摘要
本发明公开了一种基于LSTM‑TRANSFORMER‑RF的住宅工程造价预测方法,涉及工程造价预测领域。该方法包括:采集历史时间段内多个时间点的由多维特征数据构成的住宅单项工程造价数据样本构建训练集;对训练集中的数据进行归一化预处理;利用随机森林对所述多维特征的各特征进行重要性评估,分别赋予各特征权重,再基于各特征的权重和训练集中的原始特征数据生成新特征数据,且将新特征数据添加到训练集中获得新训练集;建立LSTM‑TRANSFORMER‑RF混合深度学习模型并利用新训练集对其进行训练,得到住宅工程造价预测模型;将住宅工程造价预测模型用于住宅建设过程中对住宅工程造价进行预测。
技术关键词
工程造价预测方法
混合深度学习模型
住宅
多维特征数据
随机森林模型
构建训练集
分支
时间段
标签
样本
矩阵
代表
基础
系统为您推荐了相关专利信息
负荷预测误差
风险预测方法
配电网设备
多维特征数据
负荷预测模型
碳纤维复合材料
优化控制系统
随机森林模型
碳纤维模具
图像检测单元
新能源汽车电池
混合深度学习模型
预警方法
门控循环单元
异常状态