[发明专利]基于大数据分析建筑工地建设优化方法

说明书

本发明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。

技术领域

本发明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。

背景技术

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。

发明内容

本发明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。

为了实现本发明的上述目的，本发明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，S_i为数据集的均值，X(S_i|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I_A或I_B，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x_i与类别调节阈值σ_j的差值进行分布迭代收敛计算，

其中，R_i,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·(|R_i,j|*|e|)，其中|R_i,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I_A和B施工项目数据的状态值I_B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：