身份证号码：41152819921104XXXX 河北石家庄 050000
摘要：在大数据和人工智能的发展过程中，人工智能设备在工程中的应用是重点研究项目之一，在当前的工程监测工作中发挥着关键作用。混凝土作为土木工程中常用的建筑材料之一，在结构的稳定中容易受到温度、湿度等因素的影响，在浇筑和调制过程中造成结构的不稳定，从而对工程的施工产生一定的影响。对此，有必要合理使用人工智能设备，使工程监测工作在一定程度上提高数据的准确性。
关键词：人工智能；土木工程；监测
引言
人工智能技术主要通过智能算法、智能反馈设备、监测设备以及工程建模等技术手段进行实际应用。该技术应用与人工方式相比，不仅具有较好的工作效率，并且在数据的统计与反馈上具有较高的精确度。现阶段部分工程在工程数据监测以及工程建模等工作上，以逐渐开始应用人工智能技术。该技术在数据反馈以及处理上具有一定优势，但在运行的过程中容易出现设备异常等情况，随着工程的规模扩大，人工智能设备的应用在数量上也逐渐增加。对于该设备的管理投入需要进行合理规划，由此提升其在工程运用中的质量性。
1人工智能技术的现状
人工智能是一项值得长期发展的技术，无论是用于防卫还是用于打击目标，它都能起到强大的作用。面对海量的监测数据，我们可以引用人工智能中的智能运维技术对问题进行探讨。基于机器学习的智能运维技术已经成为数据处理运维领域的重要手段。监测大数据具有大规模、多业务和长期稳定的特点，并且这些数据存在重要的应用场景，都是关乎未来战场的重要影响因素，因此利用人工智能新的算法引入到监测大数据分析中将有很大帮助，可提高作战效能、改善战场数据管理预判和情况处置能力，更进一步提高智能化。随着人工智能技术的发展，出现了智能运维方法，利用神经网络和深度学习的方法，让机器自己学习海量的数据，并根据学习策略形成不同的监测预警机制，可以高效的分析数据提供预判。在运维的过程中，涉及到的步骤可以概括为：产生海量的监测日志，进行分析决策，并通过自动化的脚本进行控制。
2监测人工智能平台的搭建
2.1 平台设计原则
平台设计之初必须遵循各模块之间相互独立的原则，对各模块进行单独设计，便于后期对不同的模块进行升级。同时，模块之间的接口参数必须标准化和结构化，这样可以使得各模块之间进行互换，从而满足不同系统对各模块的需求。模块中各构件也尽量使用当前通用的产品，便于模块之间的通用，方便后期对系统进行升级处理。
2.2 平台功能结构和技术框架
为了尽量解决传统监测方法的不足之处，人工智能监测选用的是GPU 并行计算机技术和深度学习算法对土木工程进行监测，并将智能装备连接起来，实现土木工程监测的智能化，再通过视频来收集土木工程监测数据，将数据传输到云服务器，对数据进行分析处理，从而了解当前土木工程情况。土木工程监测所采用的图像处理算法主要包括卷积神经网络图像调整提取算法、图像预处理算法和图像分类识别算法等。将GPU 冰箱计算构架与系统进行连接，能够有效提高土木工程监测的实时性，提高图像处理算法的工作效率。
2.3 数据分析和处理逻辑流程
土木工程监测系统主要在于能够为用户提供一个可以控制整个流程的平台和可视化操作界面，从而随时对系统进行处理。可视化操作界面主要由WEB 端提供，将所有可以操作系统的按键都直接呈现在界面上，方便用户进行操作。业务逻辑模块是土木工程监测系统的中转站，用来获取WEB 端表单数据、调用业务逻辑、将相关数据分发转向到数据库、存储器、GPU 以及硬件设备。存储器主要是用于存储图像。现场设备则是对现场的图像进行采集，并将数据以信号的形式输送给相关处理系统。调用算法训练时，从存储模块的样本库中调取训练样本，训练结束，将模型和参数保存到模型参数库，并把验证正确率等运行结果通过JSON 数据包反馈给web 模块。web 模块把此次系统运行的信息，比如训练日志等写入数据库。
2.4 核心算法参数配置
通过调整模型，优化算法，更新权重和偏差参数，使得运算的效率更高，效果更好。卷积神经网络的训练过程主要采用梯度下降法，其计算过程中采用误差反向传播的方式计算误差函数对全部权值和偏置值的梯度，得到最优解。系统所设计的算法也是利用梯度下降法训练网络参数。关于卷积神经网络的损失函数，本系统采用了交叉熵来实现。交叉熵主要用来度量两个概率分布间的差异性信息。
3人工智能方法在土木工程监测中的运用
3.1构建BP神经网络
人工智能设备在运行上具有一套完整的神经网络，其结构主要通过数量众多的建议神经元构成，即人工神经单元按照人脑结构进行设置[2]。该神经网络在结构上主要通过三层结构构成，即输出层、隐含层和输入层。在土木工程的监测工作应用中属于较为常见的应用项目，其函数的应用（权值与阀值的设立）主要通过SIM函数进行工程数据的监测。通过完善人工智能设备的BP神经网络构造，使其在结构以及数据监测中可以确保一定稳定性。
3.2构建GA-BP神经网络
该神经网络的算法与达尔文的生物进化论相类似，其具体名称为遗传算法，即通过优化内部编码的形式，使人工智能设备可以完成特定内容的数据监测工作。其通过内部函数之间的变化以及遗传算法的神经阀值，确定网络工作的输出数值等。神经网络设置对于人工智能设备的应用而言具有重要的实施意义，通过内部编码以及算法上的优化，可以在一定程度上改善人工智能设备的稳定运行等。对此，土木工程监测工作在应用智能设备的过程中，应加强内部神经网络的、编码以及算法的合理设置，从而使设备在运行的过程中可以更好实施工程的数据监测工作。
3.3构建PSO-BP神经网络
该神经网络算法属于粒子群算法，其与遗传算法具有一定相似性，其函数运算基本通过隔代计算，但在计算的过程中没有进行混合函数运算。其算法在人工智能设备的运用上具有的优势为，可以不用多次进行数据调整，由此使设备的内部算法在函数的运算过程中具有一定流程稳定性。此外，工程在人工智能方法的应用中，PSO-BP神经网络的应用还需重视人为的参数，在参数的设置上需要保持合理数值，比如在参数的更新过程中，可通过迭代次数的数值规模进行合理设置。
3.4加强设备的运行管理工作
人工智能设备在土木工程监测工作的应用过程中，往往涉及设备的组合运用等，在设备的运行质量以及维护等工作上，需要进行良好的维护措施，由此使设备在实际的工作过程中可以正常发挥作用，以在数据检测等方面实现良好控制。土木工程在混凝土浇筑的施工中往往具有一定的体积变化，若在温控工作等方面存在数据误差，则容易造成施工材料在调制、浇筑的过程中影响工程的稳定施工。对此，在工程的相关数据监测工作中需要加强人工智能设备的应用，使其在内部算法以及科学的数据监测基础上事项良好的数据监测。
结束语
本文根据土木工程监测的发展情况、技术应用方式，并结合人工智能技术的特点进行了综合的理论探究以及实践分析，旨在促进该工程在创新技术的应用上可以提升至更高水平。目前，人工智能技术在应用上还存在一定缺陷，需要加强土木工程监测的理论研究以及相关管理工作的革新，由此在人工智能技术的应用过程中，通过技术完善、管理完善以及制度完善等形式进行应用管理。由此提升工程检测数据的精确度等。
参考文献：
[1]汪海芳.人工智能优化技术在智能建筑中的应用探析[J].智能城市，2020，6（02）：27-28.
[2]赛朋飞，王亚敏.大数据技术在人工智能中的应用[J].通讯世界，2020，27（01）：151-152.
[3]张并锐.基于物联网人工智能技术的智慧安监应用探索[J].中国建设信息化，2019（05）：75-76.