基于人工智能技术的建筑工程造价估算研究杨美思--中国期刊网

字体：大中小

首页> 原创作品> 正文

基于人工智能技术的建筑工程造价估算研究杨美思

发表时间：2020/8/19 来源：《基层建设》2020年第10期作者：杨美思

[导读] 摘要：由于建筑工程项目受到很多方面因素的制约，所以建筑工程项目的造价估算的准确性也受到相应的影响。

        浙江省二建建设集团有限公司浙江宁波 315000
        摘要：由于建筑工程项目受到很多方面因素的制约，所以建筑工程项目的造价估算的准确性也受到相应的影响。人工智能技术在建筑工程造价估算中的应用，可以提高建筑工程造价估算的准确率。本文对建筑工程造价估算的研究现状进行了分析，对人工智能技术的应用进行了研究，对基于人工智能技术的建筑工程造价估算进行了研究。
        关键词：人工智能；建筑工程；工程造价估算
        引言
        人工智能技术是先进技术的一种，也是社会经济和科学技术快速发展的主要表现，在建筑工程造价估算中起着无法代替的作用。建筑工程中的施工造价估算是非常重要的工作，正确的建筑工程造价估算对于建筑工程项目造价预算准确性的提高很有帮助，以往的建筑工程造价估算主要采取人工估算的形式为主，在预算编制过程中对该项目数据的精度较低，估算数据容易造成较大误差，会造成建筑项目的经济损失出现。在人工智能技术应用中的建筑项目造价估算中，要采用科学的计算方法用于建设工程项目的资金成本估算，这样能够提高建筑工程项目造价估算的准确性。
        1概述
        人工智能（lA）即机器智能，其研究的重点内容包括机器自动化、识别技术以及程序自动设计等。它作为当前信息技术领域中的前沿技术，主要借助于计算机系统开展一系列的复杂活动。Al技术中是一个强大的综合体，其充分融合了人类的感知、思维、记忆、学习、反馈、处理等能力，将人类智能转化为机器智能，并对人类智能进行进一步模拟与拓展。它的使用，有利于数据模型分析，提高了造价估算的速度和精确度。
        2建筑工程造价研究现状分析
        2.1建筑工程造价概述
        在建筑项目的前期准备中，施工项目造价估算是必备的内容，项目建筑成本是建筑工程项目预算的建筑价格，项目的建造价格是包括整个建筑工程项目的成本预算在内及耗费建设工程造价预算资源等的综合。建筑工程造价项目的资金成本较高，项目建设是一个很大的项目，在包括采购材料、施工人员职位安排等在内的系统工程和整个建筑工程项目设计等，我们需要对所有这些工程材料进行预算，成本高达数亿元。建设项目的主要制约因素是巨大的材料成本。由于建设项目的目标效益不同，建设项目在不同领域具有不同的项目特点，建设项目的成本差异很大。在建设工程项目需要投入大量时间成本的过程中，建设工程造价的隐性因素是项目时间成本的建设，如果建设工程建设时间越长，在建设工程项目中花费的时间越长，这将导致工程在动态因素的影响下建设项目变得更加复杂，所以工程造价都是由多个子造价系统组成，使得工程项目的造价系统层次感更加突出。
        2.2影响建筑工程造价估算的因素及特征变量分析
        建筑工程造价受到的影响因素很多，建筑工程项目的顶层设计因素和建筑工程项目施工工作人员的技能水平这些都是影响建筑工程造价的人为因素。工程项目的变更、国家政策的调控和自然影响的因素这些都是影响建筑工程造价的客观因素。在建筑工程造价中受到的影响因素非常多，任何一个因素都在预算的过程中都不可以被遗漏，如果在造价估算的过程中某一个影响的因素没有被计算进来，那么整个建筑工程项目的造价都会受到影响，估算的准确度也就降低了。在建筑施工过程中，建筑物层数和建筑面积的增加都会影响建筑工程项目的费用支出，还有在建造过程中采购的材料的变化和施工人员开支的变化等都会影响建筑工程造价估算的精确度。所以在建筑工程造价估算过程中对动态的影响因素的变化都要考虑进来。把劳动生产率等引入到工程项目的造价估算中来，这样可以把施工项目的技术和管理水平很好的反馈出来。在人工智能化的建筑工程造价估算系统中，我们要把影响工程项目造价的人为因素、客观因素以及动态变化的因素都作为参数输入到系统中，保证建筑工程项目最终造价估算的准确性。

期刊文章分类查询,尽在期刊图书馆

        3基于人工智能技术的建筑工程造价估算应用
        3.1遗传算法和人工神经网络的综合应用
        遗传算法和人工神经网络的优点进行有效的融合，就可使遗传算法具有全局搜索的优势，这是遗传算法显著的特点。采用遗传算法对神经网络进行优化，最重要的是结构的设计。神经网络能够为遗传算法提供合理的辅助功能，可以基于神经网络来建立遗传算法。遗传算法优化神经网络的连接权，遗传算法还能够在相应的函数中优化神经网络的权值，首先调整相关的数据，使神经网络具有更好的连接能力。来自项目评估系统的所有数据都包含在神经网络的权重中。
        自动设计方法是一种遗传算法和神经网络的集成方式，高效率的自动设计方法可以优化神经网络，遗传算法使神经网络也减少了负面因素，神经网络提供的神经网络性能的算法对遗传算法和神经网络的收敛性进行了改进，神经网络算法利用神经网络算法权重，可以实现遗传算法收敛的变化。遗传算法可以有效地优化神经网络连接权值，从而保证遗传算法与神经网络的良好融合。神经网络连接权重训练是优化功能，调整数据分析，并找到最佳连接权重。但在重量训练的一般情况下，由于更多各种因素的影响，参数很容易出现问题，在选择权重训练时间会出现延迟，导致收敛效率降低，神经网络可能出现振荡现象，项目估计值的精度会受到影响，极值将出现在当地的整个网络位置。通过遗传算法对神经网络连接权重进行优化，保证对应关系的权重和连接类型，使样本函数的误差最小化，提高权重的准确性，保证整体权重训练的正常进行。
        3.2基于人工智能技术的建筑工程造价估算模型建立
        BP人工神经网络是一种常用的反向传播网络，BP人工神经网络模型包括输入输出层和隐藏层。在模型中的每一层的里面都有很多个节点，这些节点代表神经元。在BP人工神经网络模型的每一层内，节点与节点之间不相互连接，在相邻的层与层之间节点之间是相互连接的。信息在输入层进入系统内部，在系统内每个层之间是单向传播的，通过模型内部的各个层之后从输出层离开系统。
        在BP人工神经网络模型中，每一层与层之间的节点时完全连接的，层与层之间的神经元按照二权连接的方式实现连接，在单独层的神经元与神经元之间没有连接。BP网络学习过程包括正向和反向两种传播方式。正向传播输出的误差值与预期的精度值相比，如果误差值小于设定的精度值，那么我们可以对各层神经元的权值沿着误差值的反向梯度进行修改，这样可以减小误差值，反复进行操作，如果网络中的全局误差比设定的值大了，那么我们就停止上述操作。
        结语
        随着信息技术的快速发展，人工智能技术在建筑工程领域的应用是建筑工程发展的必然趋势。在人工智能技术中计算机技术作为重要的技术保障，基于人工智能技术的在建筑工程造价估算研中的应用具有非常重要的意义，人工智能技术可以保证数据估算的准确率，提高建筑工程项目的经济效益。
        参考文献：
        [1]徐彬彬.基于人工智能技术的建筑工程造价估算研究[J].湖南城市学院学报（自然科学版），2016（04）.
        [2]陈红艳，李平，刘桂芝，李海阳.基于神经网络模型和改进最优保留遗传算法的非线性系统多步预测控制[J].河北省科学院学报，2012（04）.
        [3]程红艳，李平明，刘志贵，等.基于神经网络模型和改进的最优保留遗传算法的非线性系统多步预测与控制[J].华北电力大学学报，2015（33）：20~23.
        [4]陈冰彬，周可知，李明浩，等.基于人工智能技术的建筑工程造价估算研究[J].湖南城市学院报，2014.
        [5]沈金山，杜小龙，李凤兰，等.基于BP神经网络的建筑工程造价估算的优化和改进研究[J].河南科学，2016（44）：56~59.