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。