装配式住宅EPC管理模式下施工进度风险管理研究
发布时间：2022-01-12 19:24
目前,装配式住宅项目采用EPC总承包管理模式被国家大力推行实施,两者的结合可以有效解决施工过程中预制构件生产、预制构件运输与装配施工三个阶段相互脱节的情况,使装配式住宅项目可以按期完成。由于装配式住宅EPC总承包管理模式下项目施工进度风险来源非常广泛且特殊,而且国内装配式住宅专业施工技术还不成熟,施工经验相对匮乏,这些都会对项目施工进度计划的完成产生一定的影响,因此有必要对装配式住宅EPC总承包管理模式下项目的施工进度风险管理展开深入研究。本文首先阐述了装配式住宅的优点,对其与EPC管理模式的适用性进行分析,结合国内外装配式住宅与EPC总承包项目的施工进度风险研究成果,基于装配式住宅施工进度风险特点与风险管理相关理论,运用文献分析法、专家调查法和信度效度检验,筛选并确定了装配式住宅EPC总承包管理模式下项目施工进度风险因素26个。以调查问卷数据为基础,使用GeNIe2.0软件,运用K2算法对数据进行结构学习,得到装配式住宅EPC总承包管理模式下项目施工进度各个节点变量的条件概率分布。利用专家经验对贝叶斯网络图进一步调整和优化,完成装配式住宅EPC总承包管理模式下项目施工进度贝叶斯网络风...
【文章来源】：兰州交通大学甘肃省
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
装配式住宅EPC总承包管理模式项目施工阶段风险管理流程
装配式住宅EPC管理模式下施工进度风险管理研究-40-（3）参数学习。基于贝叶斯网络的装配式住宅EPC总承包管理模式下项目施工进度风险模型参数学习是指对各个节点变量条件概率分布进行计算求解的过程。以基于贝叶斯网络构建的装配式住宅EPC总承包管理模式项目施工进度风险评价模型结构学习为依据，利用机器学习从数据中学习网络参数从而获得贝叶斯网络中各个变量的条件概率。4.2装配式住宅EPC管理模式项目施工进度风险贝叶斯网络模型结构的建立4.2.1装配式住宅EPC管理模式下项目施工进度贝叶斯网络结构学习GeNIe软件不仅有可视化界面和较强的推理能力，而且还支持结构学习和参数学习，因此本文选用GeNIe软件最新版本GeNIe2.0进行装配式住宅EPC总承包项目施工进度风险贝叶斯网络的建模和推理。先将Access数据库中包含26个节点变量的的数据通过GeNIe2.0软件中的“ImportODBC”工具模块导入到软件中。本文所用的数据完整的数据集，因此在学习算法上选择基于评分搜索的代表性算法—K2算法进行贝叶斯网络结构的学习。软件运行可以得到装配式住宅EPC总承包管理模式项目施工进度风险贝叶斯网络机器学习结果，如图4.1所示。图4.1装配式住宅EPC总承包管理模式下项目施工进度风险贝叶斯网络机器学习结果
兰州交通大学硕士学位论文-41-4.2.2装配式住宅EPC管理模式下项目施工进度贝叶斯网络结构优化由于图4.1所示的装配式住宅EPC总承包项目施工进度风险贝叶斯网络结构学习不够清晰，各节点间的关系连接完全通过数据信息来建立，逻辑连接性不强，有些节点之间有因果关系却没有呈现出来，所以需要与专家经验相结合才能对装配式住宅EPC总承包管理模式项目施工进度风险因素关系的实际情况进行更准确的反映，因此将图4.1所呈现的网络结构进行优化，从而得到了装配式住宅EPC总承包管理模式下项目施工进度贝叶斯网络结构优化学习结果，如图4.2所示。图4.2装配式住宅EPC总承包管理模式项目施工进度贝叶斯网络结构优化学习结果
【参考文献】：
期刊论文
[1]装配式建筑构件部品JIT采购模式研究[J]. 陈超,郝生跃,任旭. 工程管理学报. 2019(05)
[2]基于SEM的装配式建筑设计阶段风险研究[J]. 刘喆,刘娜,周瑞,董坤. 工程管理学报. 2019(05)
[3]基于ISM的装配式建筑进度影响因素的研究[J]. 王锦洲,黄歌. 价值工程. 2019(30)
[4]装配式混凝土建筑主体结构工期进度分析[J]. 王飞. 工程技术研究. 2019(19)
[5]基于BIM-RFID的装配式建筑实施进度风险管理[J]. 李辉山,王冉. 建筑节能. 2019(09)
[6]基于PPP模式的装配式建筑项目风险评估与分析[J]. 张宏,裴耘. 工程研究-跨学科视野中的工程. 2019(04)
[7]基于结构方程的EPC工程项目采购风险评价[J]. 段世霞,徐敏. 财会月刊. 2019(08)
[8]装配式建筑的现状与发展[J]. 李素兰. 上海建材. 2018(05)
[9]装配式建筑施工进度控制的关键性因素分析[J]. 严玉海,叶文启,何超. 建筑施工. 2018(09)
[10]如何做好EPC总承包项目的进度管理[J]. 黄嘉欣. 科技经济导刊. 2018(26)
博士论文
[1]铁路货运运营风险数据知识化方法研究[D]. 彭丽宇.北京交通大学 2019
[2]基于贝叶斯网络的中西医结合疼痛康复管理系统的研发[D]. 贾小飞.福建中医药大学 2019
[3]城市更新的模式选择及综合效益评价研究[D]. 李剑锋.华南理工大学 2019
[4]我国建筑工业化项目质量因素分析及协同管理机制研究[D]. 甘元彦.重庆大学 2017
硕士论文
[1]北新绿色住宅公司发展战略转型研究[D]. 张雨青.上海外国语大学 2020
[2]柬埔寨输电线路建设EPC项目成本管理研究[D]. 张博.吉林大学 2019
[3]EPC模式下装配式建筑项目管理研究[D]. 王超.太原理工大学 2019
[4]国际EPC工程项目物资采购风险评价研究[D]. 李萍.山东建筑大学 2019
[5]国际电建EPC项目的进度风险管理研究[D]. 王田田.青岛理工大学 2019
[6]基于因素分析的装配式建筑项目进度管理研究[D]. 齐琳.北方工业大学 2019
[7]工程总承包方视角下装配式建筑施工进度风险管理研究[D]. 刘晨晨.中国矿业大学 2019
[8]基于项目治理的EPC总承包项目绩效评价[D]. 佟瑶.华北水利水电大学 2019
[9]信息化技术在装配式建筑风险管理中的应用研究[D]. 王冉.兰州理工大学 2019
[10]集中供热PPP项目的风险管理研究[D]. 窦占欣.河北经贸大学 2019
本文编号：3585327
【文章来源】：兰州交通大学甘肃省
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
装配式住宅EPC总承包管理模式项目施工阶段风险管理流程
装配式住宅EPC管理模式下施工进度风险管理研究-40-（3）参数学习。基于贝叶斯网络的装配式住宅EPC总承包管理模式下项目施工进度风险模型参数学习是指对各个节点变量条件概率分布进行计算求解的过程。以基于贝叶斯网络构建的装配式住宅EPC总承包管理模式项目施工进度风险评价模型结构学习为依据，利用机器学习从数据中学习网络参数从而获得贝叶斯网络中各个变量的条件概率。4.2装配式住宅EPC管理模式项目施工进度风险贝叶斯网络模型结构的建立4.2.1装配式住宅EPC管理模式下项目施工进度贝叶斯网络结构学习GeNIe软件不仅有可视化界面和较强的推理能力，而且还支持结构学习和参数学习，因此本文选用GeNIe软件最新版本GeNIe2.0进行装配式住宅EPC总承包项目施工进度风险贝叶斯网络的建模和推理。先将Access数据库中包含26个节点变量的的数据通过GeNIe2.0软件中的“ImportODBC”工具模块导入到软件中。本文所用的数据完整的数据集，因此在学习算法上选择基于评分搜索的代表性算法—K2算法进行贝叶斯网络结构的学习。软件运行可以得到装配式住宅EPC总承包管理模式项目施工进度风险贝叶斯网络机器学习结果，如图4.1所示。图4.1装配式住宅EPC总承包管理模式下项目施工进度风险贝叶斯网络机器学习结果
兰州交通大学硕士学位论文-41-4.2.2装配式住宅EPC管理模式下项目施工进度贝叶斯网络结构优化由于图4.1所示的装配式住宅EPC总承包项目施工进度风险贝叶斯网络结构学习不够清晰，各节点间的关系连接完全通过数据信息来建立，逻辑连接性不强，有些节点之间有因果关系却没有呈现出来，所以需要与专家经验相结合才能对装配式住宅EPC总承包管理模式项目施工进度风险因素关系的实际情况进行更准确的反映，因此将图4.1所呈现的网络结构进行优化，从而得到了装配式住宅EPC总承包管理模式下项目施工进度贝叶斯网络结构优化学习结果，如图4.2所示。图4.2装配式住宅EPC总承包管理模式项目施工进度贝叶斯网络结构优化学习结果
【参考文献】：
期刊论文
[1]装配式建筑构件部品JIT采购模式研究[J]. 陈超,郝生跃,任旭. 工程管理学报. 2019(05)
[2]基于SEM的装配式建筑设计阶段风险研究[J]. 刘喆,刘娜,周瑞,董坤. 工程管理学报. 2019(05)
[3]基于ISM的装配式建筑进度影响因素的研究[J]. 王锦洲,黄歌. 价值工程. 2019(30)
[4]装配式混凝土建筑主体结构工期进度分析[J]. 王飞. 工程技术研究. 2019(19)
[5]基于BIM-RFID的装配式建筑实施进度风险管理[J]. 李辉山,王冉. 建筑节能. 2019(09)
[6]基于PPP模式的装配式建筑项目风险评估与分析[J]. 张宏,裴耘. 工程研究-跨学科视野中的工程. 2019(04)
[7]基于结构方程的EPC工程项目采购风险评价[J]. 段世霞,徐敏. 财会月刊. 2019(08)
[8]装配式建筑的现状与发展[J]. 李素兰. 上海建材. 2018(05)
[9]装配式建筑施工进度控制的关键性因素分析[J]. 严玉海,叶文启,何超. 建筑施工. 2018(09)
[10]如何做好EPC总承包项目的进度管理[J]. 黄嘉欣. 科技经济导刊. 2018(26)
博士论文
[1]铁路货运运营风险数据知识化方法研究[D]. 彭丽宇.北京交通大学 2019
[2]基于贝叶斯网络的中西医结合疼痛康复管理系统的研发[D]. 贾小飞.福建中医药大学 2019
[3]城市更新的模式选择及综合效益评价研究[D]. 李剑锋.华南理工大学 2019
[4]我国建筑工业化项目质量因素分析及协同管理机制研究[D]. 甘元彦.重庆大学 2017
硕士论文
[1]北新绿色住宅公司发展战略转型研究[D]. 张雨青.上海外国语大学 2020
[2]柬埔寨输电线路建设EPC项目成本管理研究[D]. 张博.吉林大学 2019
[3]EPC模式下装配式建筑项目管理研究[D]. 王超.太原理工大学 2019
[4]国际EPC工程项目物资采购风险评价研究[D]. 李萍.山东建筑大学 2019
[5]国际电建EPC项目的进度风险管理研究[D]. 王田田.青岛理工大学 2019
[6]基于因素分析的装配式建筑项目进度管理研究[D]. 齐琳.北方工业大学 2019
[7]工程总承包方视角下装配式建筑施工进度风险管理研究[D]. 刘晨晨.中国矿业大学 2019
[8]基于项目治理的EPC总承包项目绩效评价[D]. 佟瑶.华北水利水电大学 2019
[9]信息化技术在装配式建筑风险管理中的应用研究[D]. 王冉.兰州理工大学 2019
[10]集中供热PPP项目的风险管理研究[D]. 窦占欣.河北经贸大学 2019
本文编号：3585327
本文链接：https://www.wllwen.com/guanlilunwen/fengxianguanli/3585327.html
