一种电网工程造价预测模型分析系统的制作方法

1.本发明涉及工程造价预测技术，具体涉及一种电网工程造价预测模型分析系统。


背景技术：

2.随着电网工程建设造价与造价规模不断攀升，各级电网公司都面临着巨大的资金压力，因此，如何在保证满足可靠性要求的条件下对电网工程建设造价进行合理有效预测，进而实现建设造价的精确控制，是目前电网公司需要解决的重要问题。
3.由于电网工程建设过程中往往涉及多维度信息和庞大的数据量，现有的电网工程建设造价预测模型构建过程中，通常利用全量电网工程造价数据直接对模型进行训练，但是通常工程造价预测时往往并不是和所有数据相关，某些特定因素将直接决定工程造价的总量，其余部分一般占比相对固定，在不对采集数据进行筛选的情况下直接使用大量训练数据进行模型训练易使训练时间更冗长，准确度也受到采集数据中无用的变量影响而降低。


技术实现要素：

4.本发明的目的是提供一种电网工程造价预测模型分析系统，以解决现有技术中的上述不足之处。
5.为了实现上述目的，本发明提供如下技术方案：一种电网工程造价预测模型分析系统，包括数据采集单元，还包括数据提取单元、数据分析单元、数据预测单元、模型存储单元和模型训练单元，数据提取单元用于将数据采集单元采集的电网工程造价历史记录数据传输至数据分析单元内，数据预测单元用于将数据分析单元和模型训练单元传输的数据信息进行对比分析处理，并与生成预测模型。
6.进一步地，所述数据提取单元对数据采集单元采集的数据信息进行特征因素信息提取，并将采集的特征因素信息上传至数据分析单元进行数据提供。
7.进一步地，所述数据分析单元利用数据提取单元传输的特征因素信息进行数据分析，并得到以各特征因素为变量的因变量数据，所述数据分析单元将分析后的数据传输至数据预测单元内。
8.进一步地，所述数据预测单元包括模型输入模块、模型对比模块、模型预测模块、逻辑判定模块和数据上传模块。
9.进一步地，所述模型输入模块的输入端与数据分析单元的输出端相连接，所述模型输入模块将数据分析单元传输的分析数据上传至模型对比模块进行数据对比，并从模型训练单元中筛选出至少三个训练模型组成的模型集合，所述模型对比模块将包含分析数据和模型集合的数据信息传输至逻辑判定模块内，所述逻辑判定模块进行逻辑预测生成初步预测模型，并将初步预测模型通过数据上传模块上传至模型训练单元内进行数据提供。
10.进一步地，所述模型训练单元包括数据输入模块、数据标注模块、模型训练模块、模型测试模块、模型输出模块、训练数据库和数据回传模块。
11.进一步地，所述数据输入模块用于将初步预测模型传输至数据标注模块内进行特征因素数据标注，并将标注后的初步预测模型传输至模型训练模块进行模型迭代训练，所述模型训练模块的输出端与模型测试模块的输入端相连接，所述模型测试模块的输出端与模型输出模块的输入端相连接，所述模型输出模块的输出端与训练数据库的输入端相连接，且训练数据库用于存储训练模型并将其传输至数据测试单元进行数据提供，所述训练数据库的输出端与数据回传模块的输入端相连接，所述数据回传模块的输出端与模型训练模块的输入端相连接。
12.进一步地，所述数据预测单元的输出端与模型存储单元的输入端相连接，所述模型存储单元的输出端与模型训练单元的输入端相连接，所述模型存储单元用于存储模型信息并为模型训练单元提供迭代训练模型。
13.与现有技术相比，本发明提供的一种电网工程造价预测模型分析系统，具有以下有益效果：1、该电网工程造价预测模型分析系统，通过数据输入模块将初步预测模型传输至数据标注模块内进行特征因素数据标注，并将标注后的初步预测模型传输至模型训练模块进行模型迭代训练，并将最终的预测模型传输至模型存储单元内进行保存，实现利用较少的信息快速准确地对电网工程造价进行预测，具有较好的实用性和可靠性。
14.2、该电网工程造价预测模型分析系统，通过设定最大迭代次数以及期望的误差阈值，使迭代训练结果在达到阈值后，模型测试模块使用主因子对训练好的预测模型进行造价预测验证，提高了预测模型的准确性。
15.3、该电网工程造价预测模型分析系统，通过模型训练模块的输出端与模型测试模块的输入端相连接，所述模型测试模块的输出端与模型输出模块的输入端相连接，所述模型输出模块的输出端与训练数据库的输入端相连接，且训练数据库用于存储训练模型并将其传输至数据测试单元进行数据提供，所述训练数据库的输出端与数据回传模块的输入端相连接，所述数据回传模块的输出端与模型训练模块的输入端相连接，从而形成模型训练闭环，实现模型的快速迭代优化，提升了工程造价预测模型的迭代效率，进一步使预测结果更加准确和可靠。
附图说明
16.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
17.图1为本发明实施例提供的电网工程造价预测模型分析系统原理框图；图2为本发明实施例提供的数据预测单元原理框图；图3为本发明实施例提供的模型训练单元原理框图。
18.附图标记说明：1、数据采集单元；2、数据提取单元；3、数据分析单元；4、数据预测单元；41、模型输入模块；42、模型对比模块；43、模型预测模块；44、逻辑判定模块；45、数据上传模块；5、模型存储单元；6、模型训练单元；61、数据输入模块；62、数据标注模块；63、模型训练模块；64、模型测试模块；65、模型输出模块；66、训练数据库；67、数据回传模块。
具体实施方式
19.为了使本领域的技术人员更好地理解本发明的技术方案，下面将结合附图对本发明作进一步的详细介绍。
20.实施例一：请参阅图1-3，一种电网工程造价预测模型分析系统，包括数据采集单元1，还包括数据提取单元2、数据分析单元3、数据预测单元4、模型存储单元5和模型训练单元6，数据提取单元2用于将数据采集单元1采集的电网工程造价历史记录数据传输至数据分析单元3内，数据提取单元2对数据采集单元1采集的数据信息进行特征因素信息提取，对变量进行因子分析，通过对数据进行相关性校验，然后利用主成分分析分离共同因子，通过碎石图与特征因子相结合确定因子数目，进而得到主因子与因变量的函数关系，并用于电网工程造价预测模型的生成过程，并将采集的特征因素信息上传至数据分析单元3进行数据提供，数据分析单元3利用数据提取单元2传输的特征因素信息进行数据分析，并得到以各特征因素为变量的因变量数据，数据分析单元3将分析后的数据传输至数据预测单元4内；数据预测单元4用于将数据分析单元3和模型训练单元6传输的数据信息进行对比分析处理，并与生成预测模型，数据预测单元4包括模型输入模块41、模型对比模块42、模型预测模块43、逻辑判定模块44和数据上传模块45，模型输入模块41的输入端与数据分析单元3的输出端相连接，模型输入模块41将数据分析单元3传输的分析数据上传至模型对比模块42进行数据对比，并从模型训练单元6中筛选出至少三个训练模型组成的模型集合，模型对比模块42将包含分析数据和模型集合的数据信息传输至逻辑判定模块44内，逻辑判定模块44进行逻辑预测生成初步预测模型，并将初步预测模型通过数据上传模块45上传至模型训练单元6内进行数据提供；模型训练单元6包括数据输入模块61、数据标注模块62、模型训练模块63、模型测试模块64、模型输出模块65、训练数据库66和数据回传模块67，数据输入模块61用于将初步预测模型传输至数据标注模块62内进行特征因素数据标注，并将标注后的初步预测模型传输至模型训练模块63进行模型迭代训练，通过设定最大迭代次数以及期望的误差阈值，使迭代训练结果在达到阈值后，通过模型测试模块64使用主因子对训练好的预测模型进行造价预测验证，模型训练模块63的输出端与模型测试模块64的输入端相连接，模型测试模块64的输出端与模型输出模块65的输入端相连接，模型输出模块65的输出端与训练数据库66的输入端相连接，且训练数据库66用于存储训练模型并将其传输至数据预测单元4进行数据提供，训练数据库66的输出端与数据回传模块67的输入端相连接，数据回传模块67的输出端与模型训练模块63的输入端相连接，数据预测单元4的输出端与模型存储单元5的输入端相连接，模型存储单元5的输出端与模型训练单元6的输入端相连接，模型存储单元5用于存储模型信息并为模型训练单元6提供迭代训练模型基础数据，并将最终的预测模型传输至模型存储单元5内进行保存，实现利用较少的信息快速准确地对电网工程造价进行预测，并通过数据预测单元4和模型训练单元6及进行验证，提高了预测模型的准确性，具有较好的实用性和可行性。
21.工作原理：使用时，首先数据采集单元1采集的电网工程造价历史记录，并将历史记录数据传输至数据提取单元2内，数据提取单元2对历史记录数据进行特征因素提取，对变量进行因子分析，通过对数据进行相关性校验，然后利用主成分分析分离共同因子，通过
碎石图与特征因子相结合确定因子数目，进而得到主因子与因变量的函数关系，并用于电网工程造价预测模型的生成过程，且数据提取单元2将特征因素信息传输至数据分析单元3进行数据分析，得到以各特征因素为变量的因变量数据，并将该数据信息传输至数据预测单元4进行模型预测；模型输入模块41接收数据分析单元3传输的数据信息并将其传输至模型对比模块42，模型对比模块42将分析数据以及从模型训练单元6中筛选出至少三个训练模型组成的模型集合传输中逻辑判定模块44内，逻辑判定模块44进行逻辑预测生成初步预测模型，并将初步预测模型通过数据上传模块45上传至模型训练单元6内进行数据提供，数据输入模块61将初步预测模型传输至数据标注模块62内进行特征因素数据标注，并将标注后的初步预测模型传输至模型训练模块63进行模型迭代训练，通过设定最大迭代次数以及期望的误差阈值，使迭代训练结果在达到阈值后，通过模型测试模块64使用主因子对训练好的预测模型进行造价预测验证，并将最终的预测模型传输至模型存储单元5内进行保存。
22.以上只通过说明的方式描述了本发明的某些示范性实施例，毋庸置疑，对于本领域的普通技术人员，在不偏离本发明的精神和范围的情况下，可以用各种不同的方式对所描述的实施例进行修正。因此，上述附图和描述在本质上是说明性的，不应理解为对本发明权利要求保护范围的限制。