一种基于区块链的工程项目预算预测方法技术

技术编号:42203968 阅读:21 留言:0更新日期:2024-07-30 18:49
本发明专利技术公开了一种基于区块链的工程项目预算预测方法;属于机器学习技术领域,其操作步骤:步骤(1):数据采集与标注;步骤(2):数据扩充;步骤(3):特征提取模型训练;步骤(4):特征降维模块训练;步骤(5):分类器训练;步骤(6):区块链存储。该方法利用最新的信息技术和算法,包括数据采集与标注、数据扩充、特征提取、特征降维以及分类器训练,最终将预测数据存储在区块链上;该方法的核心在于通过智能算法深度挖掘历史数据的内在联系和模式,提高预算预测的准确性和效率,同时利用区块链技术保证数据的安全性和不可篡改性,增强了预测结果的透明度和可信度。

【技术实现步骤摘要】

本专利技术属于机器学习,涉及了一种基于区块链的工程项目预算预测方法


技术介绍

1、随着全球经济的发展和城市化进程的加快,建筑工程项目的数量和规模都在迅速增长。这些项目往往涉及复杂的设计、多样的建材和不同程度的人力资源需求,再加上市场价格波动、政策调整以及自然环境的影响,使得工程项目预算的制定和管理变得极为复杂和挑战性。传统的预算预测方法主要依靠专家经验和历史数据分析,这种方法在处理大规模、复杂数据时往往力不从心,无法充分考虑所有影响预算的因素,导致预算超支现象频发,不仅增加了项目成本,也给项目参与方带来了巨大的经济风险。

2、中国专利(申请号:cn202310316917.1)提出了一种业务预算评估方法、系统、终端设备及存储介质。通过获取业务项目的具体运行数据,并对该运行数据进行分析整理后获得该项目的子项目,基于子项目进行采集市场对运行成本的报价,并对该报价进行评估得到最优报价,以最优报价作为成本进行计算利润空间,并设定预期利润阈值,将预期利润阈值作为基础值,在项目运营期间根据最优报价的变化进行调整利润空间,以利润空间的变化来判断业务的支出预本文档来自技高网...

【技术保护点】

1.一种基于区块链的工程项目预算预测方法,其特征在于:其操作步骤如下:步骤(1):数据采集与标注;步骤(2):数据扩充;步骤(3):特征提取模型训练;步骤(4):特征降维模块训练;步骤(5):分类器训练;步骤(6):区块链存储。

2.根据权利要求1所述的一种基于区块链的工程项目预算预测方法,其特征在于:在步骤(1)中,在所述数据采集与标注中,数据采集的具体方式是:通过对历史工程项目数据的分析进行工程项目预算预测,预测未来工程项目的预算需求,其数据来源于历史工程项目的记录,其中的数据向量表示为:

3.根据权利要求2所述的一种基于区块链的工程项目预算预测方法,其特征在...

【技术特征摘要】

1.一种基于区块链的工程项目预算预测方法,其特征在于:其操作步骤如下:步骤(1):数据采集与标注;步骤(2):数据扩充;步骤(3):特征提取模型训练;步骤(4):特征降维模块训练;步骤(5):分类器训练;步骤(6):区块链存储。

2.根据权利要求1所述的一种基于区块链的工程项目预算预测方法,其特征在于:在步骤(1)中,在所述数据采集与标注中,数据采集的具体方式是:通过对历史工程项目数据的分析进行工程项目预算预测,预测未来工程项目的预算需求,其数据来源于历史工程项目的记录,其中的数据向量表示为:

3.根据权利要求2所述的一种基于区块链的工程项目预算预测方法,其特征在于:对采集到的数据进行标注时,其标注方式为人工标注所述标注的类别包括超预算、预算内及低于预算3个类别。

4.根据权利要求1所述的一种基于区块链的工程项目预算预测方法,其特征在于:在步骤(2)中,所述数据扩充是:基于运筹学中的排队理论优化的生成对抗网络算法,将运筹学中的排队理论应用于生成对抗网络的训练过程中,通过模拟工程项目数据生成过程中的排队现象,优化生成器和判别器的训练策略;通过采用记忆化搜索机制,对损失函数进行改进,确保生成的数据多样性;

5.根据权利要求4所述的一种基于区块链的工程项目预算预测方法,其特征在于:在步骤(二)中,根据排队理论,定义排队模型式中,λ是到达率,μ是服务率;...

【专利技术属性】
技术研发人员:周陈玮王博俊杨艳平齐永正
申请(专利权)人:江苏科技大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1