基于大数据分析建筑工地建设优化方法技术

本发明专利技术提出了一种基于大数据分析建筑工地建设优化方法，包括：S1，根据最大似然估计函数将对象目标进行计算，S2，经过确定聚类簇之后，通过分布函数计算建筑施工项目数据分布概率；S3，根据分布概率中聚类簇的分布状态，进行迭代运算，S4，通过构建权重矩阵，遍历建筑施工项目数据中不稳定信息，并进行筛选；S5，通过筛选的代价函数，进行建筑施工项目数据推荐准备。

【技术实现步骤摘要】
基于大数据分析建筑工地建设优化方法
本专利技术涉及大数据挖掘领域，尤其涉及一种基于大数据分析建筑工地建设优化方法。
技术介绍
现有技术中，建筑工程施工过程中，对项目的具体类别、施工周期、施工场景只能采用粗浅的分类和聚合，协同过滤的推荐方法无法在建筑施工项目中对相似性来产生推荐，并将相似建筑工程施工项目推荐给目标节点，这就为建筑施工中项目数据分类造成了障碍，无法准确提供数据支持，这就亟需本领域技术人员解决相应的技术问题。
技术实现思路
本专利技术旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种基于大数据分析建筑工地建设优化方法。为了实现本专利技术的上述目的，本专利技术提供了一种基于大数据分析建筑工地建设优化方法，包括如下步骤：S1，根据最大似然估计函数将对象目标进行计算，通过对施工项目属性方差Ψ，特征参数δ和项目混合参数Λ进行对象目标函数求解，Si为数据集的均值，X(Si|h)为项目施工估计函数，对于项目类别h进行求解，X(c)为施工项目实例c的估计函数，优选的，还包括：S2，经过确定聚类簇之后，通过分布函数计算建筑施工项目数据分布概率；该聚类簇C在大数据平台中没有传播任何施工项目数据的状态值，通过分布函数转化A施工项目数据和B施工项目数据的状态值IA或IB，在主动传播施工项目数据的状态值过程中，该分布概率对状态值产生影响，S3，根据分布概率中聚类簇的分布状态，进行迭代运算，逐渐收敛建筑施工项目数据的状态信息；对项目混合参数Λ进行求解，在聚类簇中获取i种j个类别的施工项目数据，通过施工项目实例特征xi与类别调节阈值σj的差值进行分布迭代收敛计算，其中，Ri,j为施工项目数据，λ为施工校正参数；通过算法的施工项目计算复杂度与施工项目数据相互之间通过相似度方法收敛聚类，对施工项目选择偏好的聚类分析，帮助寻找目标用户，该方法的施工项目复杂度M＝Λ·(|Ri,j|*|e|)，其中|Ri,j|为施工项目数据的数量，|e|为聚类算法的迭代次数。优选的，还包括：S4，通过构建权重矩阵，遍历建筑施工项目数据中不稳定信息，并进行筛选；对于施工项目数据的构建的权重矩阵，对于施工项目中的施工日期d、施工工序列表l、施工者基本数据b和施工作业工种r形成权重矩阵其中，通过项目施工数据权重系数β1和项目施工数据稳定系数β2进行施工项目中的施工日期d、施工工序列表l、施工者基本数据b和施工作业工种r数据稳定，A施工项目数据的状态值IA和B施工项目数据的状态值IB将施工项目进行权重矩阵构建，经过遍历不稳定信息后，剔除无效施工项目数据，并对施工项目进行筛选操作。优选的，还包括：S5，通过筛选的代价函数，进行建筑施工项目数据推荐准备；该代价函数为，其中，Ui为统计全部施工项目数据的空间轨迹数；h为施工项目类别，J为全部施工项目数据的信息向量。综上所述，由于采用了上述技术方案，本专利技术的有益效果是：本专利技术通过混合聚类方法在搜索和相似性判别过程中将数据进行处理，更好地利用监督信息，混合聚类方法能够挖掘准确的工程数据并更好地理解无标签数据的内容，并利用监督或者约束信息使聚类结果更符合建筑施工中分类的条件。本专利技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。附图说明本专利技术的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：图1是本专利技术总体示意图。具体实施方式下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本专利技术，而不能理解为对本专利技术的限制。如图1所示，本专利技术公开一种基于大数据分析建筑工地建设优化方法，包括如下步骤：针对大数据平台获取的海量建筑施工项目数据，对建筑施工项目的施工日期、施工工序列表、施工者基本数据和施工作业工种进行收集；S1，获取建筑施工项目数据进行数据均值计算，形成初始化均值，根据初始化均值获取建筑施工项目数据的对象目标；S2，根据对象目标的最大似然估计函数，获取建筑施工项目数据的聚类簇，并进行迭代运算；S3，对聚类簇迭代运算后的结果进行权重矩阵重构，使建筑施工项目数据完成混合聚类分析过程。优选的，所述S1包括：S1-1，输入建筑施工项目数据集，根据建筑施工项目数据的聚类状态，随机选取m个项目数据集，对每个项目数据集进行初始化，经过不断收敛，形成收敛函数，其中，Li为项目数据集中空间点集，Si为数据集的均值，D为数据集中包含的对象，从数据集中包含的对象D中任意选择m个对象，成为初始收敛函数的分母进行平均分配，在数据集中的空间点集Li与数据及的均值的差进行平方之后，能够映射至最近似的对象，更新对象均值，不断循环操作；S1-2，对初始化数据集设定先验分布概率，将对象集进行建模输出；首先获取数据集概率分布s(ai,ci)＝s(ci)·s(ai)·s(ai|ci＝k；β)；其中ai为施工项目标签，ai为施工项目完成度，k为施工项目完成级别，k∈(1,2.3.4.5)，β为施工项目信息置换率；通过输入建模比率进行施工项目信息输出，其中，Ni为施工项目数据获取轨迹，μ为轨迹调节系数，通过施工项目完成级别分为5档，从获取轨迹中发现信息输出特征，为施工项目规范值E的开平方，Γ为施工项目中特定数据分布强度，η为待定参量，r(p)为施工项目数据获取过程中p中施工项目数据的分布，T(t)为收集施工项目耗费时间的纹理值，时间t≥0；S1-3，建模输出后形成建筑施工项目数据的对象目标；通过对象目标提取公式其中，通过λ对象目标调节参数与对象提取函数Q(j)乘积后与等式右侧相等，等式右侧A施工项目数据的状态值IA，B施工项目数据的状态值IB，分别通过A施工项目转移概率ε1和B施工项目转移概率ε2进行调节，Z(j)为施工项目运行阶段数据目标函数，W(j)为施工项目停止阶段数据目标函数，A施工项目数据的置换率为θ1，B施工项目数据的置换率为θ2。优选的，所述S2包括：S2-1，根据最大似然估计函数将对象目标进行计算，通过对施工项目属性方差Ψ，特征参数δ和项目混合参数Λ进行对象目标函数求解，Si为数据集的均值，X(Si|h)为项目施工估计函数，对于项目类别h进行求解，X(c)为施工项目实例c的估计函数，S2-2，经过确定聚类簇之后，通过分布函数计算建筑施工项目数据分布概率；该聚类簇C在大数据平台中没有传播任何施工项目数据的状态值，通过分布函数转化A施工项目数据和B施工项目数据的状态值IA或IB，在主动传播施工项目数据的状态值过程中，该分布概率对状态值产生影响，S本文档来自技高网...

【技术保护点】
1.一种基于大数据分析建筑工地建设优化方法，其特征在于，包括如下步骤：/nS1，根据最大似然估计函数将对象目标进行计算，/n

【技术特征摘要】
1.一种基于大数据分析建筑工地建设优化方法，其特征在于，包括如下步骤：
S1，根据最大似然估计函数将对象目标进行计算，



通过对施工项目属性方差Ψ，特征参数δ和项目混合参数Λ进行对象目标函数求解，Si为数据集的均值，X(Si|h)为项目施工估计函数，对于项目类别h进行求解，X(c)为施工项目实例c的估计函数。


2.根据权利要求1所述的基于大数据分析建筑工地建设优化方法，其特征在于，还包括：
S2，经过确定聚类簇之后，通过分布函数计算建筑施工项目数据分布概率；
该聚类簇C在大数据平台中没有传播任何施工项目数据的状态值，通过分布函数转化A施工项目数据和B施工项目数据的状态值IA或IB，在主动传播施工项目数据的状态值过程中，该分布概率对状态值产生影响，
S3，根据分布概率中聚类簇的分布状态，进行迭代运算，逐渐收敛建筑施工项目数据的状态信息；对项目混合参数Λ进行求解，在聚类簇中获取i种j个类别的施工项目数据，通过施工项目实例特征xi与类别调节阈值σj的差值进行分布迭代收敛计算，



其中，Ri,j为施工项目数据，λ为施工校正参数；
通过算法的施工项目计算复杂度与施工项目数据相互之间通过相似度方法收敛聚类，对施工...

【专利技术属性】
技术研发人员：洪敏，万里，熊榆，白金龙，胡宇，唐良艳，
申请(专利权)人：重庆恢恢信息技术有限公司，
类型：发明
国别省市：重庆;50