乔慧婷，文上勇，黄 琰

(1.华北电力大学 电气与电子工程学院，北京 102206；2.南方电网能源发展研究院有限责任公司 技术经济中心，广州 510530)

随着我国社会用电量的持续增长以及电网技术水平的提升，电网工程项目的建设力度不断提高，电网公司面临着快速增长的建设周期压力与资金压力[1].电网的投资管理模式逐步从粗放式管理向精细化管理过渡，准确的工程造价预测是精细化管理的基础，其便于投资方与施工方制定合理的建设方案，缩短建设周期并提高项目资金投入的审核效率[2-3].

目前，电网公司通常基于传统的统计学方法对电网工程造价进行预测[4].由于电网工程造价影响因素复杂，造价系统具有多变性及非线性，传统的预测方法并不能很好适应，因此，较多学者基于机器学习算法对工程造价预测进行研究.宋宗耘等[5]通过增加高斯扰动参数，基于SVM算法进行工程造价预测；张宇晨等[6]针对影响因素众多的问题，采用主成分分析法进行处理，利用BP神经网络算法预测工程造价.杨凯等[7]为解决BP神经网络容易陷入局部最优的问题，提出一种GA-BP神经网络预测模型.上述研究均缺乏对数据缺失的深度处理，且单一的预测算法始终存在算法缺陷，无法在任何条件下对工程造价进行合理、准确的预测.

为了分析影响造价的主要因素，并解决数据采集过程中的数据缺失问题，本文重点针对电网工程项目的数据类型，基于数据挖掘的方……