CN115497272B - 一种基于数字化建造的工期智能化预警系统及方法 - Google Patents

一种基于数字化建造的工期智能化预警系统及方法 Download PDF

Info

Publication number
CN115497272B
CN115497272B CN202211455187.5A CN202211455187A CN115497272B CN 115497272 B CN115497272 B CN 115497272B CN 202211455187 A CN202211455187 A CN 202211455187A CN 115497272 B CN115497272 B CN 115497272B
Authority
CN
China
Prior art keywords
section
overdue
newly added
nodes
construction period
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202211455187.5A
Other languages
English (en)
Other versions
CN115497272A (zh
Inventor
汪黄东
王少华
冯满
朱家栋
何嘉
严俊
刘晓玲
卓旬
丁岗子
贾福阳
梁金浩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Construction Industrial and Energy Engineering Group Co Ltd
Original Assignee
China Construction Industrial and Energy Engineering Group Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Construction Industrial and Energy Engineering Group Co Ltd filed Critical China Construction Industrial and Energy Engineering Group Co Ltd
Priority to CN202211455187.5A priority Critical patent/CN115497272B/zh
Publication of CN115497272A publication Critical patent/CN115497272A/zh
Priority to US18/119,825 priority patent/US20230214740A1/en
Application granted granted Critical
Publication of CN115497272B publication Critical patent/CN115497272B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G06Q10/063114—Status monitoring or status determination for a person or group
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
    • G08B29/18—Prevention or correction of operating errors
    • G08B29/185—Signal analysis techniques for reducing or preventing false alarms or for enhancing the reliability of the system
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/20—Ensemble learning

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Emergency Management (AREA)
  • Computer Security & Cryptography (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于数字化建造的工期智能化预警系统及方法，属于智能化预警技术领域。本系统包括数字化建造模块、数据调用模块、初始判断模块、关联分析模块、调节预警模块；所述数字化建造模块的输出端与所述数据调用模块的输入端相连接；所述数据调用模块的输出端与所述初始判断模块的输入端相连接；所述初始判断模块的输出端与所述关联分析模块的输入端相连接；所述关联分析模块的输出端与所述调节预警模块的输入端相连接。本发明能够鉴别在数字化建造工期下新增区段引起的关联影响，输出预测的逾期节点数量，从而实现智能化预警，降低误报警的概率。

Description

一种基于数字化建造的工期智能化预警系统及方法
技术领域
本发明涉及智能化预警技术领域，具体为一种基于数字化建造的工期智能化预警系统及方法。
背景技术
工程行业的数字化主要体现在四个方面：管理数字化、业务数字化、工具智能化、数字化业务。管理数字化即现在常说的管理信息化，围绕工期管理，在标准化基础上实现管理信息化，未来工期实现量化管理后，信息化即过渡到数字化、智能化阶段。业务数字化围绕工程产品，实现工程产品的数字化模拟，并实现与实体工程的互通互联，主要实现工具即BIM。工具智能化是工程行业的部分作业工具借助数字化实现工具的智能化，如设计阶段的智能化设计软件、施工阶段的智慧化建造设备、智能化装配式工厂等。数字化业务包括BIM咨询、智能工程专项建设/改造、信息化服务和智能工具服务、数字化软硬件产品等。对工程行业而言，前两者是当前数字化发展的核心和基础内容。
管理数字化的推动力量主要是企业自身管理的需要，越来越庞大的项目工程、越来越精细的管理要求、资源整合与平台建设的需要、风险控制的需要等都在要求项目管理精细化、定量化、数字化、智能化。
在目前智慧化工地作为一种数字化建造的管理工具，其能够提升项目管理能力，依靠工程行业物联网技术实现数字化与工程实体的互通互联。但是对于其中具体的细节部分，例如工期判断、处理、预警等多方面都缺乏足够的技术支撑。
发明内容
本发明的目的在于提供一种基于数字化建造的工期智能化预警系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种基于数字化建造的工期智能化预警方法，该方法包括以下步骤：
S1、获取数字化建造工期中的新增区段，所述区段指数字化建造工期项目中的单体项目（即指在单项工程中，能相对独立的建设工程。具有独立的设计文件，竣工后不能独立发挥生产能力或工程效益的工程，并构成单项工程的组成部分），获取新增区段的特征因素；
S2、获取历史数据下的工期项目流程，构建新增区段与逾期节点之间的数据关联模型，生成新增区段下的预测逾期节点数量；
S3、根据历史数据下的工期项目流程，生成新增区段与删除区段之间的特征关联模型，生成新增区段下的预测删除区段；
S4、根据生成的预测删除区段对生成的预测逾期节点数量进行调整，输出最终的预测逾期节点数量，设置逾期节点阈值范围，若最终的预测逾期节点数量超出设置的逾期节点阈值范围，生成预警信息至管理员端口。
根据上述技术方案，所述构建新增区段与逾期节点之间的数据关联模型包括：
获取新增区段的特征因素，所述特征因素包括测试、评估、验收；
所述逾期节点包括轻度逾期节点（一般也称为一级逾期节点）、重度逾期节点（除去一级逾期节点以外的逾期节点）；系统设置有逾期时间阈值，不超过逾期时间阈值的记为轻度逾期节点，超过的记为重度逾期节点；
多种逾期节点的设定是为了满足在日常的使用中做到轻重缓急的取舍，进一步有效控制工期；
S2-1、获取历史数据下的工期项目流程作为训练数据集D；
Figure DEST_PATH_IMAGE001
其中，
Figure 91974DEST_PATH_IMAGE002
、
Figure 63384DEST_PATH_IMAGE003
、
Figure 665267DEST_PATH_IMAGE004
分别代表历史数据下的工期项目流程；
Figure 125198DEST_PATH_IMAGE005
、
Figure 230557DEST_PATH_IMAGE006
、
Figure 367010DEST_PATH_IMAGE007
分 别代表对应的逾期节点数量；
任一个工期项目流程记为
Figure 190609DEST_PATH_IMAGE008
，
Figure 454231DEST_PATH_IMAGE008
=
Figure 414097DEST_PATH_IMAGE009
，
Figure 596817DEST_PATH_IMAGE010
分别 代表新增区段，任一个新增区段内存在有不少于一个的特征因素；
S2-2、在训练数据集所在的输入空间中，递归地将每个区域划分为两个子区域并决定每个子区域上的输出值，构建二叉决策树：
Figure 297925DEST_PATH_IMAGE011
其中，
Figure 224293DEST_PATH_IMAGE012
代表最优切分变量；
Figure 914031DEST_PATH_IMAGE013
代表切分点；
Figure 533232DEST_PATH_IMAGE014
分别代表划分的两个子区域；
Figure 456057DEST_PATH_IMAGE015
、
Figure 920537DEST_PATH_IMAGE016
分别代表当前节点划分的两个子区域对应的样本输出均值；
Figure 854994DEST_PATH_IMAGE017
、
Figure 520462DEST_PATH_IMAGE018
分别代表当前节 点的输入、输出；
计算输出最优切分变量、切分点，根据最优切分变量、切分点将本节点数据集划分为两个叶子节点，将训练数据集分配到两个叶子节点中去；
S2-3、对生成的两个叶子节点，重复步骤S2-2，设置节点中最小样本数量为H，在新生成的任一个叶子节点中，若存在样本数量小于H时，终止操作，用当前叶子节点的均值来作为预测的输出结果；
S2-4、获取本次数字化建造工期中的新增区段以及新增区段的特征因素，代入模型中，根据最终输出的叶子节点的均值作为逾期节点数量的预测值。
在上述技术方案中，以决策树的方式对逾期节点数量进行分析，根据训练数据集，从根结点开始，递归地对每个结点进行以下操作，构建二叉决策树；设结点的训练数据集为D，计算现有特征对该数据集的基尼指数。在所有可能的特征A以及它们所有可能的切分点a中，选择基尼指数最小的特征及其对应的切分点作为最优切分变量与最优切分点。依最优切分变量与最优切分点，从现结点生成两个子结点，将训练数据集分配到两个子结点中去。
根据上述技术方案，所述新增区段与删除区段之间的特征关联模型包括：
获取历史数据下的工期项目流程中新增区段与删除区段之间的关联时长；
所述关联时长指与删除区段最近的新增区段之间的时长，且新增区段在删除区段前；
获取历史数据下的工期项目流程中新增区段与删除区段之间的关联因素；
所述关联因素包括全包含与部分包含，所述全包含指删除区段前的所有新增区段的特征因素包含了删除区段的所有特征因素；所述部分包含指删除区段前的所有新增区段的特征因素包含了删除区段的部分特征因素；
构建特征关联模型：
Figure 540371DEST_PATH_IMAGE019
其中，
Figure 198754DEST_PATH_IMAGE020
代表区段的特征关联值；
Figure DEST_PATH_IMAGE021
代表历史数据下的工期项目流程中新增区段 与删除区段之间的关联时长的平均值；
Figure 394243DEST_PATH_IMAGE022
代表当前区段与最近的新增区段之间的间隔时 长；
Figure 89667DEST_PATH_IMAGE023
代表时长影响系数值；
Figure 596871DEST_PATH_IMAGE024
代表关联因素在历史数据下所占的比例值，所述比例值指 在历史数据汇总存在关联因素的情况下出现删除区段的占比；
Figure 793366DEST_PATH_IMAGE025
代表关联因素影响系数 值，取0或1，在区段存在与新增区段相关联的特征因素时取1，不存在取0。
在上述技术方案中，结合历史数据进行拟合，对每一个区段是否能够成为删除区段进行分析，例如新增区段存在“测试”或者“验收”这一类的特征因素，那么在一段时间内就不应该再次出现“测试”或者“验收”的相关特征，因为这不符合实际，那么原定的“测试”就可能会成为删除区段，具体是否会成为，二者之间的间隔时长也拥有较大的“话语权”，因此需要进行综合分析，本申请直接以二分之一的比例进行权重划分。
根据上述技术方案，所述根据生成的预测删除区段对生成的预测逾期节点数量进行调整包括：
设置关联阈值Qmax，计算每个区段的特征关联值，若存在特征关联值超出关联阈值Qmax，将这一区段记为预测删除区段，输出至管理端口；
利用历史数据拟合删除区段数量与逾期节点数量的线性关系式，其中逾期节点数量随着删除区段数量增多而减少，根据预测删除区段数量输出预测的逾期节点数量损失值，具体计算如下：
Figure 702417DEST_PATH_IMAGE026
其中，
Figure 709687DEST_PATH_IMAGE027
代表逾期节点数量的预测值；
Figure 438608DEST_PATH_IMAGE028
代表预测删除区段数量；
Figure DEST_PATH_IMAGE029
代表影响系 数；
Figure 969953DEST_PATH_IMAGE030
代表最终的预测逾期节点数量，K向上取整；
设置逾期节点阈值范围，若最终的预测逾期节点数量超出设置的逾期节点阈值范围，生成预警信息至管理员端口。
一种基于数字化建造的工期智能化预警系统，该系统包括数字化建造模块、数据调用模块、初始判断模块、关联分析模块、调节预警模块；
所述数字化建造模块用于根据工期计划输入数据至系统，生成数字化建造工期，同时不断采集获取数字化建造工期中的新增区段，所述区段指数字化建造工期项目中的单体项目，并获取新增区段的特征因素；所述数据调用模块用于调用历史数据下的工期项目流程；所述初始判断模块用于根据调用的历史数据构建新增区段与逾期节点之间的数据关联模型，生成新增区段下的预测逾期节点数量；所述关联分析模块用于根据历史数据下的工期项目流程，生成新增区段与删除区段之间的特征关联模型，生成新增区段下的预测删除区段；所述调节预警模块用于根据生成的预测删除区段对生成的预测逾期节点数量进行调整，输出最终的预测逾期节点数量，设置逾期节点阈值范围，若最终的预测逾期节点数量超出设置的逾期节点阈值范围，生成预警信息至管理员端口；
所述数字化建造模块的输出端与所述数据调用模块的输入端相连接；所述数据调用模块的输出端与所述初始判断模块的输入端相连接；所述初始判断模块的输出端与所述关联分析模块的输入端相连接；所述关联分析模块的输出端与所述调节预警模块的输入端相连接。
根据上述技术方案，所述数字化建造模块包括工期构建单元、因素获取单元；
所述工期构建单元用于根据工期计划输入数据至系统，生成数字化建造工期；所述因素获取单元用于不断采集获取数字化建造工期中的新增区段，并获取新增区段的特征因素；
所述工期构建单元的输出端与所述因素获取单元的输入端相连接。
根据上述技术方案，所述数据调用模块包括数据存储单元、数据调用单元；
所述数据存储单元用于存储历史项目的数字化建造工期流程；所述数据调用单元用于调用数据存储单元中存储的数据内容；
所述数据存储单元的输出端与所述数据调用单元的输入端相连接。
根据上述技术方案，所述初始判断模块包括数据关联单元、预测单元；
所述数据关联单元用于根据调用的历史数据构建新增区段与逾期节点之间的数据关联模型；所述预测单元基于数据关联模型生成新增区段下的预测逾期节点数量；
所述数据关联单元的输出端与所述预测单元的输入端相连接。
根据上述技术方案，所述关联分析模块包括特征关联单元、数据分析单元；
所述特征关联单元用于根据历史数据下的工期项目流程，生成新增区段与删除区段之间的特征关联模型；所述数据分析单元基于特征关联模型生成新增区段下的预测删除区段；
所述特征关联单元的输出端与所述数据分析单元的输入端相连接。
根据上述技术方案，所述调节预警模块包括调节单元、预警单元；
所述调节单元用于根据生成的预测删除区段对生成的预测逾期节点数量进行调整，输出最终的预测逾期节点数量；所述预警单元用于设置逾期节点阈值范围，若最终的预测逾期节点数量超出设置的逾期节点阈值范围，生成预警信息至管理员端口；
所述调节单元的输出端与所述预警单元的输入端相连接。
与现有技术相比，本发明所达到的有益效果是：
本发明利用数字化建造模块采集获取数字化建造工期中的新增区段，获取新增区段的特征因素；同时调用历史数据下的工期项目流程，构建新增区段与逾期节点之间的数据关联模型，生成新增区段下的预测逾期节点数量以及新增区段下的预测删除区段；利用调节预警模块根据生成的预测删除区段对生成的预测逾期节点数量进行调整，输出最终的预测逾期节点数量，设置逾期节点阈值范围，若最终的预测逾期节点数量超出设置的逾期节点阈值范围，生成预警信息至管理员端口；本发明能够鉴别在数字化建造工期下新增区段引起的关联影响，输出预测的逾期节点数量，从而实现智能化预警，降低误报警的概率。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明一种基于数字化建造的工期智能化预警系统及方法的新增区段示意图；
图2是本发明一种基于数字化建造的工期智能化预警系统及方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1-图2，在本实施例一中：
获取历史数据下的工期项目流程，构建新增区段与逾期节点之间的数据关联模型，生成新增区段下的预测逾期节点数量；生成新增区段与删除区段之间的特征关联模型，生成新增区段下的预测删除区段；
获取新增区段的特征因素，所述特征因素包括测试、评估、验收；
S2-1、获取历史数据下的工期项目流程作为训练数据集D；
Figure 733509DEST_PATH_IMAGE001
其中，
Figure 646102DEST_PATH_IMAGE002
、
Figure 393478DEST_PATH_IMAGE003
、
Figure 931776DEST_PATH_IMAGE004
分别代表历史数据下的工期项目流程；
Figure 549839DEST_PATH_IMAGE005
、
Figure 633332DEST_PATH_IMAGE006
、
Figure 336846DEST_PATH_IMAGE007
分 别代表对应的逾期节点数量；
任一个工期项目流程记为
Figure 554201DEST_PATH_IMAGE008
，
Figure 434562DEST_PATH_IMAGE008
=
Figure 79170DEST_PATH_IMAGE009
，
Figure 410925DEST_PATH_IMAGE010
分别 代表新增区段，任一个新增区段内存在有不少于一个的特征因素；
S2-2、在训练数据集所在的输入空间中，递归地将每个区域划分为两个子区域并决定每个子区域上的输出值，构建二叉决策树：
Figure 900812DEST_PATH_IMAGE031
其中，
Figure 883681DEST_PATH_IMAGE012
代表最优切分变量；
Figure 433611DEST_PATH_IMAGE013
代表切分点；
Figure 111717DEST_PATH_IMAGE014
分别代表划分的两个子区域；
Figure 546240DEST_PATH_IMAGE015
、
Figure 258981DEST_PATH_IMAGE016
分别代表当前节点划分的两个子区域对应的样本输出均值；
Figure 370026DEST_PATH_IMAGE017
、
Figure 535428DEST_PATH_IMAGE018
分别代表当前节 点的输入、输出；
计算输出最优切分变量、切分点，根据最优切分变量、切分点将本节点数据集划分为两个叶子节点，将训练数据集分配到两个叶子节点中去；
S2-3、对生成的两个叶子节点，重复步骤S2-2，设置节点中最小样本数量为H，在新生成的任一个叶子节点中，若存在样本数量小于H时，终止操作，用当前叶子节点的均值来作为预测的输出结果；
S2-4、获取本次数字化建造工期中的新增区段以及新增区段的特征因素，代入模型中，根据最终输出的叶子节点的均值作为逾期节点数量的预测值。
在上述所述的历史数据，具体包括整个项目的流程，例如某一个历史数据可包括内容：某某时间点新增区段，特征为“测试”；在新增区段后，在某某时间点，删除了原有区段，特征为“测试”；是否出现了逾期节点等等内容；
所述新增区段与删除区段之间的特征关联模型包括：
获取历史数据下的工期项目流程中新增区段与删除区段之间的关联时长；
所述关联时长指与删除区段最近的新增区段之间的时长，且新增区段在删除区段前；
获取历史数据下的工期项目流程中新增区段与删除区段之间的关联因素；
所述关联因素包括全包含与部分包含，所述全包含指删除区段前的所有新增区段的特征因素包含了删除区段的所有特征因素；所述部分包含指删除区段前的所有新增区段的特征因素包含了删除区段的部分特征因素；
所述全包含与部分包含例如，某一删除区段包含“测试”、“评估”，那么在其之前的所有新增区段是否包含上述两个特征，若都包含，则判断为全包含，都不包含，则属于无关因素，后续的影响系数为0；包含一个，则判断为部分包含；
构建特征关联模型：
Figure 508063DEST_PATH_IMAGE032
其中，
Figure 75310DEST_PATH_IMAGE020
代表区段的特征关联值；
Figure 357256DEST_PATH_IMAGE021
代表历史数据下的工期项目流程中新增区段 与删除区段之间的关联时长的平均值；
Figure 744375DEST_PATH_IMAGE022
代表当前区段与最近的新增区段之间的间隔时 长；
Figure 645335DEST_PATH_IMAGE023
代表时长影响系数值；
Figure 208034DEST_PATH_IMAGE024
代表关联因素在历史数据下所占的比例值，所述比例值指 在历史数据汇总存在关联因素的情况下出现删除区段的占比；
Figure 536248DEST_PATH_IMAGE025
代表关联因素影响系数 值，取0或1，在区段存在与新增区段相关联的特征因素时取1，不存在取0。
所述根据生成的预测删除区段对生成的预测逾期节点数量进行调整包括：
设置关联阈值Qmax，计算每个区段的特征关联值，若存在特征关联值超出关联阈值Qmax，将这一区段记为预测删除区段，输出至管理端口；
利用历史数据拟合删除区段数量与逾期节点数量的线性关系式，其中逾期节点数量随着删除区段数量增多而减少，根据预测删除区段数量输出预测的逾期节点数量损失值，具体计算如下：
Figure 800876DEST_PATH_IMAGE033
其中，
Figure 974368DEST_PATH_IMAGE027
代表逾期节点数量的预测值；
Figure 391574DEST_PATH_IMAGE028
代表预测删除区段数量；
Figure 625109DEST_PATH_IMAGE029
代表影响系 数；
Figure 252400DEST_PATH_IMAGE030
代表最终的预测逾期节点数量，K向上取整；
设置逾期节点阈值范围，若最终的预测逾期节点数量超出设置的逾期节点阈值范围，生成预警信息至管理员端口。
在本实施例二中，提供一种基于数字化建造的工期智能化预警系统，该系统包括数字化建造模块、数据调用模块、初始判断模块、关联分析模块、调节预警模块；
所述数字化建造模块用于根据工期计划输入数据至系统，生成数字化建造工期，同时不断采集获取数字化建造工期中的新增区段，所述区段指数字化建造工期项目中的单体项目，并获取新增区段的特征因素；所述数据调用模块用于调用历史数据下的工期项目流程；所述初始判断模块用于根据调用的历史数据构建新增区段与逾期节点之间的数据关联模型，生成新增区段下的预测逾期节点数量；所述关联分析模块用于根据历史数据下的工期项目流程，生成新增区段与删除区段之间的特征关联模型，生成新增区段下的预测删除区段；所述调节预警模块用于根据生成的预测删除区段对生成的预测逾期节点数量进行调整，输出最终的预测逾期节点数量，设置逾期节点阈值范围，若最终的预测逾期节点数量超出设置的逾期节点阈值范围，生成预警信息至管理员端口；
所述数字化建造模块的输出端与所述数据调用模块的输入端相连接；所述数据调用模块的输出端与所述初始判断模块的输入端相连接；所述初始判断模块的输出端与所述关联分析模块的输入端相连接；所述关联分析模块的输出端与所述调节预警模块的输入端相连接。
所述数字化建造模块包括工期构建单元、因素获取单元；
所述工期构建单元用于根据工期计划输入数据至系统，生成数字化建造工期；所述因素获取单元用于不断采集获取数字化建造工期中的新增区段，并获取新增区段的特征因素；
所述工期构建单元的输出端与所述因素获取单元的输入端相连接。
所述数据调用模块包括数据存储单元、数据调用单元；
所述数据存储单元用于存储历史项目的数字化建造工期流程；所述数据调用单元用于调用数据存储单元中存储的数据内容；
所述数据存储单元的输出端与所述数据调用单元的输入端相连接。
所述初始判断模块包括数据关联单元、预测单元；
所述数据关联单元用于根据调用的历史数据构建新增区段与逾期节点之间的数据关联模型；所述预测单元基于数据关联模型生成新增区段下的预测逾期节点数量；
所述数据关联单元的输出端与所述预测单元的输入端相连接。
所述关联分析模块包括特征关联单元、数据分析单元；
所述特征关联单元用于根据历史数据下的工期项目流程，生成新增区段与删除区段之间的特征关联模型；所述数据分析单元基于特征关联模型生成新增区段下的预测删除区段；
所述特征关联单元的输出端与所述数据分析单元的输入端相连接。
所述调节预警模块包括调节单元、预警单元；
所述调节单元用于根据生成的预测删除区段对生成的预测逾期节点数量进行调整，输出最终的预测逾期节点数量；所述预警单元用于设置逾期节点阈值范围，若最终的预测逾期节点数量超出设置的逾期节点阈值范围，生成预警信息至管理员端口；
所述调节单元的输出端与所述预警单元的输入端相连接。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于数字化建造的工期智能化预警方法，其特征在于：该方法包括以下步骤：
S1、获取数字化建造工期中的新增区段，所述区段指数字化建造工期项目中的单体项目，获取新增区段的特征因素；
S2、获取历史数据下的工期项目流程，构建新增区段与逾期节点之间的数据关联模型，生成新增区段下的预测逾期节点数量；
S3、根据历史数据下的工期项目流程，生成新增区段与删除区段之间的特征关联模型，生成新增区段下的预测删除区段；
S4、根据生成的预测删除区段对生成的预测逾期节点数量进行调整，输出最终的预测逾期节点数量，设置逾期节点阈值范围，若最终的预测逾期节点数量超出设置的逾期节点阈值范围，生成预警信息至管理员端口；
所述构建新增区段与逾期节点之间的数据关联模型包括：
获取新增区段的特征因素，所述特征因素包括测试、评估、验收；
S2-1、获取历史数据下的工期项目流程作为训练数据集D；
Figure DEST_PATH_IMAGE002
其中，
Figure DEST_PATH_IMAGE004
、
Figure DEST_PATH_IMAGE006
、
Figure DEST_PATH_IMAGE008
分别代表历史数据下的工期项目流程；
Figure DEST_PATH_IMAGE010
、
Figure DEST_PATH_IMAGE012
、
Figure DEST_PATH_IMAGE014
分别代表对应的逾期节点数量；
任一个工期项目流程记为
Figure DEST_PATH_IMAGE016
，
Figure 853359DEST_PATH_IMAGE016
=
Figure DEST_PATH_IMAGE018
，
Figure DEST_PATH_IMAGE020
分别代表新增区段，任一个新增区段内存在有不少于一个的特征因素；
S2-2、在训练数据集所在的输入空间中，递归地将每个区域划分为两个子区域并决定每个子区域上的输出值，构建二叉决策树：
Figure DEST_PATH_IMAGE022
其中，
Figure DEST_PATH_IMAGE024
代表最优切分变量；
Figure DEST_PATH_IMAGE026
代表切分点；
Figure DEST_PATH_IMAGE028
分别代表划分的两个子区域；
Figure DEST_PATH_IMAGE030
、
Figure DEST_PATH_IMAGE032
分别代表当前节点划分的两个子区域对应的样本输出均值；
Figure DEST_PATH_IMAGE034
、
Figure DEST_PATH_IMAGE036
分别代表当前节点的输入、输出；
计算输出最优切分变量、切分点，根据最优切分变量、切分点将本节点数据集划分为两个叶子节点，将训练数据集分配到两个叶子节点中去；
S2-3、对生成的两个叶子节点，重复步骤S2-2，设置节点中最小样本数量为H，在新生成的任一个叶子节点中，若存在样本数量小于H时，终止操作，用当前叶子节点的均值来作为预测的输出结果；
S2-4、获取本次数字化建造工期中的新增区段以及新增区段的特征因素，代入模型中，根据最终输出的叶子节点的均值作为逾期节点数量的预测值；
所述新增区段与删除区段之间的特征关联模型包括：
获取历史数据下的工期项目流程中新增区段与删除区段之间的关联时长；
所述关联时长指与删除区段最近的新增区段之间的时长，且新增区段在删除区段前；
获取历史数据下的工期项目流程中新增区段与删除区段之间的关联因素；
所述关联因素包括全包含与部分包含，所述全包含指删除区段前的所有新增区段的特征因素包含了删除区段的所有特征因素；所述部分包含指删除区段前的所有新增区段的特征因素包含了删除区段的部分特征因素；
构建特征关联模型：
Figure DEST_PATH_IMAGE038
其中，
Figure DEST_PATH_IMAGE040
代表区段的特征关联值；
Figure DEST_PATH_IMAGE042
代表历史数据下的工期项目流程中新增区段与删除区段之间的关联时长的平均值；
Figure DEST_PATH_IMAGE044
代表当前区段与最近的新增区段之间的间隔时长；
Figure DEST_PATH_IMAGE046
代表时长影响系数值；
Figure DEST_PATH_IMAGE048
代表关联因素在历史数据下所占的比例值，所述比例值指在历史数据汇总存在关联因素的情况下出现删除区段的占比；
Figure DEST_PATH_IMAGE050
代表关联因素影响系数值，取0或1，在区段存在与新增区段相关联的特征因素时取1，不存在取0。
2.根据权利要求1所述的一种基于数字化建造的工期智能化预警方法，其特征在于：所述根据生成的预测删除区段对生成的预测逾期节点数量进行调整包括：
设置关联阈值Qmax，计算每个区段的特征关联值，若存在特征关联值超出关联阈值Qmax，将这一区段记为预测删除区段，输出至管理端口；
利用历史数据拟合删除区段数量与逾期节点数量的线性关系式，其中逾期节点数量随着删除区段数量增多而减少，根据预测删除区段数量输出预测的逾期节点数量损失值，具体计算如下：
Figure DEST_PATH_IMAGE052
其中，
Figure DEST_PATH_IMAGE054
代表逾期节点数量的预测值；
Figure DEST_PATH_IMAGE056
代表预测删除区段数量；
Figure DEST_PATH_IMAGE058
代表影响系数；
Figure DEST_PATH_IMAGE060
代表最终的预测逾期节点数量，K向上取整；
设置逾期节点阈值范围，若最终的预测逾期节点数量超出设置的逾期节点阈值范围，生成预警信息至管理员端口。
3.应用权利要求1所述的一种基于数字化建造的工期智能化预警方法的一种基于数字化建造的工期智能化预警系统，其特征在于：该系统包括数字化建造模块、数据调用模块、初始判断模块、关联分析模块、调节预警模块；
所述数字化建造模块用于根据工期计划输入数据至系统，生成数字化建造工期，同时不断采集获取数字化建造工期中的新增区段，所述区段指数字化建造工期项目中的单体项目，并获取新增区段的特征因素；所述数据调用模块用于调用历史数据下的工期项目流程；所述初始判断模块用于根据调用的历史数据构建新增区段与逾期节点之间的数据关联模型，生成新增区段下的预测逾期节点数量；所述关联分析模块用于根据历史数据下的工期项目流程，生成新增区段与删除区段之间的特征关联模型，生成新增区段下的预测删除区段；所述调节预警模块用于根据生成的预测删除区段对生成的预测逾期节点数量进行调整，输出最终的预测逾期节点数量，设置逾期节点阈值范围，若最终的预测逾期节点数量超出设置的逾期节点阈值范围，生成预警信息至管理员端口；
所述数字化建造模块的输出端与所述数据调用模块的输入端相连接；所述数据调用模块的输出端与所述初始判断模块的输入端相连接；所述初始判断模块的输出端与所述关联分析模块的输入端相连接；所述关联分析模块的输出端与所述调节预警模块的输入端相连接。
4.根据权利要求3所述的一种基于数字化建造的工期智能化预警系统，其特征在于：所述数字化建造模块包括工期构建单元、因素获取单元；
所述工期构建单元用于根据工期计划输入数据至系统，生成数字化建造工期；所述因素获取单元用于不断采集获取数字化建造工期中的新增区段，并获取新增区段的特征因素；
所述工期构建单元的输出端与所述因素获取单元的输入端相连接。
5.根据权利要求3所述的一种基于数字化建造的工期智能化预警系统，其特征在于：所述数据调用模块包括数据存储单元、数据调用单元；
所述数据存储单元用于存储历史项目的数字化建造工期流程；所述数据调用单元用于调用数据存储单元中存储的数据内容；
所述数据存储单元的输出端与所述数据调用单元的输入端相连接。
6.根据权利要求3所述的一种基于数字化建造的工期智能化预警系统，其特征在于：所述初始判断模块包括数据关联单元、预测单元；
所述数据关联单元用于根据调用的历史数据构建新增区段与逾期节点之间的数据关联模型；所述预测单元基于数据关联模型生成新增区段下的预测逾期节点数量；
所述数据关联单元的输出端与所述预测单元的输入端相连接。
7.根据权利要求3所述的一种基于数字化建造的工期智能化预警系统，其特征在于：所述关联分析模块包括特征关联单元、数据分析单元；
所述特征关联单元用于根据历史数据下的工期项目流程，生成新增区段与删除区段之间的特征关联模型；所述数据分析单元基于特征关联模型生成新增区段下的预测删除区段；
所述特征关联单元的输出端与所述数据分析单元的输入端相连接。
8.根据权利要求3所述的一种基于数字化建造的工期智能化预警系统，其特征在于：所述调节预警模块包括调节单元、预警单元；
所述调节单元用于根据生成的预测删除区段对生成的预测逾期节点数量进行调整，输出最终的预测逾期节点数量；所述预警单元用于设置逾期节点阈值范围，若最终的预测逾期节点数量超出设置的逾期节点阈值范围，生成预警信息至管理员端口；
所述调节单元的输出端与所述预警单元的输入端相连接。
CN202211455187.5A 2022-11-21 2022-11-21 一种基于数字化建造的工期智能化预警系统及方法 Active CN115497272B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202211455187.5A CN115497272B (zh) 2022-11-21 2022-11-21 一种基于数字化建造的工期智能化预警系统及方法
US18/119,825 US20230214740A1 (en) 2022-11-21 2023-03-10 Digital construction-based intelligent construction period early warning system and method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211455187.5A CN115497272B (zh) 2022-11-21 2022-11-21 一种基于数字化建造的工期智能化预警系统及方法

Publications (2)

Publication Number Publication Date
CN115497272A CN115497272A (zh) 2022-12-20
CN115497272B true CN115497272B (zh) 2023-03-24

Family

ID=85114717

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211455187.5A Active CN115497272B (zh) 2022-11-21 2022-11-21 一种基于数字化建造的工期智能化预警系统及方法

Country Status (2)

Country Link
US (1) US20230214740A1 (zh)
CN (1) CN115497272B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116109041B (zh) * 2023-03-06 2023-06-16 中建安装集团有限公司 一种用于数字化项目级的工程信息安全管理系统及方法
CN116663875B (zh) * 2023-05-11 2024-01-30 广东恒域科技股份有限公司 一种基于大数据的智能化安装工程监测系统及方法
CN117057966B (zh) * 2023-10-10 2024-01-09 山东朝辉自动化科技有限责任公司 基于数字分析的料场堆料管理系统及方法
CN117313951B (zh) * 2023-10-27 2024-02-20 江苏中科云控智能工业装备有限公司 一种多传感器融合的柔性去毛刺管理方法及系统
CN117236660B (zh) * 2023-11-14 2024-01-26 宝信软件(南京)有限公司 一种钢管组批切割数据分析系统及方法
CN117852896A (zh) * 2024-03-07 2024-04-09 南京德阳工程监理咨询有限公司 一种施工监理风险控制预警系统及方法
CN117952573A (zh) * 2024-03-27 2024-04-30 四川蜀道电气化建设有限公司 一种基于gis数据下的四电工程建设管理方法及系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106779618A (zh) * 2016-12-29 2017-05-31 北京恒华伟业科技股份有限公司 一种工程全要素管理平台
US11227288B1 (en) * 2018-07-02 2022-01-18 Credit Suisse Ag Systems and methods for integration of disparate data feeds for unified data monitoring
CN110148285B (zh) * 2019-05-15 2021-04-02 山东云科汉威软件有限公司 一种基于大数据技术的油井参数智能预警系统及其预警方法
CN115201608A (zh) * 2022-07-26 2022-10-18 广东粤电靖海发电有限公司 一种基于神经网络的电厂设备运行参数监测方法

Also Published As

Publication number Publication date
US20230214740A1 (en) 2023-07-06
CN115497272A (zh) 2022-12-20

Similar Documents

Publication Publication Date Title
CN115497272B (zh) 一种基于数字化建造的工期智能化预警系统及方法
CN110609759B (zh) 一种故障根因分析的方法及装置
US6510457B1 (en) Data analysis method and apparatus for data mining
CN110493025B (zh) 一种基于多层有向图的故障根因诊断的方法及装置
CN109034861A (zh) 基于移动端日志行为数据的用户流失预测方法及装置
US8175852B2 (en) Method of, and system for, process-driven analysis of operations
CN111160472B (zh) 对象的目标特征的预测方法、装置、存储介质与电子设备
CN111294812A (zh) 一种资源扩容规划的方法及系统
CN111600761A (zh) 一种基于运维业务风险告警分析归并方法
CN115883392B (zh) 算力网络的数据感知方法、装置、电子设备及存储介质
CN109829115B (zh) 搜索引擎关键词优化方法
CN116340883A (zh) 配电网数据资源融合方法、装置、设备及存储介质
CN116880867A (zh) 基于策略大模型的决策引擎更新方法及装置
CN116149848A (zh) 负载预测方法、装置、电子设备及存储介质
CN113610575B (zh) 一种产品销量的预测方法及预测系统
CN114820074A (zh) 基于机器学习的目标用户群体预测模型构建方法
CN115600818A (zh) 多维评分方法、装置、电子设备和存储介质
EP1052586A2 (en) Method and apparatus for achieving a quality standard
CN111737319B (zh) 用户集群的预测方法、装置、计算机设备和存储介质
CN114330720A (zh) 用于云计算的知识图谱构建方法、设备及存储介质
US7577649B2 (en) Engine for validating proposed changes to an electronic entity
CN112416904A (zh) 电力数据规范化处理方法及装置
CN115550259B (zh) 基于白名单的流量分配方法及相关设备
Nguyen Representation choice methods as the tool for solving uncertainty in distributed temporal database systems with indeterminate valid time
CN111143322A (zh) 一种数据标准治理系统及方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant