摘要：为有效提高造价预测的准确性，建立EEMD-SVM模型，将造价的历史数据平稳化处理后作为输入，利用支持向量机（SVM）对各造价分量进行预测，经叠加得到输电线路工程的造价预测值。以某地区110kV输电线路工程造价的历史数据为样本，经EEMD-SVM预测，结果经过平均相对误差（MAPE）、均等系数（EC）以及均方根误差（RMSE）检验，误差较小。因此，该模型在一定程度上提高了输电线路工程造价的预测精度，对于提升造价管理的精益化水平具有一定的参考价值。
关键词：输电线路工程；造价预测；支持向量机；预测精度
Abstract：In order to improve the accuracy of cost forecasting，the paper builds the EEMD-SVM model，which takes the history cost datas as input after stationary processing，and forecasts each cost components by Support Vector Machine（SVM），gets the cost forecasting values of transmission line engineering by the superimposing. Taking the history cost datas of the 110kV power transmission line engineering as sample，by EEMD-SUM forecasting，tests the forecasted results through MAPE、EC and RMSE methods，and the error is less. Therefore，the model improves the accuracy of cost forecasting of the transmission line engineering，and provides references for improving the level of lean cost management.
Keywords：transmission line engineering；cost forecasting；Support Vector Machine（SVM）；forecasting accuracy
参考文献
[1] 卢艳超，温卫宁，郑燕.我国电网工程造价管理模式的发展与完善[J].电力建设，2014（9）：123-127.
[2] 胡六星.基于时间序列的建筑工程造价预测研究[J].太原理工大学学报，2012（6）：706-709，714.
[3] 王宁宁，王飞，尹彦涛，等.基于支持向量机的变电工程造价预测研究[J].建筑经济，2016（5）：48-52.
[4] 战立青，施化吉.近似非齐次指数数据的灰色建模方法与模型[J].系统工程理论与实践，2013（3）：689-694.
[5] 刘宏志，靳书栋，屠庆，等.BIM技术在输变电工程造价管理中应用的推进策略研究[J].建筑经济，2016（9）：63-68
[6] 贾东梨，孟晓丽，宋晓辉.基于超短期负荷预测的智能配电网状态评估[J].电力建设，2013（1）：31-35.
[7] 杨云飞.基于EMD分解技术的不同市场原油价格相关性分析及预测研究[D].武汉：华中科技大学，2011.
[8] 鲍永胜，吴振生.基于SVM的时间序列短期风速预测[J].中国电力，2011（9）：61-64.
[9] A fzel Noore，Liang Tian. A novel approach for short- term load forecasting using support vector machines[J]. International Journal of Neural Systems，2011（5）：2342- 2347.
[10] K. Suykens，J. Vandewalle. Recurrent least squares support vector machines[J]. IEEE Trans on Circuits and Systems，2009（7）：1803- 1809.
工程经济，2017（06）：05-09