基于人工智能技術的建筑工程造價估算研究

何印

（中國電信股份有限公司廣東分公司 廣東廣州 510081）

引言

人工智能技術是先進技術的一種，也是社會經濟和科學技術快速發展的主要表現，在建筑工程造價估算中起著無法代替的作用。建筑工程中的施工造價估算是非常重要的工作，正確的建筑工程造價估算對于建筑工程項目造價預算準確性的提高很有幫助，以往的建筑工程造價估算主要采取人工估算的形式為主，在預算編制過程中對該項目數據的精度較低，估算數據容易造成較大誤差，會造成建筑項目的經濟損失出現。在人工智能技術應用中的建筑項目造價估算中，要采用科學的計算方法用于建設工程項目的資金成本估算，這樣能夠提高建筑工程項目造價估算的準確性。

1 人工智能技術概述

1.1 人工智能技術定義

隨著當代信息技術的飛速發展和進步，計算機技術在人們的工作和生活的各方面都得到了廣泛的應用，計算機技術作為人類工作生活的重要工具，取代以往手工生產方式已成為世界發展的必然趨勢。計算機技術的發展和進步產生并促進了人類智能技術的出現。人工智能是人類智能的行為，人工智能技術發展是當代發展需求，智能技術有著很大優勢，促進各項事業發展，而智能技術作為新型技術手段之一。根據人類智能生活發展的規律，通過具體的程序代碼來完成人類任務活動。人們使用計算機技術來構建人工智能系統從而來幫助人們實現某些不能實現的行為。人類智能技術是通過計算機技術的研究和開發模擬人的行為。隨著人工智能技術的飛速發展，人工智能系統已經被廣泛應用于建筑工程造價估算領域。人工智能技術用于管理施工項目成本估算，監督施工的項目情況，并運用科學的方法提高施工項目成本估算的準確性。

1.2 人工智能技術的特點

人工智能所具有的感知能力是人工智能技術最顯著的特點，這是人工智能系統運行的最根本性質。人工智能技術以計算機為主要運行載體，利用計算機具有的記憶功能，實現記憶功能和思想功能的連接是人工智能技術的未來發展方向。人工智能技術具有學習功能的特點，學習能力是適應社會發展的必要能力，它強調知識在當今社會發展中的重要地位。人工智能的中心處理系統與人類的神經系統相似，人工智能技術又像人類的思維能力，可以提升智能計算機技術的發展。

2 建筑工程造價的研究現狀

2.1 建筑工程造價概述

在建筑項目的前期準備中，施工項目造價估算是必備的內容，項目建筑成本是建筑工程項目預算的建筑價格，項目的建造價格是包括整個建筑工程項目的成本預算在內及耗費建設工程造價預算資源等的綜合。建筑工程造價項目的資金成本較高，項目建設是一個很大的項目，在包括采購材料、施工人員職位安排等在內的系統工程和整個建筑工程項目設計等，我們需要對所有這些工程材料進行預算，成本高達數億元。建設項目的主要制約因素是巨大的材料成本。由于建設項目的目標效益不同，建設項目在不同領域具有不同的項目特點，建設項目的成本差異很大。在建設工程項目需要投入大量時間成本的過程中，建設工程造價的隱性因素是項目時間成本的建設，如果建設工程建設時間越長，在建設工程項目中花費的時間越長，這將導致工程在動態因素的影響下建設項目變得更加復雜，所以工程造價都是由多個子造價系統組成，使得工程項目的造價系統層次感更加突出。

2.2 影響工程造價估算的因素

建筑工程造價估算會受多種因素的影響，建筑工程項目的設計因素和建筑工程建設工人的技能水平都是影響建設工程造價估算的人為因素。工程項目變動、國家政策管控以及自然條件等因素都是影響建筑工程造價的客觀因素。在建設工程造價中，預算過程中任何一個影響因素都是不可忽略的，如果在造價估算中某一因素的影響未被考慮進去，則項目成本的估算的準確性會下降。在建設過程中，建筑的面積和層數的增加會影響工程造價的大小，而在施工過程中材料采購和施工人員變動會影響工程造價估算的準確性。因此，在工程造價估算過程中應考慮動態影響因素的變化。將勞動生產率等因素考慮到項目造價的估算中，使建設項目的技術水平和管理水平得到較好的利用。在人工智能建筑工程造價估算系統中，需要將影響工程造價的人為因素和客觀因素以及各因素的動態變化作為系統的輸入參數，確保最終工程估算的可信度。

3 基于人工智能技術的建筑工程造價估算應用

3.1 建立基于人工智能技術的建筑工程造價估算模型

BP人工神經網絡是應用非常廣泛的一種反向傳播網絡。BP人工神經網絡模型由輸入層、輸出層和隱含層組成。每一層都有許多帶包神經元的節點。在BP人工神經網絡模型的每一層中，節點和節點彼此之間互不連接，但是在相鄰的層和層之間的節點是彼此連接的。數據通過輸入層進入系統，并在系統中的每一層之間以單向方式傳播，并在通過模型中的每一層之后將系統留在輸出層。BP人工神經網絡模型如圖1所示。

圖1 BP人工神經網絡模型

在BP人工神經網絡模型中，每個節點的層與層之間很好地連接，根據層與層的神經元之間的二權連接的方式進行連接，在單獨的一層神經元之間沒有神經元之間的連接。BP網絡的學習過程分為正向和反向傳播模式。正向傳播的輸出誤差值與期望值相比，如果誤差值的精度小于設定值，則可以對每個神經元的權重沿著修正反向梯度的誤差值進行修改，以便我們可以減小誤差值，多次重復操作，如果網絡的全局誤差大于設定值，則停止以上操作。

3.2 遺傳算法和人工神經網絡的綜合應用

遺傳算法和人工神經網絡的優點進行有效的融合，就可使遺傳算法具有全局搜索的優勢，這是遺傳算法顯著的特點。采用遺傳算法對神經網絡進行優化，最重要的是結構的設計。神經網絡能夠為遺傳算法提供合理的輔助功能，可以基于神經網絡來建立遺傳算法。遺傳算法優化神經網絡的連接權，遺傳算法還能夠在相應的函數中優化神經網絡的權值，首先調整相關的數據，使神經網絡具有更好的連接能力。來自項目評估系統的所有數據都包含在神經網絡的權重中。

自動設計方法是一種遺傳算法和神經網絡的集成方式，高效率的自動設計方法可以優化神經網絡，遺傳算法使神經網絡也減少了負面因素，神經網絡提供的神經網絡性能的算法對遺傳算法和神經網絡的收斂性進行了改進，神經網絡算法利用神經網絡算法權重，可以實現遺傳算法收斂的變化。遺傳算法可以有效地優化神經網絡連接權值，從而保證遺傳算法與神經網絡的良好融合。神經網絡連接權重訓練是優化功能，調整數據分析，并找到最佳連接權重。但在重量訓練的一般情況下，由于更多各種因素的影響，參數很容易出現問題，在選擇權重訓練時間會出現延遲，導致收斂效率降低，神經網絡可能出現振蕩現象，項目估計值的精度會受到影響，極值將出現在當地的整個網絡位置。通過遺傳算法對神經網絡連接權重進行優化，保證對應關系的權重和連接類型，使樣本函數的誤差最小化，提高權重的準確性，保證整體權重訓練的正常進行。

4 結語

綜上所述，隨著我國經濟逐漸快速發展，很多人工智能技術被人們逐漸重視起來，通過產業結構化調整，由于人員技術提高，對人工智能技術了解深度不斷加強，技術手段快速發展，而使其成為生產領域當中逐漸被廣泛使用，逐漸成為當代社會上主流技術手段之一，也逐漸成為人們關注焦點。由于計算機技術和信息技術的飛速發展，在建筑工程中應用人工智能技術是建筑工程發展的大勢所趨。在人工智能技術中的一項重要的技術支撐就是計算機技術，因此也要不遺余力的發展計算機技術。在建筑工程造價估算的基礎上，推廣人工智能技術的研究具有不可估量的應用價值，人工智能技術對于提高數據估算的準確性和合理性都有很大幫助，提高了建筑工程的經濟效益。

[1]曲安瀾，劉志斌，朱克紅，等.提高施工管理和企業競爭力的人工智能技術的價值研究[J].機械設計與制造，2010（10）：23～28.

[2]牛曉東，齊建華，醒面華，等.建筑工程造價估算中的變結構神經網絡算法研究[J].河北省科學院學報，2014（23）：11～15.

[3]程紅艷，李平明，劉志貴，等.基于神經網絡模型和改進的最優保留遺傳算法的非線性系統多步預測與控制[J].華北電力大學學報，2015（33）：20～23.

[4]陳冰彬，周可知，李明浩，等.基于人工智能技術的建筑工程造價估算研究[J].湖南城市學院報，2014.

[5]沈金山，杜小龍，李鳳蘭，等.基于BP神經網絡的建筑工程造價估算的優化和改進研究[J].河南科學，2016（44）：56～59.