论文基于果蝇算法优化小波神经网络的输电工程造价预测是适合果蝇论文写作的大学硕士及相关本科毕业论文，相关果蝇开题报告范文和学术职称论文参考文献下载。
摘 要： 为了准确控制输电工程造价水平,提出一种基于果蝇算法优化小波神经网络的混合预测模型.首先,对输电工程造价影响因素进行归一化处理,并将归一化结果作为输入变量；其次,利用果蝇算法对小波神经网络参数进行优化,在此基础上,利用优化后的小波神经网络模型预测输电工程造价；最后,将本文的预测结果和其他方法进行对比.算例结果表明,该混合模型的预测效果更理性,精度更高.
Abstract： In order to accurately control the tranission project cost, a hybrid prediction model based on the welet neural network optimized by the fruit fly algorithm is proposed. Firstly, the influencing factors of tranission project cost are normalized, and the normalized result is taken as input variable. Secondly, the parameters of welet neural network are optimized by using the fruit fly algorithm. On this basis, the optimized welet neural network model is used to predict the construction cost of tranission project. Finally, the forecast result of this article is compared with other methods. The results of the example show that the hybrid model is more rational and more accurate.
關键词： 输电工程；果蝇算法；小波神经网络；工程造价
Key words： tranission project；fruit fly algorithm；welet neural network；project cost
中图分类号：TM7；TU723.3 文献标识码：A 文章编号：1006-4311（2017）36-0214-02
3 结论
在输电工程造价的预测研究中,由于影响因素较为复杂,从而使做到准确的工程造价预测比较困难.本文利用果蝇优化的小波神经网络模型进行预测,结果显示：静态投资工程造价的相对误差绝对值的最大值是6.55%,最小值是5.12%,预测精度较高,符合相关误差要求（±10%）.
参考文献：
[1]凌云鹏,阎鹏飞,韩长占.基于BP神经网络的输电线路工程造价预测模型[J].中国电力,2012,45（10）：95-99.
[2]窦文雷,朴光绿,祝涛.输变电工程造价控制[J].农业科技与装备,2012,32（11）：51-52.
[3]熊玮.输电工程造价估算的混合模型研究[D].北京：华北电力大学,2016：32-45.
[4]Niu Dongxiao. Research on neural network prediction of power tranission and tranormation project cost based on GA-RBF and PSO-RBF [J].Applied Mechanics and Materials,2014（6）：231-234.
[5]王佼.应用灰关联分析的PSO-SVR工程造价预测模型[J].华侨大学学报（自然科学版）,2016,37（6）：708-713.
[6]彭光金.小样本工程造价数据的智能学习方法及其在输变电工程中的应用研究[D].重庆：重庆大学,2010：45-68.
[7]韦俊涛.电力工程造价小样本估算模型研究[D].重庆：重庆大学,2009：61-71.
[8]Ding Shifei.An optimizing method of RBF neural network based on geneticalgorithm [J].Neural Computing and Application,2012（2）：333-336.
[9]Chen Y, Peter B L, Guan C, et al. Short-term load Forecasting： similar day-based welet neural networks[J].IEEE Transactions on Power Systems, 2010,25（1）：322-330.
[10]Guan C, Peter B L, Michel L D, et al. Very short-term load forecasting： welet neural networks with Data Pre-Filtering [J].IEEE Transactions on Power Systems,2013,28（1）：30-41.
[11]侯逸文,沈炯,李益国.基于小波神经网络的火电单元机组负荷系统建模仿真研究[J].中国电机工程学报,2003,23（10）：220-224.
总结:该文是关于果蝇论文范文，为你的论文写作提供相关论文资料参考。
参考文献：
1、 基于离散小波变换和复倒谱的音频水印算法 摘 要: 离散小波变换和复倒谱的数字音频盲水印算法首先对原始音频数据进行分段处 理并对每个音频数据段进行二级离散小波变换,然后对二级小波近似系数。
2、 基于改进小波阈值函数语音增强算法 摘 要：针对传统的小波阈值去噪算法中的阈值函数不足，提出一种优于非负死区阈值函数的改进的阈值函数 改进阈值函数不仅具有良好的连续性、可导性，并且。
3、 电流模电路小波神经网络测试 摘要提出一种基于多尺度小波分解及神经网络映射归纳的测试电流模电路故障缺陷的方法 针对CMOS器件典型故障建立了测试所需的故障模型，给电路节点加入。
4、 基于遗传算法优化的RBF神经网络在MBR膜污染仿真预测中 1 引言（Introduction）水污染的预防和治理已成为当今世界日益严重的热点问题。膜生物反应器（MBR）作为一种将膜分离技术和生物反应技。
5、 神经网络深度学习算法在地理国情监测中的应用 摘要：开展常态化地理国情监测是广东省基础测绘“十三五”规划重要内容，本文综合利用多时相影像、专题资料及已有矢量成果数据，研究基于神经网络深度学习。
6、 优化BP神经网络在玉米产量预测中应用 摘 要：玉米产量预测一直是农业发展过程中的重要组成部分。神经网络算法以其较好的非线性优化拟合能力应用于玉米产量的预测中。但是传统的神经网络算法具。