数据挖掘技术在建筑工程管理中的应用策略

数据挖掘技术在建筑工程管理中的应用策略

韦科栋

身份证号：32118119820825185X

摘要：数据挖掘技术是目前大数据以及移动网络不断发展中应运而生的，可以对信息进行整合，在数据挖掘中，应当关注数据间的关系分析，有意识地将数据和事件联系起来。将数据挖掘技术和建筑工程管理工作相融合，可有效借助数据挖掘技术优势增强建筑工程管理水平，以防网络受到病毒程序入侵，造成系统受损问题。在网络信息技术以及大数据挖掘技术不断完善与成熟过程中，需要立足战略性高度看待建筑工程管理问题，更深化的利用数据挖掘技术优化建筑工程管理过程，推进建筑工程行业的健康可持续发展。

关键词：数据挖掘技术；建筑工程管理；应用策略

引言

数据挖掘技术的深入研究和应用是建筑工程管理信息系统推进智能化进程的重要手段。在信息化时代中，要不断加强对信息数据的挖掘利用，拓展实践应用领域，推动技术创新和人才培养，着力提高数据挖掘深度，提高数据质量，促进建筑工程管理信息系统建设，增强数据分析能力，提高信息服务能力，改善建筑工程管理水平。

1数据挖掘技术的特点和分类

数据挖掘技术是在特定范围之内，对其中涉及到的相关数据实现识别和归集，同步进行分类和检测等，还会分析数据所保持的规律以及不同数据间的关联关系等。通过该技术实现数据挖掘的基础，设计并应用数据挖掘模式和挖掘引擎，在预设挖掘模式下，使数据挖掘引擎按照特定标准与要求实现数据分类及归集，同步分析数据所保持的规律，明确相异数据潜在或者明显的相互关系，保证之后的数据分析更顺利。此技术具有突出优势，不过在该技术应用中涉及到的操作流程相对复杂，所以在应用此技术前，要根据实际需求做好规划与准备工作，尤其是在该技术应用中要高度重视数据预处理，因为预处理质量直接影响着技术效用能否充分发挥。数据挖掘是利用算法从海量数据中搜索与建筑工程管理相关的信息，具有以下特点：（1）数据处理量大，建筑工程项目建设日益复杂，其数据量大幅度增加，且种类繁多、混乱无序，利用数据挖掘技术的算法可以快速处理海量数据；（2）针对性强，应用数据挖掘技术的目的是获取有用信息或摒弃无用信息，应针对用户的具体需求编写算法；（3）自动化程度高、人工干预少，能高效准确地处理数据。

2数据挖掘的实施步骤

数据挖掘技术的实施步骤共分为八步,需要按照顺序依次进行:

第一步:收集信息。收集信息前,务必要充分掌握项目的目标和需求。也就是说收集信息要清楚其信息的特征,恰当的选择收集信息的方法,待信息收集完成后录入到数据库中并保存即可。

第二步:数据集成。收集到的数据通常来源不同,格式不一致,性质特点也不相同,将这些数据统一进行物理整理或者逻辑汇总,这一过程即被称为数据集成。

第三步:数据规约。预先处理数据源为提高数据挖掘效率的操作被称之为数据规约,对于有限的数据进行多个数据挖掘算法时,若数据源不进行预先规约,耗时会较长,若对于大量数据而言,其效率将会大幅降低。运用数据规约后就可以显示数据源的规约表示。两者相比,数据的完整性几乎一致,数据挖掘的结果基本相同;在容量方面,数据源规约集成体积小,可以大幅提升挖掘的效率。

第四步:数据整理。数据库中的数据有时存在表示方式不相同或者数据的属性值不完整的情况,这时就需要用科学的方法填补丢失的数据,再通过对这些数据进行加工,确保数据库数据的完整和一致性。

第五步:数据变换。参与数据挖掘的数据需要经过数学及统计学手段进行转换,这有利于挖掘数据。

第六步:数据挖掘。主要基于统计学、模式识别、数据库、可视化技术、遗传算法等,高度自动化的分析处理数据库中的数据,并做出归纳性的整理。

第七步:模式评估。为了挖掘出有用的数据,需要聘请专家反复评估、提取数据。

第八步:成果表示。数据挖掘的成果需要通过专业的方法保存、传递和输出、共享。数据挖掘需要反复进行,如果这一步没有找到理想的数据,需要退回上一步重新执行数据挖掘,直到实现预期目标。图1为数据挖掘过程流程图。

图1数据挖掘过程流程图

3数据挖掘技术在建筑工程管理中的应用策略

3.1明确技术目标

在建筑工程管理过程中，要明确数据挖掘技术的战略目标。依据建筑工程企业自身的发展情况，找出建筑工程管理系统中需要进行数据挖掘的目标数据，把握技术目标之间的关联，挖掘出潜在的高危漏洞信息，从而分析出相应的处理应对措施。例如：在建筑工程管理信息系统中，依据实际情况，将人员的工作经历、学历、职业技能作为技术目标，把握好这些数据之间的关联，利用数据挖掘技术分析建筑工程管理人才流失的原因，预测可能离职的人才，从而完善建筑工程管理方案，实施相应措施，如调岗、调薪等，减少人员变动带来的影响。

3.2整合数据信息

在数据挖掘技术应用中，对挖掘出的数据进行汇总整合，进一步建立数据结构模型。建筑工程管理信息系统中的数据多元、复杂，通过明确各类数据的属性特征，在大量的数据中挖掘需要的信息，之后对得到的数据进行汇总整合，找出具有价值的完整信息，建立数据库，方便管理者对数据信息进行管理，可采用SQL指令对数据库中得到的信息进行增删改查的操作。整合了数据信息后，要构建数据模型，将所有相关的数据信息输入到数据模型中对模型进行训练，提高模型的精确度。

3.3建立数据挖掘模型

数据挖掘模型的优劣决定了数据挖掘技术在建筑工程管理信息系统应用中挖掘出的数据质量。建立数据挖掘模型的相关算法有很多，如遗传算法、人工神经网络等是较为常用的方法，选择合适的算法能够提高模型的数据挖掘能力。例如决策树方法是将建筑工程管理系统中的数据依据特定属性分成多个模块，通过模块间的差异，衡量系统中的数据信息，将数据相近的信息分配到制定的模块中，差异明显的数据分配到不同的模块中，使每份数据都有明显的特征。

4数据挖掘技术的应用前景

目前，数据挖掘技术在很多领域都有广泛应用，通过相关数据在大数据分析系统中输入，借助云计算技术，实现数据预处理，最后通过图形化流程来建模，得出输出结果，此结果可以作为建筑工程管理工作决策制定的重要参考依据。数据挖掘技术是在海量的数据处理和分析中，总结出数据的规律，挖掘出潜在的数据信息。借助云计算，能够为系统数据分析提供必要的挖掘模型，相关技术人员可以借助映射MAP函数内特定分块数据实现数据处理，实现数据处理效率显著提升。这些技术发展和完善都将有效推进互联网信息检索业务的发展和优化。数据挖掘技术不断智能化、自动化，来融入相关智能分析和处理技术，能够让互联网信息检索引擎具备更强的人脑智力思维，从而在海量的信息检索中，真正挖掘出用户需要的信息内容，提升建筑工程管理效率。

结束语

在大数据时代，网络结构和环境更加复杂，为信息采集、加工及储存等带来极大挑战。而在建筑工程管理期间引入大数据挖掘技术，能在该技术的精准分析及预测等优势支持下，加强精准监测，提升建筑工程管理水平。

参考文献

[1]秦文涛,郭小坤,郭军峰,等.数据仓库和数据挖掘技术在滑坡预测预报中的应用[J].岩土工程技术,2022,36(3):185-189.

[2]施水才,孙丽华.基于数字纸张的信息检索和数据挖掘技术[J].现代图书情报技术,2021(1):9-11.

[3]单冬红,史玉珍.数据挖掘技术在互联网信息检索中的应用研究[J].科技通报,2014(3):161-164.

[4]段蔓,李智峰.研谈数据挖掘技术在Web信息检索中的应用[J].信息技术与信息化,2019(5):167-168.