← 返回列表

基于大数据的市区体育建材预算执行管控方法及系统

申请号: CN202311648753.9
申请人: 山东大学
更新日期: 2026-03-09

专利详细信息

项目 内容
专利名称 基于大数据的市区体育建材预算执行管控方法及系统
专利类型 发明授权
申请号 CN202311648753.9
申请日 2023/12/5
公告号 CN117350774B
公开日 2024/3/5
IPC主分类号 G06F17/00
权利人 山东大学
发明人 丁俊凯; 孙晋海; 王先亮; 李延涛
地址 山东省青岛市即墨区滨海公路72号山东大学(青岛第周苑C座)

摘要文本

本发明涉及数据处理方法技术领域,具体为基于大数据的市区体育建材预算执行管控方法及系统,包括以下步骤:基于市场数据,采用时间序列分析和增强学习算法,进行成本预测,并对预算分配进行动态调整,生成市场趋势分析报告。本发明中,结合时间序列分析和增强学习算法,提供精确成本预测和灵活预算分配,与市场同步,减少预算浪费,图网络分析优化供应链,提升物料采购效率,利用多维时间序列分析和机器故障预测技术,分析材料消耗率和设备维护周期,预防材料短缺或设备故障风险,深度学习与计算机视觉技术监控工程进度,提高效率和材料使用率,整合多源数据和预测信息,优化预算分配方案,加强风险管理,确保成本控制的有效性。

专利主权项内容

1.基于大数据的市区体育建材预算执行管控方法,其特征在于,包括以下步骤:基于市场数据,采用时间序列分析和增强学习算法,进行成本预测,并对预算分配进行动态调整,生成市场趋势分析报告;基于所述市场趋势分析报告,采用图网络分析方法,进行供应链结构优化,并对物料流进行效率改进,生成供应链优化方案;基于所述供应链优化方案,采用多维时间序列分析和机器故障预测技术,分析材料消耗率,并预测设备维护周期,生成维护与资源调配方案;基于所述维护与资源调配方案,利用深度学习和计算机视觉技术,对工程进度进行实时监控,并进行设计优化,生成项目效率分析报告;基于所述项目效率分析报告,使用随机森林回归分析,处理多数据模式,并对非结构化数据进行分析,生成成本预测与模式识别结果;基于所述成本预测与模式识别结果,整合预测信息,采用决策支持系统,优化预算分配和执行,生成优化预算执行计划;基于市场数据,采用时间序列分析和增强学习算法,进行成本预测,并对预算分配进行动态调整,生成市场趋势分析报告的步骤具体为:基于历史市场交易数据,采用自回归积分滑动平均模型进行趋势分析,生成价格趋势预测;基于所述价格趋势预测,采用季节性差分序列分析细化价格模型,生成季节性价格调整因子;基于所述季节性价格调整因子,应用深度Q网络增强学习优化预算策略,生成动态预算分配模型;基于所述动态预算分配模型,调整预算以符合市场需求和价格变化,生成市场趋势分析报告;所述自回归积分滑动平均模型包括时间序列数据的自相关性分析、差分积分操作和滑动平均过程,所述季节性差分序列分析具体指用于确定和剔除时间序列中的季节性波动的过程,所述深度Q网络增强学习具体指使用深度学习框架对决策过程中的长期回报进行预测的方法,所述市场需求和价格变化分析具体包括当前市场需求量化指标和材料成本的实时数据分析;基于所述市场趋势分析报告,采用图网络分析方法,进行供应链结构优化,并对物料流进行效率改进,生成供应链优化方案的步骤具体为:基于所述市场趋势分析报告,采用Dijkstra网络最短路径算法寻找供应链中成本最低的物流路径,生成成本最低路径模型;基于所述成本最低路径模型,利用线性规划和最小成本流问题算法优化物料流,生成物料流优化报告;基于所述物料流优化报告, 执行图的中心性分析确定物料流中的关键效率节点,生成供应链流动性分析;基于所述供应链流动性分析,采用多准则决策分析整合供应商绩效数据,生成供应链优化方案;所述网络最短路径算法具体指在加权图中找到从一点到其他点的最短路径的计算过程,所述线性规划和最小成本流问题算法具体指通过构建成本函数和约束条件来确定最优物料流动策略的方法,所述图的中心性分析具体为度量一个节点在整个网络中重要性的计算方法,所述多准则决策分析具体为同时考虑成本、质量、交货速度因素的决策支持工具;基于所述项目效率分析报告,使用随机森林回归分析,处理多数据模式,并对非结构化数据进行分析,生成成本预测与模式识别结果的步骤具体为:基于所述项目效率分析报告,采用随机森林回归分析,分析历史成本数据,生成历史成本模式识别;基于所述历史成本模式识别,运用移动平均和季节性调整方法,预测短期内的材料消耗,生成短期消耗预测;基于所述短期消耗预测,实行非结构化文本分析,提取开放文本数据中的成本关联信息,生成文本数据成本信息提取;基于所述文本数据成本信息提取,合并结构化和非结构化数据集,应用综合统计分析,生成成本预测与模式识别结果;所述随机森林回归分析具体为利用多个决策树对样本进行训练并预测输出变量的数值,所述移动平均和季节性调整方法具体为对时间序列数据应用移动平均模型平滑短期波动,并调整季节性因素影响,所述非结构化文本分析具体为使用文本挖掘技术从非结构化文本中提取关键信息和模式,所述综合统计分析具体为应用统计方法对整合后的数据进行趋势、关联性和预测性分析;基于所述成本预测与模式识别结果,整合预测信息,采用决策支持系统,优化预算分配和执行,生成优化预算执行计划的步骤具体为:基于所述成本预测与模式识别结果,利用数据融合技术整合多源信息,生成综合预测信息模型;基于所述综合预测信息模型,采用多目标优化算法优化预算分配,生成资源优化决策模型;基于所述资源优化决策模型,执行蒙特卡洛模拟以评估预算方案的风险,生成预算风险模拟结果;基于所述预算风险模拟结果,使用基于数据分析的支持工具整合模拟结果,优化预算分配,生成优化预算执行计划;所述数据融合技术具体为结合数据清洗、转换和同化过程,减少信息冗余和不一致性,所述多目标优化算法具体为同时参照多决策目标和约束条件,寻找最优预算分配解,所述蒙特卡洛模拟具体为使用随机抽样技术来估计系统变化对预算影响,所述基于数据分析的支持工具具体指集成数据分析、操作研究模型和用户友好界面,用于辅助管理者制定决策的计算工具;所述市场趋势分析报告具体为对市场价格波动、政策变动和行业趋势的分析,包括价格指数、供需状态和政策影响评估,所述供应链优化方案包括物料采购时间点、批量采购优化以及备选供应商列表,所述维护与资源调配方案包括材料的最优存储条件、预期耗损率和预测的设备故障时间表,所述项目效率分析报告包括实时工程进度、材料使用效率和设计调整方案,所述成本预测与模式识别结果包括预算变化模式、关键成本驱动因素和潜在节省点分析,所述优化预算执行计划包括预算分配方案、风险管理策略和成本控制措施。