《表7 各费用项预测结果对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于数据挖掘的住宅工程造价预测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

分别利用SVM和PLSR-SVM两种方法，对单方造价、原单方造价、分部分项工程费和措施项目费等进行预测，结果汇总于表7。通过纵向对比发现，利用PLSR-SVM的预测精度普遍低于SVM。正如前文所述PCA方法降维的弊端，本研究使用性能更优的PLSR方法进行降维，却发现PLSR-SVM的预测性能依然远不如原SVM模型，说明无论是PCA还是PLSR进行指标降维，都是一种线性的指标综合方式，而实际的特征指标与造价之间是一种复杂的非线性关系，故而将特征指标进行降维后再建立SVM非线性回归模型，反而使得特征指标与输出指标的关系更混乱，对预测精度及鲁棒性造成了恶劣的影响，因此，这样的特征指标降维处理不适用于工程造价的预测。