利用机器学习技术提升项目绩效预测
机器学习
2024-12-02 v1 人工智能
计算机与社会
应用统计
摘要
准确预测项目绩效指标对于成功管理和交付城市道路修复项目至关重要。传统方法往往依赖静态基线计划，未能考虑项目进度和外部因素的动态本质。本研究提出了一种基于机器学习的方法，用于预测城市道路修复项目中每个工作分解结构(WBS)类别的项目绩效指标，如成本差异和收入价值。该模型利用时间序列预测技术，包括自回归移动平均模型(ARIMA)和长短期记忆网络(LSTM)，基于历史数据和项目进度预测未来绩效。该模型还将外部因素，如天气模式和资源可用性，作为特征来增强预测的准确性。通过应用机器学习的预测能力，绩效预测模型使项目经理能够及时识别可能偏离基线计划的潜在偏差，从而采取及时纠正措施。该研究旨在使用城市道路修复项目的案例研究来验证所提方法的有效性，将模型的预测与实际项目绩效数据进行比较。本研究的发现为建筑行业的项目管理实践提供了贡献，提供了一种数据驱动的解决方案，用于改进项目绩效监测和控制。
引用
@article{arxiv.2411.17914,
title = {Enhancing Project Performance Forecasting using Machine Learning Techniques},
author = {Soheila Sadeghi},
journal= {arXiv preprint arXiv:2411.17914},
year = {2024}
}