CN116579747B - 一种基于大数据的形象进度管理方法 - Google Patents
一种基于大数据的形象进度管理方法 Download PDFInfo
- Publication number
- CN116579747B CN116579747B CN202310842852.4A CN202310842852A CN116579747B CN 116579747 B CN116579747 B CN 116579747B CN 202310842852 A CN202310842852 A CN 202310842852A CN 116579747 B CN116579747 B CN 116579747B
- Authority
- CN
- China
- Prior art keywords
- entity
- work package
- representing
- management method
- power engineering
- 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
Links
- 238000007726 management method Methods 0.000 title claims abstract description 20
- 238000005295 random walk Methods 0.000 claims abstract description 17
- 238000010276 construction Methods 0.000 claims abstract description 15
- 238000010586 diagram Methods 0.000 claims abstract description 14
- 238000013507 mapping Methods 0.000 claims abstract description 4
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000000034 method Methods 0.000 claims description 8
- 239000013598 vector Substances 0.000 claims description 8
- 230000004913 activation Effects 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 239000003973 paint Substances 0.000 claims description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 2
- 230000000007 visual effect Effects 0.000 claims 1
- 238000009430 construction management Methods 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
- G06N5/025—Extracting rules from data
-
- 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
- G06Q50/06—Energy or water supply
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Operations Research (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及工程施工管理技术领域,公开了一种基于大数据的形象进度管理方法,包括以下步骤:步骤101,通过对电力工程数据进行分解获得工作包;步骤102,提取电力工程知识图谱,映射第一实体;步骤103,以第一实体为中心进行随机游走生成局部图谱;步骤104,基于局部图谱生成输入节点图;步骤105,将输入节点图输入进度预测模型,进度预测模型的输出的结果为第一实体对应的工作包的第一个后续的工作包;步骤106,生成多个单项工程;本发明基于历史的工作包的逻辑次序关系以及工作包与施工单位、施工设备的关系来联合生成当前的电力工程的单项工程,减少人工安排的工作量,缩短了对于电力工程形象进度管理的时间。
Description
技术领域
本发明涉及工程施工管理技术领域,更具体地说,它涉及一种基于大数据的形象进度管理方法。
背景技术
我国电力工程建设项目长期以来形成了自己习惯的项目生命周期,即初步设计、施工图设计、设备采购、工程施工和调试等阶段,相互交叉推进。在项目管理中经常将工程项目分解为多个工作包,制定整个工程计划需要的工作主要分为两部分,一部分是工作包工期规划,另一部分是工作包次序的安排;对于一般的建筑工程来说具有较为简单的次序关系,例如按照楼层和楼栋的次序构建工作包次序,但是对于电力工程来说工作包次序无法通过简单的空间参照来生成,需要有施工经验的人来进行工作包的次序安排,对于一些工程量较大的电力工程来说工作量较大。
发明内容
本发明提供一种基于大数据的形象进度管理方法,解决相关技术中电力工程来说工作包次序无法通过简单的空间参照来生成,人工安排工作量大的技术问题。
本发明提供了一种基于大数据的形象进度管理方法,包括以下步骤:步骤101,通过对电力工程数据进行分解获得工作包。
步骤102,提取电力工程知识图谱,将电力工程数据分解获得的工作包与电力工程知识图谱中的工作包实体进行映射,将映射的工作包实体标记为第一实体。
步骤103,以第一实体为中心进行随机游走生成局部图谱;每个第一实体均进行一次以上的随机游走,以所有第一实体为中心进行随机游走时选择的游走实体生成局部图谱。
步骤104,基于局部图谱生成输入节点图,输入节点图的节点与局部图谱的实体一一对应,输入节点图中的节点存在无向边表示对应的局部图谱的实体之间存在联系;基于节点对应的实体生成节点矢量。
步骤105,将输入节点图输入进度预测模型,进度预测模型的输出的结果为第一实体对应的工作包的第一个后续的工作包。
进度预测模型包括多个隐藏层和一个分类器,隐藏层的计算公式如下:,/>和/>分别表示第h个和第h-1个隐藏层的对第i个节点的计算结果,/>和/>分别表示第h个隐藏层的权值参数和偏置参数,/>表示激活函数,/>表示第h-1个隐藏层的对第j个节点的计算结果,/>表示与第i个节点直接连接的节点集合,/>表示/>中的节点总数,/>表示/>与的融合度;分类器输入最后一个隐藏层对节点的计算结果。
进度预测模型训练时通过历史的电力工程数据进行训练,历史的电力工程数据是由已经完成的电力工程生成的,包含了工作包之间的次序逻辑关系。
步骤106,将进度预测模型的输出的工作包与第一实体对应的工作包建立次序逻辑关系;按照次序逻辑关系生成多个单项工程。
进一步地,根据生成的单项工程生成甘特图或形象进度图。
进一步地,电力工程知识图谱包括:工作包实体、设备实体、施工单位实体、施工人员类型实体。
进一步地,以一个第一实体为中心进行一次随机游走的方法包括以下步骤:步骤201,初始化第一实体为游走实体,初始化游走步数为1。
步骤202,随机选择一个当前的游走实体所直接联系的实体,将其更新为新的游走实体,并对游走步数累加1。
步骤203,迭代执行步骤202,直至游走步数达到N。
进一步地,每个第一实体均进行M次的随机游走。
进一步地,电力工程知识图谱中的实体用语义表示,采用语义嵌入的方式来向量化作为节点矢量。
进一步地,工作包与其第一个后续的工作包在同一个单项工程内属于时间上的相邻关系。
进一步地,,其中/>和/>分别表示第h-1个隐藏层的对第i和j个节点的计算结果,tanh表示双曲正切函数,/>表示与第i个节点直接连接的节点集合,/>表示可调参数。
进一步地,分类器的输出映射到工作包的库标识,一个库标识能够映射到工作包库内的一个工作包,设置一个空的库标识,当分类器输出该空的库标识时表示没有第一个后续的工作包。
进一步地,分类器为softmaxa分类器,进度预测模型训练的损失函数为:,其中/>为损失值,/>为进度预测模型对于第g个第一实体输出的第t个库标识的概率值,e为自然常数,C和H分别为库标识的总数和第一实体的总数,/>表示第g个第一实体对应的工作包的第一个后续的工作包的库标识为t;/>表示第g个第一实体对应的工作包的第一个前置工作包的库标识为t,/>时/>取值为1,否则/>取值为0,时/>取值为1,否则/>取值为0。
本发明的有益效果在于:本发明基于历史的工作包的逻辑次序关系以及工作包与施工单位、施工设备的关系来联合生成当前的电力工程的单项工程,减少人工安排的工作量,缩短了对于电力工程形象进度管理的时间。
附图说明
图1是本发明的一种基于大数据的形象进度管理方法的流程图。
图2是本发明的以一个第一实体为中心进行一次随机游走的方法的流程图。
具体实施方式
现在将参考示例实施方式讨论本文描述的主题。应该理解,讨论这些实施方式只是为了使得本领域技术人员能够更好地理解从而实现本文描述的主题,可以在不脱离本说明书内容的保护范围的情况下,对所讨论的元素的功能和排列进行改变。各个示例可以根据需要,省略、替代或者添加各种过程或组件。另外,相对一些示例所描述的特征在其他例子中也可以进行组合。
如图1和图2所示,一种基于大数据的形象进度管理方法,包括以下步骤:步骤101,通过对电力工程数据进行分解获得工作包。
电力工程数据是指电力工程的资料数据,例如《初步设计说明书》、《设备采购清单》、《施工图卷册目录》等。
电力工程数据会随着工程的进行来进行增长,例如《初步设计说明书》在工程开始之前的电力工程数据中所包含,施工图在工程设计阶段完成之后的电力工程数据中所包含;
工作包包括:变电站土建、变电站主体、变电站与配电室接线、配电室土建等。
步骤102,提取电力工程知识图谱,将电力工程数据分解获得的工作包与电力工程知识图谱中的工作包实体进行映射,将映射的工作包实体标记为第一实体。
电力工程知识图谱包括:工作包实体、设备实体、施工单位实体、施工人员类型实体等。
实体以及实体之间的联系是根据历史的电力工程数据来生成的,例如工作包实体与工作包实体之间的联系表示两个工作包实体对应的工作包存在前置与后置的关系,工作包实体与设备实体的联系表示工作包实体对应的工作包需要使用到设备实体对应的施工设备。
步骤103,以第一实体为中心进行随机游走生成局部图谱。
以一个第一实体为中心进行一次随机游走的方法包括以下步骤:步骤201,初始化第一实体为游走实体,初始化游走步数为1。
步骤202,随机选择一个当前的游走实体所直接联系的实体,将其更新为新的游走实体,并对游走步数累加1。
步骤203,迭代执行步骤202,直至游走步数达到N。当然在步骤202中不会重复选择游走实体,因此如果在某一次迭代过程中如果没有实体可以被选择,则同样终止迭代。
每个第一实体均进行一次以上的随机游走,以所有第一实体为中心进行随机游走时选择的游走实体生成局部图谱。
在本发明的一个实施例中,每个第一实体均进行M次的随机游走。N和M的缺省值为10,可以根据电力工程知识图谱的规模的增加来增加N和M的值。
步骤104,基于局部图谱生成输入节点图,输入节点图的节点与局部图谱的实体一一对应,输入节点图中的节点存在无向边表示对应的局部图谱的实体之间存在联系;基于节点对应的实体生成节点矢量。
电力工程知识图谱中的实体可以用语义表示,可以采用常规的语义嵌入的方式来向量化作为节点矢量。
局部图谱属于电力工程知识图谱的一部分,包含了与其相同的实体的联系。
步骤105,将输入节点图输入进度预测模型,进度预测模型的输出的结果为第一实体对应的工作包的第一个后续的工作包。
工作包与其第一个后续的工作包在同一个单项工程内属于时间上的相邻关系。
单项工程是将电力工程中的包含一系列连续的工作包的部分。
进度预测模型包括多个隐藏层和一个分类器,隐藏层的计算公式如下:,/>和/>分别表示第h个和第h-1个隐藏层的对第i个节点的计算结果,/>和/>分别表示第h个隐藏层的权值参数和偏置参数,/>表示激活函数(可选线性整流函数),/>表示第h-1个隐藏层的对第j个节点的计算结果,/>表示与第i个节点直接连接的节点集合,/>表示/>中的节点总数,/>表示/>与/>的融合度。
h=1时,和/>分别表示第i个节点和第j个节点的节点矢量。
,其中/>和/>分别表示第h-1个隐藏层的对第i和j个节点的计算结果,tanh表示双曲正切函数,/>表示与第i个节点直接连接的节点集合,/>表示可调参数,默认为1/W,W为节点矢量的维数。
分类器输入最后一个隐藏层对节点的计算结果。
例如分类器输入最后一个隐藏层对第i个节点的计算结果,则其输出的是第i个节点对应的第一实体对应的工作包的第一个后续的工作包。
在本发明的一个实施例中,分类器的输出映射到工作包的库标识。一个库标识能够映射到工作包库内的一个工作包。设置一个空的库标识,当分类器输出该空的库标识时表示没有第一个后续的工作包。
进度预测模型训练时通过历史的电力工程数据进行训练,历史的电力工程数据是由已经完成的电力工程生成的,包含了工作包之间的次序逻辑关系。
在本发明的一个实施例中,分类器为softmaxa分类器,进度预测模型训练的损失函数为:,其中/>为损失值,/>为进度预测模型对于第g个第一实体输出的第t个库标识的概率值,e为自然常数,C和H分别为库标识的总数和第一实体的总数,/>表示第g个第一实体对应的工作包的第一个后续的工作包的库标识为t;/>表示第g个第一实体对应的工作包的第一个前置工作包的库标识为t,/>时/>取值为1,否则/>取值为0,/>时/>取值为1,否则/>取值为0,/>和/>均为示性函数;上述损失函数中对进度预测模型的逆向预测结果进行惩罚,避免进度预测模型输出次序逻辑混乱的结果。
当然也可以选择常规的交叉熵损失函数。
步骤106,将进度预测模型的输出的工作包与第一实体对应的工作包建立次序逻辑关系;按照次序逻辑关系生成多个单项工程。
例如A工作包与B工作包存在次序逻辑关系并且A工作包在前,B工作包与C工作包存在次序逻辑关系并且B工作包在前,则生成的单项工程包括A、B、C工作包,施工顺序为A、B、C。
在本发明的一个实施例中,该基于大数据的形象进度管理方法还包括可视化的步骤,具体的,根据生成的单项工程生成甘特图或形象进度图,单项工程的数量较少,如果需要将单向工程绘制在一个形象进度图中,则顺序可以人工排序。
上面对本实施例的实施例进行了描述,但是本实施例并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本实施例的启示下,还可做出很多形式,均属于本实施例的保护之内。
Claims (10)
1.一种基于大数据的形象进度管理方法,其特征在于,包括以下步骤:步骤101,通过对电力工程数据进行分解获得工作包;
步骤102,提取电力工程知识图谱,将电力工程数据分解获得的工作包与电力工程知识图谱中的工作包实体进行映射,将映射的工作包实体标记为第一实体;
步骤103,以第一实体为中心进行随机游走生成局部图谱;每个第一实体均进行一次以上的随机游走,以所有第一实体为中心进行随机游走时选择的游走实体生成局部图谱;
步骤104,基于局部图谱生成输入节点图,输入节点图的节点与局部图谱的实体一一对应,输入节点图中的节点存在无向边表示对应的局部图谱的实体之间存在联系;基于节点对应的实体生成节点矢量;
步骤105,将输入节点图输入进度预测模型,进度预测模型的输出的结果为第一实体对应的工作包的第一个后续的工作包;
进度预测模型包括多个隐藏层和一个分类器,隐藏层的计算公式如下:,/>和/>分别表示第h个和第h-1个隐藏层的对第i个节点的计算结果,/>和/>分别表示第h个隐藏层的权值参数和偏置参数,/>表示激活函数,/>表示第h-1个隐藏层的对第j个节点的计算结果,/>表示与第i个节点直接连接的节点集合,/>表示/>中的节点总数,/>表示/>与的融合度;分类器输入最后一个隐藏层对节点的计算结果;进度预测模型训练时通过历史的电力工程数据进行训练,历史的电力工程数据是由已经完成的电力工程生成的,包含了工作包之间的次序逻辑关系;
步骤106,将进度预测模型的输出的工作包与第一实体对应的工作包建立次序逻辑关系;按照次序逻辑关系生成多个单项工程。
2.根据权利要求1所述的一种基于大数据的形象进度管理方法,其特征在于,根据生成的单项工程生成甘特图或形象进度图。
3.根据权利要求1所述的一种基于大数据的形象进度管理方法,其特征在于,电力工程知识图谱包括:工作包实体、设备实体、施工单位实体、施工人员类型实体。
4.根据权利要求1所述的一种基于大数据的形象进度管理方法,其特征在于,以一个第一实体为中心进行一次随机游走的方法包括以下步骤:
步骤201,初始化第一实体为游走实体,初始化游走步数为1;
步骤202,随机选择一个当前的游走实体所直接联系的实体,将其更新为新的游走实体,并对游走步数累加1;
步骤203,迭代执行步骤202,直至游走步数达到N。
5.根据权利要求4所述的一种基于大数据的形象进度管理方法,其特征在于,每个第一实体均进行M次的随机游走。
6.根据权利要求1所述的一种基于大数据的形象进度管理方法,其特征在于,电力工程知识图谱中的实体用语义表示,采用语义嵌入的方式来向量化作为节点矢量。
7.根据权利要求1所述的一种基于大数据的形象进度管理方法,其特征在于,工作包与其第一个后续的工作包在同一个单项工程内属于时间上的相邻关系。
8.根据权利要求1所述的一种基于大数据的形象进度管理方法,其特征在于,,其中/>和/>分别表示第h-1个隐藏层的对第i和j个节点的计算结果,tanh表示双曲正切函数,/>表示与第i个节点直接连接的节点集合,/>表示可调参数。
9.根据权利要求1所述的一种基于大数据的形象进度管理方法,其特征在于,分类器的输出映射到工作包的库标识,一个库标识能够映射到工作包库内的一个工作包,设置一个空的库标识,当分类器输出该空的库标识时表示没有第一个后续的工作包。
10.根据权利要求1所述的一种基于大数据的形象进度管理方法,其特征在于,分类器为softmaxa分类器,进度预测模型训练的损失函数为:
其中为损失值,/>为进度预测模型对于第g个第一实体输出的第t个库标识的概率值,e为自然常数,C和H分别为库标识的总数和第一实体的总数,/>表示第g个第一实体对应的工作包的第一个后续的工作包的库标识为t;/>表示第g个第一实体对应的工作包的第一个前置工作包的库标识为t,/>时/>取值为1,否则/>取值为0,时/>取值为1,否则/>取值为0。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310842852.4A CN116579747B (zh) | 2023-07-11 | 2023-07-11 | 一种基于大数据的形象进度管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310842852.4A CN116579747B (zh) | 2023-07-11 | 2023-07-11 | 一种基于大数据的形象进度管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116579747A CN116579747A (zh) | 2023-08-11 |
CN116579747B true CN116579747B (zh) | 2023-09-08 |
Family
ID=87538110
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310842852.4A Active CN116579747B (zh) | 2023-07-11 | 2023-07-11 | 一种基于大数据的形象进度管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116579747B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103136636A (zh) * | 2013-03-15 | 2013-06-05 | 中广核工程有限公司 | 核电项目进度测量方法及系统 |
CN113360286A (zh) * | 2021-06-21 | 2021-09-07 | 中国人民解放军国防科技大学 | 一种基于知识图谱嵌入的链接预测方法 |
CN115330219A (zh) * | 2022-08-18 | 2022-11-11 | 中国银行股份有限公司 | 一种资源调度的方法及装置 |
CN116054910A (zh) * | 2022-12-20 | 2023-05-02 | 中国人民解放军63819部队 | 基于知识图谱构建的地球站设备故障分析及装置 |
CN116204659A (zh) * | 2023-03-27 | 2023-06-02 | 广西电网有限责任公司 | 知识图谱技术电量电费场景化数据多态势赋能方法、系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112966823B (zh) * | 2020-12-24 | 2022-05-13 | 东南大学 | 一种基于知识图谱推理的场所识别方法 |
CN115170055A (zh) * | 2022-05-30 | 2022-10-11 | 长龙(杭州)信息技术有限公司 | 一种知识工程管理平台及管理方法 |
CN115587191A (zh) * | 2022-10-17 | 2023-01-10 | 九州天禾(山东)智能科技有限公司 | 一种煤矿矿脉走势推理系统 |
-
2023
- 2023-07-11 CN CN202310842852.4A patent/CN116579747B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103136636A (zh) * | 2013-03-15 | 2013-06-05 | 中广核工程有限公司 | 核电项目进度测量方法及系统 |
CN113360286A (zh) * | 2021-06-21 | 2021-09-07 | 中国人民解放军国防科技大学 | 一种基于知识图谱嵌入的链接预测方法 |
CN115330219A (zh) * | 2022-08-18 | 2022-11-11 | 中国银行股份有限公司 | 一种资源调度的方法及装置 |
CN116054910A (zh) * | 2022-12-20 | 2023-05-02 | 中国人民解放军63819部队 | 基于知识图谱构建的地球站设备故障分析及装置 |
CN116204659A (zh) * | 2023-03-27 | 2023-06-02 | 广西电网有限责任公司 | 知识图谱技术电量电费场景化数据多态势赋能方法、系统 |
Non-Patent Citations (1)
Title |
---|
铁路隧道钻爆法施工智能管理的安全质量进度知识图谱构建方法;朱庆等;《武汉大学学报 · 信息科学版》;第47卷(第8期);第1156至1163页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116579747A (zh) | 2023-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xu et al. | 3D tooth segmentation and labeling using deep convolutional neural networks | |
CN113792924A (zh) | 一种基于Deep Q-network深度强化学习的单件作业车间调度方法 | |
Jenab et al. | A graph-based model for manufacturing complexity | |
Shelburg et al. | Regression testing for model transformations: A multi-objective approach | |
Li et al. | Colored traveling salesman problem and solution | |
CN114912357A (zh) | 基于用户模型学习的多任务强化学习用户运营方法及系统 | |
Fu et al. | Dynamic programming driven memetic search for the steiner tree problem with revenues, budget, and hop constraints | |
CN117036060A (zh) | 车险欺诈识别方法、装置和存储介质 | |
CN116579747B (zh) | 一种基于大数据的形象进度管理方法 | |
CN106021170A (zh) | 采用半监督低秩表示模型的图构建方法 | |
Leśniak et al. | Application of the Bayesian networks in construction engineering | |
Zhong et al. | A novel particle swarm optimization for the Steiner tree problem in graphs | |
US20170046387A1 (en) | Method and apparatus for querying nondeterministic graph | |
Sharma et al. | Genetic algorithm optimal approach for scheduling processes in operating system | |
CN107105052B (zh) | 基于图规划的启发式Web服务组合方法 | |
Da Silva | Solving the job shop scheduling problem with ant colony optimization | |
Ren et al. | Joint graph layouts for visualizing collections of segmented meshes | |
CN104598591B (zh) | 一种针对类型属性图模型的模型元素匹配方法 | |
Le Clément et al. | Constraint-based graph matching | |
Korablyov et al. | Dendritic Artificial Immune Network Model for Computing. | |
Lin et al. | Expanding service capacities and increasing service reliabilities for the grid-based utility computing | |
Basha et al. | A Strategy to identify components using clustering approach for component Reusability | |
Basha et al. | A Methodology to manage victim components using CBO measure | |
Chen et al. | A guided memetic algorithm with probabilistic models | |
Levary et al. | Hybrid expert simulation system (HESS) |
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 |