基于SSA-LSSVM的住宅工程造价预测研究

【目的】提高建筑工程造价预测的准确性，进而为项目前期投资决策提供重要依据。【方法】针对工程实践中小样本数据和工程造价特征指标之间高维、非线性关系的特点，构建基于麻雀搜索算法（sparrow search algorithm,SSA）的优化最小二乘支持向量机（least squares support vector machine,LSSVM）造价预测模型SSA-LSSVM。首先，通过主成分分析法对住宅工程造价样本的输入指标数据进行处理，减少数据冗余；其次，采用SSA算法对LSSVM模型中的正则化参数c和核函数参数σ进行优化，以弥补LSSVM模型参数确定困难的缺陷；最后，将处理后的数据导入所构建的模型进行训练和预测，并通过相关系数、平均绝对百分比误差和均方根误差对模型的预测性能进行评价。【结果】与LSSVM模型、用灰狼优化算法优化的LSSVM模型和反向传播神经网络模型相比，SSA-LSSVM模型具有更好的泛化能力和更高的预测精度。【结论】本研究所构建的模型可以比较精准、高效地对实际住宅工程造价进行预测，同时可为工程前期投资决策提供一定参考。