基于人工智能技术的建筑工程造价估算

基于人工智能技术的建筑工程造价估算

宗玮

山东瀚广建设项目管理有限公司 山东省淄博市 255000

摘要：造价估算水平的高低直接关系到建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，提高建筑工程项目造价估算的准确度。鉴于此，本文在概述人工智能技术以及建筑工程造价的基础上，分析了基于人工智能技术的建筑工程造价估算的优势，并对人工智能技术在建筑工程造价估算中的应用进行了深入的探讨，以供相关的工作人员参考借鉴。

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

1人工智能技术概述

人工智能(AI)是基于计算机技术对人类行为进行智能化模拟，从而帮助使用者解决比较困难的问题。其通过结合人类自身的行为及生活特点，通过计算相关问题数据以对某一项任务提出解决方法。近年来我国人工智能技术得到了较大的发展，并逐渐在建筑行业中应用，尤其是应用在工程造价管理中具有良好的成效，能够充分提高造价管理的效率。在人工智能技术的支持下，可以帮助造价人员及时发现问题，并采取有效措施进行应对，以保障建筑工程造价估算的准确度。而人工智能技术也具有相对比较独特的特点，即具备一定的感知能力。由于人工智能是在计算机技术基础上发展而来的，利用计算机设施对相应数据进行记录和保存，所以其能够有效的结合计算机记忆和人类思维，对新鲜事物的接受和学习能力较强，与当前高速发展的社会需求相契合。而且在很大程度上，人工智能技术的核心部分与人类的大脑中枢神经具有相同的功能和作用，但比人类大脑更加灵活，因此在建筑工程造价估算中运用人工智能技术，能够提高造价管理的实效性。

2建筑工程造价概述

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的费用的预算。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，需要对这些所有的工程的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。

3基于人工智能技术的建筑工程造价估算的优势

人工智能技术可以深度采集建筑行业的相关数据，并结合知识图谱和深度学习及自动化数据增广等大数据分析技术，借助数学模型、图形表示和信息可视化、自然语言处理等对建筑工程基础数据进行有效的整合，同时可以融合建筑工程标准化BIM模型，通过具有直观化特点的知识图谱来充分展示建筑工程的知识结构和紧密联系，进而提高建筑工程造价管理的科学化和智能化。相比于传统的造价估算具有较大的优势，可以为建筑工程的造价管理、审计管理、核算管理及安全管理等提供智能服务，为各个参与方提供便利的工程造价估算条件，保障整个工程建设活动有序开展，防止出现造价失控、质量不佳等工程问题的发生。

4人工智能技术在建筑工程造价估算中的应用

4.1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。

在BP人工神经网络模型中，每一层与层之间的节点是完全连接的，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，经BP人工神经网络模型计算分析，可以得到相对准确的估算结果，保障预算编制的合理性和科学性。

4.2遗传算法和人工神经网络的有效融合

基于人工智能技术的建筑工程造价估算还需有效的融合遗传算法和人工神经网络，从而最大限度的减小造价估算方式的误差。而实际上，遗传算法具有全局搜索的功能，在此基础上，利用遗传算法优化神经网络，可以保障结构化设计具有合理性。同时，人工神经网络能够有效的为遗传算法的建立提供帮助，并且让遗传算法反过来对其连接权进行优化，调整人工神经网络权值中的对应函数，并对相关数据进行调整，以促使神经网络的连接权得到优化。在建筑工程造价估算系统中，其全部数据均包含在神经网络的权值中。因此为实现造价估算的准确性，应当采用自动设计方式，充分保障遗传算法和人工神经网络的融合。人工神经网络具有高效率的优势，能够利用遗传算法消除神经网络的消极因素，同时采用神经网络权值改变遗传算法的收敛性。人工神经网络的连接权能够函数优化权值训练，寻找出最优的连接权，进一步保障参数选择的合理性，避免权值的训练时间出现延迟。因此，通过将遗传算法和人工神经网络进行融合，能够将样本函数的误差值降到最小，有效的提高权值准确度，在建筑工程造价估算系统中则能够保障各项指标参数计算的合理性，为造价预算管理提供良好的技术支持。

5结束语

随着时代的进步，传统预算技术已不能适应新时代的发展需求，人工智能技术的出现必将成为未来相关技术发展的必然追求。人工智能技术是以计算机给予支持，以相关学科发展作为重要参考标准，从而被广泛应用于各建设项目领域。在建筑工程造价估算中应用人工智能技术能显著提升相关预算的准确性，提升相关施工单位的经济效益，从而推动我国建筑业向着长远的方向发展。

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)，2016，25(4):24-25.

[2]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.