CN117494292B 一種基于bim和ai大模型的工程進度管理方法及系統 (中億豐數字科技集團有限公司)_第1頁
CN117494292B 一種基于bim和ai大模型的工程進度管理方法及系統 (中億豐數字科技集團有限公司)_第2頁
CN117494292B 一種基于bim和ai大模型的工程進度管理方法及系統 (中億豐數字科技集團有限公司)_第3頁
CN117494292B 一種基于bim和ai大模型的工程進度管理方法及系統 (中億豐數字科技集團有限公司)_第4頁
CN117494292B 一種基于bim和ai大模型的工程進度管理方法及系統 (中億豐數字科技集團有限公司)_第5頁
已閱讀5頁,還剩22頁未讀 繼續免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

A,2023.08.08A,2023.09.12A,2023.09.01A,2023.10.20一種基于BIM和AI大模型的工程進度管理方本發明公開了一種基于BIM和AI大模型的工程進度管理方法及系統,涉及工程管理技術領聯網設備收集數據;通過物聯網設備數據及BIM息執行工程進度管理。本發明提供的基于BIM和AI大模型的工程進度管理方法實現更準確的進度預測和資源優化。減少了人為錯誤和決策延2所述實時監控施工進度包括將收集到的數據與BIM模型中的預定進度和設計參數結2.如權利要求1所述的基于BIM和AI大模型的工程進建BIM模型框架包括利用Revit軟件進行BI所述集成AI模型包括確定所需的AI分析目標,根據所述AI分析目標選擇算法進行集在施工現場布置傳感器和數據采集設備,實現實時數據監控所述BIM模型數據包括設計與計劃數據和歷史進3.如權利要求2所述的基于BIM和AI大模型的工程進度源重配方案包括利用遺傳算法從BIM模型和物聯網設備收集的數據中提取關鍵信息,確定所述進行資源微調策略包括當最終進度預測為B1時,按照第一資源4.如權利要求3所述的基于BIM和AI大模型的工程進度管理35.如權利要求4所述的基于BIM和AI大皮爾遜相關系數進行相關性分析,利用貝葉斯網絡構建因果關系模型使用決策樹算法進,所述第四資源微調策略包括構建系統動力學模型模擬整個項目的動6.如權利要求5所述的基于BIM和AI大模型的工所述預設第一判斷條件包括若適應度函數F(x)的評分低于預定第二閾值,通過BIM模所述執行B3工程進度管理包括當適應度函數評分滿足預設第二判斷條件所述預設第二判斷條件包括若適應度函數F(x)的評分低于預定第三閾值,通過BIM模7.一種采用如權利要求1~6任一所述的基于BIM和AI大模型的工程進度管理方法的系所述分析和預測模塊用于利用AI技術處理收集的數據,預所述資源優化模塊用于根據分析和預測模塊提供的信息制定資源配置和進度調整策所述監控反饋模塊用于實時監控項目進展和資源狀態,收集反饋信8.一種計算機設備,包括存儲器和處理器,所述存儲器4于,所述處理器執行所述計算機程序時實現權利要求1至6中任一項所述的基于BIM和AI大處理器執行時實現權利要求1至6中任一項所述的基于BIM和AI大模型的工程進度管理方法5[0001]本發明涉及工程管理技術領域,具體為一種基于BIM和AI大模型的工程進度管理[0003]因此亟需一種種基于BIM和AI大模型的工程進度管理方法,解決現有進度管理方合AI分析結果及實時監控信息執行工程進[0007]作為本發明所述的基于BIM和AI大模型的工程進度管理方法的一種優選方案,其[0008]作為本發明所述的基于BIM和AI大模型的工程進度管理方法的一種優選方案,其6[0009]作為本發明所述的基于BIM和AI大模型的工程進度管理方法的一種優選方案,其中:所述資源重配方案包括利用遺傳算法從BIM模型和物聯網設備收集的數據中提取關鍵微調后適應度評分未超過預設微調評分閾值判斷為無效調整,調整最終進度預測分類為[0014]作為本發明所述的基于BIM和AI大模型的工程進度管理方法的一種優選方案,其[0015]作為本發明所述的基于BIM和AI大模型的工程進度管理方法的一種優選方案,其,[0017]作為本發明所述的基于BIM和AI大模型的工程進度管理方法的一種優選方案,其7[0018]本發明的另外一個目的是提供一種基于BIM和AI大模型的工程進度管理系統,其于,所述處理器執行所述計算機程序時實現如上所述基于BIM和AI大模型的工程進度管理被處理器執行時實現如上所述基于BIM和AI大模型的工程進度管理[0022]本發明的有益效果:本發明提供的基于BIM和AI大模型的工程進度管理方法通過[0024]圖1為本發明一個實施例提供的一種基于BIM和AI大模型的工程進度管理方法的8[0025]圖2為本發明第二個實施例提供的一種基于BIM和AI大模型的工程進度管理系統[0046]實時監控施工進度包括將收集到的數據與BIM模型中的預定進度和設計參數結9[0057]若孤立森林算法沒有檢測到顯著異常,且隱馬爾可夫模型和ARIMA模型均顯示進[0060]資源重配方案包括利用遺傳算法從BIM模型和物聯網設備收集的數據中提取關鍵,[0082]將系統動力學模型的輸出、復雜網絡分析的結果和風險[0084]預設第一判斷條件包括若適應度函數F(x)的評分低于預定第二閾值,通過BIM模[0086]預設第二判斷條件包括若適應度函數F(x)的評分低于預定第三閾值,通過BIM模[0092]資源優化模塊用于根據分析和預測模塊

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論