论文部分内容阅读
市政工程正在越来大程度地改变着人们的生活,作为市政工程发展过程中的计算机辅助技术,是国内、国际上市政行业所通用的项目建设一般方法的载体和工具。市政工程管理人员,力图在不同的内在及外在情况下,不断优化数据应用技术、提高工程过程管理水平,为市政工程企业及所属行业的发展创造提供便利和可依据的一般方法。市政工程师每天需要处理的包括大地测量、过程管理、实际消耗、清产核资、投诉反馈等多种数据,如何对数据进行快速而有效的抽取、转换、挖掘,将数据转化为信息,为工程管理提供指导性的数据,已经成为当代市政工程师的现实要求。过程控制优化和调整,是当代市政工程行业企业核心竞争力的重要内涵,而显性化知识更是优化和调整的必要条件,是保证工程优质过程控制可持续性提升的首要途径。正是出于以上背景,本文采用计算智能相关统计方法(人工智能、神经网络),应用通用计算工具(自编算法),以某项市政综合工程(作者实地参与建设)为对象,进行批量聚类信息挖掘处理,发现在工程过程管理过程中需要优化解决的问题。首先,以工程预算为依据,作者对本工程项目的数据结构进行了解析,分离出人工材料、机械三方面的数据,并根据项目现场实际情况将其分为查询式应用以及宏观式应甩两类,以宏观式场景的现实需求,找出数据分析与挖掘应具备的特殊条件,根据工程施工项目部系统的组织结构图和工程数据流程图及其分析对工程项目施工过程中数据的流通情况进行追踪,发现各个部门之间的联系和制约,从而为下一步的优化奠定基础。其次,根据计算智能的学科特点、优势以及现场实际情况——项目的技术、安全条件——作者得出了数据可行性调整结论,并确定了基于计算智能的工程项目过程管理优化办法。作者以市政工程实例中所列数据作为数据采集样本,反应工程诸元的属性特征,并通过数据处理、基于实际情况的方案推演,实现了过程控制中对大量数据的批处理,将实际数据中具有不同代表性的数据进行单元分类,并对其中可能造成影响的劣质数据进行分类剔除,以确认优化的合理性。最后,作者对于上述基于计算智能(人工智能、神经网络)的过程优化应用中的训练次数、聚类数量、聚类稳定性进行论证,得出相关结论。同时,还对研究过程中的遗留问题进行了阐述。