基于数据仓库的建设项目决策支持系统

《基于数据仓库的建设项目决策支持系统》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、9701-37分类号西安建筑科技大学学位论文基于数据仓库的建设项目决策支持系统作者——高堂亮指导教师姓名赵平’，副教授-一，申请学位级别硕士专业。一-S、称．竺塑王程、，一。、论文提交日期至QQ垦：鱼里论文答辩El期2006．05学位授予单位西安建筑科技大学、～、～答辩委员会主席、．‘，一、评阅人两安建筑科技大学硕士论文基于数据仓库的建设项目决策支持系统专业：结构工程研究生：高堂亮导师：赵平副教授硒矍数据仓库和数据挖掘是两项决策支持新技术。数据仓库是区别于数据库的存储形式，它将数据库中的数据按决策要求进行重新组织，并按一定的粒度存储数据。数据挖掘是从数据库中发现知识的

2、核心技术，它是从人工智能的机器学习中发展起来的。联机分析处理提供多维度数据，提高数据的处理效率。将数据仓库、数据挖掘和联机分析处理集成到一个系统中可以更加有效地提高系统的决策支持能力。建设项目的数据仓库把数据库中的业务数据和外部数据进行重组，并分为项目、设计院、承包商、供应商和监理五个主题；同主题的数据用公共码加以联系，各主题之间以星形模式连接；数据要以适当粒度处理形成基本数据、综合数据和专题数据。联机分析处理展示项目数据仓库中的多维数据，进行统计分析、数据归类、比较分析和预测分析；数据挖掘进行成本估算、市场容量预测、资源优化和风险评估的应用。以项目数据仓库、联机分析

3、处理和数据挖掘为核心技术的建设项目决策支持系统，与INTERNIST技术相结合，为企业各部门和参与项目的各主体单位提供一个统一的数据平台，增强项目实施的透明度，实现项目的实时、动态管理。业主的项目风险因素被分为：环境风险、项目系统风险、组织风险、承包商风险和项目管理者风险五类。本文对每类风险因素进行量化来确定项目的风险级别，选出各种可能的风险决策规则组成风险决策表，用粗糙集算法对其进行约简，约去表中不必要的决策规则和条件，得出等效的最小风险决策表，为业主提供一种新的风险分析方法。关键词；数据仓库；数据挖掘；联机分析处理：决策支持系统；工程项目管理；粗糙集陕区省教育厅科

4、研计划盗助项目，编号04JK213西安建筑科技大学硕士论文EstablishmentofProjectDecisionSupportSystemBasedData”白rehouseSpecialty：StructuralEngineeringName：GaoTang-liangInstructor：ZhaoPingDataWarehouse(DW)andDataMining(DM)aretwonewkindsofdecisionsupporttechniques．DWisdifferentfromDatabase(DB)inthewayofsavingdata，DWr

5、eorganizesthedatawhichisextractedfromDBinordertOthedemandofdecision，andsavesitbyspecialminedegree．DMiscoretechniqueinKnowledgeDiscoveryinDatabase(KDD)，anditdevelopedfromMachineLearning(MDofArtificialIntelligence(AI)．OnLineAnalyticalPmcessing(OLAP)calloffermulti-dimensiondataforimproving

6、theefficiencyofprocessingofdata．ThedecisionsupportsystembasedDW．DMandOLAPmakesdecisionmoreefficient．TheprojectDWreorganizedthedatawhichisextractedfrombusinessprojectDBandexternalenvironmenttOcompose5subjects：project,designer,constructor,supplierandsupervisor．Thesamesubjectdatacombinebyt

7、hekeyandthesubjects’relativeeachotherinaformnamed‘‘StarSchema”．ThedatainprojectDWisrequiredsomefinedegreetOformbasicdata,summarizeddataandspecializeddata．OLAPisappliedtostatisticsanalysis，dataclassification,comparableanalysisandforecastanalysisthroughprocessingmulti-dimensionda