基于机器学习的工业建筑工程造价预测研究

陈悦华，郑思敏，刘文路

(1.武汉大学 土木建筑工程学院，湖北 武汉 430072；2.中信建筑设计研究总院有限公司，湖北 武汉 430014)

随着我国建筑工程逐渐大型化、复杂化，如何高效、快速地进行建筑工程造价预测成为工程建设重要一环。建筑工程造价预测对项目投资影响重大，准确的工程造价预测对实现正确的投资决策至关重要，而项目前期是影响工程投资可能性最大的阶段[1]。因此，对项目前期的工程造价预测进行深入研究是非常必要的。

建筑工程造价预测最初是利用单位指标法套用指标计算汇总所得，但由于估算指标的问题，使其无法得到广泛应用。已有许多学者使用线性回归法、时间序列分析法、移动平均法等方法进行工程造价预测，但这类传统学习方法在应用过程中缺陷较大，适用性不强。随着智能算法的发展，BP神经网络、支持向量机(support vector machines,SVM)、遗传算法(genetic algorithm，GA)、粒子群算法(particle swarm optimization, PSO)等被应用于造价预测模型，相较于传统算法，这些算法的预测准确度和样本要求都有较多改善。王德美等[2]利用偏最小二乘回归降维后的指标与原始特征指标建立SVM模型，对分部分项工程费、单方造价等进行预测，对比发现根据原始指标建立的SVM模型较合理。樊文广[3]利用最小二乘支持向量机求解建立了建筑工程造价成本预测模型，采用改进粒子群算法进行模型优化，并通过实例验证模型意义。秦中伏等[4]运用主成分分析对住宅工程数据进行处理，利用支持向量机和最小二乘支持向量机进行训练、预测及对比分析，以选取较为合理的预测模型。……