[发明专利]一种基于神经网络的工程投资转资率预测方法

说明书

本发明公开了一种基于神经网络的工程投资转资率预测方法，即通过将对应工程类型的历年工程数据进行清理，然后应用BP神经网络模型算法对数据进行训练，得到对应工程类型的工程投资转资率预测模型，并计算投资转资率预测平均误差，然后通过待预测项目工程数据得到预测决算金额，进行预测投资转资率的计算。本发明可预测投资转资率较低的工程，有助于提前发出预警，通过调整数据，可分析工程全过程各环节资金偏差程度，剖析影响投资转资率的主要原因及影响程度，及时调整类似工程投资计划，有效提高类似工程转资率。

技术领域

本发明涉及一种用于电力工程领域的基于神经网络的工程投资转资 率预测方法。

背景技术

随着输配电价的改革，有效资产成为了电力公司的“生命线”。工程 投资转资率较低，电网建设投资不精准、投资费用利用率低，很大程度上 影响电力公司收益。根据输配电价改革监管要求，为实现电力公司电网投 资建设“精准投资”目标，提高电力公司合理收益，需对投资转资率进行 重点关注。

工程投资转资率与工程投资金额、设计变更、分项工程是否取消、赔 偿费用是否实际发生以及物资价格波动等密切相关，但具体相关系数并不 清楚，属于典型的非线性预测，不能用简单的数学模型进行描述。目前没 有相关文献提出工程投资转资率预测方法，预测投资转资率的重要性并未 得到重视。如何建立精准的投资转资率预测模型是有效提升电网投资建设 “精准投资”目标和投资管理水平的关键问题。

发明内容

本发明的目的是为了克服现有技术的不足，提供一种基于神经网络的 工程投资转资率预测方法，以预测目标工程的投资转资率及提供预测概率， 为工程项目提供参考。

实现上述目的的一种技术方案是：一种基于神经网络的工程投资转资 率预测方法，包括如下步骤：

步骤1,将对应工程类型的历年工程数据进行数据清理和数据整合，合 并到一张历年工程数据表中保存在数据库内；

步骤2，将历年工程数据的工程投资金额、甲供材料费、设计预算金 额、监理预算金额、测绘预算金额、工程结算书、工程子项目个数、工程 类型8项数据类型选择作为BP神经网络模型算法训练的输入变量进行提 取，BP神经网络模型算法的输出变量为决算金额，得到对应工程类型的工 程投资转资率预测模型；

步骤3，采用R-Squared(R2)和平均绝对百分比误差(MAPE)衡量工程 投资转资率预测模型的拟合优度，通过比较历年数据决算金额预测值与决 算金额真实值的误差的大小来衡量模型预测的精准度，得到投资转资率预 测平均误差；

步骤4，将待预测项目工程数据输入工程投资转资率预测模型进行预 测，得到预测决算金额；

步骤,5，预测投资转资率可通过工程投资和决算预测金额求得，其计 算方法如下：

预测投资转资率＝100％*决算预测金额/工程投资

基于历年工程数据，以投资转资率预测平均误差为标准误差，投资转 资率取值范围为：[预测投资转资率-标准误差，预测投资转资率+标准误 差]。

进一步的，所述历年工程数据的数据来源为线上ERP系统、工程一体 会化和线下工程登记表。

本发明的一种基于神经网络的工程投资转资率预测方法，即通过将对 应工程类型的历年工程数据进行清理，然后应用BP神经网络模型算法对 数据进行训练，得到对应工程类型的工程投资转资率预测模型，并计算投 资转资率预测平均误差，然后通过待预测项目工程数据得到预测决算金额， 进行预测投资转资率的计算。本发明可预测投资转资率较低的工程，有助 于提前发出预警，通过调整数据，可分析工程全过程各环节资金偏差程度，剖析影响投资转资率的主要原因及影响程度，及时调整类似工程投资计划， 有效提高类似工程转资率。

具体实施方式