基于GWCA-SVM混合模型的公路工程造价估算研究OA

公路工程造价估算作为工程项目管理中的关键环节,其准确性直接关系到投资决策与成本控制。针对传统估算方法难以有效建模复杂非线性关系的问题,该文提出一种基于改进支持向量机(SVM)的智能估算模型。模型引入长城建造算法(GWCA)对SVM关键参数进行优化,提升其在小样本条件下的预测精度与稳定性。研究以实际公路工程数据为基础,选取桥梁密度、路基宽度、地形特征等13项核心影响因素,构建GWCA-SVM混合模型,并通过“烽火台监测”与“城墙分段建造”机制实现全局与局部搜索的协同优化。为验证模型性能,选取BP神经网络、LSTM和BiLSTM作为对比算法,从RMSE、MAE和R^(2)等多个维度对比分析各模型预测效果。结果表明,SVM模型在各项指标中均表现突出,R^(2)达到0.9601,预测精度和稳健性均优于其他模型。该研究成果可为复杂工程场景下的成本估算提供智能化建模思路与方法支持,具有良好的应用推广价值。