基于BA-SVM及大数据的物资信息价预测.pdf

《基于BA-SVM及大数据的物资信息价预测》是一篇探讨电力工程物资信息价预测的学术文章，由刘刚刚和陈铭在广东电网有限责任公司的电网规划研究中心投资评估部完成。文章发表于2017年第5期的《技术经济与管理研究》杂志，主要关注如何在大数据环境下，通过科学的方法提高物资信息价的预测准确性和控制工程造价。 物资信息价，即指导电力工程物资预算的价格参考，它的合理性对于工程成本控制至关重要。然而，市场价格的频繁变动使得预测工作变得复杂，增加了数据分析的难度。为解决这一难题，文章提出了一个创新的预测模型——蝙蝠算法-支持向量机（BA-SVM）模型。 蝙蝠算法是一种受到自然界蝙蝠回声定位行为启发的优化算法，它能有效地搜索全局最优解，从而提高支持向量机（SVM）的预测精度。SVM是一种强大的机器学习模型，常用于分类和回归任务，尤其在处理小到中等规模数据时表现出色。结合蝙蝠算法，该模型可以更好地处理大数据集中的样本，挖掘隐藏在大量数据中的价格变动规律，进而对信息价进行精准预测。 同时，文章考虑了影响物资价格的多种因素，将这些因素纳入模型，进一步提升了预测的精确性。通过这种方式，不仅能减少由于价格波动带来的不确定性，也能弥补大数据样本统计中的信息缺陷。 此外，论文提出以工程设备购置费用的结余率作为造价控制指标，利用优化后的信息价预测来指导工程造价控制，以达到节约成本、提高经济效益的目标。通过案例分析，作者证明了所提出的预测方法不仅在理论上可行，而且在实际应用中也具有很高的实用价值和适应性。 这篇研究在电力工程物资价格预测领域提出了一个结合生物启发式算法与机器学习的新方法，为大数据环境下的物资信息价预测提供了一种有效途径，并对工程造价控制提供了有力工具。这种方法的实施，有助于电力企业更准确地预估成本，降低风险，从而在市场竞争中占据优势。