基于支持向量机的铁路隧道洞身工程造价预测

作     者：刘少非 侯大山 LIU Shaofei;HOU Dashan

作者机构：中铁工程设计咨询集团有限公司北京100055 中国铁道科学研究院集团有限公司北京100081 

出 版 物：《铁道工程学报》 (Journal of Railway Engineering Society)

年 卷 期：2022年第39卷第5期

页      面：108-113页

核心收录：

学科分类：08[工学] 0818[工学-地质资源与地质工程] 0814[工学-土木工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家重点研发计划“科技冬奥”重点专项 京张高铁智能化服务关键技术与示范(2020YFF0304100)。 

主　　题：支持向量机 极限学习机 铁路隧道 造价 预测 

摘      要：研究目的:铁路工程项目前期投资估算的准确性对铁路建设项目的方案比选和投资控制起着至关重要的作用。目前,我国铁路工程投资估算主要以单位指标法、概预算定额法为主,整个过程相对复杂且耗时,估算准确性也依赖于从业人员的工作经验和能力水平。本文利用机器学习算法,以铁路隧道洞身工程为研究对象,构建基于支持向量机(SVM)和极限学习机(ELM)的造价预测模型,并收集若干隧道样本对模型进行训练和测试。通过实例验证和比较,选择适用性更强的算法,利用历史数据快速对隧道洞身造价进行预测,从而提高投资估算和方案比选的精度和效率。研究结论:(1)相较于ELM算法,SVM具有较高的预测精度和稳定性,预测结果的平均绝对百分比误差(MAPE)仅为3.41%,满足精度要求;(2)本研究成果为铁路隧道洞身工程的造价评估和预测提供了一种新型的、智能的数据驱动型的建模方法,并且通过仿真结果可知,该模型具有较好的可行性和适用性。