表2中， 料源条件（R2）、运输设备效率（R4）、坝面机械效率（R6）、社会环境影响（R9）和其他风险因素（R10）这5类风险因素会直接影响到施工进度，被称为近端风险因素。其他风险（R1、R3、R5、R7、R8）都可以通过对近端风险的作用进而影响到最终的目标结果（施工进度），可认为是远端风险因素。例如：降雨条件影响现场施工环境，施工组织不协调导致现场操作混乱，工作队对机械不熟悉致使操作生疏，以上这些风险（远端风险）都会影响到坝面机械的施工效率（近端风险），坝面机械施工效率降低（近端风险）就会导致施工进度延期（目标结果）。基于BBNs方法编制工序活动F10的风险因素贝叶斯网络图，如图6所示，图6通过施工进度风险贝叶斯信念网络模型描述了风险因素之间的因果关系，可预测施工进度提前、正常和延期的概率。
基于不同施工条件下（10种风险因素自由组合，共有1024种组合），对工序活动F10施工进度进行仿真计算，部分工期仿真计算结果如表3所示。
4.2 工期仿真结果对比分析 对工序活动F10（计划工期110 d）在不同施工条件下进行施工进度仿真计算，仿真总次数1024次，对传统PERT方法和耦合改进PERT和BBNs方法两种仿真模型的工期成果参数进行对比，如表4所示。其中，两种仿真工期的分布情况如图7所示。
从表4、图7可以看出：（1）传统PERT方法涵括的工期分布相对发散，标准差（20.8 d）较大；基于耦合改进PERT和BBNs方法所涵括的工期分布相对收敛，标准差（9.2 d）较小。（2）传统PERT方法的计划工期完工概率（50.96 %）相对固定，和决策者风险偏好无关；基于耦合改进PERT和BBNs的计划工期完工概率考虑了决策者风险偏好指标，完工概率可以跟决策者偏好指标建立相关关系，是一个概率区间（6.3 % ~ 92.92 %）。
两种工期仿真计算方法存在差别的原因在于：传统的PERT方法是基于不同施工条件下工期分布中以工期的最小值（50 d）和最大值（170 d）作为乐观持续时间和悲观持续时间，主观性偏强，没有考虑到最短时间和最长时间在实际施工过程中实现的可能性极小，这就导致传统PERT考虑的工期分布较为发散（工期标准差20.8 d），同时不考虑不确定性风险因素对工程决策的影响，只是基于三时估计值通过加权平均算出一个期望值（109.5 d）作为工作的持续时间，致使最终计算的计划工期完工概率（50.96 %）是一个不受决策者影响的定值；而耦合改进PERT和BBNs方法通过风险因素发生概率之间的关系建立风险因素贝叶斯信念网络，计算得到施工工期提前（16.1 %）、正常（60.7 %）、延期（23.2 %）的概率，进而得到实际施工过程中最可能的悲观时间（85 d）和乐观时间（145 d），这样得到的工期分布相对PERT方法较为收敛（工期标准差9.2 d），同时其考虑了决策者风险偏好指标。如果决策者风险偏好指数存在差异，那么对应的施工工期和于计划工期内完工的概率就有所变化，是一个动态的成果（6.3 % ~ 92.92 %）。
4.3 决策者风险偏好指数-工期-完工概率分布曲线 基于耦合改进PERT和BBNs算法对施工工期和计划工期完工概率进行计算，得到不同风险偏好指数下的工序活动F10的施工工期和计划工期完工概率，绘制决策者风险偏好指数-工期-完工概率分布曲线，如图8所示。
