唐少峰
广东建诚监理咨询有限公司 528000
摘要：在当前建筑工程管理体系中，造价估算已经成为工程项目不可缺少的重要组成部分，能够为造价管理提供准确的依据。但是由于建筑工程项目会受到多种因素的影响，造价估算的准确度很难得到保障。现阶段科学技术不断发展，各种先进技术引进建筑工程管理中。其中人工智能在造价估算中起到非常重要的作用。
关键词：人工智能技术；建筑工程；造价估算
引言
将信息技术与工程造价估算进行相融合的交叉性研究，属于将人工智能技术引入工程造价领域的一种开创性探索研究。工程造价是影响项目施工的关键因素，造价计算的准确性对于工程施工的进展至关重要，在具体计算过程中需要项目整体统一计划，并且需要考虑到施工现场条件、施工方案、施工组织设计、施工质量要求等因素的影响。
1人工智能技术定义
随着当代信息技术的飞速发展和进步，计算机技术在人们的工作和生活的各方面都得到了广泛的应用，计算机技术作为人类工作生活的重要工具，取代以往手工生产方式已成为世界发展的必然趋势。计算机技术的发展和进步产生并促进了人类智能技术的出现。人工智能是人类智能的行为，人工智能技术发展是当代发展需求，智能技术有着很大优势，促进各项事业发展，而智能技术作为新型技术手段之一。根据人类智能生活发展的规律，通过具体的程序代码来完成人类任务活动。人们使用计算机技术来构建人工智能系统从而来帮助人们实现某些不能实现的行为。人类智能技术是通过计算机技术的研究和开发模拟人的行为。随着人工智能技术的飞速发展，人工智能系统已经被广泛应用于建筑工程造价估算领域。人工智能技术用于管理施工项目成本估算，监督施工情况，提高成本估算准确性。
2基于人工智能技术的建筑工程造价估算优化策略
2.1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。BP人工神经网络模型如图1所示。
.png)
图1BP人工神经网络模型图
2.2数据深度采集、解析技术
在建筑工程造价估算中应用人工智能技术，主要是为保障工程数据的深度采集和解析，从而有效整合各项造价信息，通过大数据分析得到相对准确的造价估算结果，为造价管理提供坚实的基础，指导后续建设施工活动的实施和展开。在应用人工智能的过程中，即通过自适应采集机器人对建筑工程项目建设全过程产生的原始资料数据进行收集和汇总，然后再进行自动解析，高效完成造价估算数据的采集和整合。在实际建筑工程项目中，这些原始数据通常来源于政府部门、项目管理部门和供应商等，具体包括项目控制规划指标、信息价、各个工程阶段的估概算，以及设计指标、施工图纸、采购询价、招投标价格和劳务费用等，如采用以往的人工方法进行收集，则不能保障数据采集的全面性和准确性。基于此，利用人工智能技术可以确保信息采集中各项指标数据的有效性和实用性。在应用过程中，要想对造价估算进行合理编制，需按照统一的项目体系标准，比如拆分地上工程和地下工程等，从而能够对符合项目划分标准的要求更好地明确造价估算范围。另外，对于多来源、多种类及多类型的建筑工程造价数据，人工智能可以为相关人员提供多协议自动解析引擎，在元数据管理系统中对所采集的信息数据进行准确的描述，实现协议解析规则、预处理规则和存储规则的一体化配置。其中人工智能的协议解析引擎能够对元数据管理系统中所配置的协议启动相应的监听程序和拉取程序等，将数据存储到消息队列当中。而预处理引擎则是对消息队列中所存入数据，按照元数据管理系统的处理配置进行必要的预处理，最后经存储引擎将其数据自消息队列中取出，根据系统配置的存储规则将其存到数据中心或数据库中。应用人工智能数据深度采集、解析技术有利于解决建筑工程造价数据种类多、来源多、协议多样化的问题，而且能够有效地提高数据质量，避免出现数据架构混乱、储存分散的局面。在造价估算中利用自适应采集机器人对来自网络中的结构化、半结构化和非结构化的数据进行收集，经过深度学习之后，可以实现自动解析，为造价估算工作的开展提供重要基础。
2.3行业知识图谱构建技术
首先，要构建本体，其是知识图谱中相当于知识库的模具，在本体库形成后，就会呈现出较强的层次结构和较小的冗余程度。而对本体的构建一般有两种形式：一是人工编辑手动构建；二是借助数据驱动自动构建。其次，要采用质量评估和人工审核结合的方法对本体进行适当的修正和确定。本体构建之后可以发挥识别、描述和表示建筑工程领域知识，可以基于共同认可的对象模型确定不同对象之间存在的相互关系，丰富建筑实体信息。最后，是要对命名实体进行识别，在建筑工程造价估算时，应用该技术能够有效地识别建筑实体的名称、规格、单位等，而且可以对图像实体进行信息抽取，从而准确描述对象信息，判断其实施动作的合理性和规范性，并识别其是否存在严重的安全隐患，为信息标注提供依据。因此，应用人工智能的行业知识图谱构建技术有利于构建建筑工程造价估算模型，通过将行业知识和建筑实体进行整合，能够准确地明确各个造价估算对象的相互关系，对合理可行的信息数据实施预测，从而构建完善的建筑工程造价估算系统，准确估算各项实体施工造价，减少估算误差。
2.4遗传算法和人工神经网络融合技术
把遗传算法和神经网络的优势进行有效的融合，遗传算法具有全局搜索的能力，这是遗传算法最大的优势。神经网络可以为遗传算法提供有效的辅助作用，遗传算法的建立我们可以在神经网络的基础之上。遗传算法对神经网络的连接权进行优化，遗传算法可以优化神经网络权值中对相应的函数，调整先关的数据，使神经网络具有更好的连接权。工程项目估算系统的所有数据都包含在神经网络的权值中。自动设计方式是遗传算法和神经网络的一种融合方式，自动设计方式效率高，可以通过遗传算法对神经网络进行优化，这样神经网络的消极因素也就降低了，神经网络提供的神经性能的算法也是遗传算法和神经网络的一种融合方式，神经网络算法中的算法工具采用神经网络权值，可以实现对遗传算法的收敛性的改变。遗传算法对神经网络连接权进行有效的优化，可以保证遗传算法与神经网络进行很好的融合。神经网络连接权权值训练是通过函数进行优化，调整数据分析，查找出最优化的连接权。
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]牛东晓，乞建勋，邢棉.建筑工程造价预测的变结构神经网络模型研究[J].华北电力大学学报，2011（04）.