基于大语言模型数据增强的RCC坝施工进度管理方法

本发明公开了一种基于大语言模型数据增强的RCC坝施工进度管理方法，首先，将施工进度文本数据分为训练集、测试集和验证集，并利用Python的jieba库进行预处理。接着，将训练集文本与RCC坝施工规范文件输入大语言模型，生成的文本样本扩充训练集，用于训练深度学习模型。在深度学习模型训练阶段，首先采用Barlow Twins损失函数优化深度学习模型的特征表示能力。随后，引入施工进度参数三元组损失函数进一步细化模型对关键施工参数的识别能力。模型性能通过平均精度、召回率和F1分数评估直至得到训练后的最优模型。最后，实时获取新数据进行在线分析，将模型提取结果输入施工进度仿真模型预测进度，并与施工计划对比评估，生成RCC坝施工进度报告。