陈建飞，王华永，郑会军

（中国建筑第七工程局有限公司，河南 郑州 450000）

随着信息技术和通信能力的日益提升，实时数据共享为日常的管理带来了极大方便。近年，基于大数据和人工智能技术的使用，智慧工地的概念也已深入人心，建筑工地不仅要做好日常的人员、物资管理和调配，更要对现有采集的数据进行有效加工和智能化处理。由于工地人员和车辆流动性大较多，大型设备密集等特点，加上建筑工地大多处于暴露和开阔地带，设备和人员安全更容易受到自然条件的影响。文章旨在建立合理的数学模型以期做好建筑工地风速的短期预测效果，为项目管理和施工人员提供防风预警。

目前，预测风速的方法主要有神经网络、时间序列、线性回归[1-3]。神经网络预测方法属于深度智能学习方法，需要对历史数据进行大量的样本训练，其过程离线时间长，不能保证风速变化的随机性和实时预报性。时间序列预测方法是根据样本变化趋势，采用移动平均法等将随机变化数据化为平稳数据，而风速本身往往随机性较大，这样时间序列预测方法会造成风速预测模型的精度较差。线性回归方法是把以往数据为因变量，利用最小二乘法求出其对应系数，但该方法事先假定了数据之间的线性关系，容易造成欠拟合现象。为此，提出了局部加权线性拟合回归模型来预测风速。基于GM(1,1)模型具有运算简单、精度高、便于集成镶嵌等特点，文章对其预测风速的效果进行实证分析。……