基于SVM算法的电力物资采购价格预测研究.pdfVIP

中国新技术新产品2023NO.11（上）

技术经济与管理

基于SVM算法的电力物资采购价格

预测研究

黄龙山

（福建榕能电业集团有限公司，福建福州350108）

摘 要：电力工程建设涉及物资种类繁多，物资价格受很多因素的影响，尽管当前许多学者已经提出关于电

力物资采购价格的预测方法，但是多数模型局限于单因素考虑，鲜有研究对电力物资采购价格进行多因素综

合分析。为更合理地预测当下电力物资价格走势并建立电力价格预测模型，该文首先针对收集的历史采购数

据，总结影响电力物资采购价格的核心因素，其次通过支持向量机（SVM）算法对物资价格进行多因素分析

预测，并与神经网络算法进行比较，结果表明，采用支持向量机的算法模型的预测结果与实际情况吻合度较

好且比神经网络算法误差更小，可为电力公司物资采购提供参考。

关键词：电力物资；价格预测；支持向量机；神经网络

中图分类号：F 27 文献标志码：A

，，。，，

随着我国城网建设不断发展集中招标采购规模不断中标数量芯数以电力电缆为例得到自变量影响系数

，

扩大预测电力物资采购价格是电力企业提高采购管理水。，

见表1由表1可知采购方式对产品单价的影响程度较

[1]

。，

平和提高概预算编制准确率的必要条件因此如何建，，

大其中采购方式为邀请竞争性谈判的价格最低其次是

，

立电力物资采购价格预测的模型为电力工程建设规划提，。

询价采购单一来源采购的价格最高但低压电力电缆与

，

供比较合理的价格预测区间是当前电力公司亟待解决的时间呈正相关，采购时间越晚，价格越高。数据分析的

问题。

，，，。

结果也表明界面尺寸越大芯数越多产品单价越高

业内专家与学者们对商品购买价格评估方面，目前采该部分通过建立相关模型得出采购的价格与采购方式密

[2]

，

用的方法大多是通过对历史数据进行预测张昊等利用

切相关的结果，较多产品都反映采购方式为邀请竞争性

随机森林和XGBoost模型判断各特征数据对模型的贡献程

，，

谈判的价格最低其次是询价采购