基于去噪自编码网络的电力工程造价数据融合与评估算法

王冬超; 张文静; 洪崇; 刘云; 周波

沈阳工业大学学报 ›› 2026, Vol. 48 ›› Issue (5) : 41 -48.

王冬超, 张文静, 洪崇, 刘云, 周波

作者信息 +

Author information +

文章历史 +

摘要

【目的】电力工程建设规模持续扩大、技术不断迭代，催生了海量多源异构数据。这类数据存在多样性、不完整性、不准确性与不一致性等特征，使得传统造价预测模型的数据关联挖掘能力不足，普遍存在预测精度不高、稳定性较差等缺陷，制约了工程投资决策的科学性。本文面向电力多源异构数据的复杂应用场景，提出了针对性融合预测算法，以期提升造价预测精度、增强模型噪声鲁棒性，为电力工程造价管控提供量化支撑。【方法】本文提出了一种基于去噪自编码网络的异构电力工程造价数据融合与智能评估算法。采用去噪自编码网络对技术因素与经济因素数据进行融合处理，完成两类影响因素的特征提取。同时，构建自注意力网络，挖掘技术因素、经济因素与环境因素数据之间的内在关联，进而实现电力工程造价的优化预测。【结果】本文算法具备良好的综合性能。在预测精度方面，本文算法在变电工程场景下精度可达87.70%,在线路工程场景下精度可达88.90%,相较对比算法均有明显提升；在误差控制方面，本文算法的平均绝对误差与均方根误差相较对比算法均大幅度降低；在拟合优度方面，在变电工程和线路工程场景下本文算法的决定系数分别为0.94和0.95。【结论】基于去噪自编码网络的异构电力工程造价数据融合与智能评估算法，能够有效解决电力工程数据带来的各类复杂问题。该算法利用去噪自编码网络实现特征提纯，借助自注意力网络完成多维度数据关联建模，在变电工程与线路工程造价预测中均表现出优异性能。本文算法整体综合性能优良，可有效提升预测精度，能够为电力工程投资决策提供高精度量化依据，具备突出的技术优越性与工程适用性。