投稿网址：http：//cslgxbzk.csust.edu.cn/cslgdxxbzk/home第20卷第3期2023年6月长沙理工大学学报（自然科学版）JournalofChangshaUniversityofScience&Technology（NaturalScience）Vol.20No.3Jun.2023DOI：10.19951/j.cnki.1672⁃9331.20220624001文章编号：1672⁃9331（2023）03⁃0137⁃09引用格式：彭军龙,胡珂,王梦瑶,等.基于SSA⁃LSSVM的住宅工程造价预测研究[J].长沙理工大学学报(自然科学版),2023,20(3):137-145.Citation：PENGJunlong，HUKe，WANGMengyao，etal.ResearchonresidentialprojectcostpredictionbasedonSSA⁃LSSVM［J］.JChangshaUnivSciTech（NatSci），2023，20（3）：137-145.基于SSA⁃LSSVM的住宅工程造价预测研究彭军龙，胡珂，王梦瑶，彭超（长沙理工大学交通运输工程学院，湖南长沙410114）摘要：【目的】提高建筑工程造价预测的准确性，进而为项目前期投资决策提供重要依据。【方法】针对工程实践中小样本数据和工程造价特征指标之间高维、非线性关系的特点，构建基于麻雀搜索算法（sparrowsearchalgorithm，SSA）的优化最小二乘支持向量机（leastsquaressupportvectormachine，LSSVM）造价预测模型SSA⁃LSSVM。首先，通过主成分分析法对住宅工程造价样本的输入指标数据进行处理，减少数据冗余；其次，采用SSA算法对LSSVM模型中的正则化参数c和核函数参数σ进行优化，以弥补LSSVM模型参数确定困难的缺陷；最后，将处理后的数据导入所构建的模型进行训练和预测，并通过相关系数、平均绝对百分比误差和均方根误差对模型的预测性能进行评价。【结果】与LSSVM模型、用灰狼优化算法优化的LSSVM模型和反向传播神经网络模型相比，SSA⁃LSSVM模型具有更好的泛化能力和更高的预测精度。【结论】本研究所构建的模型可以比较精准、高效地对实际住宅工程造价进行预测，同时可为工程前期投资决策提供一定参考。关键词：住宅工程；造价预测；主成分分析；麻雀搜索算法（SSA）；最小二乘支持向量机（LSSVM）中图分类号：TU723.3文献标志码：Ａ0引言建筑工程造价预测是项目可行性研究的重要内容，准确的造价预测可协助建设单位实现更加科学的投资决策。在工程建设项目前期可获取的工程信息有限、设计深度不够等问题将会导致造价预测的精度和效率较低，不能满足建筑市场精细化发展的实际需要［1］。因此，快速、准确地进行建筑工程造价预测具有实践意义。为提高工程造价预测的精度与科学性，国内外学者们采用不同的方法构建工程造价预测...
