.png){kind=icon}
返回
Work rate-based indicators for improving project performance regression models
.png){kind=icon}
OA
AI
DOI：10.1080/15623599.2025.2508293.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
绩效分析是项目监控的关键组成部分，为评估完工时的成本和工期估算提供了基础。尽管挣值分析（EVA）技术（如挣值管理（EVM）和挣值进度（ES））被广泛使用，但它们仅关注成本和时间特征，而忽略了成本与进度绩效之间的关系。先前的研究提供了额外的指标，并证明了工作速率变化对项目绩效的影响，但并未整合这两种分析流。因此，本研究旨在通过开发和验证三个新颖指标来改进项目监控，以提高基于回归的绩效预测模型的准确性和精确度。这些指标量化了项目的相对阶段、工作速率和工作速率加速度。验证通过比较包含或不包含这些指标的多层感知器（MLP）神经网络模型在成本和工期预测中的表现，使用了60个真实建筑项目数据。随后，在相同数据集上，将MLP模型与EVM和ES模型进行了基准比较。结果表明，在MLP中纳入基于工作速率的指标能够提升其准确性和精确度，并且MLP可以超越EVA技术的表现。
Keyword:
Project management
monitoring and control
performance analysis
estimate at completion
Earned Value Management
machine learning
neural network
multilayer perceptron
期刊
IF:
3.9
论文数:
2.8K
被引数:
4.6K
机构
引用论文
.png){kind=icon}
分享收藏Work rate modeling of building construction projects using system dynamic to optimize project cost and time performance使用系统动态优化项目成本和时间绩效的建筑施工项目的工作效率建模
PREAI
分享收藏
查看更多内容