基于人工智能技術(shù)的建筑工程造價(jià)估算探究

【摘要】隨著我國(guó)社會(huì)經(jīng)濟(jì)的迅速發(fā)展，人們生活水平逐漸呈現(xiàn)上升趨勢(shì)，進(jìn)而相應(yīng)的建筑工程數(shù)量也逐漸增加。在整個(gè)建筑工程中，工程造價(jià)估算發(fā)揮著至關(guān)重要的作用，其往往存在較多的制約因素，在一定程度上直接影響建筑工程造價(jià)估算的準(zhǔn)確性。在建筑工程造價(jià)估算中應(yīng)用人工智能技術(shù)使得相應(yīng)的準(zhǔn)確率得以顯著提升。本文分析基于人工智能技術(shù)的建筑工程造價(jià)估算，以供參考。

【關(guān)鍵詞】人工智能技術(shù)；建筑工程；造價(jià)估算

目前我國(guó)家建筑業(yè)逐漸呈現(xiàn)上升趨勢(shì)，相應(yīng)的工程造價(jià)在整個(gè)建筑工程中具有十分重要的作用，進(jìn)而準(zhǔn)確估算建筑工程造價(jià)在一定程度上會(huì)降低施工成本，減少相關(guān)工程項(xiàng)目的預(yù)算以及費(fèi)用，從而推動(dòng)工程施工進(jìn)度，提升工程質(zhì)量。傳統(tǒng)估算方式已不能適應(yīng)新時(shí)代的發(fā)展需求，進(jìn)而人工智能技術(shù)的提出能顯著降低預(yù)算錯(cuò)誤率，減少各數(shù)據(jù)間的偏差，避免資源浪費(fèi)，從而相關(guān)施工單位減少相應(yīng)的經(jīng)濟(jì)損失。在建筑工程造價(jià)估算中應(yīng)用人工智能技術(shù)能科學(xué)合理的計(jì)算工程所需實(shí)際成本，為相關(guān)預(yù)算工作提供可靠性保障[1]。

1、人工智能技術(shù)的概念

近年來(lái)，計(jì)算機(jī)技術(shù)的出現(xiàn)改變?nèi)藗兊纳罘绞?，而人工智能技術(shù)的出現(xiàn)在一定程度上則推動(dòng)建筑業(yè)向著可持續(xù)的方向發(fā)展。人工智能（AI）指的是機(jī)器智能，其主要將程序自動(dòng)化設(shè)計(jì)、機(jī)器自動(dòng)化設(shè)計(jì)以及相應(yīng)的識(shí)別技術(shù)進(jìn)行研究探索，以計(jì)算機(jī)技術(shù)為關(guān)鍵點(diǎn)，科學(xué)合理的開展相應(yīng)的復(fù)雜活動(dòng)。人工智能技術(shù)主要將學(xué)習(xí)反饋、記憶處理以及思維能力進(jìn)行有效融合，將傳統(tǒng)的機(jī)器智能逐漸轉(zhuǎn)變?yōu)槿祟愔悄芟到y(tǒng)，模擬并拓展其相關(guān)的活動(dòng)。有效使用人工智能技術(shù)便于研究分析數(shù)據(jù)模型，讓工程造價(jià)的估算轉(zhuǎn)速更快，從而在一定程度上顯著提升其精準(zhǔn)度[2]。

2、構(gòu)建建筑工程造價(jià)估算模型

2.1原理

目前人工智能技術(shù)中應(yīng)用范圍較廣的是BP神經(jīng)網(wǎng)絡(luò)，其具有較為特殊的前向性。一般情況下，該結(jié)構(gòu)進(jìn)行反向傳輸便于對(duì)神經(jīng)元中相關(guān)信息進(jìn)行合理的模擬，研究其連接與傳輸關(guān)系，形成相應(yīng)的連接關(guān)系則為非線性力學(xué)體系。其次，BP神經(jīng)網(wǎng)絡(luò)自身具有較強(qiáng)的學(xué)習(xí)適應(yīng)能力，刺激各神經(jīng)元產(chǎn)生的相關(guān)效應(yīng)都比較強(qiáng)。以各神經(jīng)元位置差異為基礎(chǔ)，該網(wǎng)絡(luò)主要分為三個(gè)層次：隱含、輸出與輸入，各層次相互連接各節(jié)點(diǎn)則能實(shí)現(xiàn)相關(guān)信息的傳播。

2.2合理選擇模型參數(shù)

根據(jù)建筑工程的實(shí)際需求，合理選擇模型參數(shù)能準(zhǔn)確計(jì)算出輸入與輸出各節(jié)點(diǎn)的數(shù)量。在選擇初始權(quán)值時(shí)，建筑工程造價(jià)估算模型的輸入層中往往會(huì)有定性與定量影響因素，將其在指定范圍內(nèi)需要對(duì)相關(guān)數(shù)據(jù)進(jìn)行統(tǒng)一化處理，利用定量方法處理定性數(shù)據(jù)能減少相關(guān)數(shù)據(jù)間的誤差，確保所有輸入數(shù)據(jù)都具有有效性。

2.3合理選擇學(xué)習(xí)算法

該算法主要有包括信息逆向與正向傳播以及記憶與學(xué)習(xí)階段。大量研究數(shù)據(jù)表明，在整個(gè)工程項(xiàng)目中，最重要的影響因素是水文地質(zhì)、相應(yīng)的施工技術(shù)、機(jī)械設(shè)備以及相關(guān)的建筑結(jié)構(gòu)等。利用梯度算法，在指定空間內(nèi)能夠及時(shí)調(diào)整相應(yīng)數(shù)據(jù)，得出最終的權(quán)重，從而減少數(shù)據(jù)誤差。其次，在進(jìn)行工程估算時(shí)要整理加工相關(guān)數(shù)據(jù)，將其作為訓(xùn)練樣本，選擇迭代方式獲得預(yù)估樣本。最后，加工處理各數(shù)據(jù)輸入指定的估算系統(tǒng)即可[3]。

3、人工智能技術(shù)的建筑工程造價(jià)估算

3.1神經(jīng)網(wǎng)絡(luò)結(jié)合遺傳算法

隨著經(jīng)濟(jì)的逐漸發(fā)展，目前很多神經(jīng)網(wǎng)絡(luò)已經(jīng)結(jié)合遺傳算法。在人工智能技術(shù)中，神經(jīng)網(wǎng)絡(luò)自身具有良好的學(xué)習(xí)能力；全面搜索是遺傳算法具有的實(shí)際功能。將這兩者進(jìn)行有效融合能起到互相補(bǔ)充的作用，優(yōu)勢(shì)互補(bǔ)，在一定程度上能強(qiáng)化兩者的能力。將兩者進(jìn)行有效融合主要具備兩種發(fā)展方向，首先是自動(dòng)設(shè)計(jì)方式（ANN），其自身具有高效性。一般情況下，ANN由GA提供有效渠道，確保其能在指定環(huán)境下能進(jìn)行高效作業(yè)?？茖W(xué)合理的使用自動(dòng)設(shè)計(jì)方式能保障其充分發(fā)揮自身作用，將神經(jīng)網(wǎng)絡(luò)的消極影響能降到最低，同時(shí)讓其能合理應(yīng)用遺傳算法。其次，要想確保遺傳算法自身具有神經(jīng)性能發(fā)展方向，以神經(jīng)網(wǎng)絡(luò)算法為基點(diǎn)，充分利用其相關(guān)工具，在指定范圍內(nèi)確保遺傳算法的收斂性在一定程度上能得以發(fā)生改變[4]。

3.2神經(jīng)網(wǎng)絡(luò)需要遺傳算法優(yōu)化連接權(quán)

眾所周知，將遺傳算法與神經(jīng)網(wǎng)絡(luò)進(jìn)行有效結(jié)合在一定程度上能優(yōu)化神經(jīng)網(wǎng)絡(luò)的連接權(quán)限。在神經(jīng)網(wǎng)絡(luò)中，相關(guān)的權(quán)值訓(xùn)練較為復(fù)雜，經(jīng)過(guò)大量訓(xùn)練后，只有及時(shí)分析并調(diào)整相關(guān)數(shù)據(jù)，同時(shí)優(yōu)化相關(guān)函數(shù)，才能確保相關(guān)的連接權(quán)得以最優(yōu)。但是，權(quán)值的日常訓(xùn)練一般會(huì)存在很多影響因素，在合理選擇相關(guān)參數(shù)時(shí)往往會(huì)出現(xiàn)很多不必要的誤差，導(dǎo)致相應(yīng)的訓(xùn)練時(shí)間加以延長(zhǎng)，同時(shí)神經(jīng)網(wǎng)絡(luò)可能會(huì)出現(xiàn)震蕩，使得較低的收斂率最終影響相關(guān)數(shù)據(jù)的準(zhǔn)確性，甚至導(dǎo)致局部網(wǎng)絡(luò)可能會(huì)有極值出現(xiàn)。除此之外，要想準(zhǔn)確獲取權(quán)值，就要在BP網(wǎng)絡(luò)中使用梯度下降方式。該方式在初始獲得相關(guān)權(quán)值時(shí)，一般會(huì)顯著提升相應(yīng)的敏銳度，造成最終具有較高的偏差。因此，神經(jīng)網(wǎng)絡(luò)需要遺傳算法才能優(yōu)化相應(yīng)的連接權(quán)，同時(shí)為確保對(duì)應(yīng)的連接權(quán)，在權(quán)值分布以及整個(gè)編碼過(guò)程中，初期就要提升相應(yīng)權(quán)值的準(zhǔn)確度，讓相應(yīng)的樣本訓(xùn)練函數(shù)能在一定程度上有效避免不必要的誤差，進(jìn)而確保開展的整個(gè)權(quán)值訓(xùn)練都具有有效性[5]。

結(jié)語(yǔ)：

綜上所述，隨著時(shí)代的進(jìn)步，傳統(tǒng)預(yù)算技術(shù)已不能適應(yīng)新時(shí)代的發(fā)展需求，人工智能技術(shù)的出現(xiàn)必將成為未來(lái)相關(guān)技術(shù)發(fā)展的必然追求。人工智能技術(shù)是以計(jì)算機(jī)給予支持，以相關(guān)學(xué)科發(fā)展作為重要參考標(biāo)準(zhǔn)，從而被廣泛應(yīng)用于各建設(shè)項(xiàng)目領(lǐng)域。在建筑工程造價(jià)估算中應(yīng)用人工智能技術(shù)能顯著提升相關(guān)預(yù)算的準(zhǔn)確性，從而推動(dòng)我國(guó)建筑業(yè)向著長(zhǎng)遠(yuǎn)的方向發(fā)展，提升相關(guān)施工單位的經(jīng)濟(jì)效益。

參考文獻(xiàn)：

[1]朱莉.基于人工智能技術(shù)的建筑工程造價(jià)估算研究分析[J].四川水泥，2015（8）：208-208.

[2]徐彬彬.基于人工智能技術(shù)的建筑工程造價(jià)估算研究[J].湖南城市學(xué)院學(xué)報(bào)（自然科學(xué)版），2016，25（4）：24-25.

[3]王云峰，姚黎明，帥朝暉.施工圖設(shè)計(jì)與工程造價(jià)的一體化[J].建筑施工，2016，38（6）：809-810.

[4]潘雨紅，張宜龍，蔡亞軍，等.基于GA-BP算法的公路工程造價(jià)估算研究[J].重慶交通大學(xué)學(xué)報(bào)（自然科學(xué)版），2016，35（2）：141-145.

[5]王欣.基于GA-BP算法的節(jié)能建筑成本估算研究[J].中國(guó)工程咨詢，2017（5）：29-32.

作者簡(jiǎn)介：

王菲菲，青島新華友建工集團(tuán)股份有限公司。