摘要：大数据背景下，如何进行项目投资关键影响因素的识别，并据此展开投资预测与分析，是电网投资管理的重要问题。综合运用主成分分析和多元回归模型，系统研究电力工程的投资影响因素，据此构建出基于BP神经网络模型并且经过粒子群算法优化的电力项目投资预测与分析模型，并进行相关实例应用。
关键词：电网项目；投资分析；影响因素；BP神经网络
Abstract：Under the background of big data，how to identify the key influencing factors of project investment and carry out investment forecasting and analysis accordingly is an important issue of power grid investment management. This paper uses the principal component analysis and the multiple regression model to study the influencing factors of power engineering investment. On the basis of the above，constructs the power project investment forecasting and analysis model based on BP neural network model and particle swarm optimization method，and carries on the related example application.
Keywords：power grid project；investment analysis；influencing factor；BP neural network
参考文献
[1] 谢丽萍.试析影响架空电力线路工程造价的若干因素[J].中国外资，2013（11）：212-213.
[2] 杜英.架空线路工程造价影响因素分析[J].管理观察，2014（9）：39-4.
[3] 聂宏展，聂耸，乔怡，等.基于主成分分析法的输电网规划方案综合决策[J].电网技术，2010（6）：134-138.
[4] 王建茹.基于BP神经网络的建设工程造价预测方法[J].沈阳建筑大学学报（社会科学版），2014（1）：42-45.
[5] 张登文，蒋红妍，张子圆.基于BP神经网络的建筑工程造价快速预测[J].水利与建筑工程学报，2010（3）：61-62+73.
工程经济，2017（10）：15-19