Project schedule management is an important aspect of project management. Earned value management (EVM) and its extension methods are widely adopted in project schedule management in various previous studies, however, most of these studies adopted schedule performance indicators based on definiteness condition and historical data, which ignored the impact of uncertainty and dynamics. So the decision risk in schedule management has been increased dramatically. Therefore, this paper proposed an active construction dynamic schedule management model based on fuzzy earned value management (F-EVM) and BP neural network (BP-NN). Firstly, the fuzzy theory was introduced into EVM to evaluate the schedule performance when the project finish schedule cannot be deterministic expression. Then, the main resource planning was functioned as input variables to predict the schedule in advance through BP-NN. Finally, the future action plans was adjusted based on the results to achieve active control of the project schedule. The case results indicated that the introduction of F-EVM effectively reduced influence of subjective estimation on uncertainty in the data measurement process. And the proposed dynamic schedule management model gave a 32.06% better mean absolute percentage error (MAPE) than the existing methods for estimated project duration. Hence, the proposed model provided a more accurate estimation of the project duration and considered the uncertainty and dynamics of the construction project, thereby achieving more effective management of project schedule.

项目进度管理是项目管理的重要方面。挣值管理（EVM）及其扩展方法已在以前的各种研究中广泛用于项目进度管理中，但是，大多数研究都基于确定性条件和历史数据采用了进度绩效指标，而忽略了不确定性和动态性的影响。因此，进度管理中的决策风险已大大增加。因此，本文提出了一种基于模糊挣值管理（F-EVM）和BP神经网络（BP-NN）的主动施工动态进度管理模型。首先，将模糊理论引入到EVM中，以评估无法确定项目完成进度的进度性能。然后，主要资源计划用作输入变量，以通过BP-NN提前预测进度。最后，根据结果调整未来的行动计划，以实现对项目进度的主动控制。案例结果表明，F-EVM的引入有效地减少了主观估计对数据测量过程中不确定性的影响。对于估计的项目工期，所提出的动态进度管理模型给出的平均绝对百分比误差（MAPE）比现有方法要好32.06％。因此，所提出的模型提供了对项目工期的更准确的估计，并考虑了建设项目的不确定性和动态性，从而实现了对项目进度的更有效管理。根据结果​​调整未来的行动计划，以实现对项目进度的积极控制。案例结果表明，F-EVM的引入有效地减少了主观估计对数据测量过程中不确定性的影响。对于估计的项目工期，所提出的动态进度管理模型给出的平均绝对百分比误差（MAPE）比现有方法要好32.06％。因此，所提出的模型提供了对项目工期的更准确的估计，并考虑了建设项目的不确定性和动态性，从而实现了对项目进度的更有效管理。根据结果​​调整未来的行动计划，以实现对项目进度的积极控制。案例结果表明，F-EVM的引入有效地减少了主观估计对数据测量过程中不确定性的影响。对于估计的项目工期，所提出的动态进度管理模型给出的平均绝对百分比误差（MAPE）比现有方法要好32.06％。因此，所提出的模型提供了对项目工期的更准确的估计，并考虑了建设项目的不确定性和动态性，从而实现了对项目进度的更有效管理。案例结果表明，F-EVM的引入有效地减少了主观估计对数据测量过程中不确定性的影响。对于估计的项目工期，所提出的动态进度管理模型给出的平均绝对百分比误差（MAPE）比现有方法要好32.06％。因此，所提出的模型提供了对项目工期的更准确的估计，并考虑了建设项目的不确定性和动态性，从而实现了对项目进度的更有效管理。案例结果表明，F-EVM的引入有效地减少了主观估计对数据测量过程中不确定性的影响。对于估计的项目工期，所提出的动态进度管理模型给出的平均绝对百分比误差（MAPE）比现有方法要好32.06％。因此，所提出的模型提供了对项目工期的更准确的估计，并考虑了建设项目的不确定性和动态性，从而实现了对项目进度的更有效管理。