大型工程前期的进度风险总控

针对大型工程前期工作不确定性高的问题,通过国内数个大型机场工程前期工作的进度总控实践成果,提出将进度总控与风险管理相结合的前期进度风险总控模型.然后,以XY新机场为例,应用该模型制定前期进度计划和风险清单.最后,通过XY机场与其他机场前期进度的总体风险对比,以及该进度风险计划实施前后的效果对比,证实了前期进度风险总控方法的有效性.通过引入风险管理的前期进度总控模型,提高了进度总控在项目前期的适用性,为加快推进大型工程的前期工作进度提供了方法指导和借鉴.     

广义极值回归模型下现状数据的贝叶斯估计

广义极值分布自提出以来就受到众多学者关注,它可以用于拟合某些寿命数据,在医学、 工程和气象等领域应用很广泛.本文主要在区间删失I型数据,即现状数据下研究三参数广义极值模型的贝叶斯回归分析.基于广义极值分布的位置参数引入协变量,建立位置参数与生存时间的贝叶斯回归模型,并采用Gibbs抽样和MH算法相结合的MCMC方法,从...     

基于贝叶斯网络模型的关键链项目进度管理

在工程项目工作分解(WBS)和贝叶斯网络技术的基础上,考虑了WBS各单元之间的时序关系和资源约束条件,结合实例建立了关键链项目管理贝叶斯网络模型(CCPMBN)。提出了相应的各项资源需用计划,并通过蒙特卡洛仿真项目施工完成时间。结果表明关键链项目管理贝叶斯网络在项目进度延期的情况下能很好地识别影响工期的关键工序,CCPMBN模型为控制施工建设进度与实现提供了重要参考.     

大型机场航站楼的建造总工期估算

从对国内10多个大型机场的进度总控咨询成果数据分析(2000—2016年),提出基于总控工序的航站楼总工期估算模型.确定航站楼典型关键线路的总控工序顺序,并拟合出工序间的未搭接时间分布.在对4条可能关键线路进行工期分布拟合的基础上,提出建造总工期的估算模型,并应用到3个已完工航站楼的案例中,验证了估算方法的可靠性.通过引入总控工序的工期估算模型,简化了应用传统风险计划方法评估大型工程工期的繁复工作.     

基于仿真技术的水利工程项目进度与费用的风险评价

讨论水利工程建设项目进度和费用的风险,建立了基于三角分布的网络计划进度和费用风险评价的随机模拟模型．通过统计分析得到进度和费用的模拟概率分布,进而得到进度和费用风险曲线,为评价工程项目的风险提供了依据．最后,对东深供水改造工程某抽水泵站施工网络计划进行模拟,给出其进度和费用的风险分布．     

IIRCT下对数正态分布参数多变点的贝叶斯估计

通过添加缺损的寿命数据,得到了带有不完全信息随机截尾试验下对数正态分布多变点模型的完全数据似然函数.利用MCMC方法对各参数的满条件分布分别进行抽样,详细介绍了MCMC方法的实施步骤.随机模拟试验结果表明各参数贝叶斯估计的精度较高.     

左截断右删失数据下泊松分布参数多变点的贝叶斯估计

通过添加缺损的寿命变量数据得到左截断右删失数据下泊松分布的完全数据似然函数.给出变点位置和其它参数的满条件分布.利用Gibbs抽样与Metropolis-Hastings算法相结合的MCMC方法对各参数的满条件分布分别进行抽样,介绍MCMC方法的实施步骤.把Gibbs样本的均值作为各参数的贝叶斯估计.随机模拟试验的结果表明各参数贝叶斯估计的精度都较高.     

软件项目进度风险的贝叶斯网络模型研究

为研究软件项目进度风险,给出了进度贝叶斯网络的定义,引入工作节点、时间节点和资源节点等,并在工作节点之间的弧上添加时距;同时为进度安排中的工作不确定性、时间资源不确定性以及资源不确定性等建模。给出了进度贝叶斯网络中的相关计算,提出采用进度贝叶斯网络评估,控制软件项目的进度风险,并就一个简单示例说明了进度贝叶斯网络的应用。     

左截断右删失数据下二项分布参数多变点的贝叶斯估计

通过添加缺损的寿命变量数据得到了左截断右删失数据下泊松分布的完全数据似然函数.给出了变点位置和其它参数的满条件分布.利用Gibbs抽样与Metropolis-Hastings算法相结合的MCMC方法对各参数的满条件分布分别进行了抽样.详细介绍了MCMC方法的实施步骤.得到了参数的Gibbs样本,把Gibbs样本的均值作为各参数的贝叶斯估计.随机模拟试验的结果表明各参数贝叶斯估计的精度都较高.     

基于MCMC算法的多元线性回归变点模型的贝叶斯估计

基于MCMC算法,研究了多元线性回归系数变点模型的贝叶斯估计问题.首先由所有参数的联合后验分布得到各参数的满条件后验分布,再利用Gibbs抽样和MH算法相结合的MCMC算法对满条件分布抽取样本,最后得到变点位置及其他参数的贝叶斯估计.随机模拟结果显示用该方法估计各参数的效果较好.     

三水源新安江模型参数不确定性分析PAM算法

针对水文模型参数不确定性分析常用方法 收敛速度缓慢,容易陷入参数空间局部最优区域等 问题,提出了PAM (parallel adaptive metropolis) 算法;对三水源新安江模型参数不确定性进行分析 研究。实例研究表明显著提高了计算速度和求解质 量,参数后验分布结果为区间预报提供了条件。     

大型机场项目群进度的界面网络优化

包含多种类型单体项目的大型工程进度界面复杂,总工期延后的风险大.以上海浦东机场三期扩建工程为例,通过与项目总控人员访谈,总结出进度实施界面的划分原则.在划分原则指导下,利用WBS-Matrix对重点单体项目的任务过程进行分解和编码;利用界面网络算法对比分析关键界面点(IPs)的影响指数.在建立总进度纲要的界面点嵌入模型基础上,对比分析界面调整前后总工期的变化,证明进度界面优化模型的有效性.     

基于贝叶斯估计的空间函数型自回归模型及其应用

目的 为了研究函数型数据中响应变量的空间相关性,根据现有研究方法,对具有空间依赖性的函数型数据进行研究,并提出其模型的贝叶斯估计方法。方法 以典型空间自回归模型为基础,根据函数响应变量的空间依赖性,假设响应变量和解释变量间存在内生关系,生成空间函数型自回归模型,通过主成分分析将模型中函数型部分变为离散型,然后在给定先验情况下计算模型中参数的完全条件后验分布,使用贝叶斯MCMC方法进行估计。结果 使用联合Gibbs采样和随机游动的Metropolis-Hastings算法对模型中参数进行估计,通过模拟研究发现：不同参数下模型的函数型系数以及其他参数的估计偏差和均方误差较小,由此验证了贝叶斯估计方法的有效性,同时将空间函数型模型用于重庆市主城区新房平均价格的实证分析,结果表明所提出模型的贝叶斯估计方法是有效的。结论 使用贝叶斯估计方法对模型中参数进行估计,在不同情况下函数型解释变量的估计效果一直都比较好,并且随着样本量的增大,其估计效果也越来越好,可以认为使用贝叶斯估计方法对空间函数型自回归模型进行估计是有效且可行的,同时通过实证分析说明重庆市主城区新房平均价格具有空间自相关性,而且会受到...     

基于实时仿真的地下洞室群施工进度预测与控制

针对水电工程地下洞室群的施工特性,采用循环网络仿真与网络计划分析技术,提出了基于实时仿真的地下洞室群施工进度预测与控制方法.该方法能够充分反映实际施工工艺、资源配置等施工条件的动态变化;根据当前施工现状,可以在施工任意时刻分析预测施工工序持续时间与工程后期施工进度;通过调整施工参数,制订更切实际的动态进度计划,达到施工进度实时控制的目的.实际应用结果表明,该方法可以对施工过程中不同的进度调整措施进行有效性评价,为选择合理的进度控制措施提供有力的决策支持,从而增强进度控制的主动性.     

基于贝叶斯理论的TOPMODEL参数不确定性分析

应用贝叶斯理论探讨了流域水文模型参数及预报不确定性问题.通过Monte-Carlo途径确定TOPMODEL模型的敏感参数,采用MCMC抽样技术估计敏感参数的后验概率密度分布,并根据参数的抽样系列构造水文模型预报值的经验分布,据此对模型参数的不确定性及其对水文预报结果的影响进行评价.以浙江密赛流域为例进行了应用研究,提供了模型参数及预报结果不确定性的定量分析结果.     

资源受限项目调度模型的施工进度管理

综合资源受限项目调度问题的研究和实际建设工程项目施工进度管理的需求,提出广义优先关系下的差分进化人工蜂群算法的资源受限项目调度模型.其中差分进化算法用于处理交叉变异问题,人工蜂群算法用于处理寻优过程的各阶段推进,并以广义优先关系串行调度产生方案获得的总工期作为适应度值确定优先级编码.根据实际工程项目的应用进一步提出由逆向反推计算关键路径、关键任务的资源及历时优化、非关键任务的资源均衡等组成的资源约束进度管理方法.在eclipse环境下用Java语言进行编程,快捷准确地获得进度和资源相关的资源约束进度计划、约束资源分布情况,以及资源与工期的优化方案.     

考虑目的地机场繁忙程度的航班时刻优化

为研究考虑目的地机场繁忙程度的航班时刻优化问题,建立了目的地机场繁忙程度矩阵,并对目的地机场繁忙程度进行了分级,在满足延误水平的基础上,以最小的航班运行延误和对目的地机场产生的影响为总目标研究了基于目的地机场繁忙程度的航班时刻优化模型,将所建立的航班时刻优化模型与粒子群算法耦合,并以武汉天河机场为例对航班时刻进行优化。结果表明:优化后进场航班延误降低了48.58%,离场航班延误降低了44.88%,计算结果有效且符合实际。可见优化模型可行,能为机场航班时刻优化和改善延误问题提供重要的理论指导和技术支撑。     

Accurate Identification of Mass Peaks for Tandem Mass Spectra Using MCMC Model

In proteomics, many methods for the identification of proteins have been developed. However, because of limited known genome sequences, noisy data, incomplete ion sequences, and the accuracy of protein identification,it is challenging to identify peptides using tandem mass spectral data. Noise filtering and removing thus play a key role in accurate peptide identification from tandem mass spectra. In this paper, we employ a Bayesian model to identify proteins based on the prior information of bond cleavages. A Markov Chain Monte Carlo(MCMC)algorithm is used to simulate candidate peptides from the posterior distribution and to estimate the parameters for the Bayesian model. Our simulation and computational experimental results show that the model can identify peptide with a higher accuracy.     

工程施工进度的实时仿真预测与控制

结合循环网络仿真技术，提出了大型工程施工进度实时仿真预测与控制方法．该方法不仅能动态反映实际施工条件的变化，对于工期的预测与进度偏差分析较之传统方法更具定量性和精确性，而且可对不同施工调整措施的有效性进行评价，同时采用三维可视化的手段来逼真描述实际与计划施工进度的形象面貌偏差，便于直观决簸．