基于PCA-RF的城轨造价预测研究.pdfVIP

第46卷第S1期建筑经济Vol.46No.S1

2025年6月CONSTRUCTIONECONOMYJun.2025

基于PCA-RF的城轨造价预测研究

12

陈晖扬，汝云翔

（1.中国矿业大学，江苏徐州221116；2.广东外语外贸大学，广东广州510006）

摘要：工程造价预测是城轨建设中重要的工作，准确地预测工程造价对于前期的投资决策具有重要的现实

意义。为提高准确度，本研究旨在构建基于主成分分析（PCA）与随机森林（RF）的城轨造价预测模型。以

PCA降维后的10个影响因素作为输入变量，总工程造价作为输出变量，通过对预测结果的指标评估得出

PCA-RF模型具有良好的预测性能。在此基础上，通过添加高斯噪声与传统RF模型、BP神经网络模型作对

比，得到PCA-RF模型预测能力显著优于RF、BP，且在中、低噪声下，具有良好的抗干扰能力。

关键词：城轨；工程造价；主成分分析；随机森林

中图分类号：TU723.3文献标识码：A文章编号：1002-851X（2025）S1-0173-05

DOI：10.14181/j.cnki.1002-851x.2025S1173

ResearchonCostPredictionofUrbanRailTransitBasedonPCA-RF

12

CHENHuiyang，RUYunxiang

（1.ChinaUniversityofMiningandTechnology，Xuzhou221116，China；2.GuangdongUniversityofForeignStudies，Guangzhou510006，China）

Abstract：Projectcostpredictionisacrucialtaskinurbanrailtransitconstruction.Accuratelypredictingproject

costsisofgreatpracticalsignificanceforpre-investmentdecision-making.Toimprovetheaccuracy，thisstudy

aimstoconstructanurbanrailtransitcostpredictionmodelbasedonPrincipalComponentAnalysis（PCA）and

RandomForest（RF）.TheteninfluencingfactorsobtainedafterPCAdimensionalityreductionareusedasinput

variables，andthetotalprojectcostissetastheoutputvariable.Throughtheindicatorevaluationoftheprediction

results，itisconcludedthatthePCA-RFmodelhasgoodpredictionperformance.Onthisbasis，byadding

GaussiannoiseandcomparingwiththetraditionalRFmodelandtheBPneuralnetworkmodel，itisfoundthatt