基于PCA-SVM方法的海上风电机组安装费用模型

被引:6
作者
李东伟
周子东
机构
[1] 中国电建集团华东勘测设计研究院有限公司
关键词
海上风电; 主成分分析; 支持向量机;
D O I
暂无
中图分类号
TM614 [风能发电]; TU723.3 [造价管理];
学科分类号
080811 [新能源发电与电能存储]; 120410 [社会组织管理];
摘要
风机安装费用在整个海上风电项目的安装费中占了很高的比重,如果对其进行较为准确地把控,对控制海上风电项目的总体造价将起到很重要的支撑作用。为此利用主成分分析法(PCA)对风机安装费用的影响因子进行了筛选,将筛选后的因子作为支持向量机模型(SVM)输入量,构建了风机安装费用的PCA-SVM模型。将该模型应用于风电项目的风机安装费用预测,得到了比较好的结果,可满足工程的实际需求。
引用
收藏
页码:1088 / 1093
页数:6
相关论文
共 9 条
[1]
海上风电机组安装装备与技术的发展[J] 杨骏;舒雅;许蓉; 中外船舶科技 2016,
[2]
我国海上风电现状及分析 [J].
文锋 .
新能源进展, 2016, 4 (02) :152-158
[3]
基于PCA的教学评价指标体系研究 [J].
艾洪福 .
农业网络信息, 2016, (04) :146-148
[4]
海上风电是风电产业未来的发展方向——全球及中国海上风电发展现状与趋势 [J].
闵兵 ;
王梦川 ;
傅小荣 ;
赵婵 .
国际石油经济, 2016, 24 (04) :29-36
[5]
基于PCA-SVR模型的大坝裂缝早期预报研究 [J].
王泉 ;
郑东健 ;
范振东 ;
冯树荣 ;
肖峰 .
人民长江, 2015, (05) :35-38
[6]
基于支持向量机的面板堆石坝堆石料参数反演分析 [J].
燕乔 ;
宋志诚 ;
张利雷 ;
郜占红 .
中国农村水利水电, 2014, (10) :123-125
[7]
基于多输出支持向量机和遗传算法的岩土参数反演方法 [J].
袁兴国 ;
程琳 .
三峡大学学报(自然科学版), 2014, 36 (02) :50-55
[8]
海上风电机组安装概述 [J].
莫为泽 ;
冯宾春 ;
邓杰 .
水利水电技术, 2009, 40 (09) :4-7+11
[9]
海上风电场设备吊装[J] 张蓓文; 上海电力 2007,