CN116384756A - 基于深度学习的建筑工程进度风险预测评价方法 - Google Patents

基于深度学习的建筑工程进度风险预测评价方法 Download PDF

Info

Publication number
CN116384756A
CN116384756A CN202310651475.6A CN202310651475A CN116384756A CN 116384756 A CN116384756 A CN 116384756A CN 202310651475 A CN202310651475 A CN 202310651475A CN 116384756 A CN116384756 A CN 116384756A
Authority
CN
China
Prior art keywords
construction
stage
construction stage
building
planned
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.)
Granted
Application number
CN202310651475.6A
Other languages
English (en)
Other versions
CN116384756B (zh
Inventor
魏亮
李上寿
肖丽娜
胡伟
梁超
李娜
潘明扬
薛艳芳
穆明辉
李壮
刘振邦
卞雄峰
孙朝福
吴艳
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.)
Anhui Shuzhi Construction Research Institute Co ltd
China Tiesiju Civil Engineering Group Co Ltd CTCE Group
Original Assignee
Anhui Shuzhi Construction Research Institute Co ltd
China Tiesiju Civil Engineering Group Co Ltd CTCE Group
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 Anhui Shuzhi Construction Research Institute Co ltd, China Tiesiju Civil Engineering Group Co Ltd CTCE Group filed Critical Anhui Shuzhi Construction Research Institute Co ltd
Priority to CN202310651475.6A priority Critical patent/CN116384756B/zh
Publication of CN116384756A publication Critical patent/CN116384756A/zh
Application granted granted Critical
Publication of CN116384756B publication Critical patent/CN116384756B/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
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/08—Construction
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

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

Abstract

本发明涉及建筑工程进度风险预测技术领域，具体公开基于深度学习的建筑工程进度风险预测评价方法，通过对建造工程在各建造阶段施工完成后监测各建造阶段对应的施工质量，由此评价各建造阶段对应下一建造阶段的如期开工风险系数，与此同时在获取下一建造阶段对应的气象信息、各种建材供应量和施工人员到岗数量，评价各建造阶段对应下一建造阶段的如期完工风险系数，从而结合如期开工风险系数和如期完工风险系数综合进行施工进度风险预测，实现了建筑工程施工进度的全面风险预测，大大提高了预测结果的精准度，能够为建筑工程施工进度管理提供前瞻性的处理措施，有利于施工进度管理效果的提升。

Description

基于深度学习的建筑工程进度风险预测评价方法
技术领域
本发明涉及建筑工程进度风险预测技术领域，具体而言是基于深度学习的建筑工程进度风险预测评价方法。
背景技术
随着现代城市化进程的不断加快，城市的居住需求日益增长，以此对城市建筑工程的建造速度提出了更高的要求，在这种情况下目前越来越注重对城市建筑工程施工进度的管理，但对于一些大型建筑工程来说由于施工周期较长、参与人员较多、施工进度容易受到各种因素影响，使得施工延误、拖延的现象时有发生，进一步使得施工进度管理不佳，为了能够及时发现建筑工程施工进程中存在的问题，为建筑工程施工进度管理提供前瞻性的处理措施，有必要在进行施工进度管理时进行风险预测，只有通过全面的风险预测和应对措施，才能在工程建设中保证建筑工程顺利完工。
由于大部分的建筑工程都是在户外施工，对户外环境的依赖较大，这使得目前对建筑工程施工进度的风险预测一般侧重于以未来的施工天气、施工人员到岗率和建材供应情况作为下一建造阶段施工阶段的预测指标，忽略了上个建造阶段的施工质量对下一建造阶段的施工进度影响，施工天气、施工人员到岗率和建材供应情况注重的是施工过程，直接反映了下一建造阶段能否如期完工，当施工天气不佳，例如狂风暴雨、施工人员到岗率低、建材供应不足时一般会延长施工时长，使得难以如期完工，而上个建造阶段的施工质量注重的是施工开端，直接反映了下一建造阶段能否如期开工，当上个建造阶段的施工质量无法满足要求时就需要花时间进行整改，这样就会延误下一建造阶段的计划开工时间，其对下一建造阶段的施工进度是会造成较大影响的，因此单纯只注重施工过程容易造成施工进度风险预测过于片面、局限，在一定程度上降低了预测结果的精准度，进而难以为建筑工程施工进度管理提供前瞻性的处理措施，不利于施工进度管理效果的提升。
发明内容
针对上述问题，本发明旨在提供基于深度学习的建筑工程进度风险预测评价方法，通过结合施工过程和施工开端对建筑工程施工进度风险进行全面预测，有效解决了背景技术提到的问题。
本发明的目的可以通过以下技术方案来实现：基于深度学习的建筑工程进度风险预测评价方法，包括：（1）施工质量监测：按照建筑工程的计划施工进度在各建造阶段施工完成后监测各建造阶段对应的施工质量。
（2）如期开工风险评价：基于各建造阶段对应的施工质量监测结果评价各建造阶段对应下一建造阶段的如期开工风险系数。
（3）施工天气适宜度预估：在各建造阶段施工完成后从气象中心提取下一建造阶段所处计划施工时间段中每日气象信息，进而预估各建造阶段对应下一建造阶段的施工天气适宜度。
（4）施工准备充足度分析：在各建造阶段施工完成后获取下一建造阶段对应的各种建材供应量和施工人员到岗数量，并据此分析各建造阶段对应下一建造阶段的施工准备充足度。
（5）如期完工风险评价：基于各建造阶段对应下一建造阶段的施工天气适宜度和施工准备充足度评价各建造阶段对应下一建造阶段的如期完工风险系数。
（6）施工进度风险综合预测：依据各建造阶段对应下一建造阶段的如期开工风险系数和如期完工风险系数综合预测各建造阶段对应下一建造阶段的施工进度风险系数。
在一些可独立实施的设计方案中，所述计划施工进度包括各建造阶段对应的计划施工时间段。
在一些可独立实施的设计方案中，所述监测各建造阶段对应的施工质量包括下述步骤：（11）在各建造阶段施工完成后采集各建造阶段对应的实际建筑体图像，进而构建各建造阶段对应的实际建筑体模型。
（12）将各建造阶段对应的实际建筑体模型轮廓与各建造阶段对应的设计建筑体模型轮廓进行重合对比，得到各建造阶段对应的建筑体施工尺寸质量达标度，记为
Figure SMS_1
，其中i表示为建造阶段编号，/>
Figure SMS_2
。
（13）从施工数据库中提取各建造阶段对应的施工性能指征及各施工性能指征对应的达标值，由此对各建造阶段对应的建筑体进行施工性能指征监测，得到各建造阶段对应各施工性能指征的实际值。
（14）将各建造阶段对应各施工性能指征的实际值与达标值进行对比，计算各建造阶段对应的建筑体施工性能质量达标度
Figure SMS_3
，计算表达式为/>
Figure SMS_4
，其中/>
Figure SMS_5
、/>
Figure SMS_6
分别表示为第i建造阶段对应第k施工性能指征的实际值、达标值，k表示为各建造阶段对应施工性能指征编号，/>
Figure SMS_7
，r表示为各建造阶段对应施工性能指征数量，/>
Figure SMS_8
表示为第i建造阶段对应k施工性能指征的品质决定因子。
在一些可独立实施的设计方案中，所述各建造阶段对应下一建造阶段的如期开工风险系数评价公式为
Figure SMS_9
，其中/>
Figure SMS_10
、
Figure SMS_11
分别表示为预置常数。
在一些可独立实施的设计方案中，所述气象信息包括有效气温、降雨量和风速，其中有效气温具体为
Figure SMS_12
。
在一些可独立实施的设计方案中，所述预估各建造阶段对应下一建造阶段的施工天气适宜度具体参见下述步骤：（31）从气象信息中提取有效气温，进而将各建造阶段对应下一建造阶段所处计划施工时间段中各施工日的有效气温与施工数据库中适宜施工气温进行对比，计算各建造阶段对应下一建造阶段所处计划施工时间段中各施工日的气温适宜度
Figure SMS_13
，其中/>
Figure SMS_14
表示为第i建造阶段对应下一建造阶段所处计划施工时间段中第t施工日的有效气温，t表示为各建造阶段对应下一建造阶段所处计划施工时间段中各施工日编号，/>
Figure SMS_15
，z表示为各建造阶段对应下一建造阶段所处计划施工时间段中存在的施工日数量，/>
Figure SMS_16
表示为适宜施工气温。
（32）从气象信息中提取降雨量，进而将各建造阶段对应下一建造阶段所处计划施工时间段中各施工日的降雨量与施工数据库中安全施工降雨量进行对比，计算各建造阶段对应下一建造阶段所处计划施工时间段中各施工日的降雨量适宜度
Figure SMS_17
，其中/>
Figure SMS_18
表示为第i建造阶段对应下一建造阶段所处计划施工时间段中第t施工日的降雨量，
Figure SMS_19
表示为安全施工降雨量，e表示为自然常数。
（33）从气象信息中提取风速，进而将各建造阶段对应下一建造阶段所处计划施工时间段中各施工日的风速与施工数据库中安全施工风速进行对比，计算各建造阶段对应下一建造阶段所处计划施工时间段中各施工日的风速适宜度
Figure SMS_20
，其中/>
Figure SMS_21
表示为第i建造阶段对应下一建造阶段所处计划施工时间段中第t施工日的风速，/>
Figure SMS_22
表示为安全施工风速。
（34）将
Figure SMS_23
、/>
Figure SMS_24
和/>
Figure SMS_25
代入公式/>
Figure SMS_26
，计算得到各建造阶段对应下一建造阶段所处计划施工时间段中各施工日的施工天气适宜度
Figure SMS_27
。
（35）将各建造阶段对应下一建造阶段所处计划施工时间段中各施工日的施工天气适宜度通过公式
Figure SMS_28
计算出各建造阶段对应下一建造阶段的施工天气适宜度离散指数/>
Figure SMS_29
，并将其与预置的限定施工天气适宜度离散指数进行对比，并利用模型
Figure SMS_30
，得到各建造阶段对应下一建造阶段的施工天气适宜度/>
Figure SMS_31
，模型中/>
Figure SMS_32
表示为限定施工天气适宜度离散指数，D1表示为各建造阶段对应下一建造阶段所处计划施工时间段中所有施工日内施工天气适宜度大于平均施工天气适宜度的施工日数量，D2表示为各建造阶段对应下一建造阶段所处计划施工时间段中所有施工日内施工天气适宜度小于平均施工天气适宜度的施工日数量。
在一些可独立实施的设计方案中，所述分析各建造阶段对应下一建造阶段的施工准备充足度参见下述步骤：（41）将各建造阶段对应下一建造阶段的各种建材供应量与相应建造阶段的各种建材施工计划需求量进行对比，计算各建造阶段对应下一建造阶段的建材供应满足度
Figure SMS_33
，其中/>
Figure SMS_34
、
Figure SMS_35
分别表示为第i建造阶段对应下一建造阶段的第j种建材供应量、第j种建材施工计划需求量，j表示为建材种类编号，/>
Figure SMS_36
，/>
Figure SMS_37
表示为第i建造阶段对应第j种建材的施工重要度。
（42）将各建造阶段对应下一建造阶段的施工人员到岗数量与相应建造阶段的计划施工人员数量进行相除处理，得到各建造阶段对应下一建造阶段的施工人员到岗率，记为
Figure SMS_38
。
（43）将
Figure SMS_39
、/>
Figure SMS_40
代入表达式/>
Figure SMS_41
，分析得到各建造阶段对应下一建造阶段的施工准备充足度/>
Figure SMS_42
。
在一些可独立实施的设计方案中，所述各建造阶段对应下一建造阶段的如期完工风险系数评价公式为
Figure SMS_43
，其中/>
Figure SMS_44
、/>
Figure SMS_45
分别表示为预置的能够按期完工的施工天气适宜度、施工准备充足度，/>
Figure SMS_46
、/>
Figure SMS_47
分别表示为施工天气适宜度、施工准备充足度对应的权衡因子，且/>
Figure SMS_48
，/>
Figure SMS_49
。
在一些可独立实施的设计方案中，所述各建造阶段对应下一建造阶段的施工进度风险系数预测公式为
Figure SMS_50
，其中/>
Figure SMS_51
表示为第i建造阶段对应下一建造阶段的施工进度风险系数。
在一些可独立实施的设计方案中，该方法在执行过程中用到了施工数据库，用于存储各建造阶段对应的施工性能指征及各施工性能指征对应的达标值和品质决定因子，存储各建造阶段对应的各种建材施工计划需求量及各种建材的施工重要度，存储各建造阶段对应的计划施工人员数量，并存储适宜施工气温、安全施工降雨量、安全施工风速。
相对于现有技术，本发明的实施例至少具有如下优点或有益效果：1.本发明通过对建造工程在各建造阶段施工完成后监测各建造阶段对应的施工质量，由此评价各建造阶段对应下一建造阶段的如期开工风险系数，与此同时在获取下一建造阶段对应的气象信息、各种建材供应量和施工人员到岗数量，评价各建造阶段对应下一建造阶段的如期完工风险系数，从而结合如期开工风险系数和如期完工风险系数综合进行施工进度风险预测，实现了建筑工程施工进度的全面风险预测，有效规避了单纯只注重施工过程造成的施工进度风险预测过于片面、局限的缺陷，大大提高了预测结果的精准度，能够为建筑工程施工进度管理提供前瞻性的处理措施，有利于施工进度管理效果的提升。
2.本发明考虑到建筑体的尺寸和性能都会影响施工质量，由此在对建筑工程进行施工质量监测时分别对各建造阶段的建筑体进行施工尺寸、施工性能监测，实现了施工质量的多维度监测，使得施工质量监测更加精准可靠。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1为本发明的方法实施步骤流程图。
图2为本发明中实际建筑体模型轮廓与设计建筑体模型轮廓重合对比示意图。
附图标记：a——实际建筑体模型轮廓，b——设计建筑体模型轮廓。
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。
参照图1所示，本发明提出基于深度学习的建筑工程进度风险预测评价方法，包括：（1）施工质量监测：按照建筑工程的计划施工进度在各建造阶段施工完成后监测各建造阶段对应的施工质量。
需要说明的是，上述提到的建造阶段包括但不限于地基浇筑、主体框架搭建、墙体砌筑...。
在一个可选实施例中，计划施工进度包括各建造阶段对应的计划施工时间段，示例性的，地基浇筑对应的计划施工时间段为3月4日——6月5日。
在上述方案基础上，监测各建造阶段对应的施工质量包括下述步骤：（11）在各建造阶段施工完成后采集各建造阶段对应的实际建筑体图像，进而构建各建造阶段对应的实际建筑体模型。
需要理解的是，上述提到的各建造阶段对应的实际建筑体是指各建造阶段完成的建筑实物，例如当进行到地基浇筑建造阶段时，该建造阶段对应的实际建筑体即为地基，当进行到主体框架搭建建造阶段时，该建造阶段对应的实际建筑体即为主体框架，当进行到墙体砌筑建造阶段时，该建造阶段对应的实际建筑体即为墙体。
（12）参见图2所示，将各建造阶段对应的实际建筑体模型轮廓与各建造阶段对应的设计建筑体模型轮廓进行重合对比，获取重合区域体积，进而将重合区域体积与各建造阶段对应的设计建筑体模型体积相除，得到各建造阶段对应的建筑体施工尺寸质量达标度，记为
Figure SMS_52
，其中i表示为建造阶段编号，/>
Figure SMS_53
，其中重合区域体积越大，建筑体施工尺寸质量达标度越大。
（13）从施工数据库中提取各建造阶段对应的施工性能指征及各施工性能指征对应的达标值，由此对各建造阶段对应的建筑体进行施工性能指征监测，得到各建造阶段对应各施工性能指征的实际值。
具体需要示例说明的是，地基浇筑对应的施工性能指征包括压实度、平整度、强度等，主体框架搭建对应的施工性能指征包括构件表观缺陷度、基准线水平度、构件连接稳定度等，墙体砌筑对应的施工性能指标包括墙体垂直度、墙体平整度、砖缝清洁度、砖缝填充密实度等。
（14）将各建造阶段对应各施工性能指征的实际值与达标值进行对比，计算各建造阶段对应的建筑体施工性能质量达标度
Figure SMS_54
，计算表达式为/>
Figure SMS_55
，其中/>
Figure SMS_56
、/>
Figure SMS_57
分别表示为第i建造阶段对应第k施工性能指征的实际值、达标值，k表示为各建造阶段对应施工性能指征编号，/>
Figure SMS_58
，r表示为各建造阶段对应施工性能指征数量，/>
Figure SMS_59
表示为第i建造阶段对应k施工性能指征的品质决定因子，其中各建造阶段对应各施工性能指征的实际值越接近达标值，建筑体施工性能质量达标度越大。
本发明考虑到建筑体的尺寸和性能都会影响施工质量，由此在对建筑工程进行施工质量监测时分别对各建造阶段的建筑体进行施工尺寸、施工性能监测，实现了施工质量的多维度监测，使得施工质量监测更加精准可靠。
（2）如期开工风险评价：基于各建造阶段对应的施工质量监测结果评价各建造阶段对应下一建造阶段的如期开工风险系数，具体评价公式为
Figure SMS_60
，其中/>
Figure SMS_61
、/>
Figure SMS_62
分别表示为预置常数。
（3）施工天气适宜度预估：在各建造阶段施工完成后从气象中心提取下一建造阶段所处计划施工时间段中每日气象信息，其中气象信息包括有效气温、降雨量和风速，其中有效气温具体为
Figure SMS_63
，进而预估各建造阶段对应下一建造阶段的施工天气适宜度。
需要解释的是，由于建筑工程一般在户外施工，户外的气温对施工开展具有一定影响，且气温过高容易导致施工人员中暑或晕厥，影响施工人员身体健康，另外高温天气对许多建筑材料的粘接和固化有很大影响，再者高温天气下，施工人员会感到疲劳而导致工作效率降低，气温过低容易造成路面结冰或结霜，导致施工现场的安全隐患增加，与此同时低温环境下水泥和混凝土等施工材料会受到冻结的影响，影响其粘接和固化效果，另一方面低温环境下施工设备容易出现冻结、老化、能力降低等问题，影响设备的工作效率，由此可见不同的气温对施工正常开展造成不同的影响，在这种情况下结合一天内包含最高气温和最低气温，且气温与季节具有一定的关系，为了精准表现气温对施工的影响，在夏、秋季，一般最高温度比较高，对施工影响打，此时将一天内的最高气温作为有效气温，在冬、春季，一般最低温度比较低，对施工影响大，此时将一天内的最低气温作为有效气温。
在本发明的具体实施例中，预估各建造阶段对应下一建造阶段的施工天气适宜度具体参见下述步骤：（31）从气象信息中提取有效气温，进而将各建造阶段对应下一建造阶段所处计划施工时间段中各施工日的有效气温与施工数据库中适宜施工气温进行对比，计算各建造阶段对应下一建造阶段所处计划施工时间段中各施工日的气温适宜度
Figure SMS_64
，其中/>
Figure SMS_65
表示为第i建造阶段对应下一建造阶段所处计划施工时间段中第t施工日的有效气温，t表示为各建造阶段对应下一建造阶段所处计划施工时间段中各施工日编号，/>
Figure SMS_66
，z表示为各建造阶段对应下一建造阶段所处计划施工时间段中存在的施工日数量，/>
Figure SMS_67
表示为适宜施工气温，其中各施工日的有效气温与适宜施工气温越接近，气温适宜度越大。
（32）从气象信息中提取降雨量，进而将各建造阶段对应下一建造阶段所处计划施工时间段中各施工日的降雨量与施工数据库中安全施工降雨量进行对比，计算各建造阶段对应下一建造阶段所处计划施工时间段中各施工日的降雨量适宜度
Figure SMS_68
，其中/>
Figure SMS_69
表示为第i建造阶段对应下一建造阶段所处计划施工时间段中第t施工日的降雨量，
Figure SMS_70
表示为安全施工降雨量，e表示为自然常数，其中各施工日的降雨量相对于安全施工降雨量越小，降雨量适宜度越大。
（33）从气象信息中提取风速，进而将各建造阶段对应下一建造阶段所处计划施工时间段中各施工日的风速与施工数据库中安全施工风速进行对比，计算各建造阶段对应下一建造阶段所处计划施工时间段中各施工日的风速适宜度
Figure SMS_71
，其中/>
Figure SMS_72
表示为第i建造阶段对应下一建造阶段所处计划施工时间段中第t施工日的风速，/>
Figure SMS_73
表示为安全施工风速，其中各施工日的风速越接近安全施工风速，风速适宜度越大。
（34）将
Figure SMS_74
、/>
Figure SMS_75
和/>
Figure SMS_76
代入公式/>
Figure SMS_77
，计算得到各建造阶段对应下一建造阶段所处计划施工时间段中各施工日的施工天气适宜度
Figure SMS_78
，其中气温适宜度、降雨量适宜度和风速适宜度均对施工天气适宜度产生正影响。
（35）将各建造阶段对应下一建造阶段所处计划施工时间段中各施工日的施工天气适宜度通过公式
Figure SMS_79
计算出各建造阶段对应下一建造阶段的施工天气适宜度离散指数/>
Figure SMS_80
。
在上述施工天气适宜度离散指数计算公式中
Figure SMS_81
代表的是平均施工天气适宜度，当某建造阶段对应下一建造阶段所处计划施工时间段中各施工日的施工天气适宜度与平均施工天气适宜度之间相差越小，表明该建造阶段对应下一建造阶段所处计划施工时间段中各施工日之间的施工天气适宜度越集中，表征平均施工天气适宜度越具有代表性，反之则表征单纯依据平均施工天气适宜度无法精准代表该建造阶段对应下一建造阶段的施工天气适宜度。
此时将各建造阶段对应下一建造阶段的施工天气适宜度离散指数与预置的限定施工天气适宜度离散指数进行对比，并利用模型
Figure SMS_82
，得到各建造阶段对应下一建造阶段的施工天气适宜度/>
Figure SMS_83
，模型中/>
Figure SMS_84
表示为限定施工天气适宜度离散指数，D1表示为各建造阶段对应下一建造阶段所处计划施工时间段中所有施工日内施工天气适宜度大于平均施工天气适宜度的施工日数量，D2表示为各建造阶段对应下一建造阶段所处计划施工时间段中所有施工日内施工天气适宜度小于平均施工天气适宜度的施工日数量。
（4）施工准备充足度分析：在各建造阶段施工完成后获取下一建造阶段对应的各种建材供应量和施工人员到岗数量，并据此分析各建造阶段对应下一建造阶段的施工准备充足度，参见下述步骤：（41）将各建造阶段对应下一建造阶段的各种建材供应量与相应建造阶段的各种建材施工计划需求量进行对比，计算各建造阶段对应下一建造阶段的建材供应满足度
Figure SMS_85
，其中/>
Figure SMS_86
、/>
Figure SMS_87
分别表示为第i建造阶段对应下一建造阶段的第j种建材供应量、第j种建材施工计划需求量，j表示为建材种类编号，/>
Figure SMS_88
，/>
Figure SMS_89
表示为第i建造阶段对应第j种建材的施工重要度。
（42）将各建造阶段对应下一建造阶段的施工人员到岗数量与相应建造阶段的计划施工人员数量进行相除处理，得到各建造阶段对应下一建造阶段的施工人员到岗率，记为
Figure SMS_90
。
（43）将
Figure SMS_91
、/>
Figure SMS_92
代入表达式/>
Figure SMS_93
，分析得到各建造阶段对应下一建造阶段的施工准备充足度/>
Figure SMS_94
。
（5）如期完工风险评价：基于各建造阶段对应下一建造阶段的施工天气适宜度和施工准备充足度评价各建造阶段对应下一建造阶段的如期完工风险系数，具体评价公式为
Figure SMS_95
，其中/>
Figure SMS_96
、/>
Figure SMS_97
分别表示为预置的能够按期完工的施工天气适宜度、施工准备充足度，/>
Figure SMS_98
、/>
Figure SMS_99
分别表示为施工天气适宜度、施工准备充足度对应的权衡因子，且/>
Figure SMS_100
，/>
Figure SMS_101
，其中各建造阶段对应下一建造阶段的施工天气适宜度和施工准备充足度越远离能够按期完工的施工天气适宜度、施工准备充足度，如期完工风险系数越大。
（6）施工进度风险综合预测：依据各建造阶段对应下一建造阶段的如期开工风险系数和如期完工风险系数综合预测各建造阶段对应下一建造阶段的施工进度风险系数，具体预测公式为
Figure SMS_102
，其中/>
Figure SMS_103
表示为第i建造阶段对应下一建造阶段的施工进度风险系数。
本发明在实施过程中用到了施工数据库，用于存储各建造阶段对应的施工性能指征及各施工性能指征对应的达标值和品质决定因子，存储各建造阶段对应的各种建材施工计划需求量及各种建材的施工重要度，存储各建造阶段对应的计划施工人员数量，并存储适宜施工气温、安全施工降雨量、安全施工风速。
本发明通过对建造工程在各建造阶段施工完成后监测各建造阶段对应的施工质量，由此评价各建造阶段对应下一建造阶段的如期开工风险系数，与此同时在获取下一建造阶段对应的气象信息、各种建材供应量和施工人员到岗数量，评价各建造阶段对应下一建造阶段的如期完工风险系数，从而结合如期开工风险系数和如期完工风险系数综合进行施工进度风险预测，实现了建筑工程施工进度的全面风险预测，有效规避了单纯只注重施工过程造成的施工进度风险预测过于片面、局限的缺陷，大大提高了预测结果的精准度，能够为建筑工程施工进度管理提供前瞻性的处理措施，有利于施工进度管理效果的提升。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本发明所定义的范围，均应属于本发明的保护范围。

Claims (10)

1.基于深度学习的建筑工程进度风险预测评价方法，其特征在于，包括：
（1）施工质量监测：按照建筑工程的计划施工进度在各建造阶段施工完成后监测各建造阶段对应的施工质量；
（2）如期开工风险评价：基于各建造阶段对应的施工质量监测结果评价各建造阶段对应下一建造阶段的如期开工风险系数；
（3）施工天气适宜度预估：在各建造阶段施工完成后从气象中心提取下一建造阶段所处计划施工时间段中每日气象信息，进而预估各建造阶段对应下一建造阶段的施工天气适宜度；
（4）施工准备充足度分析：在各建造阶段施工完成后获取下一建造阶段对应的各种建材供应量和施工人员到岗数量，并据此分析各建造阶段对应下一建造阶段的施工准备充足度；
（5）如期完工风险评价：基于各建造阶段对应下一建造阶段的施工天气适宜度和施工准备充足度评价各建造阶段对应下一建造阶段的如期完工风险系数；
（6）施工进度风险综合预测：依据各建造阶段对应下一建造阶段的如期开工风险系数和如期完工风险系数综合预测各建造阶段对应下一建造阶段的施工进度风险系数。
2.根据权利要求1所述的基于深度学习的建筑工程进度风险预测评价方法，其特征在于：所述计划施工进度包括各建造阶段对应的计划施工时间段。
3.根据权利要求1所述的基于深度学习的建筑工程进度风险预测评价方法，其特征在于：所述监测各建造阶段对应的施工质量包括下述步骤：
（11）在各建造阶段施工完成后采集各建造阶段对应的实际建筑体图像，进而构建各建造阶段对应的实际建筑体模型；
（12）将各建造阶段对应的实际建筑体模型轮廓与各建造阶段对应的设计建筑体模型轮廓进行重合对比，得到各建造阶段对应的建筑体施工尺寸质量达标度，记为
Figure QLYQS_1
，其中i表示为建造阶段编号，/>
Figure QLYQS_2
；
（13）从施工数据库中提取各建造阶段对应的施工性能指征及各施工性能指征对应的达标值，由此对各建造阶段对应的建筑体进行施工性能指征监测，得到各建造阶段对应各施工性能指征的实际值；
（14）将各建造阶段对应各施工性能指征的实际值与达标值进行对比，计算各建造阶段对应的建筑体施工性能质量达标度
Figure QLYQS_3
，计算表达式为/>
Figure QLYQS_4
，其中/>
Figure QLYQS_5
、/>
Figure QLYQS_6
分别表示为第i建造阶段对应第k施工性能指征的实际值、达标值，k表示为各建造阶段对应施工性能指征编号，/>
Figure QLYQS_7
，r表示为各建造阶段对应施工性能指征数量，/>
Figure QLYQS_8
表示为第i建造阶段对应k施工性能指征的品质决定因子。
4.根据权利要求3所述的基于深度学习的建筑工程进度风险预测评价方法，其特征在于：所述各建造阶段对应下一建造阶段的如期开工风险系数评价公式为
Figure QLYQS_9
，其中/>
Figure QLYQS_10
、/>
Figure QLYQS_11
分别表示为预置常数。
5.根据权利要求1所述的基于深度学习的建筑工程进度风险预测评价方法，其特征在于：所述气象信息包括有效气温、降雨量和风速，其中有效气温具体为
Figure QLYQS_12
。
6.根据权利要求4所述的基于深度学习的建筑工程进度风险预测评价方法，其特征在于：所述预估各建造阶段对应下一建造阶段的施工天气适宜度具体参见下述步骤：
（31）从气象信息中提取有效气温，进而将各建造阶段对应下一建造阶段所处计划施工时间段中各施工日的有效气温与施工数据库中适宜施工气温进行对比，计算各建造阶段对应下一建造阶段所处计划施工时间段中各施工日的气温适宜度
Figure QLYQS_13
，其中/>
Figure QLYQS_14
表示为第i建造阶段对应下一建造阶段所处计划施工时间段中第t施工日的有效气温，t表示为各建造阶段对应下一建造阶段所处计划施工时间段中各施工日编号，/>
Figure QLYQS_15
，z表示为各建造阶段对应下一建造阶段所处计划施工时间段中存在的施工日数量，/>
Figure QLYQS_16
表示为适宜施工气温；
（32）从气象信息中提取降雨量，进而将各建造阶段对应下一建造阶段所处计划施工时间段中各施工日的降雨量与施工数据库中安全施工降雨量进行对比，计算各建造阶段对应下一建造阶段所处计划施工时间段中各施工日的降雨量适宜度
Figure QLYQS_17
，其中/>
Figure QLYQS_18
表示为第i建造阶段对应下一建造阶段所处计划施工时间段中第t施工日的降雨量，/>
Figure QLYQS_19
表示为安全施工降雨量，e表示为自然常数；
（33）从气象信息中提取风速，进而将各建造阶段对应下一建造阶段所处计划施工时间段中各施工日的风速与施工数据库中安全施工风速进行对比，计算各建造阶段对应下一建造阶段所处计划施工时间段中各施工日的风速适宜度
Figure QLYQS_20
，其中/>
Figure QLYQS_21
表示为第i建造阶段对应下一建造阶段所处计划施工时间段中第t施工日的风速，/>
Figure QLYQS_22
表示为安全施工风速；
（34）将
Figure QLYQS_23
、/>
Figure QLYQS_24
和/>
Figure QLYQS_25
代入公式/>
Figure QLYQS_26
，计算得到各建造阶段对应下一建造阶段所处计划施工时间段中各施工日的施工天气适宜度/>
Figure QLYQS_27
；
（35）将各建造阶段对应下一建造阶段所处计划施工时间段中各施工日的施工天气适宜度通过公式
Figure QLYQS_28
计算出各建造阶段对应下一建造阶段的施工天气适宜度离散指数/>
Figure QLYQS_29
，并将其与预置的限定施工天气适宜度离散指数进行对比，并利用模型
Figure QLYQS_30
，得到各建造阶段对应下一建造阶段的施工天气适宜度/>
Figure QLYQS_31
，模型中/>
Figure QLYQS_32
表示为限定施工天气适宜度离散指数，D1表示为各建造阶段对应下一建造阶段所处计划施工时间段中所有施工日内施工天气适宜度大于平均施工天气适宜度的施工日数量，D2表示为各建造阶段对应下一建造阶段所处计划施工时间段中所有施工日内施工天气适宜度小于平均施工天气适宜度的施工日数量。
7.根据权利要求6所述的基于深度学习的建筑工程进度风险预测评价方法，其特征在于：所述分析各建造阶段对应下一建造阶段的施工准备充足度参见下述步骤：
（41）将各建造阶段对应下一建造阶段的各种建材供应量与相应建造阶段的各种建材施工计划需求量进行对比，计算各建造阶段对应下一建造阶段的建材供应满足度
Figure QLYQS_33
，其中/>
Figure QLYQS_34
、/>
Figure QLYQS_35
分别表示为第i建造阶段对应下一建造阶段的第j种建材供应量、第j种建材施工计划需求量，j表示为建材种类编号，/>
Figure QLYQS_36
，/>
Figure QLYQS_37
表示为第i建造阶段对应第j种建材的施工重要度；
（42）将各建造阶段对应下一建造阶段的施工人员到岗数量与相应建造阶段的计划施工人员数量进行相除处理，得到各建造阶段对应下一建造阶段的施工人员到岗率，记为
Figure QLYQS_38
；
（43）将
Figure QLYQS_39
、/>
Figure QLYQS_40
代入表达式/>
Figure QLYQS_41
，分析得到各建造阶段对应下一建造阶段的施工准备充足度/>
Figure QLYQS_42
。
8.根据权利要求7所述的基于深度学习的建筑工程进度风险预测评价方法，其特征在于：所述各建造阶段对应下一建造阶段的如期完工风险系数评价公式为
Figure QLYQS_43
，其中/>
Figure QLYQS_44
、/>
Figure QLYQS_45
分别表示为预置的能够按期完工的施工天气适宜度、施工准备充足度，/>
Figure QLYQS_46
、/>
Figure QLYQS_47
分别表示为施工天气适宜度、施工准备充足度对应的权衡因子，且/>
Figure QLYQS_48
，/>
Figure QLYQS_49
。
9.根据权利要求8所述的基于深度学习的建筑工程进度风险预测评价方法，其特征在于：所述各建造阶段对应下一建造阶段的施工进度风险系数预测公式为
Figure QLYQS_50
，其中/>
Figure QLYQS_51
表示为第i建造阶段对应下一建造阶段的施工进度风险系数。
10.根据权利要求1所述的基于深度学习的建筑工程进度风险预测评价方法，其特征在于：该方法在执行过程中用到了施工数据库，用于存储各建造阶段对应的施工性能指征及各施工性能指征对应的达标值和品质决定因子，存储各建造阶段对应的各种建材施工计划需求量及各种建材的施工重要度，存储各建造阶段对应的计划施工人员数量，并存储适宜施工气温、安全施工降雨量、安全施工风速。
CN202310651475.6A 2023-06-05 2023-06-05 基于深度学习的建筑工程进度风险预测评价方法 Active CN116384756B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310651475.6A CN116384756B (zh) 2023-06-05 2023-06-05 基于深度学习的建筑工程进度风险预测评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310651475.6A CN116384756B (zh) 2023-06-05 2023-06-05 基于深度学习的建筑工程进度风险预测评价方法

Publications (2)

Publication Number Publication Date
CN116384756A true CN116384756A (zh) 2023-07-04
CN116384756B CN116384756B (zh) 2023-08-15

Family

ID=86971490

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310651475.6A Active CN116384756B (zh) 2023-06-05 2023-06-05 基于深度学习的建筑工程进度风险预测评价方法

Country Status (1)

Country Link
CN (1) CN116384756B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117093822A (zh) * 2023-10-19 2023-11-21 西安艾派信息技术有限公司 基于产业知识图谱的产业大脑数据分析平台
CN117094449A (zh) * 2023-10-18 2023-11-21 广东省气象服务中心(广东气象影视宣传中心) 基于气象风险的建筑工地作业场景施工窗口期预报系统
CN117408571A (zh) * 2023-12-12 2024-01-16 济宁雷润信息科技发展有限公司 基于全生命周期的建筑工程施工进度完成数据分析方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103903088A (zh) * 2014-03-12 2014-07-02 王峰 一种高速铁路建设工程质量风险控制系统及方法
CN104318408A (zh) * 2014-11-25 2015-01-28 上海建科工程咨询有限公司 一种大型建筑工程建设的多目标、多维度风险管理系统
US20190325089A1 (en) * 2018-04-18 2019-10-24 Reconstruct Inc. Computation of point clouds and joint display of point clouds and building information models with project schedules for monitoring construction progress, productivity, and risk for delays
CN112381943A (zh) * 2020-11-13 2021-02-19 杭州绿锦建筑设计咨询有限公司 一种建筑施工质量监测方法、系统、装置及存储介质
CN112446643A (zh) * 2020-12-10 2021-03-05 国网福建省电力有限公司 一种基于风险链的输变电工程进度风险评估方法
CN113177718A (zh) * 2021-05-07 2021-07-27 武汉瑞辉科技发展有限公司 基于数据可视化的智能电网基建工程分析管理系统
CN113643069A (zh) * 2021-08-19 2021-11-12 广东隽衡工程造价咨询有限公司 一种基于bim技术的工程造价控制方法
CN113642906A (zh) * 2021-08-19 2021-11-12 贵州百胜工程建设咨询有限公司 一种基于bim的施工进度管理方法
CN114971356A (zh) * 2022-06-10 2022-08-30 广东电网有限责任公司广州供电局 一种电力工程项目进度预测系统及方法
CN115099592A (zh) * 2022-06-14 2022-09-23 广西睿森大数据服务有限公司 一种信息监理风险的智能管控方法及系统
CN115907446A (zh) * 2022-12-24 2023-04-04 众芯汉创（北京）科技有限公司 一种基建工程施工进度的智能管控评估系统
CN116029529A (zh) * 2023-02-20 2023-04-28 山东迈源建设集团有限公司 一种基于bim的桥梁施工进度管理方法及系统

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103903088A (zh) * 2014-03-12 2014-07-02 王峰 一种高速铁路建设工程质量风险控制系统及方法
CN104318408A (zh) * 2014-11-25 2015-01-28 上海建科工程咨询有限公司 一种大型建筑工程建设的多目标、多维度风险管理系统
US20190325089A1 (en) * 2018-04-18 2019-10-24 Reconstruct Inc. Computation of point clouds and joint display of point clouds and building information models with project schedules for monitoring construction progress, productivity, and risk for delays
CN112381943A (zh) * 2020-11-13 2021-02-19 杭州绿锦建筑设计咨询有限公司 一种建筑施工质量监测方法、系统、装置及存储介质
CN112446643A (zh) * 2020-12-10 2021-03-05 国网福建省电力有限公司 一种基于风险链的输变电工程进度风险评估方法
CN113177718A (zh) * 2021-05-07 2021-07-27 武汉瑞辉科技发展有限公司 基于数据可视化的智能电网基建工程分析管理系统
CN113643069A (zh) * 2021-08-19 2021-11-12 广东隽衡工程造价咨询有限公司 一种基于bim技术的工程造价控制方法
CN113642906A (zh) * 2021-08-19 2021-11-12 贵州百胜工程建设咨询有限公司 一种基于bim的施工进度管理方法
CN114971356A (zh) * 2022-06-10 2022-08-30 广东电网有限责任公司广州供电局 一种电力工程项目进度预测系统及方法
CN115099592A (zh) * 2022-06-14 2022-09-23 广西睿森大数据服务有限公司 一种信息监理风险的智能管控方法及系统
CN115907446A (zh) * 2022-12-24 2023-04-04 众芯汉创（北京）科技有限公司 一种基建工程施工进度的智能管控评估系统
CN116029529A (zh) * 2023-02-20 2023-04-28 山东迈源建设集团有限公司 一种基于bim的桥梁施工进度管理方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
林长春: "建筑施工项目风险管理分析", 工程建设与设计, pages 247 - 249 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117094449A (zh) * 2023-10-18 2023-11-21 广东省气象服务中心(广东气象影视宣传中心) 基于气象风险的建筑工地作业场景施工窗口期预报系统
CN117094449B (zh) * 2023-10-18 2024-01-26 广东省气象服务中心(广东气象影视宣传中心) 基于气象风险的建筑工地作业场景施工窗口期预报系统
CN117093822A (zh) * 2023-10-19 2023-11-21 西安艾派信息技术有限公司 基于产业知识图谱的产业大脑数据分析平台
CN117093822B (zh) * 2023-10-19 2024-01-12 西安艾派信息技术有限公司 基于产业知识图谱的产业大脑数据分析平台
CN117408571A (zh) * 2023-12-12 2024-01-16 济宁雷润信息科技发展有限公司 基于全生命周期的建筑工程施工进度完成数据分析方法
CN117408571B (zh) * 2023-12-12 2024-03-22 济宁雷润信息科技发展有限公司 基于全生命周期的建筑工程施工进度完成数据分析方法

Also Published As

Publication number Publication date
CN116384756B (zh) 2023-08-15

Similar Documents

Publication Publication Date Title
CN116384756B (zh) 基于深度学习的建筑工程进度风险预测评价方法
CN106768432A (zh) 一种基于bim的大体积混凝土实时温度监测、预警方法
CN106910144B (zh) 基于分时刻实际用能系数的大型建筑逐时能耗在线预测方法
CN116188205B (zh) 一种基于物联网技术的建筑施工智能分析管控系统
CN112381943A (zh) 一种建筑施工质量监测方法、系统、装置及存储介质
CN114757373B (zh) 一种基于数字模型分析的桥梁监测分析方法、设备及计算机存储介质
CN116029682A (zh) 一种基于bim技术的施工进度管理方法及系统
CN111340285A (zh) 国土空间规划中城市建设用地分配的量化方法
CN113807685A (zh) 一种基于bim的水工隧洞施工进度信息化管理方法
CN113127965A (zh) 一种基于bim技术和云计算的工程监理信息管理方法、系统、智能终端和存储介质
CN117196507A (zh) 一种基于数字孪生的装配式建筑施工智能管理方法及系统
CN113177718B (zh) 基于数据可视化的智能电网基建工程分析管理系统
CN113888043A (zh) 一种梁式桥主梁病害全周期可视化管理分析系统
CN115034480A (zh) 一种沥青路面智能养护决策方法、系统及介质
CN110866690A (zh) 一种在智慧工地中bim模型数据的应用
Vukadin et al. Urban noise mapping-an approach to the establishment of standard making procedure
Koroteev et al. Cost analysis of the combined application of 3D-printing and BIM technologies in the construction industry
CN110008511A (zh) 门洞形断面衬砌边墙混凝土温控防裂温度应力控制快速设计方法
CN116862721B (zh) 一种基于数据分析的装配式结构施工管理方法
CN109961181A (zh) 用于建筑能源逐时负荷预测的方法及系统
CN114819720B (zh) 一种基建工程造价分析方法、系统及计算机存储介质
CN113822554B (zh) 一种数字化工厂可视化平台
CN114626577B (zh) 一种利用人工智能预报冬季降水相态的方法
CN117196334B (zh) 一种国土空间规划数据采集方法及系统
CN115471194A (zh) 基于大数据及验收部位二维图形组合的进度系统及方法

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