基于人工智能技术的建筑工程造价估算研究 刘霞

基于人工智能技术的建筑工程造价估算研究刘霞

发表时间：2018-12-14T15:43:44.900Z 来源：《建筑学研究前沿》2018年第26期作者：刘霞宋秋霞

[导读] 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。

西北农林科技大学基建规划处陕西杨凌 712100

摘要：随着我国经济的不断发展，建筑行业发展迅速，工程造价在建筑工程中起着举足轻重的作用，在建筑工程的前期阶段，建筑工程项目造价估算是必不可少的关键部分。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：人工智能技术；建筑工程管理；造价估算；工程造价；遗传算法

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，将人工智能技术应用到建筑工程造价估算中可以大大提高工程估算的速度和准确度。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人工智能技术概述

人工智能即机器智能，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建筑工程造价的定义及特点分析

在建筑工程项目的准备过程中，建筑工程造价估算是必须的步骤，建筑工程项目造价是对建筑工程项目的建造价格进行预算，工程项目的建造价格包括整个建设工程项目费用支出预算和对建设工程项目消耗资源费用的预算。建筑工程造价项目资金耗费大，建筑工程项目的建设是非常大的工程，在这个系统工程中包括采购材料、建筑工作人员的职位安排和整个建筑工程项目的顶层设计等等，我们需要对这些所有的工程物资成本进行高达几亿资金的预算。建筑工程项目主要的制约因素就是巨大的物资资金成本。建筑工程项目在不同的领域具有不同的项目特点，由于建筑工程项目的目标效益不同导致建筑工程项目造价的区别性很大。在建筑工程项目建设过程中需要投入很多的时间成本，建筑工程造价的隐性因素就是工程项目的建设时间成本，如果建筑工程的施工时间越长，那么建筑工程项目所消耗的时间就越多，这样就会导致建筑工程项目受动态因素的影响变大。建筑工程项目具有复杂性的特点，工程项目造价是由很多的小的子造价系统构成，工程项目造价系统层次感分明。

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。

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。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。BP人工神经网络模型如图1所示。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