本發(fā)明屬于電數(shù)字?jǐn)?shù)據(jù)處理領(lǐng)域，更具體地說，尤其涉及基于智能體的水運(yùn)工程項(xiàng)目管理輔助決策系統(tǒng)。同時(shí)，本發(fā)明還涉及基于智能體的水運(yùn)工程項(xiàng)目管理輔助決策方法。

背景技術(shù)：

1、水運(yùn)工程項(xiàng)目管理是一項(xiàng)復(fù)雜的任務(wù)，涉及項(xiàng)目規(guī)劃、風(fēng)險(xiǎn)評(píng)估、資源調(diào)配等多個(gè)方面。傳統(tǒng)的水運(yùn)工程項(xiàng)目管理方法依賴于人工處理大量的數(shù)據(jù)和信息，這不僅效率低下，而且容易出錯(cuò)。項(xiàng)目管理者需要處理來自不同來源的數(shù)據(jù)，包括文本資料、圖紙、報(bào)告等，這些數(shù)據(jù)的整合和分析對(duì)管理者提出了高要求。

2、現(xiàn)有的數(shù)據(jù)收集主要依賴于手動(dòng)錄入和處理，這不僅耗時(shí)耗力，還增加了數(shù)據(jù)錯(cuò)誤的風(fēng)險(xiǎn)。數(shù)據(jù)存儲(chǔ)和預(yù)處理的不規(guī)范導(dǎo)致數(shù)據(jù)可靠性和完整性難以保證，影響后續(xù)的數(shù)據(jù)分析和項(xiàng)目管理決策的準(zhǔn)確性；另外，盡管水運(yùn)工程領(lǐng)域擁有豐富的專業(yè)知識(shí)和經(jīng)驗(yàn)，但現(xiàn)有的知識(shí)管理體系未能有效整合和應(yīng)用這些知識(shí)。知識(shí)的傳遞和共享大多依賴于個(gè)人經(jīng)驗(yàn)和口頭交流，缺乏系統(tǒng)化和形式化的知識(shí)管理工具，導(dǎo)致知識(shí)利用效率低下；因此，我們提出基于智能體的水運(yùn)工程項(xiàng)目管理輔助決策系統(tǒng)及方法。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是為了解決現(xiàn)有技術(shù)中存在的缺點(diǎn)，而提出的基于智能體的水運(yùn)工程項(xiàng)目管理輔助決策系統(tǒng)及方法，本發(fā)明從自動(dòng)化數(shù)據(jù)處理、高效精確整合綜合知識(shí)圖譜、智能模型的建立、訓(xùn)練于運(yùn)用以及決策支持與優(yōu)化四個(gè)方面進(jìn)行改進(jìn)，提供了一種高效、準(zhǔn)確且適應(yīng)性強(qiáng)的輔助決策系統(tǒng)和方法，極大地提升了項(xiàng)目管理的效率和質(zhì)量。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

3、基于智能體的水運(yùn)工程項(xiàng)目管理輔助決策系統(tǒng)，系統(tǒng)包括：

4、數(shù)據(jù)層，所述數(shù)據(jù)層包括：

5、數(shù)據(jù)采集單元，采用ocr從各種文檔中自動(dòng)識(shí)別并提取水運(yùn)工程數(shù)據(jù)；

6、數(shù)據(jù)存儲(chǔ)單元，存儲(chǔ)采集到的數(shù)據(jù)，所述數(shù)據(jù)存儲(chǔ)單元需要保證數(shù)據(jù)的可靠性和完整性；

7、數(shù)據(jù)預(yù)處理單元，用于對(duì)數(shù)據(jù)采集單元采集的數(shù)據(jù)進(jìn)行預(yù)處理，包括數(shù)據(jù)清洗、格式轉(zhuǎn)換，確保數(shù)據(jù)質(zhì)量和后續(xù)處理的效率；

8、知識(shí)管理層，所述知識(shí)管理層包括：

9、知識(shí)圖譜構(gòu)建單元，用于將水運(yùn)工程領(lǐng)域的文本、圖像、視頻多種數(shù)據(jù)類型整合，構(gòu)建知識(shí)庫(kù)；

10、更新維護(hù)單元，用于對(duì)知識(shí)庫(kù)定期更新和維護(hù)，以反映最新的行業(yè)規(guī)范、工程案例和科研成果，維護(hù)包括知識(shí)的添加、更新和廢棄；

11、智能處理層，所述智能處理層包括：

12、智能模型單元，用于建立模型，所述模型模擬決策過程，對(duì)項(xiàng)目規(guī)劃、風(fēng)險(xiǎn)評(píng)估、資源調(diào)配；

13、模型訓(xùn)練單元，用于對(duì)模型進(jìn)行訓(xùn)練，確保能夠準(zhǔn)確地輸出結(jié)果。

14、基于智能體的水運(yùn)工程項(xiàng)目管理輔助決策方法，所述方法采用上述的系統(tǒng)，包括如下步驟：

15、s1、使用光學(xué)字符識(shí)別方式從水運(yùn)工程資料文本、圖紙和報(bào)告中提取數(shù)據(jù)；

16、s2、對(duì)提取的數(shù)據(jù)進(jìn)行預(yù)處理，包括數(shù)據(jù)清洗和格式轉(zhuǎn)換，以提高數(shù)據(jù)的質(zhì)量和處理效率；

17、s3、構(gòu)建并維護(hù)包含水運(yùn)工程領(lǐng)域知識(shí)的知識(shí)圖譜，該知識(shí)圖譜整合了結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，并定期更新以反映最新的行業(yè)規(guī)范、工程案例和科研成果；

18、s4、建立并訓(xùn)練基于機(jī)器學(xué)習(xí)的模型，用于模擬和預(yù)測(cè)水運(yùn)工程項(xiàng)目的規(guī)劃、風(fēng)險(xiǎn)評(píng)估和資源調(diào)配；

19、s5、通過決策支持模塊對(duì)所有模型的輸出進(jìn)行統(tǒng)籌，并輸出決策支持；

20、s6、建立反饋機(jī)制，用于收集反饋和項(xiàng)目結(jié)果數(shù)據(jù)，以不斷優(yōu)化模型和知識(shí)圖譜。

21、優(yōu)選的，步驟s1具體為：

22、s11、將所有物理文檔通過掃描儀轉(zhuǎn)換為數(shù)字圖像；

23、s12、確定文本、表格和圖形的布局，并對(duì)圖像進(jìn)行清晰度調(diào)整、去噪、亮度調(diào)整；

24、s13、將圖像中的圖形文字轉(zhuǎn)換為可編輯的文字格式；

25、s14、校正識(shí)別中出現(xiàn)的錯(cuò)誤；

26、s15、將識(shí)別數(shù)據(jù)與已有的數(shù)據(jù)庫(kù)、實(shí)時(shí)數(shù)據(jù)流其他數(shù)據(jù)源收集的數(shù)據(jù)進(jìn)行整合，形成提取數(shù)據(jù)。

27、優(yōu)選的，步驟s14中，所述校正識(shí)別中出現(xiàn)的錯(cuò)誤，具體為：

28、s141、對(duì)給定的句子進(jìn)行切分，分詞的結(jié)果將作為下一步的基礎(chǔ)；

29、s142、發(fā)現(xiàn)句子中對(duì)應(yīng)詞語的混淆集，所述混淆集合是由常見混淆字符組成的預(yù)先準(zhǔn)備的集合，包括相似的發(fā)音和相似的字形；

30、s143、對(duì)句子中每個(gè)能夠替換的字符，枚舉其混淆集合中的每個(gè)字符，以替換原來的字符，得到一個(gè)候選句子集；

31、s144、計(jì)算每個(gè)候選句子的得分，得分最高的句子將被選為最終輸出；

32、其中，步驟s144中計(jì)算每個(gè)候選句子的得分計(jì)算式如下：

33、；

34、其中，每一項(xiàng)的條件概率可以通過最大似然估計(jì)計(jì)算得出，表達(dá)式為：

35、；

36、式中，n(cl?1,cl)是二元組(cl?1,cl)在數(shù)據(jù)中出現(xiàn)的次數(shù)，n(cl?1)是字符cl?1出現(xiàn)的次數(shù)；上式通過如下流程進(jìn)行計(jì)算：

37、統(tǒng)計(jì)每個(gè)二元組(cl?1,cl)出現(xiàn)的頻次n(cl?1,cl)以及單個(gè)字符cl?1出現(xiàn)的頻次n(cl?1)；

38、根據(jù)上式計(jì)算出條件概率p(cl∣cl?1)，概率表示在給定前一個(gè)字符cl?1的情況下，當(dāng)前字符cl出現(xiàn)的概率；

39、將所有的條件概率相乘，得到整個(gè)字符串的概率，根據(jù)整個(gè)字符串的概率確定最終輸出。

40、優(yōu)選的，步驟s3所述的構(gòu)建并維護(hù)包含水運(yùn)工程領(lǐng)域知識(shí)的知識(shí)圖譜，具體為：

41、s31、整合水運(yùn)工程領(lǐng)域結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)，包括行業(yè)規(guī)范、工程案例和科研成果，整合后的數(shù)據(jù)以rdf或圖數(shù)據(jù)庫(kù)的形式進(jìn)行存儲(chǔ)；

42、s32、構(gòu)建知識(shí)圖譜本體，所述知識(shí)圖譜本體需要明確領(lǐng)域內(nèi)的概念和實(shí)體，并確定相互之間的邏輯關(guān)系；

43、s33、設(shè)計(jì)概念層次結(jié)構(gòu)，構(gòu)建概念之間的層次關(guān)系，確保每個(gè)概念的準(zhǔn)確性和層次性；

44、s34、從原始數(shù)據(jù)中識(shí)別出水運(yùn)工程領(lǐng)域特有的命名實(shí)體，如項(xiàng)目名稱、技術(shù)術(shù)語、地點(diǎn)，并且根據(jù)已識(shí)別的實(shí)體和關(guān)系模式，提取實(shí)體間的關(guān)系；

45、其中，所述知識(shí)圖譜的基本單位是有實(shí)體-關(guān)系-實(shí)體構(gòu)成的三元組，用于將復(fù)雜的信息以簡(jiǎn)單明了的方式呈現(xiàn)出來。

46、優(yōu)選的，步驟s4中所述的建立并訓(xùn)練基于機(jī)器學(xué)習(xí)的模型，具體采用回歸模型或分類模型，若對(duì)于預(yù)測(cè)具體數(shù)值采用回歸模型，若對(duì)于分類問題包括風(fēng)險(xiǎn)高低、是否可行則采用分類模型；

47、所述模型的訓(xùn)練與驗(yàn)證具體包括：

48、數(shù)據(jù)分割，將數(shù)據(jù)集分為訓(xùn)練集和測(cè)試集，或者采用交叉驗(yàn)證方法，以評(píng)估模型在未見數(shù)據(jù)上的表現(xiàn)；

49、模型訓(xùn)練，使用訓(xùn)練集數(shù)據(jù)來訓(xùn)練模型，通過優(yōu)化算法調(diào)整模型參數(shù)，以最小化預(yù)測(cè)誤差；

50、模型驗(yàn)證，通過驗(yàn)證集或交叉驗(yàn)證評(píng)估模型性能，確保模型具有良好的泛化能力；

51、所述步驟s4中還包括對(duì)模型評(píng)估與優(yōu)化，具體為：

52、性能指標(biāo)，使用準(zhǔn)確率、召回率、f1分?jǐn)?shù)指標(biāo)來評(píng)估分類模型的性能，對(duì)于回歸模型，則使用均方誤差指標(biāo)；

53、超參數(shù)調(diào)優(yōu)，通過調(diào)整機(jī)器學(xué)習(xí)算法的隨機(jī)森林中的樹的數(shù)量或決策樹的深度優(yōu)化模型性能。

54、優(yōu)選的，步驟s5具體為：

55、s51、根據(jù)項(xiàng)目的具體要求和風(fēng)險(xiǎn)承受能力，設(shè)定決策的閾值，建立規(guī)則引擎，用于根據(jù)設(shè)定的規(guī)則自動(dòng)做出決策；

56、s52、從各個(gè)模型中收集數(shù)據(jù)，包括時(shí)間預(yù)測(cè)數(shù)據(jù)、成本預(yù)測(cè)數(shù)據(jù)、風(fēng)險(xiǎn)評(píng)估數(shù)據(jù)；

57、s53、對(duì)收集到的數(shù)據(jù)進(jìn)行清洗，包括去除異常值、處理缺失值，然后進(jìn)行歸一化處理，將數(shù)據(jù)轉(zhuǎn)換為統(tǒng)一的量綱；

58、s54、為每個(gè)模型分配不同的權(quán)重，使用加權(quán)平均公式整合各模型的輸出，以獲得綜合預(yù)測(cè)結(jié)果；

59、s55、定義決策優(yōu)化的目標(biāo)函數(shù)，選擇最小化總成本或最大化效益，并且根據(jù)項(xiàng)目的實(shí)際情況，建立約束條件；

60、s56、根據(jù)約束條件和具體定義的決策優(yōu)化目標(biāo)函數(shù)，輸出決策詳細(xì)的報(bào)告，包括圖表、數(shù)據(jù)分析結(jié)果和具體建議。

61、優(yōu)選的，步驟s54中，權(quán)重分配表達(dá)式為：

62、；

63、式中，c是綜合成本預(yù)測(cè)，c1、c2、c3、cn分別是模型的輸出結(jié)果，w1、w2、w3和wn是一一對(duì)應(yīng)模型輸出結(jié)果的權(quán)重；

64、所述權(quán)重通過計(jì)算性能比率計(jì)算，n個(gè)模型，每個(gè)模型i的準(zhǔn)確率為pi，每個(gè)模型的性能比率ri，每個(gè)模型j的準(zhǔn)確率為pj，表達(dá)式為：

65、；

66、由于每個(gè)模型的權(quán)重wi能直接使用其性能比率，所有權(quán)重的總和等于1，表示為：

67、；

68、由于所有權(quán)重的總和等于1，每個(gè)模型的權(quán)重表達(dá)式為：

69、；

70、步驟s56中，所述的約束條件和具體定義的決策優(yōu)化目標(biāo)函數(shù)，表達(dá)式為：

71、；

72、其中，0≤xi≤bi，i=1，2，...，n；

73、上式中，xi是第i個(gè)項(xiàng)目的投資金額，b是總投入，bi是第i個(gè)項(xiàng)目的最大投入，所述投入包括資源量、生產(chǎn)能力、風(fēng)險(xiǎn)承受能力。

74、優(yōu)選的，步驟s6具體為：

75、s61、明確收集反饋的目的，包括改進(jìn)模型性能、提升用戶滿意度或優(yōu)化知識(shí)圖譜內(nèi)容，基于目的，確定關(guān)鍵性能指標(biāo)，用以衡量反饋對(duì)系統(tǒng)改進(jìn)的效果；

76、s62、根據(jù)目標(biāo)受眾，選擇合適的反饋收集方式；

77、s63、對(duì)收集來的數(shù)據(jù)進(jìn)行清洗和分類，以便于后續(xù)的分析處理，并啟動(dòng)反饋機(jī)制，積極鼓勵(lì)用戶提供反饋；

78、s64、通過定性分析，從反饋中識(shí)別共同點(diǎn)或重要趨勢(shì)，根據(jù)反饋的重要性和緊急性對(duì)其進(jìn)行排序，以確定處理的優(yōu)先順序；

79、s65、基于收集到的反饋，制定具體的行動(dòng)方案以改進(jìn)知識(shí)圖譜，將改進(jìn)措施實(shí)際應(yīng)用于系統(tǒng)中。

80、本發(fā)明的技術(shù)效果和優(yōu)點(diǎn)：本發(fā)明提供的基于智能體的水運(yùn)工程項(xiàng)目管理輔助決策系統(tǒng)及方法，與現(xiàn)有技術(shù)相比，本發(fā)明具有如下優(yōu)點(diǎn)：

81、通過采用ocr技術(shù)自動(dòng)從文檔中提取數(shù)據(jù)，并結(jié)合數(shù)據(jù)清洗和格式轉(zhuǎn)換的預(yù)處理步驟，系統(tǒng)顯著提高了數(shù)據(jù)處理的效率和準(zhǔn)確性。這一過程減少了手動(dòng)錄入的錯(cuò)誤，并節(jié)省了大量人力資源，使項(xiàng)目管理團(tuán)隊(duì)能夠更加專注于決策和分析工作；

82、通過構(gòu)建包含文本、圖像、視頻等多種數(shù)據(jù)類型的綜合知識(shí)圖譜，實(shí)現(xiàn)了知識(shí)的系統(tǒng)化和形式化管理，該種整合促進(jìn)了知識(shí)的累積、傳遞和共享，提升了知識(shí)利用效率，為項(xiàng)目決策提供了豐富的信息支持；

83、通過建立和訓(xùn)練基于機(jī)器學(xué)習(xí)的模型，能夠模擬和預(yù)測(cè)水運(yùn)工程項(xiàng)目的關(guān)鍵方面，包括項(xiàng)目規(guī)劃、風(fēng)險(xiǎn)評(píng)估和資源調(diào)配，模型的建立和驗(yàn)證過程確保了輸出結(jié)果的準(zhǔn)確性，為項(xiàng)目管理提供了強(qiáng)大的決策支持工具；

84、通過決策支持模塊對(duì)所有模型的輸出進(jìn)行統(tǒng)籌，優(yōu)化了項(xiàng)目管理流程，通過自動(dòng)化的決策過程，縮短了項(xiàng)目規(guī)劃周期，提高了風(fēng)險(xiǎn)管理的及時(shí)性和有效性，以及資源調(diào)配的合理性，整體提升了項(xiàng)目管理的效率和質(zhì)量；

85、通過反饋機(jī)制不斷收集項(xiàng)目數(shù)據(jù)和用戶反饋，用于優(yōu)化模型和知識(shí)圖譜，迭代更新的機(jī)制使得系統(tǒng)能夠適應(yīng)不斷變化的項(xiàng)目需求和復(fù)雜的工程環(huán)境，持續(xù)提升系統(tǒng)性能和用戶滿意度。