基于机器学习算法的输电线路工程投资预测

摘要：

技术方案深度的不足导致依据定额概预算来确定输电线路工程投资的方法准确性低、工作量大,因此,研究基于机器学习的投资预测模型需求迫切.针对输电线路投资的高维数、非线性等特点,提出了基于极端梯度提升(extreme gradient boosting,XGBoost)算法的输电线路工程投资预测方法.通过采用实际输电线路工程数据对模型进行训练和测试,预测结果显示XGBoost模型在预测精度、结果偏差方面相较于神经网络和支持向量机(support vector machine,SVM)都具有较大的优势,能输出指标重要性排序,为决策者提供有效的投资额和控制指标参考,且模型的可靠性和可解释性较高.

关键词：机器学习、XGBoost、输电线路工程、投资预测

所属期刊栏目：22

分类号：TM726(输配电工程、电力网及电力系统)

资助基金：国网江苏电力设计咨询有限公司科技咨询项目SXZC-2020-0801A

在线出版日期：2022-08-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：6992-7001