CN118071307B - 一种用于工程施工进度预测的数据分析方法及系统 - Google Patents

Abstract

本发明涉及数据处理技术领域，尤其涉及一种用于工程施工进度预测的数据分析方法及系统，该方法在任一工程项目的施工过程中，根据工程项目划分的每个任务层级的各个子项目任务，分别获取每个工程日期中每个子项目任务的施工进度，根据每个工程日期中的每个子项目任务的施工进度，获取工程项目的整体施工进度时序序列；获取工程日期对应的拟合权重，根据整体施工进度时序序列所包含的每个工程日期对应的拟合权重，对整体施工进度时序序列进行优化，得到优化后的整体施工进度时序序列；根据优化后的整体施工进度时序序列进行工程项目的施工进度预测，避免了根据整体施工进度时序数据进行施工进度预测的不准确。

Description

一种用于工程施工进度预测的数据分析方法及系统

技术领域

本发明涉及数据处理技术领域，尤其涉及一种用于工程施工进度预测的数据分析方法及系统。

背景技术

在工程施工进度监测的过程中，需要实时收集工程项目中每个子项目的施工日志，将不同项目的施工日志进行数据整理，从而在监测系统中进行工程进度的评估，以此进行施工过程中的实时进度监测。但是对于工程进度监测系统，不仅需要进行实时的施工进度评估，还需要在此基础上对施工进度进行预测，从而判断是否可以在期望工期中完成施工。因此，对于施工进度的预测，需要将项目的整体施工日志整理为进度评估时序数据，然后通过工程进度的时间序列数据建立预测模型从而进行施工进度的预测。

现有技术中，在对施工进度进行预测的过程中，通过施工日志（每日的施工数据）整理出每日的施工进度增量，从而通过施工占比获取每日的最终施工进度数据，然后，通过最小二乘法对每日的最终施工进度数据进行数据拟合，得到施工进度拟合曲线，最后，根据施工进度拟合曲线进行施工进度的预测。

但是，在对施工进度进行预测的过程中，其最主要的数据来源是施工日志，而施工过程中不可能对整个施工项目中的所有子项目都进行无限细化监测，也即是在施工进度的监测过程中，会出现子项目正常开展，但在施工日志的评估中无法进行量化，从而导致施工进度数据停滞的情况，进而会导致预测模型拟合的不准确、施工进度的预测结果出现偏差。

因此，如何对施工进度停滞期间的施工进度数据进行优化，以提高对施工进度预测的准确性成为亟需解决的问题。

发明内容

有鉴于此，本发明实施例提供了一种用于工程施工进度预测的数据分析方法及系统，以解决如何对施工进度停滞期间的施工进度数据进行优化，以提高对施工进度预测的准确性的问题。

第一方面，本发明实施例中提供了一种用于工程施工进度预测的数据分析方法，该方法包括以下步骤：

在任一工程项目的施工过程中，根据所述工程项目划分的每个任务层级的各个子项目任务，分别获取每个工程日期中每个子项目任务的施工进度，根据所述每个工程日期中的每个子项目任务的施工进度，获取所述工程项目的整体施工进度时序序列；

针对任一工程日期中的任一任务层级的任一子项目任务，根据所述子项目任务与所述任务层级中的其他子项目任务之间的施工进度差异，获取所述任务层级的所述子项目任务的融合因子，根据所述任务层级的所述子项目任务在所述工程日期的预设局部日期范围内的施工进度变化，获取所述任务层级的所述子项目任务的优化因子；

根据所述工程日期中的每个任务层级的每个子项目任务的融合因子和优化因子，获取所述工程日期对应的拟合权重，根据所述整体施工进度时序序列所包含的每个工程日期对应的拟合权重，对所述整体施工进度时序序列进行优化，得到优化后的整体施工进度时序序列；

根据所述优化后的整体施工进度时序序列进行所述工程项目的施工进度预测。

进一步的，所述根据所述子项目任务与所述任务层级中的其他子项目任务之间的施工进度差异，获取所述任务层级的所述子项目任务的融合因子，包括：

根据所述任务层级中的每个子项目任务的施工进度，获取所述任务层级的施工进度均值；

计算所述子项目任务的施工进度与所述任务层级的施工进度均值之间的差值绝对值，对所述差值绝对值进行归一化处理，对应得到的归一化值作为所述任务层级的所述子项目任务的融合因子。

进一步的，所述根据所述任务层级的所述子项目任务在所述工程日期的预设局部日期范围内的施工进度变化，获取所述任务层级的所述子项目任务的优化因子，包括：

在所述工程日期的预设局部日期范围内，分别计算所述任务层级的所述子项目任务在每两个相邻工程日期之间的差值绝对值，得到差值绝对值的方差；

对所述差值绝对值的方差进行归一化处理，对应得到的归一化结果作为所述任务层级的所述子项目任务的优化因子。

进一步的，所述根据所述工程日期中的每个任务层级的每个子项目任务的融合因子和优化因子，获取所述工程日期对应的拟合权重，包括：

针对所述工程日期中的任一任务层级的任一子项目任务，获取所述子项目任务的融合因子和优化因子之间的乘积，将常数1和所述乘积之间的相加结果作为所述子项目任务的优化融合因子；

根据所述任务层级中的每个子项目任务的优化融合因子，获取最大优化融合因子，将所述工程日期中的所有任务层级的最大优化融合因子之间的乘积作为所述工程日期对应的拟合权重。

进一步的，所述根据所述整体施工进度时序序列所包含的每个工程日期对应的拟合权重，对所述整体施工进度时序序列进行优化，得到优化后的整体施工进度时序序列，包括：

在所述整体施工进度时序序列中任取一数据为目标数据，以所述目标数据为中心构建数值优化窗口，对所述数值优化窗口中的每个数据所对应工程日期的拟合权重进行线性归一化处理，得到所述数值优化窗口中的每个数据的拟合权重；

根据所述数值优化窗口中的每个数据的拟合权重，通过加权最小二乘法对所述数值优化窗口中的所有数据进行数据拟合，得到所述数值优化窗口中的每个数据的拟合值；

获取所述目标数据在不同的数值优化窗口进行数据拟合时所得到的拟合值，根据所述目标数据的所有拟合值，计算拟合值均值，将所述拟合值均值作为对所述目标数据进行优化后的优化数据；

将所述整体施工进度时序序列中的每个数据的优化数据组成优化后的整体施工进度时序序列。

进一步的，所述根据所述优化后的整体施工进度时序序列进行所述工程项目的施工进度预测，包括：

根据所述优化后的整体施工进度时序序列构建得到ARIMA模型，利用所述ARIMA模型进行所述工程项目的施工进度预测。

进一步的，所述根据所述每个工程日期中的每个子项目任务的施工进度，获取所述工程项目的整体施工进度时序序列，包括：

针对任一工程日期，根据所述工程日期中的每个子项目任务的施工进度，获取所述工程项目在所述工程日期的整体施工进度，根据所述每个工程日期的整体施工进度，得到所述工程项目的整体施工进度时序序列。

第二方面，本发明实施例还提供了一种用于工程施工进度预测的数据分析系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的一种用于工程施工进度预测的数据分析方法。

本发明实施例与现有技术相比存在的有益效果是：

本发明在任一工程项目的施工过程中，根据所述工程项目划分的每个任务层级的各个子项目任务，分别获取每个工程日期中每个子项目任务的施工进度，根据所述每个工程日期中的每个子项目任务的施工进度，获取所述工程项目的整体施工进度时序序列；针对任一工程日期中的任一任务层级的任一子项目任务，根据所述子项目任务与所述任务层级中的其他子项目任务之间的施工进度差异，获取所述任务层级的所述子项目任务的融合因子，根据所述任务层级的所述子项目任务在所述工程日期的预设局部日期范围内的施工进度变化，获取所述任务层级的所述子项目任务的优化因子；根据所述工程日期中的每个任务层级的每个子项目任务的融合因子和优化因子，获取所述工程日期对应的拟合权重，根据所述整体施工进度时序序列所包含的每个工程日期对应的拟合权重，对所述整体施工进度时序序列进行优化，得到优化后的整体施工进度时序序列；根据所述优化后的整体施工进度时序序列进行所述工程项目的施工进度预测。其中，通过工程项目的多尺度子项目中的施工进度变化，获取每个尺度中的各个子项目的施工进度融合权重，从而通过多尺度子项目的尺度递增，获取工程项目的整体施工进度的拟合权重，以在拟合过程中对施工进度出现因为项目无法无限细分导致的进度停滞情况进行整体施工进度时序数据的优化，避免了后续根据整体施工进度时序数据进行施工进度预测的不准确。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例一提供的一种用于工程施工进度预测的数据分析方法的方法流程图。

具体实施方式

下面详细描述本公开的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本公开，而不能理解为对本公开的限制。

需要说明的是，本公开的说明书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与本公开的一些方面相一致的装置和方法的例子。

为了说明本发明的技术方案，下面通过具体实施例来进行说明。

本发明所针对的具体场景为：在工程施工的进度监测过程中，对施工进度进行评估和预测，从而保证施工进度的正常进行并保证其可以在指定时间内完成。

参见图1，是本发明实施例一提供的一种用于工程施工进度预测的数据分析方法的方法流程图，如图1所示，该方法可以包括：

步骤S101，在任一工程项目的施工过程中，根据工程项目划分的每个任务层级的各个子项目任务，分别获取每个工程日期中每个子项目任务的施工进度，根据每个工程日期中的每个子项目任务的施工进度，获取工程项目的整体施工进度时序序列。

本发明实施例中，以一个工程项目为例，在该工程项目的施工过程中，由于工程项目会被划分为多个子项目，具体的，首先将工程项目按照施工流程划分为多个任务层级，然后每个任务层级中划分多个子项目任务，因此，在对该工程项目的施工进度进行评估时，需要通过整个工程项目划分的多个子项目任务的施工进度进行评估，故，通过数据监测，获取该工程项目的每个任务层级的每个子项目任务的施工日志，并整理得到每个子项目任务的施工进度。

以一天为一个工程日期，获取每个工程日期中的每个子项目任务的施工进度，以衡量该工程项目中的每个子项目任务的每天完成度，参照表1，其给出了一种工程项目的部分子项目任务的示意表格，表1中，工程日期为2023-01-01，针对于地基挖掘的施工部分，完成了10%；工程日期为2023-01-02，针对于地基挖掘的施工部分，完成了20%；工程日期为2023-01-03，针对于地基挖掘的施工部分，完成了30%；工程日期为2023-01-04，针对于地基浇筑的施工部分，完成了5%，……，工程日期为2023-01-31，针对于框架搭建的施工部分，完成了50%。

表1 一种工程项目的部分子项目任务的示意表格

进一步的，根据每个工程日期中的每个子项目任务的施工进度，能够获取该工程项目的整体施工进度时序序列，具体为：针对任一工程日期，根据所述工程日期中的每个子项目任务的施工进度，获取所述工程项目在所述工程日期的整体施工进度，根据所述每个工程日期的整体施工进度，得到所述工程项目的整体施工进度时序序列。

步骤S102，针对任一工程日期中的任一任务层级的任一子项目任务，根据子项目任务与任务层级中的其他子项目任务之间的施工进度差异，获取任务层级的子项目任务的融合因子，根据任务层级的子项目任务在工程日期的预设局部日期范围内的施工进度变化，获取任务层级的子项目任务的优化因子。

由于工程项目的子项目任务划分过程中，会存在因为无法将工程项目无限划分而出现的施工过程中的施工进度衡量误差，也即是会出现子项目任务划分不准确导致的施工进度变化不均匀情况，而这种情况在整体施工进度时序序列中会呈现为时序序列中的数据变化在某几天出现增速缓慢，而之后又出现增速较高的两种极端情况。这种极端情况在后续对整体施工进度进行预测时，会导致预测模型无法准确判断施工进度的预测结果，因此，需要通过多任务层级的子项目任务的施工进度对整体施工进度时序序列进行数据优化，以消除整体施工进度时序序列中的数据极端情况。

在工程项目的施工过程中，对于一个施工任务的划分存在着工程量上的划分，示例：对于施工最开始的地基挖掘子任务，单个地基的挖掘会通过整个挖掘过程进行任务的划分，如地基挖掘空间的比例，从而获取到每个地基的挖掘进度。同时对于整个工程项目的施工过程，还存在着空间的划分，即为将工程空间划分为地基A，地基B等，也就是对于一个工程日期，存在着每个地基分块的施工进度数据，此为并列施工进度数据，所述的并列施工进度数据之间不存在相互的关联，所以可以进行同一任务层级的对比，从而进行施工进度融合。

而在本发明实施例中针对于工程项目无法无限划分所导致的每日整体施工进度变化不稳定情况，对应在子项目任务上会呈现处子项目任务的施工进度变化不均匀，但在子项目任务的施工进度融合为整体施工进度时，会存在每个子项目任务的施工进度影响均等，从而保证获取到的整体施工进度更加准确，因此，需要对每个子项目任务的施工进度进行融合因子的获取，从而在出现子项目任务的施工进度变化不均衡时，能够通过子项目任务之间的施工进度差异，获取每个子项目任务的融合因子，则针对任一工程日期中的任一任务层级的任一子项目任务，根据子项目任务与任务层级中的其他子项目任务之间的施工进度差异，获取任务层级的子项目任务的融合因子，其具体获取方法为：

根据所述任务层级中的每个子项目任务的施工进度，获取所述任务层级的施工进度均值；

计算所述子项目任务的施工进度与所述任务层级的施工进度均值之间的差值绝对值，对所述差值绝对值进行归一化处理，对应得到的归一化值作为所述任务层级的所述子项目任务的融合因子。

在一实施方式中，考虑到同一任务层级中的子项目任务因为存在着不同施工空间区域所存在的不同问题，会出现并列施工进度数据差异，因此，以第t个工程日期中的第m个任务层级的第i个子项目任务为例，根据第m个任务层级的所有子项目任务在第t个工程日期的施工进度偏差，获取第t个工程日期中的第m个任务层级的第i个子项目任务的融合因子，则融合因子的计算表达式：

其中，表示第t个工程日期中的第m个任务层级的第i个子项目任务的融合因子，表示归一化指数函数，表示第t个工程日期中的第m个任务层级的第i个子项目任务的施工进度，表示第t个工程日期中的第m个任务层级所包含的子项目任务的数量，表示第t个工程日期中的第m个任务层级的施工进度均值。

需要说明的是，针对于第t个工程日期中的第m个任务层级，该任务层级中的每个子项目任务都对应着一个第t个工程日期的施工进度数据，在并列任务层级中，每个子项目任务的施工进度都应该是相近的，而对于第t个工程日期中的第m个任务层级的所有子项目任务之间的施工进度差异越大，说明第m个任务层级的所有子项目任务的施工进度融合之后所得到的第t个工程日期的整体施工进度存在整个更多的不均衡因素，所以在后续优化时，降低对第t个工程日期的整体施工进度的信任，而通过更均衡的工程日期的整体施工进度进行优化，以保证整体施工进度的平稳变化。

进一步的，在上述根据同一任务层级的各个子项目任务之间的施工进度差异，获取到每个子项目任务的融合因子之后，即可将该融合因子作为对子项目任务的施工进度进行向上融合得到整体施工进度的基础。由于工程项目无法无限细分导致的施工进度不均衡的情况，不止存在于单个工程日期中的并列子项目任务（同一任务层级的子项目任务）是否均衡的情况，还需要通过一个工程日期的局部日期窗口中每个工程日期中子项目任务之间的施工进度变化信息的差异进行评估，这样才能准确地对每个工程日期的整体施工进度进行评估优化，因此，针对任一工程日期中的任一任务层级的任一子项目任务，根据任务层级的子项目任务在工程日期的预设局部日期范围内的施工进度变化，获取任务层级的子项目任务的优化因子，其具体获取方法为：

在所述工程日期的预设局部日期范围内，分别计算所述任务层级的所述子项目任务在每两个相邻工程日期之间的差值绝对值，得到差值绝对值的方差；

对所述差值绝对值的方差进行归一化处理，对应得到的归一化结果作为所述任务层级的所述子项目任务的优化因子。

在一实施方式中，以第t个工程日期中的第m个任务层级的第i个子项目任务为例，以第t个工程日期为中心，构建预设局部日期范围为7的工程日期窗口，根据第m个任务层级的第i个子项目任务在工程日期窗口中的每个工程日期的施工进度变化，获取第t个工程日期中的第m个任务层级的第i个子项目任务在工程日期窗口中的施工进度变化情况，对于单个子项目任务在工程日期窗口中的施工进度变化的离散程度越高，则说明该子项目任务中存在着施工进度不均衡的情况，并对该不平衡情况进行衡量的结果作为优化因子，用于优化上述获取到的融合因子，从而更加准确优化整体施工进度，则第t个工程日期中的第m个任务层级的第i个子项目任务的优化因子的计算表达式为：

其中，表示第t个工程日期中的第m个任务层级的第i个子项目任务的优化因子，表示归一化函数，表示第t个工程日期中的第m个任务层级的第i个子项目任务的工程日期窗口，表示第q个工程日期中的第m个任务层级的第i个子项目任务的施工进度，表示第q-1个工程日期中的第m个任务层级的第i个子项目任务的施工进度，表示方差，表示第m个任务层级的第i个子项目任务在以第t个工程日期为中心的工程日期窗口中的施工进度差值的方差。

需要说明的是，对于第t个工程日期中的第m个任务层级的第i个子项目任务对应的施工进度在工程日期窗口中的变化情况，可以体现出一个子项目任务在一定时间窗口中存在的施工进度变化的差异，在出现因为工程项目划分过程中出现的额外施工情况，其会反应在子项目任务之间的施工进度变化差异中，也就是在一个工程日期窗口中出现的子项目任务的波动情况较高，而在同一任务层级中的不同子项目任务中，每一个子项目任务在工程日期窗口中出现的施工进度变化波动可以衡量出在施工进度评估过程中存在的施工进度不稳定的程度，从而对子项目任务对应的融合因子进行优化，以用于后续向上融合进行整体施工进度的优化。

至此，能够获取第t个工程日期中的每个任务层级的每个子项目任务的融合因子和优化因子。

步骤S103，根据工程日期中的每个任务层级的每个子项目任务的融合因子和优化因子，获取工程日期对应的拟合权重，根据整体施工进度时序序列所包含的每个工程日期对应的拟合权重，对整体施工进度时序序列进行优化，得到优化后的整体施工进度时序序列。

在得到第t个工程日期中的每个任务层级的每个子项目任务的融合因子和优化因子之后，即可通过优化因子对融合因子进行优化，并通过下任务层级向上任务层级融合，以获取第t个工程日期对应的拟合权重，该拟合权重用于对整体施工进度时序序列进行最小二乘法拟合，以优化整体施工进度时序序列，则根据第t个工程日期中的每个任务层级的每个子项目任务的融合因子和优化因子，获取第t个工程日期对应的拟合权重，包括：

针对所述工程日期中的任一任务层级的任一子项目任务，获取所述子项目任务的融合因子和优化因子之间的乘积，将常数1和所述乘积之间的相加结果作为所述子项目任务的优化融合因子；

根据所述任务层级中的每个子项目任务的优化融合因子，获取最大优化融合因子，将所述工程日期中的所有任务层级的最大优化融合因子之间的乘积作为所述工程日期对应的拟合权重。

在一实施方式中，第t个工程日期对应的拟合权重的计算表达式为：

其中，表示第t个工程日期对应的拟合权重，表示第t个工程日期中所包含的任务层级的数量，表示第t个工程日期中的第m个任务层级的第i个子项目任务的优化因子，表示第t个工程日期中的第m个任务层级的第i个子项目任务的融合因子，1表示常数，表示第t个工程日期中的第m个任务层级的第i个子项目任务的优化融合因子，表示第t个工程日期中的第m个任务层级的最大优化融合因子。

需要说明的是，在工程项目的子项目任务从最小任务层级逐级向上融合为整体施工进度的拟合权重的过程中，在每一任务层级中通过优化因子对融合因子进行加权，从而在第t个工程日期中的第m个任务层级中并列子项目任务之间的施工进度差异衡量的基础上，进一步通过并列子项目任务之间存在的施工进度变化时序上的不均衡对工程项目任务划分过程中存在的任务忽略情况进行评估，也就是在施工过程中，当存在工程施工日志之外的施工任务时，也就是施工日志中因为没有无限细致划分，而出现了意料外的任务时，会出现任务外的工作导致的施工进度停滞情况，这种停滞情况可能是单个任务层级中的子项目任务之间的差异，这些差异会导致整体施工任务进度的停滞，并在任务外工作完成之后出现施工进度的快速增长，因此，在上述拟合权重的公式中，通过第t个工程日期中的第m个任务层级的每个子项目任务中，将最大优化融合因子作为考量，因为上述归一化过程中，会将差异大的子项目任务的施工进度进行指数映射，从而可以通过最大值进行任务层级信息的提取，然后通过从下至上的逐级连乘的方式进行第t个工程日期在拟合过程中的拟合权重的衡量依据。

进一步的，根据第t个工程日期对应的拟合权重的获取方法，分别获取整体施工进度时序序列所包含的每个工程日期对应的拟合权重。然后，根据整体施工进度时序序列所包含的每个工程日期对应的拟合权重，对整体施工进度时序序列进行优化，得到优化后的整体施工进度时序序列，则具体优化方法为：

在所述整体施工进度时序序列中任取一数据为目标数据，以所述目标数据为中心构建数值优化窗口，对所述数值优化窗口中的每个数据所对应工程日期的拟合权重进行线性归一化处理，得到所述数值优化窗口中的每个数据的拟合权重；

根据所述数值优化窗口中的每个数据的拟合权重，通过加权最小二乘法对所述数值优化窗口中的所有数据进行数据拟合，得到所述数值优化窗口中的每个数据的拟合值；

获取所述目标数据在不同的数值优化窗口进行数据拟合时所得到的拟合值，根据所述目标数据的所有拟合值，计算拟合值均值，将所述拟合值均值作为对所述目标数据进行优化后的优化数据；

将所述整体施工进度时序序列中的每个数据的优化数据组成优化后的整体施工进度时序序列。

在一实施方式中，在获取整体施工进度时序序列中的每个数据所对应工程日期的拟合权重之后，对于整体施工进度时序序列，通过如下过程进行基于加权最小二乘法拟合的数据优化：

（1）选取数值优化窗口L=7。

（2）对于数值优化窗口中的每一个数据进行权重分配，所述的权重分配即为通过数值优化窗口中的每个数据所对应工程日期的拟合权重进行线性归一化，对应得到数值优化窗口中的每个数据的归一化值，并用常数1分别减去每个归一化值得到的结果作为数值优化窗口中的每个数据的拟合权重。

（3）以整体施工进度时序序列中的任一数据为中心构建数值优化窗口，在每一个数值优化窗口内，对数值优化窗口中的每个数据及其权重，通过加权最小二乘拟合一个一阶函数，根据一阶函数计算数值优化窗口中的每个数据对应的拟合值。

（4）针对于整体施工进度时序序列中的任一数据，该数据存在于不同的数值优化窗口中，对应能够获取到该数据的多个拟合值，进而将该数据的多个拟合值进行均值计算，并将得到的均值作为该数据优化后的数据，简称优化数据，同理，能够获取整体施工进度时序序列中的每个数据的优化数据，将整体施工进度时序序列中的每个数据的优化数据组成优化后的整体施工进度时序序列。

步骤S104，根据优化后的整体施工进度时序序列进行工程项目的施工进度预测。

本发明实施例中，在得到优化后的整体施工进度时序序列之后，根据优化后的整体施工进度时序序列构建得到ARIMA模型，利用ARIMA模型进行工程项目的施工进度预测，并根据预测结果对施工任务安排进行优化，从而保证施工进度可以满足工程时限。

需要说明的是，构建ARIMA模型属于现有技术，此处不再赘述。

综上所述，本发明实施例在任一工程项目的施工过程中，根据工程项目划分的每个任务层级的各个子项目任务，分别获取每个工程日期中每个子项目任务的施工进度，根据每个工程日期中的每个子项目任务的施工进度，获取工程项目的整体施工进度时序序列；针对任一工程日期中的任一任务层级的任一子项目任务，根据子项目任务与任务层级中的其他子项目任务之间的施工进度差异，获取任务层级的子项目任务的融合因子，根据任务层级的子项目任务在工程日期的预设局部日期范围内的施工进度变化，获取任务层级的子项目任务的优化因子；根据工程日期中的每个任务层级的每个子项目任务的融合因子和优化因子，获取工程日期对应的拟合权重，根据整体施工进度时序序列所包含的每个工程日期对应的拟合权重，对整体施工进度时序序列进行优化，得到优化后的整体施工进度时序序列；根据优化后的整体施工进度时序序列进行工程项目的施工进度预测。其中，通过工程项目的多尺度子项目中的施工进度变化，获取每个尺度中的各个子项目的施工进度融合权重，从而通过多尺度子项目的尺度递增，获取工程项目的整体施工进度的拟合权重，以在拟合过程中对施工进度出现因为项目无法无限细分导致的进度停滞情况进行整体施工进度时序数据的优化，避免了后续根据整体施工进度时序数据进行施工进度预测的不准确。

基于与上述方法相同的发明构思，本发明实施例还提供了一种用于工程施工进度预测的数据分析系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种用于工程施工进度预测的数据分析方法中任意一项所述方法的步骤。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：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；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (3)

1.一种用于工程施工进度预测的数据分析方法，其特征在于，所述一种用于工程施工进度预测的数据分析方法包括：

在任一工程项目的施工过程中，根据所述工程项目划分的每个任务层级的各个子项目任务，分别获取每个工程日期中每个子项目任务的施工进度，根据所述每个工程日期中的每个子项目任务的施工进度，获取所述工程项目的整体施工进度时序序列；

针对任一工程日期中的任一任务层级的任一子项目任务，根据所述子项目任务与所述任务层级中的其他子项目任务之间的施工进度差异，获取所述任务层级的所述子项目任务的融合因子，根据所述任务层级的所述子项目任务在所述工程日期的预设局部日期范围内的施工进度变化，获取所述任务层级的所述子项目任务的优化因子；

根据所述工程日期中的每个任务层级的每个子项目任务的融合因子和优化因子，获取所述工程日期对应的拟合权重，根据所述整体施工进度时序序列所包含的每个工程日期对应的拟合权重，对所述整体施工进度时序序列进行优化，得到优化后的整体施工进度时序序列；

根据所述优化后的整体施工进度时序序列进行所述工程项目的施工进度预测；

根据所述子项目任务与所述任务层级中的其他子项目任务之间的施工进度差异，获取所述任务层级的所述子项目任务的融合因子，包括：

根据所述任务层级中的每个子项目任务的施工进度，获取所述任务层级的施工进度均值；

计算所述子项目任务的施工进度与所述任务层级的施工进度均值之间的差值绝对值，对所述差值绝对值进行归一化处理，对应得到的归一化值作为所述任务层级的所述子项目任务的融合因子；

考虑到同一任务层级中的子项目任务因为存在着不同施工空间区域所存在的不同问题，会出现并列施工进度数据差异，因此，以第t个工程日期中的第m个任务层级的第i个子项目任务为例，根据第m个任务层级的所有子项目任务在第t个工程日期的施工进度偏差，获取第t个工程日期中的第m个任务层级的第i个子项目任务的融合因子，则融合因子的计算表达式：

其中，表示第t个工程日期中的第m个任务层级的第i个子项目任务的融合因子，表示归一化指数函数，表示第t个工程日期中的第m个任务层级的第i个子项目任务的施工进度，表示第t个工程日期中的第m个任务层级所包含的子项目任务的数量，表示第t个工程日期中的第m个任务层级的施工进度均值；

根据所述任务层级的所述子项目任务在所述工程日期的预设局部日期范围内的施工进度变化，获取所述任务层级的所述子项目任务的优化因子，包括：

在所述工程日期的预设局部日期范围内，分别计算所述任务层级的所述子项目任务在每两个相邻工程日期之间的差值绝对值，得到差值绝对值的方差；

对所述差值绝对值的方差进行归一化处理，对应得到的归一化结果作为所述任务层级的所述子项目任务的优化因子；

以第t个工程日期中的第m个任务层级的第i个子项目任务为例，以第t个工程日期为中心，构建预设局部日期范围为7的工程日期窗口，根据第m个任务层级的第i个子项目任务在工程日期窗口中的每个工程日期的施工进度变化，获取第t个工程日期中的第m个任务层级的第i个子项目任务在工程日期窗口中的施工进度变化情况，对于单个子项目任务在工程日期窗口中的施工进度变化的离散程度越高，则说明该子项目任务中存在着施工进度不均衡的情况，并对该不均衡的情况进行衡量的结果作为优化因子，用于优化上述获取到的融合因子，从而更加准确优化整体施工进度，则第t个工程日期中的第m个任务层级的第i个子项目任务的优化因子的计算表达式为：

其中，表示第t个工程日期中的第m个任务层级的第i个子项目任务的优化因子，表示归一化函数，表示第t个工程日期中的第m个任务层级的第i个子项目任务的工程日期窗口，表示第q个工程日期中的第m个任务层级的第i个子项目任务的施工进度，表示第q-1个工程日期中的第m个任务层级的第i个子项目任务的施工进度，表示方差，表示第m个任务层级的第i个子项目任务在以第t个工程日期为中心的工程日期窗口中的施工进度差值的方差；

根据所述工程日期中的每个任务层级的每个子项目任务的融合因子和优化因子，获取所述工程日期对应的拟合权重，包括：

针对所述工程日期中的任一任务层级的任一子项目任务，获取所述子项目任务的融合因子和优化因子之间的乘积，将常数1和所述乘积之间的相加结果作为所述子项目任务的优化融合因子；

根据所述任务层级中的每个子项目任务的优化融合因子，获取最大优化融合因子，将所述工程日期中的所有任务层级的最大优化融合因子之间的乘积作为所述工程日期对应的拟合权重；

第t个工程日期对应的拟合权重的计算表达式为：

其中，表示第t个工程日期对应的拟合权重，表示第t个工程日期中所包含的任务层级的数量，表示第t个工程日期中的第m个任务层级的第i个子项目任务的优化因子，表示第t个工程日期中的第m个任务层级的第i个子项目任务的融合因子，1表示常数，表示第t个工程日期中的第m个任务层级的第i个子项目任务的优化融合因子，表示第t个工程日期中的第m个任务层级的最大优化融合因子；

根据所述整体施工进度时序序列所包含的每个工程日期对应的拟合权重，对所述整体施工进度时序序列进行优化，得到优化后的整体施工进度时序序列，包括：

在所述整体施工进度时序序列中任取一数据为目标数据，以所述目标数据为中心构建数值优化窗口，对所述数值优化窗口中的每个数据所对应工程日期的拟合权重进行线性归一化处理，得到所述数值优化窗口中的每个数据的拟合权重；

根据所述数值优化窗口中的每个数据的拟合权重，通过加权最小二乘法对所述数值优化窗口中的所有数据进行数据拟合，得到所述数值优化窗口中的每个数据的拟合值；

获取所述目标数据在不同的数值优化窗口进行数据拟合时所得到的拟合值，根据所述目标数据的所有拟合值，计算拟合值均值，将所述拟合值均值作为对所述目标数据进行优化后的优化数据；

将所述整体施工进度时序序列中的每个数据的优化数据组成优化后的整体施工进度时序序列；

根据所述优化后的整体施工进度时序序列进行所述工程项目的施工进度预测，包括：

根据所述优化后的整体施工进度时序序列构建得到ARIMA模型，利用所述ARIMA模型进行所述工程项目的施工进度预测。

2.根据权利要求1所述的一种用于工程施工进度预测的数据分析方法，其特征在于，所述根据所述每个工程日期中的每个子项目任务的施工进度，获取所述工程项目的整体施工进度时序序列，包括：

针对任一工程日期，根据所述工程日期中的每个子项目任务的施工进度，获取所述工程项目在所述工程日期的整体施工进度，根据所述每个工程日期的整体施工进度，得到所述工程项目的整体施工进度时序序列。

3.一种用于工程施工进度预测的数据分析系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-2任意一项所述一种用于工程施工进度预测的数据分析方法的步骤。