-
公开(公告)号:CN116402459B
公开(公告)日:2023-09-29
申请号:CN202310318455.7
申请日:2023-03-29
申请人: 中铁四局集团有限公司 , 安徽数智建造研究院有限公司
摘要: 本发明属于数据质量监测技术领域,具体公开一种基于大数据的数据质量监测方法与装置,通过将建筑物资日消耗单表进行智能化的质量监管,不需要人工介入,大大提高了建筑物资日消耗单表数据质量的监管效率,有效避免了监管滞后的发生,与此同时最大限度降低了建筑物资消耗数据监管不充分的发生率,有利于提高后续质量评判的准确度吗,与此同时通过构建建筑物资日消耗单表标准规则库,进而从规则库中匹配出以现行规则制作的建筑物资日消耗单表,以此对指定建筑物资日消耗单表进行内容监测,实现了建筑物资日消耗单表在内容上的必要监测,有效弥补了现有技术在进行建筑物资日消耗单表数据质量监管中忽略内容监测的不足。
-
公开(公告)号:CN116402459A
公开(公告)日:2023-07-07
申请号:CN202310318455.7
申请日:2023-03-29
申请人: 中铁四局集团有限公司 , 安徽数智建造研究院有限公司
摘要: 本发明属于数据质量监测技术领域,具体公开一种基于大数据的数据质量监测方法与装置,通过将建筑物资日消耗单表进行智能化的质量监管,不需要人工介入,大大提高了建筑物资日消耗单表数据质量的监管效率,有效避免了监管滞后的发生,与此同时最大限度降低了建筑物资消耗数据监管不充分的发生率,有利于提高后续质量评判的准确度吗,与此同时通过构建建筑物资日消耗单表标准规则库,进而从规则库中匹配出以现行规则制作的建筑物资日消耗单表,以此对指定建筑物资日消耗单表进行内容监测,实现了建筑物资日消耗单表在内容上的必要监测,有效弥补了现有技术在进行建筑物资日消耗单表数据质量监管中忽略内容监测的不足。
-
公开(公告)号:CN117454207A
公开(公告)日:2024-01-26
申请号:CN202311247977.9
申请日:2023-09-26
申请人: 中铁四局集团有限公司 , 安徽数智建造研究院有限公司
IPC分类号: G06F18/23213 , G06F18/15 , G06F16/28 , G06F16/215
摘要: 本发明公开了一种数据处理方法及终端,属于工程数据处理技术领域。本发明对工程项目的样本数据进行第一次聚类分析和第二次聚类分析,获得异常数据库。具体先对工程项目设置样本字段,每个所述工程项目的样本字段包括地域、人数、人员素质能力、预算和自然环境;对工程项目的不同样本字段设置权重和赋予实际得分,根据权重和实际得分进行加权平均,筛选优质工程项目,获得优质工程项目的原始样本数据。对原始样本数据高斯混合模型,对符合高斯混合模型的建筑工程样本数据,进行一次的迭代聚类分析,为防止样本数据的假阳与假阴性,再进行二次的聚类分析,获得较为准确的异常数据库,实现对工程项目进行数据预警治理。
-
公开(公告)号:CN116385057A
公开(公告)日:2023-07-04
申请号:CN202310285056.5
申请日:2023-03-22
申请人: 中铁四局集团有限公司 , 安徽数智建造研究院有限公司
IPC分类号: G06Q30/0202 , G06Q30/0201 , G06Q10/087 , G06F18/213
摘要: 本发明涉及供应商选择技术领域,具体公开一种基于多维特征分析的建筑工程物资供应商选择评价方法,该方法包括:S1.目标项目信息获取、S2.供应商供货能力需求分析、S3.供应商倾向度分析、S4.供应商历史交付质量分析和S5.待分析供应商处理,本发明更贴合目标项目,保障了供应商分析结果的精确性,同时为后续分析供应商的评估指数奠定了基础,本发明保障了供应商的供货能力符合目标项目的要求,本发明弥补了现有技术中对责任经理的历史工作记录关注度不高的缺陷,保障供应商选择的实用性,本发明弥补了现有技术中对供应商垫付资金这一层面忽视的缺陷,进而保障供应商的风险承担能力,保障供应商对应资金和货物之间的平衡。
-
公开(公告)号:CN116402542A
公开(公告)日:2023-07-07
申请号:CN202310305509.6
申请日:2023-03-27
申请人: 中铁四局集团有限公司 , 安徽数智建造研究院有限公司
IPC分类号: G06Q30/0202 , G06Q30/0201 , G06Q50/08 , G06N3/0442
摘要: 本发明涉及建筑材料价格预测技术领域,具体公开一种基于LSTM神经网络的建筑材料价格预测方法,通过从横向维度出发以目标日期为基础确定短期采集时间段和长期采集时间段,再从纵向维度出发以目标日期为基础确定同期采集年限,以此采集得到短期采集时间段、长期采集时间段和同期采集年限的指定建材原始价格数据,将其作为指定建材价格预测基础,实现了指定建材价格预测基础多维度、全面化的确定,使得预测基础更具有依据价值,从而有利于提高预测结果的精准度,与此同时利用LSTM神经网络对采集的原始价格数据进行预处理,从而有效避免了异常数据对后续价格预测的干扰,能够为后续价格预测提供有效的价格数据。
-
-
-
-