电网建设项目竣工结算数据挖掘技术应用.docVIP

电网建设项目的竣工结算数据挖掘技术应用 　　摘 要 结算是根据清单招投标文件、图纸和工程实际，在竣工验收后结合变更、签证等凭证，做出符合实际的审核结果。本文介绍了数据挖掘技的概念，探讨了电网建设项目利用结算数据进行数据挖掘，促进概算编制更加合理 【关键词】电网建设 竣工结算 数据挖掘 批准概算 合理编制概算能实现成本控制、达到结算较批复概算降低合理的目标。本文探讨了对电网建设项目的竣工结算数据进行数据挖掘，预测概算，促进概算编制合理化，达到结算较概算降低率在合理区间内 1 数据挖掘概念及方法 1.1 数据挖掘概述 数据挖掘由数据清理、集成、选择、变换、挖掘、模式评估、知识表示等几个步骤组成，通过对大量数据进行提炼、分析与转换，最终获取关键的目标值，其价值在于利用数据挖掘改善预测模型 1.2 数据挖掘技术 1.2.1 数据分类 通过对样本数据进行分析，确定数据对象的特征，建立合理的分类模型，找出数据对象的共同点，并按分类标准对数据进行分类，常用的分类方法有决策树、统计分析等 1.2.2 关联分析 关联是指在数据挖掘中找出目标数据的相关关系，其目的是找出每一组数据间隐藏的关联规律，通过置信度、相关系数等参数描述关联性强弱 1.2.3 聚类分析 聚类分析是将离散、无明显规律数据按一定的规则进行划分，使属于同一类别的数据间的相似性大，不同类别中的数据间的相似性小，发现数据的分布模式及数据属性之间的相互关系，增强了人们对数据的认识能力 1.2.4 时间序列分析 分析具有时间变化特性的数据集合，挖掘数据变化的规律特征，研究数据序列的周期性、趋势等 1.2.5 偏差分析 偏差分析是检测数据集中间显著不同于其它数据的对象，寻找观测结果与参照值之间有意义的差别，发现属于背景噪声的数据。偏差分析能发现不满足规则的特例、分类中的反常实例等等 1.2.6 预测 通过分析数据对象之间的变化规律，建立科学的预测模型，对数据未来变化进行计算分析。常用的预测方法有回归分析、神经网络、模糊逻辑、遗传算法等 1.3 数据挖掘的一般步骤 数据挖掘的一般过程通常包括3个阶段：数据准备、数据挖掘、结果评价与表达 数据准备阶段，提取目标数据集，完成数据选择、噪音消除、缺失数据推算、无效数据删除、数据值分类等准备工作，经过预处理数据进行平滑、聚集、概化、规范化、特征构造等方法形成适合数据挖掘的形式。数据挖掘阶段，结合统计分析、决策树、粗糙集、神经网络、遗传算法等常用数据挖掘算法，挖掘数据之间潜在的规律和特征进行建模。结果评价与表达阶段，对模型进行准确性、可理解性、实际性能等进行评估，确定有效模型，利用数据挖掘的结果 1.4 常用的数据挖掘方法 数据挖掘与统计学、模式识别、数据库和数据仓库、算法、高性能计算等技术相结合形成不同的挖掘技术。常用的数据挖掘技术包括统计分析方法、决策树方法、神经网络方法、模糊逻辑方法、遗传算法、粗糙集方法 2 基于数据挖掘技术的电网建设结算数据预处理 2.1 结算数据统计、分类 根据地市公司电网建设实际，目前地市供电公司主要负责35kV、110kV和220kV电网建设工程，工程涉及类型较多、数量大。基于决策树方法的结算数据分类模型，能够将大量的结算数据先按照电压等级排列到，然后根据工程类型、建设性质实现逐层划分 结算数据通过决策树的统计、分类处理，有助于进行有效的样本筛选和分类，准确定位重点分析数据对象的效率，为结算数据分析工作提供全面的数据来源 2.2 结算数据指标确立 通过对电网建设工程结算数据进行分析，找出对结算数据影响最大的部分指标，构成指标集 2.2.1 结算数据变化偏差分析 结算变化偏差分析是通过研究多项工程实际结算数据的变化情况，将整体结算费用变化分解为若干指标变化的集合，量化各项指标的变化情况及对整体变化的影响程度。输变电工程结算数据由多个指标在不同程度上反映，各指标之间的相关性很难直观确定，属于高纬度数据，在进行统计分析时具有很大的复杂性。主成分分析法能在尽量减少信息丢失的情况下，对高维数据进行降维，将多项影响指标转化为少数几个关键指标 2.2.2 数据属性特征选择 （1）变电站工程属性：主变容量、主变台数、各等级电压出线回数、各等级电压出线形式、无功容量、各等级电压母线分段形式、中性点接地方式、短路电流水平、控制电缆长度、电力电缆长度、占地面积、建筑面积、构架形式、各类型场地平整土方量、挡土墙体积、护坡面积、各类地基处理体积等 （2）架空送电线路工程相属性：单回长度、双回长度、地形系数、导线型号、地线型号、平均档距、各形式基础体积、铁塔数量、接地土石方、