李飞隼，韩云童，刘 飞

(湖北水利水电职业技术学院，湖北 武汉 430070)

1 引言

进度管理一直是工程项目建设研究领域的热点话题，特别对于建设周期长、现金流量大、工程环境复杂、工序关联紧密的水利工程而言尤为关注[1～3]。进度管理的成效对于工程项目的成败往往起到关键作用，如果项目未能按网络图计划如期进行各工序的施工，不仅影响本线路的执行，而且关系到全进度计划的实施，甚至诱发成本、安全、质量等一系列问题[4～6]。事实上，网络图中各工序进度难以控制的原因不仅仅在于其涉及的影响因素较多，同时也在于各风险因素的不确定性和耦合性，使得管理者难以从系统、全面的角度判定网络图中的薄弱环节，即风险工序[7～9]。

围绕进度管理的风险问题，相关学者亦开展了丰富的研究，诸如颜功达等[10]运用Anylogic软件在考虑工序状态转换条件及处理行为的基础上，建立了“工序”“工序流”“风险因素”及“控制体”4种智能体元素，形成了由“风险因素”导致的“工序流”与“工序”之间的多重嵌套关系，由此建立起基于多智能体的进度风险评估模型。徐娜等[11]针对工程施工成本优化与进度风险分析问题，提出了耦合S曲线和贝叶斯网络的施工成本—进度仿真分析方法。何清华等[12]在项目群风险因素体系的基础上提炼了大型复杂工程项目群进度风险因素，同时利用调查问卷和实例构建并验证了贝叶斯网络模型，以此识别出大型复杂工程项目群进度风险的关键敏感因素和最大致因链，从而进行进度滞后推理预测并提出了大型复杂工程项目群进度风险管理的策略建议。……