人工智能技术在建筑工程造价估算中的应用

人工智能技术在建筑工程造价估算中的应用

宋春艳

370983198412271326

摘要：建筑工程管理中，重要的工作是加强建筑工程造价估算，建筑工程前期阶段，实施造价估算可以保证企业的经济效益，促进企业发展和进步。因为建筑项目现场施工，容易受到很多因素干扰和影响，所以建筑工程项目造价估算无法达到精确性的要求。人工智能技术在建筑工程估算中影响较大，可以大幅提升数据精度和准确性。本文主要分析人工智能技术，了解其在建筑工程造价估算的作用，研究主要的应用方式，总结出具体的应用措施，目的是提高建筑工程造价估算的准确性，给企业带来较高的经济效益。

关键词：人工智能；建筑工程；造价估算

建筑工程项目管理中，造价估算是极为重要的，保证估算数据的准确性，保证项目成本预算处于合理的范围内。传统的建筑工程造价估算是通过手工方式进行的，估算数据精度较低，数据误差比较严重，从而导致企业面临着严重的损失。建筑工程的造价估算环节，通过使用人工智能技术进行，选择科学合理的计算方法，保证工程项目造价估算更加精确，提高数据的精度水平，保护企业经济效益，对于建筑领域的稳步、健康发展产生积极的作用。

1人工智能技术概述

1.1人工智能技术概念

现代科学技术高速发展，计算机技术水平得到全面提升，其广泛应用到人们的工作与生活中，而计算机是人类智能活动的重要工具之一，取代传统人类手工生产方式，是科学技术发展之下的产物。计算机技术的高水平发展，让计算机设备广泛应用到实践中，对于人类智能技术的发展产生积极作用。人工智能是人类智能行为，根据智能生活发展的规律，通过计算机编写出特定的程序代码，可以有组织、有计划的完成各项人类活动。利用计算机建立人工智能系统，以帮助人们完成各种特定的行为。人类智能化技术是利用计算机技术研发和使用，进行智能行为模拟分析。人工智能技术的高速发展，智能化系统水平不断提高，可以模拟人类的行为。在人工智能技术的合理应用，应用到建筑工程估算分析，实现应用效果的提升。从这些方面出发，人工智能技术应用到建筑工程项目造价管理中，落实监督管理措施，促进估算数据精度的提升。

1.2人工智能技术的特点

人工智能技术有着比较强的感知能力，这是进行人工智能系统运行的关键。人工智能技术通过应用计算机设备开展工作，计算机有较高的记忆性功能，其未来发展方向是和人类的思维功能和记忆功能衔接。人工智能可以学习知识和技能，也就是可以适应社会发展的能力，促进经济与社会的发展。人工智能技术体系之内，中央处理系统与人类中枢神经是比较相似的，与人的反应能力是类似的，保证计算机技术具备智能化要求，以满足运行的要求。

2建筑工程造价估算中人工智能技术的应用

2.1数据深度采集、解析技术应用

人工智能技术应用到建筑工程造价估算中，主要的目的是保证数据达到精度的要求，深度分析各项数据信息，从而获得整体的造价信息，利用大数据实现造价估算数据计算与分析，给造价管理顺利进行提供基础，也会给项目顺利建设和实施产生积极的作用。人工智能改造中，利用自适应采集机器人实施项目整个过程的技术资料收集与汇总，然后通过系统可以实现自动解析处理，提高数据估算的效果，保证数据有效整合与应用。在建筑工程项目实施环节，很多原始数据信息都来自于政府部门、管理单位以及供应单位等，主要是是项目规划指标、信息价、各阶段工程概算等，同时还要分析设计指标、施工图纸、采购询价、招标价格等方面，如果选择人工方式采集，不能达到数据精度的要求，工作量也会比较大。因此，充分的开发和利用人工智能技术，收集各项数据信息，提高数据采集有效性与实用性。在实际操作中，加强建筑工程造价预算书编制，形成完善项目体系，比如分为地上建筑和地下建筑等，结合不同部分选择合适的方式，保证造价估算的精确度合格。此外，对于不同来源、不同种类的工程，造价数据分析中，人工智能可以分别对待，提供多协议解析引擎，在管理系统内实现准确分析和了解，从而可以实现一体化分析和使用。其中，人工智能协议解析引擎可以进行数据监控和管理，并且把数据存储到消息队列中。预处理引擎将消息队列内存入各项数据信息，然后按照要求进行元数据的预处理，然后存储在引擎内，并且实现消息队列取出，以系统配置的原则了解数据信息，并且建立完善的数据库系统。通过人工智能技术进行数据采集，达到深度应用，解决目前建筑工程数据信息量、来源多等问题，并且实现多样化的应用，保证数据信息更加准确，也能够避免出现数据结构混乱、存储分散等问题。造价估算环节，通过自适应采集机器人实现网络结构化处理，保证数据全面采集和使用，以深度学习为基础，完成自动化解析处理，让造价估算变得更加准确。

2.2数据标注技术应用

数据标注是目前建筑造价管理的基础，在以往造价估算中，通常是应用人工方式开展数据标注作业，根据规定的规则和标准进行打标，然后是将标注结构合并。在应用大数据、人工智能技术之后，需要利用已经标记的样本对没有标记的样本进行数据记录。在该环节中，人工智能技术以传统主动学习为基础，保证造价估算顺利的进行，明确做好标记工作，还能够降低工作强度、减少人员配置，促进标注效率的提升，还能够使得样本数据更加的精确，并且使用人工标注方式反馈到系统内，造价参数更加的精确。在人工智能技术开展数据标注中，通过机器学习算法和人工标注互补的方式，对比各项数据信息，将最大分歧样本数据标注处理，可以降低数据标注成本，且数据更加的精确、可靠。建筑工程造价估算环节，所使用的数据中，包含文本、视频、图像等，而人工智能技术的应用，使得数据更加准确，还能够提高模型的精度，实现泛化能力的提高，比如可以选择多种表达方式，让其表达一致，根据需要进行剪切、旋转、尺寸调整。根据模态数据分析，了解其主要特点，利用CNN-LSTM编解码模型统一文本与图像，然后在系统内完成自动化标注。该技术应用到建筑工程造价估算中，也能保证材料估算顺利进行，在装配式建筑中进行精细化分析，比如对各个部件进行智能化识别与标注等，在短时间内可以进行建筑项目的分项报价与整体报价。工程量计算也能够顺利的进行，促进应用价值的提升，防止存在重算、漏算等问题，建设高水平的估算系统，保证项目经济效益，不会产生较大的经济损失。

3人工智能技术的建筑工程造价估算应用策略

建筑工程造价估算环节，通过引入人工智能技术，发挥出该技术的优越性，进行海量数据信息分析和计算，同时还能够充分利用人工智能技术的自我组织功能和自我学习功能，提高应用效果。在人工智能系统之内，融入人工神经网络技术和遗传算法，实现多种技术有效融合应用，促进实际应用价值提升，满足多种功能的要求，保证建筑工程造价估算数据更加准确，完全符合估算标准要求，对建筑工程造价估算工作顺利实施起到积极作用。

3.1基于人工智能技术的建筑工程造价估算模型建立

BP人工神经网络是比较常见的反向传播网络方式，其应用中，包含输入输出层与隐藏层。在模型内，每一个层级中都包含多个节点，每个节点都是一个神经元。在BP人工神经网络的各个层中，节点并不会直接的连接，相邻层和层的节点是相互连接的。信息传输到结构内，都是单向传播的方式，利用模型中各个层结构，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

分析上图可以发现，每个层节点是完全连接的，层和层之间神经元通过二权连接方式连接，单独层的神经元之间并不是连接的。BP网络学习时，通常应用正向与反向传播的方法。正向传播时，误差参数值和精度之间差异，如果误差小于精度值，此时可以根据不同层的神经元权值实施反向梯队修改调整，从而避免误差值过大，且反复操作之下，如果网络内全局误差比超过要求，需要立即停止操作。

3.2遗传算法和人工神经网络的有效融合研究

遗传算法与神经网络实现全面融合，达到系统优势的融合与应用。遗传算法可以实现全域搜索，这是其最大的优势。利用遗传算法进行神经网络优化，促进结构设计效果的提升。神经网络中，遗传算法属于辅助的形式，并且将其能够更好的展开结构设计，满足人们使用需要。神经网络也可以辅助遗传算法的运行，让遗传算法在神经网络基础之下开展运行。遗传算法让神经网络连接更加顺利，优化系统运行效果，连接权更好，并且可以进行神经网络权值的函数分析，先进行数据调整，才能实现连接权的提升。在建筑工程造价估算中，需要计算的全部数据都在神经网络权值内。通过两者融合，可以实现自动设计运行，效率得到提升，还能够实现系统优化，去除神经网络单独运行的缺陷，并且能够提升神经网络的性能，发挥出融合之后的效果，神经网络算法也是应用神经网络权值展开分析，促进收敛性的改变。结合系统运行需要，对于系统的神经网络连接权权值训练是利用函数优化实现的，展开数据分析，确定最优的连接权。但是通常来说，权值训练中，因为多个方面因素影响，选择参数时极易存在问题，权值训练容易发生延迟性反应，导致收敛变低，神经网络出现振荡性反应，工程项目估算数据精度无法满足要求，在系统局部位置出现极值。神经网络连接权优化中，利用遗传算法计算分析，确保权值与连接权完全对应的，数据偏差控制在合理的范围内，权值数据精确性得到提升，让权值训练有序的落实，实现综合水平的提升。

4总结

现代科学技术高速发展，信息技术取得了很大的进步，人工智能技术应用到建筑工程领域产生非常高的优势。本文主要分析人工智能技术在建筑工程造价估算中的应用，发挥出先进科学技术的优势，提高估算数据精度，节约人力资源，促进总体利用价值的提升，对现代建筑领域发展与进步产生积极的意义。

参考文献

[1]杨娥, 谢佳元. 基于人工智能技术的建筑工程造价估算研究[J]. 价值工程, 2018, 37(4):2.

[2]刘经熠. 浅析人工智能技术在工程建设领域的应用现状[J]. 城市道桥与防洪, 2020(6):4.

[3]王琼, 黄建功. 人工智能背景下工程造价行业劳动力的影响效应研究[J]. 工程造价管理, 2020(3):6.

[4]沈翔, 郭乔堃. 人工智能在工程项目管理中应用的拓展研究[J]. 中国工程咨询, 2020(8):7.

[5]高静, 李童. 人工智能技术在房屋建筑施工中的应用[J]. 信息记录材料, 2020, 21(5):2.