摘 要：随着国家电力基础设施规划发展要求不断提升，国家相关单位对电网基建项目的投资规模与数量愈来愈大。为了确保项目能够按照计划开展与完成，对施工力量的预测显得尤为重要，进而提前为所需配备足够的施工力量提供参考。同时，施工人次是对一段时间内施工力量投入的描述量。但由于现场对于施工人次的统计通常存在一定的异常值，会对预测结果造成直接影响。因此，针对这些问题，本文提出了一种基于线性回归的基建项目施工人次预测方法，首先利用残差分析法对现场数据进行预处理，随后通过建立线性回归的预测模型进行预测，并和BP 神经网络算法进行比较，以证明本文的可行性与精确性。
关键词：基建项目；线性回归；残差分析法；施工人次预测
中图分类号：TP183 文献标识码：A 文章编号：2096-4706（2019）19-0113-05
Prediction of Construction Personnel of Power Network Infrastructure Project Based on Linear Regression
XIE Zhiwei1，FENG Honghuai2，XU Ruiqi3，LI Huifu3
（1.Guangzhou Power Supply Bureau Co.，Ltd.，Guangzhou 510620，China；2.Guangzhou Suinengtong Integrated Energy Co.，Ltd.，Guangzhou 510620，China；3. Guangdong University of Technology，School of Automation，Guangzhou 510006，China）
Abstract：With the continuous improvement of the national power infrastructure planning and development requirements，the scale and quantity of investment by the national power apartment for power grid infrastructure projects is increasing. In order to ensure that the project can be carried out and completed according to a plan，the prediction of the construction force is particularly significant，and then provide reference for the necessary construction strength in advance. At the same time，the number of attendance of constructors is the description of the labor resource input for a period of time. However，as there are usually a certain number of statistics outliers for the constructors from the site，which will have a direct impact on the result of prediction. Therefore，in response to these problems，the paper proposes a method to forecast the attendance of the constructors for infrastructure projects based on linear regression. With the data pretreated on residual analysis at first，then using the linear regression method to make the prediction by the forecast model which at the same time compare with BP neural network algorithm to prove the feasibility and accuracy of this paper.
Keywords：infrastructure project；linear regression；residual analysis method；attendance of constructors prediction
基金项目：本文系广东省科技计划项目：计及风电的电网短期负荷预测系统关键技术研究（项目编号：2016A010104016）资助。
参考文献：
[1] 胡亚楠，王铁铮，蒋訢晔，等. 基于线性回归的电力物资配套采购数量的预测分析 [J]. 农村经济与科技，2019，30（2）：138-139.
[2] 钟丽燕. 基于多元线性回归分析的在校大学生人数预测 [J]. 经贸实践，2018（23）：293-294.
[3] 梁艳，杨慧慧，苏辉辉. 基于多元线性回归的天津市农产品冷链物流需求预测分析 [J]. 南方农机，2018，49（18）：230-231.
[4] 陈斌，朱国蕾，靳慧斌. 基于多元线性回归分析的空中交通管制疲劳预测模型 [J]. 科学技术与工程，2018，18（25）：300-304.
[5] 张少坚. 一元线性回归分析方法与工人需求量的预测 [J].管理观察，2017（7）：60-63.
[6] 程晓荣，吴紫薇. 基于多元线性回归分析的人力资源需求预测研究 [J]. 电脑迷，2016（6）：81-82.
[7] 彭东，罗周全，秦亚光，等. 基于加权线性回归模型组的湖北省工矿事故死亡人数分析预测 [J]. 中国安全生产科学技术，2015，11（11）：167-173.
[8] Knorr E M，Ng R T．Algorithms for Mining Distance-Based Outliers in Large Datasets [C]// Proceedings of the 24rd International Conference on Very Large Data Bases.Morgan Kaufmann Publishers Inc.San Francisco，CA，USA，1998：392-403.
[9] Jörg Sander. LOF：Identifying Density-Based Local Outliers [J].Acm Sigmod Record，2000，29（2）：93-104.
[10] HE Z Y，XU X F，DENG S C. Discovering cluster-based local outliers [J]. Pattern Recognition Letters，2003，24（9-10）：1641-1650.
[11] ROUSSEEUW P J，VAN D K. Fast algorithm for the minimum covariance determinant estimator [J]. Technometrics，1999，41（3）：212-223.
[12] 伍藏原. 残差分析法在利用MDT 判断注气重力超覆中的应用与实践 [C]//2018 油气田勘探与开发国际会议（IFEDC2018）论文集：西安石油大学、陕西省石油学会：西安华线网络信息服务有限公司，2018：10.
[13] 徐希宝，邓育民，段方振. 测量数据的残差分析法 [J].科技与创新，2015（19）：80.
[14] 谢志炜，温锐刚，孟安波，等. 基于箱形图和隔离森林的施工人次数据处理与预测研究 [J]. 工程管理学报，2018，32（5）：92-96.92-96.
作者简介：
谢志炜（1984-），男，汉族，广东广州人，工程师，硕士，主要研究方向：配电网工程管理、配电网工程造价管理、配电网规划；
冯鸿怀（1981-），男，汉族，广东恩平人，信息系统项目管理师，主要研究方向：电力行业信息化、大数据分析；
许锐埼（1995-），男，汉族，广东潮阳人，硕士研究生，主要研究方向：电力数据挖掘分析；
通讯作者：
李慧夫（1994-），男，汉族，湖北咸宁人，硕士研究生，主要研究方向：电力数据挖掘分析。