摘要
本发明涉及建筑工程管理技术领域,公开了一种基于机器学习的建筑工程施工进度预警方法及系统,从施工现场传感器、BIM模型、IoT设备及历史数据库中采集多维原始数据;从多维原始数据中提取与施工进度相关的特征,对提取的特征进行组合和变换,得到复合特征;将复合特征输入进度预测模型,通过进度预测模型预测未来一段时间内的施工进度,输出预测结果;通过分析历史施工数据,确定初始预警阈值,在施工过程中,根据实时监测数据和预测结果,动态调整预警阈值;当施工进度偏离预测进度且超过动态调整后的预警阈值时,触发预警;本发明提高了对复杂施工环境的适应性和预测准确性。
技术关键词
预警方法
实时监测数据
深度Q网络
卡尔曼滤波算法
预警设备
建筑工程管理技术
分支
施工现场
时间序列形式
动态
消息传递机制
随机森林
可读存储介质
样本
节点特征
预警系统
纹理特征
系统为您推荐了相关专利信息
风险预警方法
预警模型
XGBoost模型
航空
指标
轨迹获取方法
船舶自动识别系统
动态时间规整算法
船舶运动模型
全球导航卫星系统
主控装置
多源异构数据融合
时序特征
预警方法
策略
智能预警方法
有害气体传感器
声音传感器
预警处置系统
噪声强度
风险预警系统
风险预警方法
环境风险预警
风险评估模型
异常状态