基于深度学习的装配式管线施工进度预测方法

本发明涉及建筑施工技术领域，公开了一种基于深度学习的装配式管线施工进度预测方法。该方法采集装配式管线施工的多源工程数据，包括结构化施工参数、非结构化施工日志等，经预处理生成标准化特征集。利用深度特征提取模型提取各数据源特征向量，构建施工进度知识库，通过多源特征融合生成全局融合特征，结合知识库数据，借助时序预测算法预测施工工序序列及进度。同时，采用小波变换分析传感器数据，异常时利用灰色系统理论修正工序序列；构建施工规范知识图谱，运用图嵌入算法验证工序序列与规范的一致性。该方法能精准预测施工进度，实时响应异常情况，确保施工符合规范，提升装配式管线施工管理水平。