摘要
针对复杂项目周期中风险管控精度与实时性不足的问题,文章提出一种基于多维度数据融合的项目风险智能管控方法。通过优化分布式数据采集点布局实现进度、成本、质量等多维度指标的同步采集,采用动态数据特征熵增强非稳态项目数据的特征表达,结合主成分分析与关联熵实现风险特征降维与筛选,并构建引入注意力机制的轻量化神经网络管控模型。台架试验结果表明,该方法对早期磨损、部件松动等典型故障的识别准确率达92.1%,较传统阈值法提升约20个百分点。本研究为高可靠性项目的全周期管理提供了技术支撑,以期在大型工程管理等领域推广应用。
