一种基于机器学习的建设工程进度管理协同系统及方法

摘要

本发明涉及建设工程进度管理技术领域，具体公开了一种基于机器学习的建设工程进度管理协同系统及方法，包括生成若干个子工程对应的施工区计划表；生成与现场项目管理人员权限相匹配的施工进度表；按照现场实际施工情况填写施工进度表；根据施工进度表调整请求对施工进度表进行调整；通过预设的预测模型建立策略建立机器学习模型，并将已填写了预设施工天数的施工进度表作为初始的训练集对机器学习模型进行训练，再通过机器学习模型对后续施工进度情况进行预测等。本发明实施操作简便，减少人力管理所需的成本，达到了施工过程全方位控制管理，能够解决大型工程及应急工程存在的施工计划制定复杂、现场进度管理难的问题。

说明书

技术领域

本发明涉及建设工程进度管理技术领域，尤其涉及一种基于机器学习的建设工程进度管理协同系统及方法。

背景技术

针对大型工程和应急工程建设过程中地基基础工程、结构工程、机电工程、装饰装修工程、园林绿化工程及检测监测的统筹协调需求，研发一套建设工程施工进度管理协同工作平台的方案，实现施工计划实时调整、施工进度准确可行、施工过程无缝对接、施工人员及时调配、施工物资及时运送，实现提升施工效率、降低施工费用的目的，具有重要的工程应用价值。

发明内容

针对现有技术中的技术问题，本发明提供一种基于机器学习的建设工程进度管理协同系统及方法。

本发明包括一种基于机器学习的建设工程进度管理协同系统，包括计划表生成模块、服务器模块、平台管理模块、现场项目管理模块以及智能预测模块，其中：

计划表生成模块，与服务器模块连接；计划表生成模块用于将建设工程按照施工区划分为若干个子工程，生成若干个子工程对应的施工区计划表，并根据若干个施工区计划表生成建设工程计划表；以及，将施工区计划表与建设工程计划表向服务器模块发送；

服务器模块，与计划表生成模块、平台管理模块、现场项目管理模块、智能预测模块连接；服务器模块用于存储施工区计划表和建设工程计划表；以及，通过施工区计划表生成与现场项目管理人员权限相匹配的施工进度表；以及，接收现场项目管理模块上传的已填写的施工进度表，接收现场项目管理模块上传的施工进度表调整请求并发送给平台管理模块；

平台管理模块，与服务器模块连接；平台管理模块具备平台管理人员权限，平台管理模块用于设定现场项目管理人员权限；以及，查看已填写的施工进度表；以及，对施工进度表调整请求进行审核，并在审核通过后对施工进度表进行调整；

现场项目管理模块，与服务器模块连接；现场项目管理模块具备现场项目管理人员权限，用于向服务器模块获取对应现场项目管理人员权限的施工进度表；以及，在按照现场实际施工情况填写施工进度表并上传服务器模块；以及，生成施工进度表调整请求；

智能预测模块，与服务器模块连接；智能预测模块用于通过预设的预测模型建立策略建立机器学习模型，并将已填写了预设施工天数的施工进度表作为初始的训练集对机器学习模型进行训练，再通过机器学习模型对后续施工进度情况进行预测；以及每经过一个预设间隔天数，将预设间隔天数对应的已填写的施工进度表更新到训练集中对机器学习模型进行训练，再对后续施工进度情况进行预测。

进一步的，计划表生成模块生成若干个子工程对应的施工区计划表，并根据若干个施工区计划表生成建设工程计划表，包括：

根据每个施工区子工程所包含专业的施工工序，分别编制专业施工进度计划表、专业工作量统计表和专业人机料投入计划表；

对该施工区子工程所包含的所有专业施工进度计划表进行整合，得到该施工区的施工区施工进度计划表；对该施工区子工程所包含的所有专业工作量统计表进行整合，得到该施工区的施工区工作量统计表；对该施工区子工程所包含的所有专业人机料投入计划表进行整合，得到该施工区的施工区人机料投入计划表；施工区计划表包括施工区施工进度计划表、施工区工作量统计表以及施工区人机料投入计划表；

对所有施工区的施工区施工进度计划表进行整合，得到建设工程的施工进度计划总表；对所有施工区的施工区工作量统计表进行整合，得到建设工程的工作量汇总表；对所有施工区的施工区人机料投入计划表进行整合，得到建设工程的人机料投入总表；建设工程计划表包括施工进度计划总表、工作量汇总表以及人机料投入总表。

进一步的，计划表生成模块生成若干个子工程对应的施工区计划表，并根据若干个施工区计划表生成建设工程计划表，还包括：

根据每个施工区子工程所包含的专业生成专业人机料准备时间表；

对该施工区子工程所包含的所有专业人机料准备时间表进行整合，得到该施工区的施工区人机料准备时间表；施工区计划表包括施工区人机料准备时间表；

对所有施工区的施工区人机料准备时间表进行整合，得到建设工程的人机料准备时间总表；建设工程计划表包括人机料准备时间总表。

进一步的，计划表生成模块还用于对建设工程编制总体进度计划表。

进一步的，现场项目管理模块在按照现场实际施工情况填写施工进度表并上传服务器模块，包括：

现场项目管理模块按照当前施工区的现场实际施工情况填写该施工区子工程所包含的各专业的专业已完成工作量表、专业人机料已投入表以及专业人机料已备货表；

通过每个专业的专业已完成工作量表、专业人机料已投入表以及专业人机料已备货表生成该施工区内各专业的专业施工进度表；

根据施工区子工程所包含的各专业的专业施工进度表生成该施工区已填写的施工进度表；

将已填写的施工进度表向服务器模块上传。

进一步的，现场项目管理模块还用于：

对建设工程所包含的同一专业的所有专业已完成工作量表进行整合，得到该专业的专业已完成工作量总表；

对建设工程所包含的同一专业的所有专业人机料已投入表进行整合，得到该专业的专业人机料已投入总表；

对建设工程所包含的同一专业的所有专业人机料已备货表进行整合，得到该专业的专业人机料已备货总表；

对各施工区内各专业的专业施工进度表进行整合，得到建设工程中该专业的专业施工进度总表；

将专业已完成工作量总表、专业人机料已投入总表、专业人机料已备货总表以及专业施工进度总表向服务器模块上传。

进一步的，服务器模块还用于：

根据各施工区已填写的施工进度表生成工程项目进度总表；

根据专业已完成工作量总表生成工程项目已完成工作量总表；

根据专业人机料已投入总表生成工程项目人机料已投入总表；

根据专业人机料已备货总表生成工程项目人机料已备货总表。

进一步的，施工区计划表所包含的参数有专业类型、施工工序、工序起止时间、工序持续时间、人机料拟投入量、人机料准备时间、每日施工量、备货时间；

施工进度表所包含的参数有专业类型、施工工序、工序起止时间、工序持续时间、人机料已投入量、人机料准备时间、每日施工量、备货时间。

进一步的，预测模型建立策略包括：

结合施工进度表，以天气类型、工种、施工持续时间、人员投入情况作为机器学习模型的输入，以每日施工量作为机器学习模型的输出，对机器学习模型进行学习训练；

获取预设时间段的天气预报，并将施工区计划表中包含的工种、施工持续时间、人员投入情况作为机器学习模型的输入，预测后续施工的每日施工量；

根据对后续施工的每日施工量的预测结果，与施工区计划表进行对比，若超出预设偏差范围，则生成提示信息。

本发明还包括一种基于机器学习的建设工程进度管理协同方法，包括步骤：

将建设工程按照施工区划分为若干个子工程，生成若干个子工程对应的施工区计划表，并根据若干个施工区计划表生成建设工程计划表；

通过施工区计划表生成与现场项目管理人员权限相匹配的施工进度表；

按照现场实际施工情况填写施工进度表；

根据施工进度表调整请求对施工进度表进行调整；

通过预设的预测模型建立策略建立机器学习模型，并将已填写了预设施工天数的施工进度表作为初始的训练集对机器学习模型进行训练，再通过机器学习模型对后续施工进度情况进行预测；

每经过一个预设间隔天数，将预设间隔天数对应的已填写的施工进度表更新到训练集中对机器学习模型进行训练，再对后续施工进度情况进行预测。

本发明实施例的基于机器学习的建设工程进度管理协同系统及方法，对工程按照施工区划分为若干个子工程后，生成各子工程的施工区计划表以及整个建设工程的建设工程计划表，再通过施工区计划表生成与现场项目管理人员权限相匹配的施工进度表，并在不同现场项目管理人员权限下按照现场实际施工情况填写施工进度表，于此同时，采用机器学习模型对整个施工过程进行施工进度情况的预测，实现了对建设工程的施工进度的实时管理，且整个系统实施操作简便，减少人力管理所需的成本，达到了施工过程全方位控制管理，能够解决大型工程及应急工程存在的施工计划制定复杂、现场进度管理难的问题。

附图说明

为了更清楚的说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见的，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

图1为本发明实施例的基于机器学习的建设工程进度管理协同系统的结构组成图；

图2为本发明实施例的基于机器学习的建设工程进度管理协同系统的施工区划分示意图；

图3为本发明实施例的基于机器学习的建设工程进度管理协同系统的实施示意图(一)；

图4为本发明实施例的基于机器学习的建设工程进度管理协同系统的实施示意图(二)；

图5为本发明实施例的基于机器学习的建设工程进度管理协同系统的实施示意图(三)；

图6为本发明实施例的基于机器学习的建设工程进度管理协同系统的实施示意图(四)；

图7为本发明实施例的基于机器学习的建设工程进度管理协同方法的步骤流程图。

具体实施方式

下面将结合本发明中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通的技术人员在没有做出创造性劳动的前提下所获得的所有其它实施例，都属于本发明的保护范围。

本发明提供一种基于机器学习的建设工程进度管理协同系统，如图1所示，包括计划表生成模块10、服务器模块20、平台管理模块30、现场项目管理模块 40以及智能预测模块50，其中：

计划表生成模块10，与服务器模块20连接；计划表生成模块10用于将建设工程按照施工区划分为若干个子工程，生成若干个子工程对应的施工区计划表，并根据若干个施工区计划表生成建设工程计划表；以及，将施工区计划表与建设工程计划表向服务器模块20发送。如图2所示，例如建设工程的总施工面积为S，将S划分为1、2、3、4、5共五个施工区，分别称为施工区一、施工区二、施工区三、施工区四、施工区五。本实施例的计划表生成模块10为这五个施工区分别生成对应的施工区计划表，再根据五个施工区计划表生成S区域的建设工程计划表。

服务器模块20，与计划表生成模块10、平台管理模块30、现场项目管理模块40、智能预测模块50连接；服务器模块20用于存储施工区计划表和建设工程计划表；以及，通过施工区计划表生成与现场项目管理人员权限相匹配的施工进度表；以及，接收现场项目管理模块40上传的已填写的施工进度表，接收现场项目管理模块40上传的施工进度表调整请求并发送给平台管理模块30。

平台管理模块30，与服务器模块20连接；平台管理模块30具备平台管理人员权限，平台管理模块30用于设定现场项目管理人员权限；以及，查看已填写的施工进度表；以及，对施工进度表调整请求进行审核，并在审核通过后对施工进度表进行调整。

现场项目管理模块40，与服务器模块20连接；现场项目管理模块40具备现场项目管理人员权限，用于向服务器模块20获取对应现场项目管理人员权限的施工进度表；以及，在按照现场实际施工情况填写施工进度表并上传服务器模块20；以及，生成施工进度表调整请求。

智能预测模块50，与服务器模块20连接；智能预测模块50用于通过预设的预测模型建立策略建立机器学习模型，并将已填写了预设施工天数的施工进度表作为初始的训练集对机器学习模型进行训练，再通过机器学习模型对后续施工进度情况进行预测；以及每经过一个预设间隔天数，将预设间隔天数对应的已填写的施工进度表更新到训练集中对机器学习模型进行训练，再对后续施工进度情况进行预测。

本发明实施例包含两个阶段，即计划制定阶段和施工实施阶段，计划制定阶段的相关功能由计划表生成模块10实现，施工实施阶段包括服务器模块20、平台管理模块30以及现场项目管理模块40的相关功能，以及智能预测模块50 的相关功能。

本发明实施例中现场项目管理模块40生成施工进度表调整请求的情况可包括：当施工进度表相较于施工区计划表的进度有所落后或提前时，对后续工序的相关日期进行统一延后修改或统一提前修改，以及需要增加或者减少工序时，生成对应的调整请求。

本发明实施例中的计划表生成模块10，生成了施工区计划表以及建设工程计划表，施工区计划表有多个，且一一对应每个施工区，具体可包括：

计划表生成模块10根据每个施工区子工程所包含专业的施工工序，分别编制专业施工进度计划表、专业工作量统计表和专业人机料投入计划表。一个施工区所包含的专业大致有地基基础、结构工程、机电工程、装饰装修、园林绿化等，本实施例将这五个专业分别记为A专业、B专业、C专业、D专业、E专业，每个专业下又包含多个施工工序，如图3所示，某施工区A专业(地基基础)包含有工序A1、工序A2、……、工序An，共n个工序，每个工序都包含工序起止时间、工序持续时间、人机料拟投入量、人机料准备时间、每日施工量 (或施工工作量)、备货量以及备货日期(或备货时间)等参数。起止时间表示该工序的开始和截止日期，持续时间代表该工序的截止时间减去开始时间，起止时间与持续时间之间存在相互转换的关系，可设定函数计算关系，若对其中一项进行修改时，另一项也自动进行修改。施工工作量代表该施工区A专业在各工序的工程量。人机料拟投入量代表为若完成施工工作量所需要配备的人员、机械、材料数量。人机料准备时间指若完成施工工作量所需要准备人员、机械、材料所需要的时间。“备货量及日期”由“人机料准备时间”结合“人机料拟投入量”以及“施工开始时间”进行计算得出，代表着为了满足某工序顺利进行，需要开展人员、机械准备及材料购置的时间。通过以上相关参数生成该施工区A 专业所对应的专业施工进度计划表、专业工作量统计表和专业人机料投入计划表。A专业的专业施工进度计划表可通过表格形式列出，包含了A专业所包含的所有工序(工序A1、工序A2、……、工序An)的起止时间、持续时间等；A专业的专业工作量统计表同样以表格形式列出，包含了所有工序(工序A1、工序A2、……、工序An)的施工工作量以及各工程量的开始结束时间等；A专业的专业人机料投入计划表同样以表格形式列出，包含了所有工序(工序A1、工序 A2、……、工序An)的人机料拟投入量以及人机料投入时间等。还可以根据每个施工区子工程所包含的专业生成专业人机料准备时间表，A专业的专业人机料准备时间表包括所有工序(工序A1、工序A2、……、工序An)的人机料准备时间、备货量以及备货日期(或备货时间)等参数。

本发明实施例还包括对该施工区子工程所包含的所有专业施工进度计划表进行整合，得到该施工区的施工区施工进度计划表，对该施工区子工程所包含的所有专业工作量统计表进行整合，得到该施工区的施工区工作量统计表，对该施工区子工程所包含的所有专业人机料投入计划表进行整合，得到该施工区的施工区人机料投入计划表，对该施工区子工程所包含的所有专业人机料准备时间表进行整合，得到该施工区的施工区人机料准备时间表。上述实施例的施工区计划表包括本实施例生成的施工区施工进度计划表、施工区工作量统计表、施工区人机料投入计划表以及施工区人机料准备时间表。

如图4所示，施工区一的专业目录6包含有A专业、B专业、C专业、D专业以及E专业，A专业包含有工序A1、工序A2、……、工序An，共n个工序； B专业包含有工序B1、工序B2、……、工序Bn，共n个工序；C专业包含有工序C1、工序C2、……、工序Cn，共n个工序；D专业包含有工序D1、工序D2、……、工序Dn，共n个工序；E专业包含有工序E1、工序E2、……、工序En，共n个工序(各个专业的工序数量不一定相同)。这些工序的执行顺序则依照箭头所指，首先执行工序A1、工序A2至工序An，再执行工序B1、工序B2至工序Bn，然后执行工序C1、工序C2至工序Cn，以此类推，将所有工序串联，形成该施工区的施工总计划。如图4所示，在实际施工过程中，每个工序执行完成之后，根据技术要求开展必要的质量检测或监测(部分工序不需要开展质量检测或监测)，质量合格后再执行下一工序。本实施例根据A专业所包含的工序A1、工序 A2、……、工序An，生成A专业的专业施工进度计划表、专业工作量统计表和专业人机料投入计划表，同样的，根据E专业所包含的工序E1、工序E2、……、工序En，生成E专业的专业施工进度计划表、专业工作量统计表和专业人机料投入计划表。图4中框选出7的内容作为一个专业的专业施工进度计划表、专业工作量统计表和专业人机料投入计划表的生成依据和范围，B专业、C专业、 D专业以及E专业的专业施工进度计划表、专业工作量统计表和专业人机料投入计划表的生成同上，此处不赘述。通过各专业的专业施工进度计划表、专业工作量统计表、专业人机料投入计划表以及专业人机料准备时间表分别整合出施工区一的施工区施工进度计划表、施工区工作量统计表、施工区人机料投入计划表以及施工区人机料准备时间表。在实际施工时，若任一工序的时间发生调整，则后续工序的时间也将随之调整，比如工序C2的截止日期延后了3天，则C3至En的所有工序的相关日期都依次推后3天，A1至C1的所有工序的相关日期均不变。生成的施工区施工进度计划表、施工区工作量统计表、施工区人机料投入计划表以及施工区人机料准备时间表中的对应时间依次进行修改。

本发明实施例还包括对建设工程所包含的同一专业的专业施工进度计划表进行整合，得到该专业的专业施工进度计划总表，对建设工程所包含的同一专业的专业工作量统计表进行整合，得到该专业的专业工作量统计总表，对建设工程所包含的同一专业的专业人机料投入计划表进行整合，得到该专业的专业人机料投入计划总表，对建设工程所包含的同一专业的人机料准备时间表进行整合，得到专业的专业人机料准备时间总表。如图5所示，对施工区一、施工区二、施工区三、施工区四以及施工区五的A专业(地基基础)的专业施工进度计划表、专业工作量统计表、专业人机料投入计划表以及人机料准备时间表分别进行整合，得到建设工程中A专业的专业施工进度计划总表、专业工作量统计总表、专业人机料投入计划总表以及专业人机料准备时间总表。

本发明实施例还包括对所有施工区的施工区施工进度计划表进行整合，得到建设工程的施工进度计划总表；对所有施工区的施工区工作量统计表进行整合，得到建设工程的工作量汇总表；对所有施工区的施工区人机料投入计划表进行整合，得到建设工程的人机料投入总表；建设工程计划表包括施工进度计划总表、工作量汇总表以及人机料投入总表。本发明实施例还包括对所有施工区的施工区人机料准备时间表进行整合，得到建设工程的人机料准备时间总表；建设工程计划表包括人机料准备时间总表。

本发明实施例通过对各施工区、各专业的相关表格的单独编制，再进行表格整合汇总，具有操作灵活的特点，同时在整合汇总时若有任一工序的时间发生变化，则将整体工序的时间进行同步修改，替代了繁琐的人工重排方式，且表格内容生成准确、清晰，便于平台管理人员以及现场项目管理人员的查看与执行。

具体的，本发明实施例中的计划表生成模块10还用于对建设工程编制总体进度计划表。

具体的，本发明实施例的现场项目管理模块40在按照现场实际施工情况填写施工进度表并上传服务器模块，包括：

现场项目管理模块40按照当前施工区的现场实际施工情况填写该施工区子工程所包含的各专业的专业已完成工作量表、专业人机料已投入表以及专业人机料已备货表。施工进度表包含的参数有专业类型、施工工序、工序起止时间、工序持续时间、每日施工量、累计施工量、剩余施工量、现场人机料量、人机料已投入量、人机料准备时间、需备货量以及完成日期(或备货时间)等，其中每日施工量的累加即为累计施工量，累计施工量与施工区计划表进行比较，得出剩余施工量。如图6所示，按照当前施工区的现场实际施工情况填写该施工区子工程所包含的A专业(地基基础)的专业已完成工作量表、专业人机料已投入表以及专业人机料已备货表。

本实施例的现场项目管理模块40还用于通过每个专业的专业已完成工作量表、专业人机料已投入表以及专业人机料已备货表生成该施工区内各专业的专业施工进度表；以及，根据施工区子工程所包含的各专业的专业施工进度表生成该施工区已填写的施工进度表；并将已填写的施工进度表向服务器模块20上传。服务器模块20对相关表格均进行存储，便于平台管理模块30以及现场项目管理模块40、智能预测模块50按需获取。

具体的，本发明实施例的现场项目管理模块40还用于：对建设工程所包含的同一专业的所有专业已完成工作量表进行整合，得到该专业的专业已完成工作量总表；以及，对建设工程所包含的同一专业的所有专业人机料已投入表进行整合，得到该专业的专业人机料已投入总表；以及，对建设工程所包含的同一专业的所有专业人机料已备货表进行整合，得到该专业的专业人机料已备货总表；以及，对各施工区内各专业的专业施工进度表进行整合，得到建设工程中该专业的专业施工进度总表；以及，将专业已完成工作量总表、专业人机料已投入总表、专业人机料已备货总表以及专业施工进度总表向服务器模块20上传，有服务器模块20进行存储。

具体的，本发明实施例的服务器模块20还用于：根据各施工区已填写的施工进度表生成工程项目进度总表；以及，根据专业已完成工作量总表生成工程项目已完成工作量总表；以及，根据专业人机料已投入总表生成工程项目人机料已投入总表；以及，根据专业人机料已备货总表生成工程项目人机料已备货总表。

以上实施例中对表格的整合过程，遵循同类数据叠加，不同类数据合并罗列的原则，例如对施工区一中各专业的人机料投入量进行整合计算时，将各专业对应的人机料投入量按照种类分别相加即可，而对各专业所需人机料投入种类进行合并罗列。服务器模块20对各类表进行存储与更新，便于相关人员能够获取到最新施工情况。

具体的，本发明实施例中智能预测模块50所用的预测模型建立策略包括：

结合施工进度表，以天气类型、工种、施工持续时间、人员投入情况作为机器学习模型的输入，以每日施工量作为机器学习模型的输出，对机器学习模型进行学习训练。

此步骤中的施工进度表为已填写了预设施工天数的施工进度表，预设施工天数有作业人员自行设定，时间越长则训练机器学习模型的输入量和输出量更多，训练结果则更准确，一般可选择施工前10天至15天的数据作为初始的训练集对机器学习模型进行训练。训练时以天气类型(包含晴、多云、阴、雨、阵雨)、工种、施工持续时间、人员投入情况(可包含人员具体数量和人员是否饱和两个参数)作为机器学习模型的输入，以每日施工量作为输出。

获取预设时间段的天气预报，并将施工区计划表中包含的工种、施工持续时间、人员投入情况作为机器学习模型的输入，预测后续施工的每日施工量。将机器学习模型训练完成之后，则依据施工区计划表的编制内容(同样选择工种、施工持续时间、人员投入情况)以及未来7天(为预设时间段，由本领域技术人员自行设定)内的天气预报作为机器学习模型的输入进行预测，根据对后续施工的每日施工量的预测结果，与施工区计划表进行对比，若超出预设偏差范围(例如进度相差2天以上)，则生成提示信息。

在预测的过程中，本发明实施例的智能预测模块50每经过一个预设间隔天数，将预设间隔天数对应的已填写的施工进度表更新到训练集中对机器学习模型进行训练，预设间隔天数可设定为5天，例如以施工前10天的施工进度表中的数据对机器学习模型进行训练，那么施工至第16天时，可将施工第11至15 天的施工进度表中的数据更新到训练集中对机器学习模型进行再次训练，然后再进行后续施工的每日施工量的预测。

本发明实施例的机器学习模型可选用决策树机器学习模型，本领域技术人员也可选用其他类型的机器学习模型实现，此处不做限定。

本发明还包括一种基于机器学习的建设工程进度管理协同方法，如图7所示，包括步骤：

步骤S10：将建设工程按照施工区划分为若干个子工程，生成若干个子工程对应的施工区计划表，并根据若干个施工区计划表生成建设工程计划表；

步骤S20：通过施工区计划表生成与现场项目管理人员权限相匹配的施工进度表；

步骤S30：按照现场实际施工情况填写施工进度表；

步骤S40：根据施工进度表调整请求对施工进度表进行调整；

步骤S50：通过预设的预测模型建立策略建立机器学习模型，并将已填写了预设施工天数的施工进度表作为初始的训练集对机器学习模型进行训练，再通过机器学习模型对后续施工进度情况进行预测；

步骤S60：每经过一个预设间隔天数，将预设间隔天数对应的已填写的施工进度表更新到训练集中对机器学习模型进行训练，再对后续施工进度情况进行预测。

本发明实施例的基于机器学习的建设工程进度管理协同方法，可通过以上针对基于机器学习的建设工程进度管理协同系统的相关设计对应实现，此处将不再重复说明。

本发明实施例的基于机器学习的建设工程进度管理协同系统及方法，对工程按照施工区划分为若干个子工程后，生成各子工程的施工区计划表以及整个建设工程的建设工程计划表，再通过施工区计划表生成与现场项目管理人员权限相匹配的施工进度表，并在不同现场项目管理人员权限下按照现场实际施工情况填写施工进度表，于此同时，采用机器学习模型对整个施工过程进行施工进度情况的预测，实现了对建设工程的施工进度的实时管理，且整个系统实施操作简便，减少人力管理所需的成本，达到了施工过程全方位控制管理，能够解决大型工程及应急工程存在的施工计划制定复杂、现场进度管理难的问题。

以上借助具体实施例对本发明做了进一步描述，但是应该理解的是，这里具体的描述，不应理解为对本发明的实质和范围的限定，本领域内的普通技术人员在阅读本说明书后对上述实施例做出的各种修改，都属于本发明所保护的范围。