第48卷第3期2023年6月广西大学学报(自然科学版)JournalofGuangxiUniversity(NaturalScienceEdition)Vol.48No.3Jun.2023收稿日期:2022-09-13;修订日期:2022-12-11基金资助:国家自然科学基金项目(61876097)通讯作者:鲍刚(1977—),男,湖北宜昌人,三峡大学副教授,博士;E-mail:ctgugangbao@ctgu.edu.cn。引文格式:李康,鲍刚,徐瑞,等.基于SGDM优化IWOACNN的配电网工程造价控制研究[J].广西大学学报(自然科学版),2023,48(3):692-702.DOI:10.13624/j.cnki.issn.1001-7445.2023.0692基于SGDM优化IWOACNN的配电网工程造价控制研究李康,鲍刚*,徐瑞,刘毅楷(三峡大学电气与新能源学院,湖北宜昌443002)摘要:为了控制配电网工程项目的成本,需准确预测配电网工程造价,本文提出一种基于带动量因子的随机梯度下降(stochasticgradientdescentwithmomentumfactor,SGDM)优化的改进鲸鱼算法卷积神经网络工程造价预测模型。首先,考虑回路数、杆塔数、导线、地形、地质、风速、覆冰、导线截面、混凝土杆、塔材、绝缘子(直线)、绝缘子(耐张)、基坑开方、基础钢材、底盘和水泥对配电网工程造价的影响,建立了非线性函数关系;采用SGDM优化器改进的卷积神经网络对函数进行逼近,并用贝叶斯方法优化卷积神经网络的超参数;利用改进的鲸鱼算法(improvedwhaleoptimizationalgorithm,IWOA)优化卷积神经网络,找出卷积神经网络的最优学习率。数值算例表明,新模型预测效果较好,并提出相应的控制策略。关键词:配电网工程造价;鲸鱼算法;卷积神经网络;随机梯度下降优化器;贝叶斯优化;非线性收敛因子;自适应权重中图分类号:TP183文献标识码:A文章编号:1001-7445(2023)03-0692-11ResearchoncostcontrolofdistributionnetworkengineeringbasedonSGDMoptimizationIWOA-CNNLIKang,BAOGang*,XURui,LIUYikai(CollegeofElectricialEngineering&NewEnergy,ChinaThreeGorgesUniversity,Yichang443002,China)Abstract:Inordertocontrolthedistributionnetworkengineeringcost,itisnecessarytoaccuratelypredictthedistributionnetworkengineeringcost.Therefore,animprovedwhalealgorithmconvolutionalneuralnetworkengineeringcostpredictionmodelbasedonstochasticgradientdescentwithmomentumfactor,SGDMoptimizationisproposed.First,consideringtheinfluenceofthenumberofcircuits,towers,conductors,terrain,geology,windspeed,icing,conductorcross-sections,concretepoles,towermaterials,insula...
