和一般建设项目相比,核电建设项目具有安全性要求高、工艺及控制系统复杂、建设难度大、建设周期漫长、资金投入密度高、不确定性众多等特点。这就决定了核电建设项目的进度计划往往阶段多、层次多、作业量巨大,加之其参与主体众多、地域分布散,因此编制非常复杂、控制难度极高。与此同时,在核电建设项目管理过程中会产生海量的各种类型的工程数据资料,这些工程资料隐含着进度管理决策所需的工程规律、经验和知识,对于后续项目的建设管理具有重要的指导意义,然而这些信息往往随着建设的完工和资料归档而被束之高阁,无法得到有效利用。如何从已建项目累积的海量进度管理数据中提取有用的知识和信息,为新建项目快速准确的编制层次复杂、作业多的进度计划并能够持续、动态、有效地调整提供支持,具有重要意义。数据挖掘(Data mining,DM)与知识发现(Knowledge discovery from databases,KDD)技术是人工智能、机器学习与数据库技术相结合的产物,其主要用于从商业数据库和数据仓库中,它不是简单地检索和查询信息,而是从数据集合中发现隐含的、先前不知道的潜在有用知识。目前,数据挖掘和知识发现已经由商业扩展到其他行业,但在项目管理领域的应用还不多见。论文将数据挖掘技术应用于核电项目进度管理计划与控制的决策,基于核电工程进度管理信息流程的现状和需求,以核电项目管理信息系统(Project Management Information System,PMIS)作为数据平台,以数据仓库为数据模型建立了核电项目进度历史信息存储和利用系统框架,采用基于数据挖掘的决策工具,对核电进度管理决策流程进行分部挖掘,从而实现对进度管理全流程决策智能化的目的。论文首先系统地介绍了核电厂的基本原理和其建筑设备构成的特点,核电工程建设的主要工作和进度体系,通过分析核电工程进度管理中的信息流程和实际需求,总结并设计了以进度管理流程决策智能化为目标的数据仓库主题模型,建立了以数据仓库为核心的系统总体框架。针对建立的主题模型特点,通过对数据挖掘模型以及管理技术的研究,实现了Apriori关联规则、人工神经网络、属性归纳法三种数据挖掘模型算法在挖掘模块中的应用。最后,论文阐述了核电建设企业对进度管理数据仓库系统开发的一般方式。在总结管理信息系统智能化的发展趋势基础上,提出一种基于数据仓库的智能管理信息系统的框架,并对项目管理智能化影响而带来的项目管理模式变革进行了探讨。