隧道工程管理系統設計研究論文

　　1、隧道工程管理系統的總體結構

　　(1)工程材料采購分析模塊:主要是根據工程材料過去使用情況、當前使用情況、庫存情況、市場供求情況、供應商情況、合同簽訂情況、工程進度情況、工程計劃進度情況和業主材料供應情況決定材料的采購計劃。

　　(2)材料領取分析模塊:根據用戶領取材料的歷史情況、工程進度安排、工程計劃安排及不同材料的損耗率等情況對用戶將要領取的材料進行預測，并提前作好相應材料的準備，以免影響生產進度。

　　(3)庫存材料優化模塊:主要根據材料的歷史、庫存、市場供求信息在保證生產的情況下進行優化，以求壓縮庫存，節約資金，加速資金的周轉，降低運營成本，提高經濟效益。

　　(4)工程進度模塊:主要是根據工程計劃、上報工程量情況、工程量的實際完成情況、工程款的收支情況、人事部門的工程技術人員和工作人員的情況、工程材料的供應情況和交通工具的使用情況來決定工程進度的安排、工程進度的優化、工程進度的評價以及工程計劃的安排和上報分析。

　　(5)工程款收支分析模塊:主要是根據工程進度安排與完成情況、工程計劃安排情況、工程量上報情況、業主的工程款實際劃撥情況、工作人員的工資發放情況、工程材料的采購和使用情況對工程款的使用進行分析，以決定下一步的工程生產安排、工程計劃的制定、工程材料的采購，優化工程生產。

　　(6)人事分析模塊:主要是根據工程技術人員和技術工人的進退情況、工程款的收支情況和工程材料情況，來合理安排生產和制定生產計劃，決定各種人員的進退和不同工程項目的人事調動分析。

　　(7)工程預結算分析模塊:主要是根據工程的實際進度、工程量上報情況、工程計劃情況、業主工程款的劃撥情況來決定和分析工程的清算工作，分析工程的運營情況。

　　2、數據倉庫多維分析模型的設計

　　數據倉庫模型都是以多維數據模型為基礎的。多維數據模型普遍采用一種非常重要的模式就是星型模式。在實際應用中，隨著事實表和維表的增加及變化，星型模式會有五種建模方式:簡單星型模式、星系模式、星座模式、二級維表和雪花模式。星型模型包括事實表和維表。事實度量是星型模型結構的核心，由外鍵和用戶需要了解的度量值組成;事實度量值是最終用戶在數據倉庫應用中所需要查詢和分析的細節或聚集數據。維表保存用戶查詢使用的一個或多個層次關系、成員的類別屬性等原數據信息，是相對靜態的數據，通過它可以分析數據;每個維表通過一個主鍵連接到事實表中相對應的一個外鍵上。根據隧道管理系統具體情況:由工程量和工程材料兩個事實表組成，且這2個事實表連接的維不完全相同，但又共享部分維表。管理系統的多維數據模型設計采用星系模式。事實上星系模式數據倉庫中包含:

　　①施工事實表、上報事實表、工程款事實表3個有關工程量的不含冗余數據的事實表;

　　②工程材料入庫和出庫兩個不含冗余數據的有關工程材料的事實表;

　　③供應商維表、地址維表、時間維表、合同維表、用戶維表、工程類別表等6個維表。其中，材料入庫和出庫事實表共享地址維表和時間維表;材料出庫和施工事實表共享用戶維表;施工事實表、工程款事實表和上報事實表共享工程類別維表。材料入庫、出庫事實表、施工事實表、工程款事實表和上報事實表共享時間維表。時間維表中包含年、季、月、日信息;地址維表包含國家、省、城市、街道、郵編信息;合同維表包含地址、供應商名稱、合同名稱、電話信息;供應商維表包含地址、用戶名稱、所在單位、電話信息;用戶維表包含地址、用戶名稱、所在單位、電話信息;工程類別維表包含工程名稱、單位、工程部位信息。材料入庫和出庫事實表存放著與數量有關的材料數量、金額等信息;與工程量有關的數量信息存放在施工事實表、工程款事實表和上報事實表中。

　　3、輸入和輸出

　　隧道工程管理系統的總體結構從SQLServerOLAP的數據立方體中取數據，立方體中的數據來自一個或多個關系表、數據倉庫或其他形式的數據(如電子表格)。根據不同的數據挖掘任務和不同的用戶需求，系統可用多種形式表示獲得的知識。數據匯總(datasummarization)和特征化、概化規則、條形圖、餅圖、曲線以及其他的圖形化工具表示。關聯用關聯規則表、關聯計劃和關聯規則圖表示。分類用可視化的決策樹和決策表表示。簇用地圖來表示(對于二維表分析而言)，每個簇用不同的顏色，并用不同的顏色標識出它們的輪廓。該系統提供了觀察概念層次和數據立方體內容的工具。概念層次用類似于目錄/子目錄結構的樹來表示。數據立方體的內容用三維立方體的形式表示，立方體的每個方體的大小和顏色表示在一個三維間隔中所選的度量值的匯總數據。二維表可被看作二維的盒圖，每個盒圖表示相應間隔的數據離差視圖(包含中值、第一個四分點、第三個四分點、須狀點和孤立點)。系統的一個重要特征是具有對輸出的.知識進行鉆取、切塊以及其他轉換等操作的靈活性。例如，在對一個多維和多層次的組合進行關聯規則的挖掘后，可以對任一維進行鉆取，以便在新的數據集中得出關聯規則。

　　4、系統支持的挖掘任務

　　4.1系統支持以下的數據挖掘任務

　　(1)OLAP分析器:這個功能是通過鉆取、切塊、切片和其他的OLAP操作，從不同的角度的多個抽象層次展現數據立方體中的內容。其輸出可以用多種多樣的可視化或圖形的形式表示。此外，借助數據離差分析得到最大值、最小值、標準差以及其他分布情況，可以作為OLAP數據的注解。OLAP可以對綜合數據感興趣的部分進行鉆取、切塊以便做進一步分析。

　　(2)關聯:該功能從多維數據庫中挖掘一系列關聯規則。這樣獲得的規則可用于市場分析、相關分析等。用戶可以指定元模式以限制對規則的搜索。

　　(3)分類:該功能對一組訓練數據(即一組已經確定分類的對象)進行分析，根據數據的特性，對每一個分類構造一個模型，再根據測試數據對模型進行調整。用決策樹或決策表來表示模型，并利用模型對其他數據分類，以便更好的理解數據庫中的數據。

　　(4)聚類:該功能將一組選定的數據對象，分成若干簇，使得簇內的數據相似度高，而不同簇中的數據相似度低。高維聚類也可以在多維數據庫中完成。

　　(5)預測:該功能將一組選定的數據對象的丟失或未知數據的值或值的分布進行預測。這涉及到選擇一組與感興趣的屬性相關的屬性(借助于某些統計分析)，一組與選定對象類似的數據，然后作出值分布的預測。例如，一個雇員的可能的工資可以根據公司中與他相似雇員的工資分布而作出預測。

　　(6)時間序列分析:這個模塊包括若干個分析功能，例如相似分析，周期分析，序列模式分析，趨勢和背離分析。

　　4.2對任務和方法選擇的支持

　　通過一個基于窗口的圖形用戶界面，用戶使用挖掘向導選擇各種不同的挖掘任務，或者與挖掘結果進行交互，在其它的維及層次上進行挖掘。根據用戶的輸入，系統產生一個挖掘查詢供用戶檢查。圖形用戶界面利用Java語言圖形用戶界面的設計，以及Java語言與SQLSever數據庫的連接完成。

　　4.3對KDD處理過程的支持

　　由于該系統是與數據倉庫一起工作的，若有必要的話，某些知識發現的先期處理工作可以由底層的數據倉庫系統完成。這些工作包括數據清洗，數據集成，數據綜合(按多維和多層次聚集成組)。數據的選擇作為系統挖掘查詢的組成部分來完成。在系統中，對挖掘出的知識進行后期處理的大部分工作被集成到數據挖掘過程。這是因為數據挖掘查詢不但指定了與任務相關的數據和挖掘任務，而且也指定了興趣度量值(例如像支持度、置信度、噪聲等挖掘閾值)和期望的規則模式。數據挖掘和模式評價的集成減少了搜索空間，使用戶將精力集中到挖掘過程。

　　5、系統的運行和維護

　　系統可用于在關系數據庫和數據倉庫中的聯機分析和數據挖掘。目前已經應用于從中等規模到大規模的關系數據庫，具有快速的響應時間。實施階段應以對所有特性進行綜合測試。通過總結，在這個階段上，有兩個問題出現的頻率相對較高:①不一致的數據;②不夠高效的查詢性能。系統運行需要建立OLAP工具、設計報表類型、開發報表模板，同時還要有一些支持活動，如軟硬件和網絡拓展、IT部門和用戶的培訓等。隨著配置信息需求的變化、技術的變化、系統規模的變化，要使系統正常地運行，就要對系統不斷地進行更新維護。

【隧道工程管理系統設計研究論文】相關文章：

隧道工程管理系統設計探析論文01-17

關于公路隧道工程的研究論文06-21

地鐵隧道工程施工中風險管理的研究論文09-21

論文管理系統設計01-15

隧道工程建設成本和造價管理研究論文10-01

隧道工程的施工管理論文01-12

隧道工程動態設計的原理和方法研究07-29

公路隧道實時監控系統的研究07-03

關于隧道工程論文06-14