.png){kind=icon}
返回
Automated conceptual earned value management
.png){kind=icon}
OA
AI
DOI：10.1038/s41598-026-61909-5.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
传统挣值管理（EVM）是最广泛采用的项目控制方法之一；然而，在概念阶段，其应用受到根本性制约，因为无法在获得实际项目进度数据之前生成可靠的成本、进度、偏差和风险评估。本文介绍了自动化概念挣值管理（ACEVM），这是一种新颖的项目控制概念、方法学和决策支持框架，将EVM从回顾性绩效监控工具扩展为预测性、主动性和智能化的项目控制系统。ACEVM能够在项目执行开始前，利用有限的早期阶段项目信息自动估算完工预算、完工工期、成本偏差、进度偏差和概念项目风险。该框架使用1,277个已完成的现场运河改进项目（FCIPs）进行开发和验证。通过因子分析和逐步回归筛选出25个预测因子，并用于训练60个优化的机器学习模型实例，定义为12个候选算法在五个ACEVM预测输出上的评估。使用人工蜂群算法优化超参数，而模型评估考虑了预测准确性、鲁棒性、可解释性和计算碳排放量。表现最佳的模型为预算预测的LightGBM，工期和成本偏差预测的极端随机树，工期偏差预测的AdaBoost，以及风险分类的极端随机树。
期刊
IF:
3.9
论文数:
28.3W
被引数:
83.5W
机构
引用论文
.png){kind=icon}
分享收藏Automated machine learning pipeline for robust project cost and duration forecasting自动化机器学习流程用于稳健的项目成本和工期预测OAAI
OAAI分享收藏
Application of Case-Based Reasoning for Estimating Preliminary Duration of Building Projects基于案例的推理在建筑项目初步工期估算中的应用
PREAI
分享收藏Probabilistic Forecasting of Project Duration Using Bayesian Inference and the Beta Distribution
PREAI
分享收藏
查看更多内容