基于RBF神经网络的施工进度日计划完工率预测模型

发布时间：2021-11-18 08:30

　　对工程项目进度计划的完工率进行预测有利于提高计划的可执行性。但以往的研究多是立足于施工准备阶段,预测的对象一般是总体进度计划的完工率,这样的预测结果很难满足项目精细化管理的需求。本文在系统分析工程施工进度影响因素的基础上,采用RBF神经网络技术构建了工程项目日进度计划完工率的预测模型,将预测对象细化到工作日进度计划,实现在施工过程中结合本项目历史数据对未来工作日进度计划进行动态预测。最后,运用某高速公路项目为实例阐述了该模型预测的可行性,并验证了随着本项目历史数据的积累增加,预测结果的精确度也会提高。 

【文章来源】：土木工程与管理学报. 2020,37(04)北大核心

【文章页数】：6 页

【部分图文】：

基于RBF神经网络的日计划完工率预测模型

施工进度预测模型神经网络结构

图2 施工进度预测模型神经网络结构由图可以看出，模型迭代至第4次时误差达到设定值0.000001，且训练过程中训练数据与模型拟合度较高，模型训练结果较好。

【参考文献】：
期刊论文
[1]基于LSTM神经网络模型的交通事故预测[J]. 张志豪,杨文忠,袁婷婷,李东昊,王雪颖.  计算机工程与应用. 2019(14)
[2]基于改进DEMATEL的海外工程项目进度影响因素分析[J]. 朱思雅,高幸.  中外公路. 2018(05)
[3]基于解释结构模型的项目进度影响因素分析[J]. 郑康.  项目管理技术. 2018(10)
[4]高速公路项目施工进度影响因素与控制措施[J]. 张海龙,康笠.  中国建材. 2016(08)
[5]原始性创新人格形成的影响因素实证研究——基于BP神经网络训练与DEMATEL测算的方法[J]. 郑琳琳.  科技进步与对策. 2016(18)
[6]基于Shapley值-仿真技术的工序工期预测[J]. 申建红,孙小宁,张云华.  土木工程与管理学报. 2016(03)
[7]施工进度BIM可靠性预测方法[J]. 李勇.  土木建筑与环境工程. 2014(04)
[8]大数据挖掘在工程项目管理中的应用[J]. 曾晖.  科技进步与对策. 2014(11)

博士论文
[1]建设工程施工进度BIM预测方法研究[D]. 李勇.武汉理工大学 2014

硕士论文
[1]基于风险综合影响率分析的工序工期预测研究[D]. 孙小宁.青岛理工大学 2016



本文编号：3502565