基于机器学习的工程进度风险预测与动态调度优化策略
摘要
本文提出面向复杂工程场景的进度风险智能管控方案。通过构建融合时空特征的深度学习模型实现风险精准预测,
结合改进型强化学习算法完成资源动态分配。在数据预处理阶段采用图结构特征提取与非平衡样本增强技术,系统架构层
面设计边缘计算与数字孪生协同的实时决策平台。地铁与桥梁工程实证表明,所提方法使关键路径延误率降低 37%,资源
利用率提升 29%,验证了技术方案在复杂约束环境下的工程适用性。
结合改进型强化学习算法完成资源动态分配。在数据预处理阶段采用图结构特征提取与非平衡样本增强技术,系统架构层
面设计边缘计算与数字孪生协同的实时决策平台。地铁与桥梁工程实证表明,所提方法使关键路径延误率降低 37%,资源
利用率提升 29%,验证了技术方案在复杂约束环境下的工程适用性。
关键词
工程进度管理;混合预测模型;强化学习调度;数字孪生验证;实时决策系统
全文:
PDF参考
[1] 刘奇 . 公路工程管理中质量与进度的合理控制 [J]. 运
输经理世界 ,2023(3):74-76.
[2] 央宗 . 精细化管理在公路质量监督管理中的应用 [J].
运输经理世界 ,2021(21):80-82.
[3] 李小杰 , 翟镇宇 . 公路施工的安全管理研究 [J]. 智能
城市 ,2021,7(15):79-80.
[4] 张亚丽 . 交通施工工程管理和安全控制分析 [J]. 门
窗 ,2022(6):193-195.
[5] 琚静 . 公路工程管理中质量与进度的合理控制研究
[J]. 科技资讯 ,2022,20(6):69-71.
[6] 万能 . 公路工程管理中质量与进度管控分析 [J]. 中国
房地产业 ,2022(17):50-53.
[7] 杨洲 , 付小雷 . 公路工程质量与进度的管理研究 [J].
现代工程科技 ,2023,2(12):119-122.
(4 摘要 Views, 5 PDF Downloads)
Refbacks
- 当前没有refback。