基于深度学习和聚类算法的电力工程建设数据分析系统设计

• 作者: 刘沁
• 来源期刊: 电子设计工程
• 学科: 工学
• 关键词: 深度学习 聚类算法 工程造价预测 系统设计
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 计算机技术与应用
• 页码范围: 27-30,35
• 页数: 5页
• 分类号: TP277
• 语种: 中文
• DOI: 10.14022/j.issn1674-6236.2021.03.006

摘要

针对电力工程建设数据规模日益庞大,而现有数据处理方法无法满足需要的问题,文中基于B/S结构从客户端、服务器端和数据采集端3部分构建了基于深度学习与聚类算法的电力工程建设数据分析系统.其分析了用户管理、用户功能和信息管理3个模块的主要功能与作用,提出了基于深度学习与聚类算法的工程造价预测功能的实现方法.测试结果表明,所设计系统的各项功能模块均能够正常工作,可以满足用户功能需求.系统中基于深度学习与聚类算法的工程造价预测方法,通过相同特性数据的聚类分析及关系模式的自动提取学习,其预测误差均在10％以内.相比仅采用深度学习算法或BP神经网络的传统算法,具有较高的预测准确性.