李麗 王國(guó)珍 黃善領(lǐng)

摘要：四川北部山區(qū)輸電線路工程具有獨(dú)特性。一種簡(jiǎn)潔有效的可研投資估算方法和模型在理論上和實(shí)際工作中都意義重大。神經(jīng)網(wǎng)絡(luò)的非線性、自學(xué)習(xí)的特點(diǎn)，非常適合建立輸電線路工程的投資估算模型。模型選取電壓等級(jí)、線路長(zhǎng)度、導(dǎo)線截面等8個(gè)輸入變量，建立三層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，用收集的訓(xùn)練樣本訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，測(cè)試樣本測(cè)試模型。測(cè)試結(jié)果表明模型效果良好。模型使用者無需掌握過多技術(shù)細(xì)節(jié)，適合于投資發(fā)展部門估算，前景良好。

關(guān)鍵詞：輸電線路工程；投資估算；神經(jīng)網(wǎng)絡(luò)；可研；預(yù)測(cè)

一、引言

投資估算是投資決策過程中確定融資方案、籌措資金的重要依據(jù)，對(duì)項(xiàng)目決策、項(xiàng)目管理、質(zhì)量控制意義重大。

山區(qū)電網(wǎng)建設(shè)對(duì)當(dāng)?shù)亟?jīng)濟(jì)和社會(huì)發(fā)展十分重要，線路工程是電網(wǎng)建設(shè)工程中的重要組成部分。四川北部山區(qū)，主要為山地，并向盆地過渡，氣候復(fù)雜多變，秋冬季線路多覆冰，風(fēng)速較大。特殊的地形和氣候使得輸電線路的建設(shè)難度和工程造價(jià)增加。一種科學(xué)的、合理的輸電工程投資估算方法，對(duì)電網(wǎng)工程有益。

對(duì)于工程投資的快速估算，國(guó)內(nèi)外都有一些相應(yīng)的研究。國(guó)外有人采用成本估算的方法，建立工程成本的數(shù)據(jù)庫，根據(jù)歷史工程、類似工程的歷史資料，結(jié)合相應(yīng)的參考指標(biāo)手冊(cè)，用類比、回歸的方法確定擬建工程的投資情況；也有人利用典型工程建設(shè)經(jīng)驗(yàn)，將模糊數(shù)學(xué)引入工程造價(jià)進(jìn)行投資估計(jì)，提高計(jì)算速度，減少了計(jì)算周期；還有人采用相似工程法來估算投資，但其主觀性強(qiáng)。這些方法都要求估算者對(duì)工程本身和相應(yīng)技術(shù)有較高的了解，但實(shí)際各地市電力公司的投資決策部門，多側(cè)重經(jīng)濟(jì)和管理專業(yè)背景，因此，如果有一種簡(jiǎn)潔有效的方法和模型幫助進(jìn)行變電站工程可研投資估算，將對(duì)投資決策和規(guī)劃有很大幫助。

此篇論文，在收集對(duì)應(yīng)的輸電線路工程估算的歷史數(shù)據(jù)基礎(chǔ)上，采用神經(jīng)網(wǎng)絡(luò)模型和方法，建立四川北部山區(qū)輸電線路工程投資估算模型，能簡(jiǎn)便準(zhǔn)確地進(jìn)行可研投資估算，效果很好。

二、問題提出和解決思路

位于四川北部山區(qū)的G地級(jí)市，市國(guó)網(wǎng)公司從實(shí)際工作需要和上級(jí)要求出發(fā)，希望其投資發(fā)展部門在無技經(jīng)和造價(jià)人員支持情況下，在編制可行性研究報(bào)告時(shí)能夠由投資發(fā)展部門獨(dú)立給出電力工程投資估算。為此，需要建立一無需掌握過多技術(shù)細(xì)節(jié)、容易理解的估算模型，進(jìn)行輸電線路工程的可研投資估算研究。

問題的解決，關(guān)鍵是投資估算方法和模型的選取建立。

神經(jīng)網(wǎng)絡(luò)是一種大規(guī)模并行的非線性動(dòng)力學(xué)系統(tǒng)。BP（Back Propagation，后向）神經(jīng)網(wǎng)絡(luò)其層與層之間權(quán)重可自修正，并已經(jīng)證明在閉區(qū)間內(nèi)任何一個(gè)N維到M維的連續(xù)函數(shù)都可以用含有一個(gè)隱層的神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)任意精度的逼近。這種非線性、自學(xué)習(xí)的特點(diǎn)，非常適合輸電線路工程的投資估算的預(yù)測(cè)。

模型確立后，重要的是影響因素即輸入變量的選擇以及輸入數(shù)據(jù)的處理。

三、因素選擇和數(shù)據(jù)預(yù)處理

影響線路工程投資估算的因素很多。選擇時(shí)既考慮其影響性質(zhì)和程度，又考慮數(shù)據(jù)的可取得性，并要結(jié)合模型而取舍。下面是選定的影響因素。

電壓等級(jí)、線路長(zhǎng)度、導(dǎo)線截面、環(huán)境因素、PPI、CPI、G市就業(yè)人員年均工資。

其中電壓等級(jí)、線路長(zhǎng)度、導(dǎo)線截面直接從項(xiàng)目可研批復(fù)獲得。

選擇工程所在年份的年平均工資、PPI、CPI，是作為投資的動(dòng)態(tài)影響因素，其中G市就業(yè)人員年均工資 來源于四川統(tǒng)計(jì)局?jǐn)?shù)據(jù)，PPI、CPI來源于國(guó)家統(tǒng)計(jì)局?jǐn)?shù)據(jù)。

環(huán)境因素是影響因素中最復(fù)雜多變的，它包含了氣候水文地質(zhì)地形等，由于其復(fù)雜多變，致使其影響程度不易簡(jiǎn)單測(cè)算獲得。又由于環(huán)境因素對(duì)線路工程影響顯著不可忽略，模型又提供給投資發(fā)展部門（不關(guān)注更多技術(shù)細(xì)節(jié)）獨(dú)立給出電力工程投資估算。論文中為解決這一問題，采用多人評(píng)分法。由多名國(guó)網(wǎng)G市公司熟悉G市環(huán)境和線路工程的人員，比如投資發(fā)展部負(fù)責(zé)前期可研的人員，對(duì)各輸電線路工程的環(huán)境影響投資的程度進(jìn)行綜合打分，取其平均值。從而解決此問題。

具體是由評(píng)分人員依據(jù)自己的了解和經(jīng)驗(yàn)，假定其他因素固定，對(duì)地質(zhì)地形氣候等環(huán)境因素導(dǎo)致輸電線路工程費(fèi)用增大的程度，給所有線路工程項(xiàng)目逐一進(jìn)行打分，打分標(biāo)準(zhǔn)如下表1所示。

通過對(duì)G市供電公司所收集的所有可研批復(fù)進(jìn)行逐一梳理，對(duì)線路工程投資估算模型輸入變量進(jìn)行選定和預(yù)處理如下表2所示。

輸出變量1個(gè)，為上級(jí)可研批復(fù)中批復(fù)的工程投資值，單位萬元。

收集到的所有有效樣本為76個(gè)。將所有樣本分為訓(xùn)練樣本集和測(cè)試樣本集，從35kv、110kv、220kv線路工程中各選2個(gè)共6個(gè)樣本為測(cè)試樣本集，其余70個(gè)樣本為訓(xùn)練樣本集。訓(xùn)練樣本集用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)，測(cè)試樣本集用于模擬實(shí)際情況測(cè)試模型。

四、 神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)

選用 MATLAB 7.1為研究工具。

神經(jīng)網(wǎng)絡(luò)如圖1所示，選擇三層BP網(wǎng)絡(luò)，分別為輸入層、隱單元層、輸出層。

輸入層節(jié)點(diǎn)I=（I1，I2，......，I9），共9個(gè)，其中8個(gè)節(jié)點(diǎn)（I1，I2，......，I8）對(duì)應(yīng)表2中8個(gè)變量，另外一個(gè)節(jié)點(diǎn)對(duì)應(yīng)閾值。輸入變量值在作為網(wǎng)絡(luò)輸入時(shí)進(jìn)行規(guī)一化處理成[0，1]范圍內(nèi)值。

規(guī)一化公式為，max{I}、min{I}是第j項(xiàng)變量I在76個(gè)樣本中的最大值、最小值。

中間一層隱單元層，隱單元層中的節(jié)點(diǎn)個(gè)數(shù)選擇4個(gè)，其中3個(gè)節(jié)點(diǎn)接受輸入層的結(jié)果，另外一個(gè)節(jié)點(diǎn)對(duì)應(yīng)隱單元的閾值。

輸出層節(jié)點(diǎn)數(shù)為1，對(duì)應(yīng)輸出變量。

隱單元層采用logsig函數(shù)，輸出層用purelin函數(shù)。網(wǎng)絡(luò)初始權(quán)值在 [-1，1]內(nèi)隨機(jī)產(chǎn)生。

五、模型訓(xùn)練

為提高訓(xùn)練效率，選用批處理訓(xùn)練，訓(xùn)練算法選用trainlm方法（Levenberg-Marquardt方法），性能函數(shù)選用MSE（mean squared error，均方誤差）。

用預(yù)處理并規(guī)一化了的70條訓(xùn)練樣本進(jìn)行批處理訓(xùn)練，結(jié)果顯示，在20周期后基本收斂穩(wěn)定，性能函數(shù)MSE已經(jīng)非常小。如圖2所示。

至此，模型訓(xùn)練完成。

六、模型測(cè)試

以此訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型對(duì)測(cè)試樣本集的6條數(shù)據(jù)進(jìn)行檢驗(yàn)。

測(cè)試得到每條樣本數(shù)據(jù)預(yù)測(cè)投資值和批復(fù)投資值（皆為規(guī)一化的數(shù)據(jù)）見表3所示。6個(gè)樣本的誤差百分比的均值為4.21%。模型預(yù)測(cè)效果良好。

七、結(jié)論及展望

神經(jīng)網(wǎng)絡(luò)的非線性、自學(xué)習(xí)的特點(diǎn)，適合輸電線路工程的投資估算預(yù)測(cè)。用此建立的這個(gè)模型，無需掌握過多技術(shù)細(xì)節(jié)、無需技經(jīng)和造價(jià)人員支持，適合于國(guó)網(wǎng)供電公司投資發(fā)展部（或投資決策部）在編制可行性研究報(bào)告時(shí)獨(dú)立地較準(zhǔn)確給出輸電線路工程投資估算。由于模型采用G地級(jí)市電網(wǎng)數(shù)據(jù)訓(xùn)練，論文所建立的模型適合于G地級(jí)市以及四川北部山區(qū)的國(guó)網(wǎng)輸電線路工程。

這種方法可以推廣應(yīng)用到其他地區(qū)和其他工程的投資估算。

參考文獻(xiàn)：

[1]徐武明，徐玖平. 大型工程建設(shè)項(xiàng)目組織綜合集成模式[J]. 管理學(xué)報(bào)，2012（01）.

[2] 彭光金，俞集輝，崔榮，韋俊濤，司海濤，朱輝.基于數(shù)據(jù)挖掘技術(shù)的輸電工程造價(jià)估算[J].工業(yè)工程與管理， 2009（03）.

[3] 謝偉群.關(guān)于送電線路設(shè)計(jì)和工程造價(jià)的探討[J].廣東輸電與變電技術(shù)，2005（02）.

[4]徐武明，徐玖平. 大型工程項(xiàng)目勘察承包商選擇體系的構(gòu)建[J]. 軟科學(xué)，2011（12）.

[5] 胡志根.基于模糊預(yù)測(cè)的工程造價(jià)估算模型研究[J].系統(tǒng)工程理論與實(shí)踐，1997（02）.

[6]徐武明，徐玖平.大型工程項(xiàng)目監(jiān)理承包商的選擇方法研究[J].統(tǒng)計(jì)與決策，2011（19）.