详情

原文传递基于机器学习的公路工程预算与结算差价预测研究

论文题名：	基于机器学习的公路工程预算与结算差价预测研究
关键词：	公路工程;预算造价;结算造价;随机森林;造价管理
摘要：	随着经济的迅速发展，交通便利成为人们出行必要考虑因素。人们对道路的畅通越来越重视，在快节奏生活的当下，人们的时间变得越来越宝贵，所以人们生活周边的交通线路便利，成为首要考虑的因素。一个地区的道路便利程度会对该地区的经济发展有直接的影响。建筑高质量的公路道路，是一个地区的发展的必备要素，为地区的繁华发展提供源源不断的动力。公路工程造价的管理同公路的建设质量有直接的关系，提高的公路工程预结算能力，把控好建造过程中差异因素，是控制公路工程成本的关键。　　公路工程预结算的之所以有差异，是因为在建造过程中有太多不确定的影响因素存在，这些不确定的因素发生就会导致公路工程结算价格与预算价格的不同。本文在通过一些机器学习的算法去研究这些因素的影响重要性程度，找出最主要的影响因素，目的在于把控好工程预结算之间的差异，促进公路工程造价的良好发展生态[56]。　　目前对于道路工程预结算差异价格的计算方法没有系统理论。首先大部分是用传统方法去计算出工程预结算价格，再通过数据对比去找到其中的差价，时间长，效率低并且容易出现误差。　　因为在机器学习在分类与回归上有强大的算法功能。并且利用分类与回归去预测到特征指标的重要性程度。对数据的处理有强大的包容性，相较于传统预测方法有更高的预测精度和稳定性，更具科学性。[51] 　　通过阅读相关的文献，参照前人的研究基础上，以机械台班费差价（元）、中（粗）砂消耗量差、挖土方消耗量差、钢筋消耗量差、水泥消耗量差、柴油消耗量差、碎石消耗量差、填土方量消耗量差、为特征自变量，预结算差价为输出因变量，构建基于随机森林的公路工程预结算差价预测模型，找出各影响因子的重要性在预结算差价中的占比。得到的研究结论为水泥消耗量差是最重要的，占比重最大，关联性最大，构建的随机森林公路工程预结算差异预测模型是科学可行的。通过对比不同机器学习（神经网络与支持向量机）分析，根据验证评价方法与对比可视化散点图，可以看到随机森林算法预测模型的R2值都比神经网络与支持向量机大且最接近1，说明其预测能力符合要求，除此之外神经网络预测模型预测与支持向量机预测模型均符合要求，为后续公路工程造价管理和决策提供技术指导。　　通过研究和分析，本课题得出的结论主要包括：　　（1）以水泥消耗量差、柴油消耗量差、中粗砂消耗量差、碎石消耗量差、钢筋消耗量差、桥梁涵洞长度差、填方量差、填方量差、挖方量差、人工差价、机械台班费差价等特征指标，以预结算差价为研究对象，利用机器学习中的随机森林算法来公路工程预结算差价。各指标对工程预结算差价的影响具有直接作用和间接作用，表现出的结果不是两种作用效果的简单相加或者相减。该模型预测公路工程预结算差价相对于神经网络与支持向量机预测模型有更高的精准度。　　（2）针对差异性预测方法展开研究，主要包括三个方面：第一，基于分类思想，对公路工程预结算差异影响因素进行分析研究，即是对公路工程每一个的影响因素进行逐一分析，各个影响因素以及对各种影响因素在差异性预测中的影响程度进行分析；　　第二，在对公路工程特征指标进行深入了解的基础上，选择合适的差异性分类预测模型，结合近年来的道路工程项目各级公路的工程预结算数据，进行差异性预测模型训练，并检视训练结果；第三，提出缩小公路工程预结算差异性管理策略或建议。
作者：	伍志成
专业：	工程管理
导师：	方媛
授予学位：	硕士
授予学位单位：	广东工业大学
学位年度：	2023