基于人工智能技术的建筑工程造价估算研究 李兴龙

基于人工智能技术的建筑工程造价估算研究李兴龙

发表时间：2018-07-16T15:26:37.287Z 来源：《基层建设》2018年第16期作者：李兴龙

[导读] 摘要：建筑工程中建筑工程的造价估算是非常重要的部门，准确的建筑工程造价估算可以提高建筑工程项目成本费用预算的准确度，传统的建筑工程造价估算主要是以手工估算的方式为主，在对工程项目的预算过程中准确度低，对数据的估算容易造成很大的误差，这样会导致建筑工程项目经济损失的情况发生。

云南晟业建筑工程有限公司云南 650000

摘要：建筑工程中建筑工程的造价估算是非常重要的部门，准确的建筑工程造价估算可以提高建筑工程项目成本费用预算的准确度，传统的建筑工程造价估算主要是以手工估算的方式为主，在对工程项目的预算过程中准确度低，对数据的估算容易造成很大的误差，这样会导致建筑工程项目经济损失的情况发生。在建筑工程造价估算中人工智能技术的应用，可以采用科学的计算方法来对建筑工程项目造价成本进行估算，可以提高建筑工程项目造价估算的准确度。

关键词：人工智能技术；建筑工程；造价估算

引言

工程建设项目的造价确定是工程造价管理的重要内容之一，特别是在工程项目建设的前期阶段，在工程信息己知较少、不详细的前提下，估算、概算工程项目的造价（或投资）具有误差大、需要一定的编制时间等缺点。因而，如何准确、合理、快捷地计算出工程项目的造价（或投资）是工程项目实践者和研究者十分关心的问题。

1人工智能技术概述

1.1人工智能技术概念

人工智能（AI）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。AI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。

1.2人工智能技术特点

人工智能技术最基本的特点就是具有感知能力，感知能力是人工智能系统运行的基础。人工智能技术采用计算机作为主要设备，计算机具有记忆的功能，人工智能技术的发展方向是实现思维功能和记忆功能的对接。人工智能技术具有学习功能的特点，学习能力是适应社会发展的必备的能力，强调知识在现代经济发展中占有主导的地位。人工智能技术的中央处理系统比较类似与人类的神经中枢系统，人工智能技术有和人类比较类似的反映能力，促进了计算机技术的智能化。

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。

3人工智能技术在建筑工程造价估算中的应用研究

在建筑工程造价估算中人工智能技术具有很强的功能，人工智能技术可以对海量的数据进行分析和计算，人工智能技术在自我组织性功能和自我学习功能方面也具有很大的优势。在人工智能系统中把人工神经网络和遗传算法做好很好的融合，人工智能技术中的遗传算法和传统的算法相比，具有独特的功能，满足建筑工程造价估算算法的需要，提高了工程项目造价估算的准确率。

3.1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。

图1BP人工神经网络模型图

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。

3.2确定特征变量

在工程造价中，影响其因素有很多，若是遗漏了任何一个因素，那么都将会影响最后估算的精确度。针对相关因素分析，其中层高、建筑物层数以及面积等都会增加整个工程项目的费用。另外在施工中选择的一些材料、人工费以及生产工艺的不断变化也会影响到工程造价的变化。因此，必须要对资金的时间价值、共曾造价的动态性进行全面的分析思考。做好沽算造价中经济与技术逐渐的练习，引人相关的劳动生产率，这样能够在不同的程度上反映出各个施工企业的技术以及相关的管理水平。所以，在人工智能化的工程造价估算中，一定要建筑面积、标准层高、层数、基础工程以及结构类型、设备工程等因素，都作为模型的输人变量，将整个工程的单方造价作为神经网络的输出，从而来保证最终估算结果的精确性。

3.3遗传算法和人工神经网络的有效融合研究

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。通过遗传算法对神经网络进行有效的优化，最主要的是结构化的设计。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。但是在一般情况的权值训练中，由于受多种方面的因素影响，参数在选择上容易出现问题，权值的训练时间会被延迟，造成收敛效率变低，整个神经网络会发生震荡的现象，工程项目估算的值准确度会受到影响，极值会出现在整个网络局部位置。神经网络连接权的优化我们通过遗传算法的方式进行计算，保证权值与连接权相对应，把样本函数的误差降到最低，提高权值的准确度，保证整个权值训练的顺利进行。

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）.

[4]屈兰安.加强施工管理是提高企业竞争力实施成本管理的有效措施[A].2014年7月建筑科技与管理学术交流会论文集[C].2014.