基于多因素特征分析的电力工程数据处理与预测模型

刘伟

（新疆天富集团有限责任公司，新疆石河子 832000）

电力输电工程建设具有资金投入大、产出周期长等特点，因此造价管控是工程管理的核心内容[1-2]。而输电工程造价又是一个多变量、非线性、非平衡性的系统，难以通过经验进行指导及管控[3]。静态投资是输电工程的主要经济技术指标，因此，投资方和施工单位迫切需要利用已建输电工程的数据信息对静态投资进行准确的预测，以便合理制定建设方案，提高工程管控效率和质量。

文献[4]重点分析了影响电力工程静态投资的设备材料因素，但未建立模型进行预测；文献[5]针对电力工程建设过程中的静态投资偏差进行监控及分析，并提出了相应的解决方案，也未建立预测模型；文献[6]建立了基于BP 神经网络算法的电力工程静态投资预测模型，但预测效果并不理想。

针对以上文献的不足，文中通过对多因素特征进行Pearson 相关系数[7-8]分析，选取主要因素进行标准化处理。基于GBDT 算法[9-11]提出了一种输电工程静态投资的预测方法，实现对投资的精准预测。

1 电力工程数据信息处理

电力工程数据信息由于大多依靠人为记录，且并未进行数据校核等工作，因此存在一定的异常情况[12]。输电工程数据中的异常主要分为语法类异常、语义类异常、覆盖类异常。语法类异常指的是表示实体具体的数据值和格式的错误，比如静态投资字段有的用“元”作为单位，有的用“万元”作为单位；语义类异常指数据不能全面、无重复地表示客观世界的实体，比如塔材价格字段应该大于0，但有的塔材价格值小于0；……