输电线路工程前期项目比选种类多,造价估算偏差大,如何利用少量信息得到较准确工程造价的问题,结合BP神经网络算法构建了输电线工程造价预测模型。其以工程造价的影响因素作为BP神经网络的输入,通过3层网络结构,得到输电线路工程造价估计值。最后采用实际工程数据对提出的输电线工程造价预测模型进行实验仿真,得到的实验结果显示,该模型能准确估计工程造价,从而适合于评估工程前期比选方案的优劣。

引用

页码：79 / 82

页数：4

共 9 条

[1] 基于BP神经网络的电网综合评价研究 [J].

胡西民 ;

支沛 ;

姚李孝 ;

白金 .

电网与清洁能源, 2016, 32 (09) :77-82

[2] 基于EEMD和BP神经网络的短期光伏功率预测模型 [J].

于群 ;

朴在林 ;

胡博 .

电网与清洁能源, 2016, 32 (07) :132-137

[3] 基于改进BP神经网络的洪峰预测模型 [J].

高丽媛 ;

董甲 .

电子科技, 2015, 28 (03) :41-43+54

[4]

Costs and Benefits of Smart Grids on Liberalized Markets[J]. Marek Adamec,Pavel Pavlatka,Oldrich Stary.Journal of Electronic Science and Technology. 2012(01)

[5] Role of Microgrids in the Smart Grid [J].

David Cornforth .

JournalofElectronicScienceandTechnology, 2011, 9 (01) :9-16

[6] 基于BP神经网络的电网短期负荷预测模型研究 [J].

周英 ;

尹邦德 ;

任铃 ;

边雪芬 .

电测与仪表, 2011, 48 (02) :68-71

[7]

城市中压配电网可靠性快速评估及预测方法的研究[D]. 黄宇峰.华北电力大学（北京）. 2011

[8]

神经网络原理[M]. 机械工业出版社 , (美)SimonHaykin著, 2004

[9]

人工神经网络技术及其应用[M]. 中国石化出版社 , 王洪元, 2002

← 1 →