资料简介
摘要在建筑项目规划阶段进行可靠的项目管理是一个细致的过程，通常需要充足的先例作为依据。典型的施工工期估算基于类似项目的过往案例，用于验证承包商提出的施工工期方案、规划项目总工期，并作为衡量项目成败的标准。对于超过200米的高层建筑，由于此类项目数量稀少，往往会出现数据不足的情况，导致施工工期估算较为粗略。因此，本研究探索了基于工程原理的过采样和数据增强技术，如参数优化和数据不平衡问题的处理方法，以用于高层建筑幕墙施工工期的估算。本研究分两个阶段进行。第一阶段，将拉丁超立方抽样（LatinHypercube）、最优拉丁超立方抽样（optimalLatinHypercube）、简单蒙特卡罗抽样（simpleMonteCarlo）、描述性蒙特卡罗抽样（descriptiveMonteCarlo）、索博尔蒙特卡罗抽样（SobolMonteCarlo）、合成少数过采样技术（syntheticminorityoversamplingtechnique，SMOTE）和SMOTE-Tomek等过采样和数据增强技术应用于从以往项目收集的15个原始数据集。将数据集按照8:2的比例划分为训练集和测试集，并运用上述技术从训练数据中生成500个虚拟样本。第二阶段，应用支持向量回归（supportvectorregression，SVR）预测施工工期，并采用统计性能指标进行评估。结果表明，基于展示数据分布的箱线图分析，SMOTE和SMOTE-Tomek能最好地代表原始数据集。此外，根据统计性能指标发现，过采样技术提高了预测性能，其中表现最佳的采样方法使线性、多项式和径向基函数（RBF）的皮尔逊相关系数分别提高了0.611%、4.232%和0.594%。最后，在预测模型方面，根据统计性能指标，概率过采样方法优于其他方法。关键词：数据增强；数据不足；高层建筑；幕墙施工；工期估算
| 
