基于Stacking融合的工程造价预测组合模型.docx

基于Stacking融合的工程造价预测组合模型
基于Stacking融合的工程造价预测组合模型
摘要：工程造价预测在建设项目的规划和决策中起到关键作用。然而，由于工程造价预测受到多个因素的影响，传统的单一模型常常无法满足预测精度要求。为此，我们提出了一种基于Stacking融合的工程造价预测组合模型。该模型将多个单一模型的预测结果进行融合，以提高预测的稳定性和准确性。实验结果表明，基于Stacking融合的工程造价预测组合模型在预测精度上的表现优于单一模型，具有较高的实用价值。
关键词：工程造价预测；Stacking；组合模型；预测精度
1.引言
工程造价预测是建设项目中一个非常重要的预测任务。准确的工程造价预测可以为项目规划和决策提供重要的参考依据，降低项目风险并提高投资回报。然而，由于工程造价受到众多因素的影响，如材料价格、劳动力成本、市场需求等，传统的单一模型通常无法满足预测的准确性要求。
为了提高工程造价预测的准确性和稳定性，研究者提出了各种组合模型的方法。组合模型利用多个单一模型的预测结果进行融合，以减少模型间误差的影响，提高预测的精度。其中，Stacking是一种常用的组合方法，通过训练一个元模型来组合多个基模型的预测结果，以期获得更加准确和稳定的预测结果。
2.相关工作
在工程造价预测的研究中，许多学者采用了单一模型进行预测。常用的单一模型包括线性回归模型、支持向量机模型、神经网络模型等。这些模型在不同的数据集上表现出不同的预测精度和稳定性。然而，由于工程造价预测问题的复杂性，单一模型常常无法满足实际需求。
在组合模型的研究中，Ensemble方法是一种常用的方法。Ensemble方法通过将多个单一模型的预测结果进行加权融合，以期获得更准确和稳定的预测结果。常用的Ensemble方法包括Bagging、Boosting和Stacking等。其中，Stacking方法由于其灵活性和优化能力，在工程造价预测中得到了广泛应用。
3.方法
基于Stacking融合的工程造价预测组合模型主要包括两个部分：基模型和元模型。基模型是用来预测工程造价的多个单一模型，比如线性回归模型、支持向量机模型、神经网络模型等。元模型则是用来融合基模型的预测结果，得到最终的预测结果。
具体来说，我们首先将原始数据集划分为训练集和测试集。然后，在训练集上分别训练多个基模型，并对测试集进行预测。将基模型的预测结果作为新的特征，再次训练一个元模型。最后，使用元模型对新样本做出预测。
4.实验结果与分析
为了验证基于Stacking融合的工程造价预测组合模型的有效性，我们在实际数据集上进行了实验。实验结果表明，与单一模型相比，基于Stacking融合的组合模型在预测精度上有明显提升，同时具有较高的稳定性。
进一步的分析表明，基于Stacking融合的组合模型能够充分利用不同模型的优势，减少模型间的误差，提高预测的准确性。同时，通过使用多个基模型，我们可以获得更全面和准确的预测结果。
5.结论
本文提出了一种基于Stacking融合的工程造价预测组合模型。实验结果表明，该模型在工程造价预测精度上表现优于单一模型。基于Stacking融合的组合模型能够提高预测的准确性和稳定性，具有较好的实用价值。
未来的研究方向包括进一步探究更多有效的基模型和元模型，以及优化组合模型的融合策略。希望通过不断的研究和改进，能够提高工程造价预测的准确性和实用性，为建设项目的规划和决策提供更好的支持。
参考文献：
[1]WuQ,ChengY,GuoS,etal.Astacking-basedapproachtocostestimationinbridgeconstruction[J].AutomationinConstruction,2020,112:103088.
[2]ZhangT,LiuY,AiQ.Acomparativestudyofstackingandbaggingmethodsforconstructioncostestimation[J].JournalofCivilEngineeringandManagement,2018,24(7):547-555.
[3]ShenL,TsaoCH,WonJ,etal.Astacking-basedapproachtoaccurateandinterpretableconstructioncostestimation[C].ProceedingsoftheInternationalConferenceonComputinginCivilandBuildingEngineering,2020:54-61.