清华大学学报(自然科学版)

作者：丁彦琼, 王雪, 汤志立, 徐千军

单位：1. 北京市基础设施投资有限公司, 北京 100101,2. 北京市政路桥科技发展有限公司, 北京 100037,3. 北京信息基础设施建设股份有限公司, 北京 100068,4. 清华大学 水圈科学与水利工程全国重点实验室, 北京 100084

关键词：综合管廊,机器学习,数据驱动,投资估算模型

基金：国家自然科学基金重大项目(52090084)

综合管廊投资估算的快速准确确定对成本优化至关重要。针对当前综合管廊投资估算方法单一、准确率低、模型泛化性能差的问题, 该文提出了一种通用的基于机器学习和数据驱动的综合管廊投资估算模型。首先, 选择影响综合管廊投资估算的6个因素作为模型的输入变量, 建立了包含98个样本的数据集; 其次, 基于数据预处理结果, 在特征重要性分析的基础上构建了9种特征组合; 再次, 建立了5种基于机器学习方法的投资估算模型, 开展了基于Optuna的模型超参数优化; 最后, 基于模型性能评估获得了最优模型Optuna-XGB, 确定系数(coefficient of determination)R2为0.843, 其对北京市2个综合管廊投资估算的预测偏差率为5.63%~6.50%, 表明该最优模型具有较高的预测精度。

来源：2026年第5期

《清华大学学报(自然科学版)》期刊编辑部

查看清华大学学报(自然科学版)杂志2026年第5期