智能建造技術的研究與應用展望

摘 要：在工業４０背景下，建筑業進入數字化、智能化、信息化和工業化發展時代。智能建造技術的研究與應用是推動傳統建筑業轉型升級的重要支撐，然而智能建造技術存在建筑全生命周期發展過程中協同性不足、評價標準體系和數據管理制度缺乏、智能建造模式不兼容及初始投入成本高等問題，因而限制了建筑業在新時代的高質量發展。總結了智能建造技術的內核特征，并分別綜述了ＢＩＭ技術、ＡＲ／ＶＲ技術、區塊鏈、建筑３Ｄ打印、建筑機器人、物聯網、大數據和人工智能等相關領域新興技術的發展及其在土木工程領域的應用。為推動智能建造技術更廣泛的應用，提出建立統一的智能建造評價體系、提升數據安全、節約成本和加強多學科交叉應用等方面的建議，思考并回答了土木工程學科的未來發展問題，指出智能建造技術是土木工程行業的新質生產力。

關 鍵 詞：智能建造；建筑全生命周期；ＢＩＭ技術；建筑３Ｄ打印；建筑機器人；物聯網；人工智能；大數據；新質生產力

中圖分類號：ＴＵ７４ 文獻標志碼：Ａ 文章編號：１０００－１６４６（２０２４）０５－０７２２－１３

從工業化角度來看，傳統房屋建造是一種特殊的制造，其建筑產品以一種非連續性的方式累積起來，其復雜的建造機制和傳統的勞動密集型本質導致建筑業發展緩慢［１］。因傳統建筑業存在勞動力密集、環境污染、安全事故頻發和能源過度使用等諸多問題，迫切需要傳統的建造模式向更加綠色化和智能化的建造模式升級轉型，實現建筑業的高質量發展［２］。新質生產力是一種以科技創新為主導的生產力形式，以高科技、高效能、高質量為主要特征，轉變了傳統的經濟增長模式和生產力發展方向，是促進建筑業高質量發展的關鍵［３］。隨著新質生產力的不斷發展和壯大，建筑業逐漸步入智能化建造時代，ＢＩＭ 技術、人工智能、建筑３Ｄ打印、建筑機器人等相關領域新興技術逐漸應用到建筑全生命周期的各個階段，以實現節約資源和成本、減少污染及提高經濟和生態環境效益的目標。

全生命周期是從搖籃到墳墓的整個時間歷程。建筑全生命周期是指建筑物從規劃設計、施工建造、運營與維護到拆除的整個過程。英國皇家建筑師協會（ＲＩＢＡ）根據建筑運行的特點將建筑全生命周期定義為設計、建造、運營等多個階段［４］。中國建筑業協會認為建筑全生命周期由決策階段、建設階段和運維階段組成［５］。本文將智能建造的建筑全生命周期細化為５個階段：決策設計階段、生產和運輸階段、施工階段、運維階段及拆除階段。

近年來，智能建造得到越來越多的關注和研究。劉占省等［６］分析了近幾年智能建造的相關政策和智能建造技術在土木工程施工中的應用情況。ＰＡＮ等［７］研究了ＢＩＭ 技術在整個生命周期中人工智能的發展和趨勢。ＪＩＡＮＧ等［８］提出了多標準決策模糊模型，對建筑材料進行決策評價，幫助決策者選擇適合建造的綠色材料。

目前，對于智能建造的研究仍處于初級階段，主要針對全生命周期的某一階段解決傳統建造模式下存在的問題，所以對于智能建造的研究都是以單點或者局部系統為主，缺少智能建造集成化的研究和在建筑全生命周期下對智能建造評價標準的研究。

將智能建造技術和傳統建造方式相結合，可使其更加數字化、綠色化、智能化和信息化。本文總結了智能建造的內核特征，系統地綜述了ＢＩＭ技術、建筑３Ｄ打印、建筑機器人、物聯網、大數據和人工智能等新興技術在建筑全生命周期下的發展歷程及應用情況。為推動智能建造技術更廣泛的應用，提出了建立統一的智能建造評價體系、提升數據安全、節約成本和加強多學科交叉應用等方面的建議。

１ 智能建造概念

結合國內外學者對智能建造的研究［６］，可以對智能建造進行如下釋義：智能建造結合了ＢＩＭ技術、建筑機器人、建筑３Ｄ打印、物聯網、大數據和人工智能等信息技術，將上述信息技術運用到建筑工程產品生產建造全生命周期的各個階段，以信息化和智能化技術為支撐、以工程施工建造為基礎、以項目管理理論為指導、以智能化信息管理平臺為表現形式而形成的智能管理與決策系統，是對建筑全生命周期的各階段進行管理和優化的新型建造方式。

如圖１所示智能建造具有以下特征。１）數字化結構：在智能建造過程中，各級智能系統和設備能夠對外部變化感知、分析和決策，是因為智能建造系統有廣泛的數據庫作為支撐，因此數據庫是智能建造的核心；２）感知學習：傳感器、互聯網、機器人等智能設備和智能管理系統對建筑全生命周期各階段的智能系統和信息具有感知和分析的能力，對建造過程和資源管理具有思考和調整的能力，從而增強自主學習能力，減少失誤，提供正確的決策能力；３）精準控制：通過智能制造技術，將感知到的外部信息快速分析并給出優化結果，實現自主控制或人為控制，確保符合建筑結構設計的預期；４）實時優化：依托５Ｇ無線通信技術將建筑物、建造設備及各個部門管理人員相互聯系起來，實現信息共享，將建造過程中出現的錯誤及時通知負責部門并改正，既能精準控制建筑全生命周期各個階段，又能優化數據，使建造更加智能化；５）信息共享：在智能建造的過程中，建造管理者、設計科研工作者等各專業領域人員能夠在統一的平臺共享信息，實時了解建造過程。

２ 智能建造相關技術發展及應用

２.１ ＢＩＭ 技術發展及應用

建筑信息模型（ＢＩＭ）被美國ＢＩＭ 標準定義為“ＢＩＭ是任何建造對象的物理和功能特征的共享知識資源，以數字化信息為表現，形成決策的可靠基礎，是作為建設項目的一種儲存建筑全生命周期數據信息的全新模型”［９］。１９７４年ＢＩＭ 首次被提出，在當時被稱為“建筑描述系統”［１０］。直到２００２年ＡＵＴＯＤＥＳＫ發布ＢＩＭ白皮書提出建筑信息模型才被大家所了解，此時的建筑信息模型只是針對建筑的設計階段，并不應用于建筑全生命周期。我國十分重視ＢＩＭ 技術的發展，從２００５年ＢＩＭ技術進入我國以來發布了很多新的政策。２０１７年國務院辦公廳發布了《關于促進建筑業持續健康發展的意見》，表明了ＢＩＭ 技術具有集成化、數據共享和信息化管理等功能。２０２１年住建部發布的《關于印發綠色建造技術導則（試行）的通知》，提出了有效采用ＢＩＭ等相關技術以整體提升建造信息化水平的倡議。ＢＩＭ 技術已不再局限于三維可視化軟件，可以為建設項目的整個生命周期提供各類數據信息，并與其他技術相融合，實現ＢＩＭ技術二次開發與應用。ＢＩＭ 發展歷程如圖２所示。

在設計階段，ＢＩＭ 技術不僅具有良好的可視化功能，而且可以基于ＢＩＭ技術對設計階段建筑工程進行可持續性評價。ＳＯＵＳＴ-ＶＥＲＤＡＧＵＥＲ等［１１］提出了基于ＢＩＭ 技術的可持續評價元素方法，此方法對環境、經濟和社會評價具有很好的效果，有助于在設計階段提供透明的數據結構。

在施工和運營維護階段，基于物聯網技術，ＢＩＭ運用在施工、材料的運輸、監控和人員設備管理等方面，以確保施工作業的質量和工作環境的安全。ＢＩＭ 作為可視化和集成數據管理的平臺，可以添加或者執行多個模型來提高應用能力，這樣的模型稱為ＢＩＭ 的“ｎＤ”模型［１２－１３］，如圖３所示。４Ｄ-ＢＩＭ與３Ｄ-ＢＩＭ 模型的區別是增加了時間的維度，可以模擬實時施工過程和進度。對建筑施工和運營的可建造性、工作流程和時間安排進行可視化分析，可以提高生產率。５Ｄ-ＢＩＭ模型增加了成本的維度［１４］，通過計算構件數量，施工量報表可以實時生成建筑的投入成本，將工期與成本相結合，實時預測人員、資金和設備的使用隨時間的變化情況，有助于在設計階段修改預算、減少成本，確保施工和運維階段資金的管理。６Ｄ-ＢＩＭ模型增加了設施管理維度［１５］，可以將建筑全生命周期的材料、人力設施和各個部門的數據等進行整合并形成較為完善的設施管理平臺。７Ｄ-ＢＩＭ模型增加了可持續性維度［１６］，通過改變設計和施工方法而改善施工環境、減少材料浪費和碳排放，保證智能建造施工和運營維護的可持續發展。為確保在建筑全生命周期內人員的安全，８Ｄ-ＢＩＭ模型增加了安全性維度，隨著施工階段的不斷發展，“ｎＤ”模型也在不斷完善。

射頻識別是一種通過無線電信號識別特定目標并讀寫相關數據的技術。將射頻識別標簽附著于目標物上，通過掃描讀寫器讀取數據。在拆除階段，將ＢＩＭ 和射頻識別技術相結合，可以有效識別和儲存信息，將拆除下來的構件進行檢查和重新設計，分析構件剩余壽命，評估構件在建筑全生命周期二次使用的可行性，檢測合格的構件回收再利用，節約資源、減少碳排放，形成可持續的智能建造模式。

虛擬現實（ＶＲ）技術可以將操作者帶入虛擬場景，所創造的環境具有沉浸感，但與真實環境沒有很大關系。增強現實（ＡＲ）技術是將虛擬信息放在真實場景的特定位置，通過特殊的眼鏡看到帶有虛擬信息的真實場景［１７］。將ＶＲ技術和ＡＲ技術相互融合，在真實的場景周圍放置虛擬物體，這種技術被稱為混合現實（ＭＲ）技術。ＶＲ技術、ＡＲ技術和ＭＲ技術統稱為擴展現實（ＸＲ）技術。ＶＲ／ＡＲ技術和ＢＩＭ 技術結合，可以更好地實現３Ｄ模型的可視化。在安全培訓和風險評估時，采用ＶＲ／ＡＲ技術實現場景相互操作，開發更接近現實施工的安全培訓程序［１８］，不僅可以降低建筑業的安全事故率，也可以預估其風險指數。在ＢＩＭ中使用ＶＲ／ＡＲ技術可以提高各部門的溝通協作能力、設計階段規劃合理性，使建筑行業實現高質量發展。

區塊鏈作為一種分布式賬本技術，是記錄數據庫的系統，按時間順序存儲信息，并將其副本發送到計算機網絡上，共同維護數據的真實性和安全性［１９］，可以提高設計階段和施工階段的工作效率。在建筑全生命周期中，可以將施工過程和材料等信息集成到ＢＩＭ，區塊鏈可以儲存對ＢＩＭ 更改的不可變記錄，這些記錄通過標記時間和防篡改信息永久保存［２０］。通過區塊鏈可以與相關項目部門共享信息，保證了信息的真實性，區塊鏈基于共享的區塊鏈數據庫運行，與只能在ＢＩＭ 集中存儲平臺上保存相比更加透明化和真實化，因此區塊鏈技術促進了非中介化的發展，能夠最大限度地減少錯誤信息的發生。

２.２ 智能建造技術裝備設施發展及應用

２.２.１ 建筑３Ｄ打印

２０世紀末，倫斯勒理工學院首次提出關于增材制造的基本原理和制造過程［２１］，３Ｄ打印（３Ｄｐｒｉｎｔｉｎｇ）又稱“增材制造”。２０１３年，全球管理咨詢公司麥肯錫（ＭｃＫｉｎｓｅｙ）將３Ｄ打印技術選為１２項有望帶來突破性創新的技術之一。過去的十年間，３Ｄ打印技術在航空航天、汽車和醫療等行業得到了迅速發展［２２－２６］，在建筑業３Ｄ打印技術也日漸成熟。打印材料、打印方法、打印系統和建筑產品構成了建筑３Ｄ打印的整體流程，如圖４所示［２７］。在建筑業施工階段使用３Ｄ打印技術制作構件或建筑物的施工建造方式被稱為建筑３Ｄ打印技術。

使用這種技術，首先要準備建筑３Ｄ材料和建筑設計圖紙。３Ｄ打印材料既要具有相對較低的塑性黏度和屈服應力，能夠保證材料的流動具有較好的可泵性，還要滿足能夠層層疊放的要求，保證建筑物強度，所以材料還必須具有較好的可建造性。為了在可泵性和可建造性之間達到某種平衡，最常用的建筑３Ｄ打印材料是硅酸鹽水泥混凝土，或使用各種添加劑改善其性能后的混凝土。

其次，３Ｄ打印機要根據不同的建筑結構選擇打印系統。在過去的十年中，使用最多的系統為材料擠壓系統，ＤＵＢＡＬＬＥＴ等［２８］提出了一種打印系統的分類方法，根據物體的大小、機器的尺寸、環境和制造技術等擠壓系統的差異性進行分類，分為砂漿打印系統、Ｆｒｅｅｆａｂ系統［２９］、輪廓加工系統和超高性能混凝土（ＵＨＰＣ）機器人打印系統。ＰＡＮ等［２７］介紹了以上４種打印系統對應的建筑３Ｄ打印建造方法：輪廓設計法、Ｄ-Ｓｈａｐｅ法、混凝土打印技術、ＵＨＰＣ打印技術，其中輪廓設計法［３０］和Ｄ-Ｓｈａｐｅ法［３１］應用于大型混凝土構件。建筑３Ｄ打印施工有兩種方式，如圖５所示。ＸＩＡＯ等［３２］描述了在施工過程中建筑３Ｄ打印技術的實施途徑：１）在工廠對預制構件進行打印、構件運輸和構件現場組裝。２）在施工現場直接安裝３Ｄ打印機，進行混凝土模板打印混凝土灌漿、拆卸和運輸建筑３Ｄ打印機。

建筑３Ｄ打印技術主要應用于施工階段，目前存在的問題是與其他階段聯系不緊密和對建筑３Ｄ打印經濟效益缺少了解等。ＭＩＡＨ等［３３］提供了一種生命周期評估成本的計算方法，旨在降低設計、開發、生產、使用和制造部件的總成本，將建筑３Ｄ打印與此方法相結合，可以評估３Ｄ打印技術的經濟效益。ＢＩＭ 技術結合３Ｄ打印技術［３４－３５］，不僅可以跟蹤檢測動態施工環境，提高施工場地的安全性，而且還可以加強建筑工程結構全生命周期各個階段的聯系。ＤＩＮＧ等［３６］提出了一種新的基于ＢＩＭ的自動化施工系統（ＢＩＭＡＣ），該系統通過３Ｄ打印技術可以得到高精度的建筑構件，與傳統的施工方法相比，ＢＩＭＡＣ可以解決高事故率、低質量和施工人員流失等問題。目前，ＢＩＭ平臺和建筑３Ｄ打印系統之間仍然存在數據傳遞不及時的問題。為解決此類問題，ＤＡＶＴＡＬＡＢ等［３７］構造了一個ＢＩＭ集成到混凝土３Ｄ打印施工系統中的實例，實現技術的相互關聯，使效益得到最大化。

２.２.２ 建筑機器人

２０世紀８０年代，日本清水株式會社首次研發出世界第一臺耐火材料噴涂機器［３８］，隨后建筑機器人得到各國廣泛關注。按照功能分類，建筑機器人可分為建筑機器人［３９］、維護管養機器人［４０］、檢測與監測機器人［４１］和拆除清理機器人［３９，４２］等。表１為建筑機器人應用現狀信息匯總，可見建筑機器人在建筑全生命周期的各個階段都有廣泛的應用。

在構件運輸階段，目前從工廠到現場的運輸仍然是以道路運輸作為主要的運輸方式。很多學者研發無人駕駛系統時［４３］利用高分辨率相機與ＬｉＤＡＲ系統提高無人駕駛的視覺效果。隨著新技術的發展，激光雷達傳感器可以及時探測到車輛附近的物體，保證運輸材料順利到達施工場地，防止施工延誤。

在施工階段，施工機器人主要用于搬運和安裝重物、混凝土澆筑、砌磚、焊接等方面。這些建筑機器人可以完成重復性高、耗時多和危險性高的工作，從而提高了施工效率。

在運維階段，建筑機器人主要負責設施的維修和清潔等工作，例如：外墻清掃、玻璃清洗、管道檢修、設備維護等。ＬＥＥ等［４４］提出了一種基于綜合控制系統的建筑表面清潔機器人，主要應用于高層建筑外墻清潔，與人工相比，機器人的工作時間約減少了３５％，用水量約減少了６４％，清潔性能約提高了５０％。管道老化導致破裂和泄漏等問題造成了嚴重的安全事故和環境污染，因此需要對管道進行持續和定期維護。ＤＡＫＨＬＩ等［４５］綜述了不同種類管道機器人的使用方法以及其在管道維護和檢測中的具體應用。與人工檢測相比，管道機器人不僅能夠全方面檢測管道是否老化和破損，還能提高檢測效率。ＺＨＡＯ等［４８］介紹了電力系統中高壓輸電線路維護機器人的帶電維護過程，避免了人工作業的危險，提高了電力系統運營維護智能化水平。從上述內容可以看出，機器人在運營維護階段發揮著重要作用，能在高空、狹窄或危險的環境下進行維修作業，降低人員在高風險環境中長時間暴露的危險性。

在拆除階段，機器人對建筑結構進行拆除清理，對可重復使用的材料進行回收。ＭＵ等［５１］結合靜力學和運動學，提出了一種基于定向包圍盒復合控制法的機器人系統，其可以在高輻射環境下進行建筑拆除工作。建筑拆除后，廢棄物的利用也是一個重要問題，ＫＵ等［５２］建立了定位系統數學模型，優化機器人的運動學參數，提高拆除機器人對建筑垃圾分揀效率。拆除機器人可以執行高輻射、高復雜或高風險環境的拆除工作，提高拆除過程的安全性和效率。

２３ 智能建造信息技術發展及應用

近年來，全球經濟和工業社會的高速發展離不開物聯網、大數據和人工智能等新技術的支撐。新技術帶來新產業，進而形成新的生產力。新質生產力的發展和壯大首先要以服務于高質量發展為第一要務，有效提升量的累積增長。通過分析物聯網、大數據和人工智能等相關領域新興科技在建筑業中的應用，證明了在智能建造信息技術的推動下ＢＩＭ技術對建筑質量效益、經濟效益和生態效益的不斷提高均具有積極作用。

２.３.１ 物聯網

物聯網（ＩｏＴ）是指通過互聯網連接設備，即物理設備之間的互聯，借助傳感器、執行器、軟件和網絡連接幫助管理者通過遠程操作或傳遞建筑傳感器收集數據。ＪＩＡ等［５３］綜述了物聯網系統的３層結構與智能建造的聯系以及物聯網在建筑全生命周期的應用和發展。物聯網的３層架構包括感知層、網絡層和應用層。感知層包括感知節點和感知網絡，由各種傳感器組成，主要負責感知和數據采集。網絡層負責數據的傳輸，由于包含了各類設備（例如網關）及通信等基礎設施，因此是體系結構中最主要的一層。應用層最終與用戶交互，將接收的傳輸數據發送給用戶并提供相應服務。圖６為物聯網的３層結構示意圖。

物聯網自應用于建筑領域以來，一些學者通過物聯網的有效實施來探索建筑物聯網能夠解決的實際問題。在運輸階段，經常出現由于人為錯誤造成材料供應延遲，最終導致項目延遲的問題。ＬＯＵＩＳ等［５４］利用物聯網連接了無人機和自動駕駛卡車，不僅提高了效率和準確性，而且縮短了運輸時間并減少了運輸成本。在施工階段，物聯網很好地解決了混凝土的養護和人員作業的安全問題［５５－５６］。ＷＥＩ等［５７］開發了基于物聯網的混凝土早期養護系統，在混凝土中嵌入傳感器，實時監測混凝土養護強度，不僅可以控制混凝土的拆模時間，還可以優化混凝土的配合比。在施工現場，物聯網可以結合射頻識別（ＲＦＩＤ）技術，用標簽管理施工設備和材料并實時監控，防止被盜竊［５５］。在施工過程中會有各種危險，可以在安全帽中安裝報警傳感器，當危險來臨時，傳感器會利用物聯網實時傳遞信息，及時發出警報讓施工人員遠離危險。同時傳感器也可以感知長時間工作給施工者帶來的身體不適，通過物聯網實時反饋給管理人員，并采取相應措施，保證作業人員的健康和安全。

建筑運營和維護會帶來嚴重的能源浪費和成本增加，ＷＥＩ等［５８］提出了一種基于物聯網綜合管理的建筑能耗監測分析系統的設計框架，利用物聯網技術所傳遞的數據，分析建筑能耗對建筑自動化系統和設備的影響，進一步實現建筑能耗的實時監測與控制，提高建筑節能效率。ＶＩＳＷＡＮＡＴＨ等［５９］設計了一種物聯網與網關相結合的智能電網應用系統，此系統具有安全性、互操作性和擴展性，可以為建筑高效能源管理提供更加智能的節能方法。在建筑維護期間要保證設備的正常運行，同時兼具方便檢修和精準檢測等功能，設施管理也是智能建造的一項基本內容。ＡＢＤＡＬＷＨＡＢ等［６０］通過將物聯網與ＢＩＭ 技術所創建的數據庫相結合，提出了一種能夠實時面向服務架構（ＳＯＡ）的方法，將靜態模型更新為實時模型的鏈接方式，可以提高設施服務的整體質量，降低維修和建筑能源使用的成本。Ｄ′ＥＬＩＡ等［６１］研發了一種智能建筑維護平臺，用于大型建筑運營物維護的智能感知應用程序，可檢測環境變量、自動檢測建筑的設備故障，并向工作人員和戶主提供建議。ＢＡＳＨＩＲ等［６２］提出了一種物聯網大數據分析系統（ＩＢＤＡ），自動檢測建筑室內的氧氣水平、亮度和煙霧等有害氣體并反饋給智能平臺作出決策，保證建筑物室內環境的良好舒適性。

２.３.２ 大數據

在數字化信息時代，建筑全生命周期中應用的物聯網、ＢＩＭ技術和數字設備等智能建造元素成為了建筑行業的新特點。智能建造技術之所以可以根據實際情況分析并采取正確的措施，是因為其得到大量的數據和算法支持。大數據來源于以往的項目活動中收集和儲存的大量數據信息，并且隨著工程設備、材料和時間的增加，數據容量不斷擴大［１４］。隨著大數據技術的發展［６３－６５］，形成了以下５大方面的特征：多樣性、數量、速度、準確性和價值，如圖７所示。

圖８為建筑行業的大數據流程圖。數據來源包括由科學調查人員、研究機構或政府機構進行監督后提供的可信度很高的數據信息［６６］，和從計算機、傳感器［６７］以及通過實驗數據［６８］收集到的數據信息。隨著傳感技術、遙感和射頻識別閱讀器等數據采集設備種類的不斷豐富，數據集的規模隨之擴大，ＨＩＬＢＥＲＴ等［６９］研究發現每天創建的新數據量呈指數級增加。目前，隨著數據量的不斷增長，傳統的數據存儲設備如光盤和固態硬盤（ＳＳＤ）已經無法滿足海量大數據存儲的需求。在這種情況下，云存儲成為一種重要的選擇方式，其不僅具備高容量和可擴展性的優點，而且可以縮短數據搜索的時間以及實現數據共享。使用數學算法進行適當分析的過程稱為大數據分析［７０－７２］，結合可視化工具可以更直觀有效地顯示建筑的功能，從而為建筑全生命周期提供有效的信息、提高效率和效益。

２.３.３ 人工智能

人工智能（ＡＩ）是利用計算機模擬人類智能行為、學習研究并延伸、擴展人類活動的智能技術、理論以及應用系統的綜合性領域，其包含了計算機科學、邏輯學和心理學等多學科理論［７３］。２０世紀６０年代，人工智能由達特茅斯大學的學者們正式提出，進入２１世紀以來，人工智能技術得到了越來越多人的關注。人工智能在土木工程領域的應用主要集中在建筑物設計可視化、構件制作和運輸、施工階段的管理、進度控制以及人員安全等方面。劉紅波等［７４］定性分析了人工智能在土木工程領域從設計到結構維護階段的應用，并將人工智能分為４類，分別是自然語言處理、計算機視覺、語音識別和交叉領域。

人工智能的發展與機器學習（ＭＬ）聯系密切。機器學習是人工智能的子領域，雖然人工智能技術的應用范圍更廣，包含了其他技術和方法，但機器學習在實現人工智能的核心任務上扮演著重要角色。與傳統的計算機編程不同，機器學習是使用統計模型，通過數據結構來提高機器學習的準確性，并將其擬合到模型中。ＭＡＲＴ？ＮＥＺＲＯＣＡＭＯＲＡ等［７５］將建筑工程結構全生命周期與隨機森林算法結合，預測建筑對環境的影響。ＳＯＮ等［７６］在決策階段結合支持向量機模型，預測建筑施工的成本和進度。

深度學習（ＤＬ）是機器學習的一種方法，基于神經網絡算法，旨在模擬人腦神經元之間的連接和信息傳遞方式。深度學習通過構建深層的神經網絡模型，可以主動對大規模的數據進行學習和特征提取以實現各種任務，如圖像識別、語音識別和自然語言處理等。圖９為人工智能算法的層次結構。深度學習算法在建筑全生命周期中主要處理圖像和音頻等復雜高維數據。在施工階段，施工進度監控是保證工程按時交付的一個重要方面。ＧＯＬＰＡＲＶＡＲ-ＦＡＲＤ等［７７］基于云計算技術，將深度學習算法與４Ｄ-ＢＩＭ相結合，對施工進度進行監控。ＺＨＵ等［７８］利用３類測試器（ＳＶＤＤ、Ｃ-ＳＵＶ和ＡＮＮ）來識別和記錄施工照片中的混凝土區域，用于竣工檢測并判斷建筑物的完整性。

人工智能可以分析數據中的結構化、半結構化和非結構化特征。大數據分析過程又稱數據挖掘技術［７９］，該技術是利用人工智能與計算機科學相結合的方法，對數據庫中的信息進行統計、搜索、分析、分類和歸納等操作，可以從大量數據中分析提取出有價值的模式、趨勢甚至知識，幫助人們作出更準確的決策和判斷。數據挖掘技術廣泛應用于建筑工程結構的評級、能源使用和對成本的預測等方面。表２總結了數據挖掘技術在建筑中的應用。

目前，項目建造階段的決策都是基于數據分析，建筑大數據信息應用于建筑全生命周期各個階段［８０］。在設計決策階段，收集相關的建筑信息、消耗能源信息和環境影響信息［８１］等，可以解決如何建造和在哪里建造的問題，也可以對建筑物的壽命進行評估，最大限度地減少施工的安全隱患。在施工階段，基于天氣預報數據、人員身體狀況數據和施工設備數據等傳感器感知的數據，結合ＢＩＭ技術有助于機械設備和人員的調動［８２］，促進更好地施工管理和運營維護。在拆除階段，根據大數據提供的信息計算廢棄建筑垃圾數量和種類，進行有效地評價和管理［７０，８３］，從而對建筑垃圾進行合理地分類和再利用。隨著智能建造技術的不斷發展，大數據、人工智能、ＢＩＭ 技術和物聯網等不同的智能建造技術元素之間相互協同，必將會產生更廣闊的應用前景。

３ 總結和展望

本文綜述了智能建造相關技術的發展歷程及其在建筑全生命周期的應用現狀。在工業４０背景下，ＢＩＭ技術、人工智能、物聯網和建筑機器人等不同領域的新興技術，為建筑業的智能化和信息化發展創造了條件，ＢＩＭ技術與射頻識別、ＡＲ／ＶＲ技術和區塊鏈技術的應用改變了建筑全生命周期的管理模式，使建筑的管理模式趨向于數字化和可視化。建筑機器人和３Ｄ打印技術的應用可以完成危險系數較大的工作，提高了施工的安全性和施工效率。物聯網、大數據和人工智能的應用消除了“信息孤島”，使建筑的各個階段的信息能夠及時有效地共享和儲存，準確分析預測設備故障，能夠更快地對項目出現的各種情況采取對應的措施。

我國智能建造技術的應用仍處于初級階段，還未形成相對成熟的體系并面臨以下５個方面的挑戰：

１）在評價體系方面，智能建造技術在建筑行業中缺少統一的評價標準，目前智能建造技術涉及了設計、施工、生產運輸和數據共享等多個領域。由于缺少一致性的評價標準，智能建造的智能化和信息化成熟度不高，限制了智能建造技術的發展。以國家推行的ＧＢ／Ｔ５０３７８２０１９《綠色建筑評價標準》為例，該標準提高了人們對建筑的綠色設計、綠色施工、綠色評估和廢棄物回收的意識，促進了我國綠色建筑的發展。面對智能建造在建筑業快速發展的現狀，應盡快制定一部針對建筑全生命周期下智能建造技術應用的評價標準，使該標準不僅適用于一部分地區，而且要成為國家行業標準，更好地推進智能建造技術在建筑業的全面應用。

２）在城市建設方面，新興智慧城市是城市規劃發展的新方向，其核心要求是將各種資源融合在一起，形成一種全新的城市發展模式。智慧城市與智能建造技術如何相互緊密關聯，是目前面對的一個重要挑戰。智能建造技術是未來智慧城市發展的重要一環，其提供了更智能、更高效和可持續的基礎設施建設方法，是實現智慧城市建設的重要手段。同時，智慧城市可以收集更廣泛的大數據信息并共享、分析，有助于推動城市規劃、資源管理和智能建造技術的創新發展，使智能建造施工模式更加智能化、數字化和工業化。因此，智能建造技術與智慧城市發展相互促進，共同實現智能建造技術的廣泛應用與創新，促進智慧城市建設的高質量發展。

３）在數據管理方面，數據的共享和采集主要依賴于物聯網的傳遞，智能建造系統缺少安全設置，其中很多需要保密的信息存在泄露和盜用的風險。為了保證數據源的安全和數據傳遞過程中的網絡安全，可以通過防火墻對數據進行加密處理，并完善檢測系統以提高數據的安全性。

４）在成本方面，智能建造技術前期需要較高的投入成本，這阻礙了智能建造技術的發展。在建筑全生命周期背景下，智能建造要使用新興技術設備和系統以及培訓相關智能建造技術人員，這些都會導致智能建造的初始投資增加。但智能建造的應用可以提高施工效率、節約材料和能源、減少人力成本。從全生命周期角度來看，智能建造不僅可以帶來長期的經濟效益，還可以減少碳排放，保護環境，取得更好的生態環境效益。

５）在多學科交叉研究方面，智能建造技術是土木工程學科面向未來，走多學科交叉發展路線的必由之路。智能建造技術至少涉及了土木、信息、機械、電氣、材料和管理等多個傳統學科領域，因此，如何發揮傳統學科深厚的積淀，促進多學科新興技術的深度交叉融合，推動智能建造新興技術的研究、發展及應用成為當前和未來的研究重點；同時對傳統學科如何開辟新的賽道和新的應用場景，促進甚至帶動傳統工科學科領域的發展和進步，這些都是接下來需要深入思考的問題和不斷努力的方向。

智能建造技術是面向未來促進土木工程行業高質量發展的新質生產力。如何結合各相關學科的優勢，改變傳統的觀念、理念，解決智能建造發展的若干關鍵瓶頸問題，促進土木工程行業新質生產力的不斷發展壯大是下一步需要認真思考的問題。

參考文獻（Ｒｅｆｅｒｅｎｃｅｓ）：

［１］ＣＨＡＮＡＰＣ，ＤＡＲＫＯＡ，ＯＬＡＮＩＰＥＫＵＮＡＯ，ｅｔａｌ．Ｃｒｉｔｉｃａｌｂａｒｒｉｅｒｓｔｏｇｒｅｅｎｂｕｉｌｄｉｎｇｔｅｃｈｎｏｌｏｇｉｅｓａｄｏｐｔｉｏｎｉｎｄｅｖｅｌｏｐｉｎｇｃｏｕｎｔｒｉｅｓ：ｔｈｅｃａｓｅｏｆＧｈａｎａ［Ｊ］．ＪｏｕｒｎａｌｏｆＣｌｅａｎｅｒＰｒｏｄｕｃｔｉｏｎ，２０１８，１７２：１０６７－１０７９．

［２］尤志嘉，鄭蓮瓊，馮凌俊．智能建造系統基礎理論與體系結構［Ｊ］．土木工程與管理學報，２０２１，３８（２）： １０５－１１１．

（ＹＯＵＺＪ，ＺＨＥＮＧＬＱ，ＦＥＮＧＬＪ．Ｂａｓｉｃｔｈｅｏｒｙａｎｄａｒｃｈｉｔｅｃｔｕｒｅｏｆｉｎｔｅｌｌｉｇｅｎｔｃｏｎｓｔｒｕｃｔｉｏｎｓｙｓｔｅｍ ［Ｊ］．ＪｏｕｒｎａｌｏｆＣｉｖｉｌＥｎｇｉｎｅｅｒｉｎｇａｎｄＭａｎａｇｅｍｅｎｔ，２０２１， ３８（２）：１０５－１１１．）

［３］賈若祥，王繼源，竇紅濤．以新質生產力推動區域高質量發展［Ｊ］．改革，２０２４（３）：３８－４７．

（ＪＩＡＲＸ，ＷＡＮＧＪＹ，ＤＯＵ Ｈ Ｔ．Ｐｒｏｍｏｔｉｎｇｈｉｇｈｑｕａｌｉｔｙｒｅｇｉｏｎａｌｄｅｖｅｌｏｐｍｅｎｔｂｙｎｅｗ ｑｕａｌｉｔｙｐｒｏｄｕｃｔｉｖｅｆｏｒｃｅｓ［Ｊ］．Ｒｅｆｏｒｍ，２０２４（３）：３８－４７．）

［４］ＲＯＢＥＲＴＳＭ，ＡＬＬＥＮ Ｓ，ＣＯＬＥＹ Ｄ．Ｌｉｆｅｃｙｃｌｅａｓｓｅｓｓｍｅｎｔｉｎｔｈｅｂｕｉｌｄｉｎｇｄｅｓｉｇｎｐｒｏｃｅｓｓ：ａｓｙｓｔｅｍａｔｉｃｌｉｔｅｒａｔｕｒｅｒｅｖｉｅｗ ［Ｊ］．Ｂｕｉｌｄｉｎｇ ａｎｄ Ｅｎｖｉｒｏｎｍｅｎｔ， ２０２０，１８５：２７４－２８１．

［５］袁瑤．基于ＢＩＭ技術的項目全生命周期質量管理應用研究［Ｄ］．南昌：南昌大學，２０２０．

（ＹＵＡＮＹ．Ｒｅｓｅａｒｃｈｏｎｔｈｅｗｈｏｌｅｌｉｆｅｃｙｃｌｅｑｕａｌｉｔｙｃｏｎｔｒｏｌｓｙｓｔｅｍ ｂａｓｅｄｏｎＢＩＭ ｔｅｃｈｎｏｌｏｇｙ［Ｄ］．Ｎａｎｃｈａｎｇ：ＮａｎｃｈａｎｇＵｎｉｖｅｒｓｉｔｙ，２０２０．）

［６］劉占省，孫嘯濤，史國梁．智能建造在土木工程施工中的應用綜述［Ｊ］．施工技術，２０２１，５０（１３）：４０－５３．

（ＬＩＵＺＳ，ＳＵＮＸＴ，ＳＨＩＧＬ．Ｓｕｍｍａｒｙｏｆａｐｐｌｉｃａｔｉｏｎｏｆｉｎｔｅｌｌｉｇｅｎｔｃｏｎｓｔｒｕｃｔｉｏｎｉｎｃｉｖｉｌｅｎｇｉｎｅｅｒｉｎｇｃｏｎｓｔｒｕｃｔｉｏｎ［Ｊ］．ＣｏｎｓｔｒｕｃｔｉｏｎＴｅｃｈｎｏｌｏｇｙ，２０２１，５０（１３）：４０－５３．）

［７］ＰＡＮＹ，ＺＨＡＮＧ ＬＭ．ＩｎｔｅｇｒａｔｉｎｇＢＩＭ ａｎｄＡＩｆｏｒｓｍａｒｔｃｏｎｓｔｒｕｃｔｉｏｎｍａｎａｇｅｍｅｎｔ：ｃｕｒｒｅｎｔｓｔａｔｕｓａｎｄｆｕｔｕｒｅｄｉｒｅｃｔｉｏｎｓ［Ｊ］．ＡｒｃｈｉｖｅｓｏｆＣｏｍｐｕｔａｔｉｏｎａｌＭｅｔｈｏｄｓｉｎＥｎｇｉｎｅｅｒｉｎｇ，２０２３，３０（２）：１０８１－１１１０．

［８］ＪＩＡＮＧＳＨ，ＪＡＮＧＷ Ｓ，ＳＫＩＢＮＩＥＷＳＫＩＭ Ｊ．Ｓｅｌｅｃｔｉｏｎｏｆｗｉｒｅｌｅｓｓｔｅｃｈｎｏｌｏｇｙｆｏｒｔｒａｃｋｉｎｇｃｏｎｓｔｒｕｃｔｉｏｎｍａｔｅｒｉａｌｓｕｓｉｎｇａｆｕｚｚｙｄｅｃｉｓｉｏｎｍｏｄｅｌ［Ｊ］．ＪｏｕｒｎａｌｏｆＣｉｖｉｌＥｎｇｉｎｅｅｒｉｎｇａｎｄＭａｎａｇｅｍｅｎｔ，２０１２，１８（１）： ４３－５９．

［９］ＳＭＩＴＨＰ．ＢＩＭ ｉｍｐｌｅｍｅｎｔａｔｉｏｎｇｌｏｂａｌｓｔｒａｔｅｇｉｅｓ［Ｊ］．ＰｒｏｃｅｄｉａＥｎｇｉｎｅｅｒｉｎｇ，２０１４，８５：４８２－４９２．

［１０］ＢＯＮＯＭＩＦ，ＭＩＬＩＴＯＲ，ＺＨＵＪ，ｅｔａｌ．Ｆｏｇｃｏｍｐｕｔｉｎｇａｎｄｉｔｓｒｏｌｅｉｎｔｈｅｉｎｔｅｒｎｅｔｏｆｔｈｉｎｇｓ［Ｃ］／／ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＦｉｒｓｔＥｄｉｔｉｏｎｏｆｔｈｅＭＣＣＷｏｒｋｓｈｏｐｏｎＭｏｂｉｌｅＣｌｏｕｄ Ｃｏｍｐｕｔｉｎｇ．Ｈｅｌｓｉｎｋｉ，Ｆｉｎｌａｎｄ：ＡＣＭ，２０１２：１３－１６．

［１１］ＳＯＵＳＴＶＥＲＤＡＧＵＥＲＢ，ＧＡＬＥＡＮＡＩ，ＬＬＡＴＡＳＣ， ｅｔａｌ．Ｈｏｗ ｔｏｃｏｎｄｕｃｔｃｏｎｓｉｓｔｅｎｔｅｎｖｉｒｏｎｍｅｎｔａｌ，ｅｃｏｎｏｍｉｃ，ａｎｄｓｏｃｉａｌａｓｓｅｓｓｍｅｎｔｄｕｒｉｎｇｔｈｅｂｕｉｌｄｉｎｇｄｅｓｉｇｎｐｒｏｃｅｓｓ：ａＢＩＭｂａｓｅｄｌｉｆｅｃｙｃｌｅｓｕｓｔａｉｎａｂｉｌｉｔｙａｓｓｅｓｓｍｅｎｔｍｅｔｈｏｄ［Ｊ］．ＪｏｕｒｎａｌｏｆＢｕｉｌｄｉｎｇＥｎｇｉｎｅｅｒｉｎｇ， ２０２２，４５：３５１６－３５２３．

［１２］ＫＡＳＳＥＭ Ｍ，ＢＲＯＧＤＥＮＴ，ＤＡＷＯＯＤＮ．ＢＩＭ ａｎｄ４Ｄｐｌａｎｎｉｎｇ：ａｈｏｌｉｓｔｉｃｓｔｕｄｙｏｆｔｈｅｂａｒｒｉｅｒｓａｎｄｄｒｉｖｅｒｓｔｏｗｉｄｅｓｐｒｅａｄａｄｏｐｔｉｏｎ［Ｊ］．ＪｏｕｒｎａｌｏｆＣｏｎｓｔｒｕｃｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇａｎｄＰｒｏｊｅｃｔＭａｎａｇｅｍｅｎｔ，２０１２，２（４）：１－１０．

［１３］ＷＯＮＧＡ，ＷＯＮＧ ＦＫ，ＮＡＤＥＥＭ Ａ．ＣｏｍｐａｒａｔｉｖｅｒｏｌｅｓｏｆｍａｊｏｒｓｔａｋｅｈｏｌｄｅｒｓｆｏｒｔｈｅｉｍｐｌｅｍｅｎｔａｔｉｏｎｏｆＢＩＭ ｉｎｖａｒｉｏｕｓｃｏｕｎｔｒｉｅｓ［Ｊ］．ＰｒｏｃｅｅｄｉｎｇｏｆＣｈａｎｇｉｎｇＲｏｌｅｓ，２００９，１０：２３－３３．

［１４］ＳＲＩＶＡＳＴＡＶＡＡ，ＪＡＷＡＩＤ Ｓ，ＳＩＮＧＨ Ｒ，ｅｔａｌ．Ｉｍｐｅｒａｔｉｖｅｒｏｌｅｏｆｔｅｃｈｎｏｌｏｇｙｉｎｔｅｒｖｅｎｔｉｏｎａｎｄｉｍｐｌｅｍｅｎｔａｔｉｏｎｆｏｒａｕｔｏｍａｔｉｏｎｉｎｔｈｅｃｏｎｓｔｒｕｃｔｉｏｎｉｎｄｕｓｔｒｙ［Ｊ］．ＡｄｖａｎｃｅｓｉｎＣｉｖｉｌＥｎｇｉｎｅｅｒｉｎｇ，２０２２，１０：２０－２２．

［１５］ＰＩＳＨＤＡＤＢＯＺＯＲＧＩＰ，ＧＡＯ Ｘ Ｈ，ＥＡＳＴＭＡＮ Ｃ， ｅｔａｌ．Ｐｌａｎｎｉｎｇａｎｄｄｅｖｅｌｏｐｉｎｇｆａｃｉｌｉｔｙｍａｎａｇｅｍｅｎｔｅｎａｂｌｅｄｂｕｉｌｄｉｎｇｉｎｆｏｒｍａｔｉｏｎｍｏｄｅｌ（ＦＭｅｎａｂｌｅｄＢＩＭ）［Ｊ］．ＡｕｔｏｍａｔｉｏｎｉｎＣｏｎｓｔｒｕｃｔｉｏｎ，２０１８，８７：２２－３８．

［１６］ＢＹＮＵＭ Ｐ，ＩＳＳＡＲＲＡ，ＯＬＢＩＮＡＳ．Ｂｕｉｌｄｉｎｇｉｎｆｏｒｍａｔｉｏｎｍｏｄｅｌｉｎｇｉｎｓｕｐｐｏｒｔｏｆｓｕｓｔａｉｎａｂｌｅｄｅｓｉｇｎａｎｄｃｏｎｓｔｒｕｃｔｉｏｎ［Ｊ］．ＪｏｕｒｎａｌｏｆＣｏｎｓｔｒｕｃｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇａｎｄＭａｎａｇｅｍｅｎｔ，２０１３，１３９（１）：２４－３４．

［１７］ＡＨＭＥＤＳ．Ａ ｒｅｖｉｅｗ ｏｎｕｓｉｎｇｏｐｐｏｒｔｕｎｉｔｉｅｓｏｆａｕｇｍｅｎｔｅｄｒｅａｌｉｔｙａｎｄｖｉｒｔｕａｌｒｅａｌｉｔｙｉｎｃｏｎｓｔｒｕｃｔｉｏｎｐｒｏｊｅｃｔｍａｎａｇｅｍｅｎｔ［Ｊ］．Ｏｒｇａｎｉｚａｔｉｏｎ，ＴｅｃｈｎｏｌｏｇｙａｎｄＭａｎａｇｅｍｅｎｔｉｎＣｏｎｓｔｒｕｃｔｉｏｎ，２０１８，１０（１）：１８３９－１８５２．

［１８］ＢＡＲＢＡＲＡＳ，ＶＩＮＣＥＮＴＨ，ＫＡＲＩＭ Ｂ，ｅｔａｌ．ＢＩＭｄａｔａｆｌｏｗ ａｒｃｈｉｔｅｃｔｕｒｅｗｉｔｈＡＲ／ＶＲｔｅｃｈｎｏｌｏｇｉｅｓ：ｕｓｅｃａｓｅｓｉｎａｒｃｈｉｔｅｃｔｕｒｅ，ｅｎｇｉｎｅｅｒｉｎｇａｎｄｃｏｎｓｔｒｕｃｔｉｏｎ［Ｊ］．ＡｕｔｏｍａｔｉｏｎｉｎＣｏｎｓｔｒｕｃｔｉｏｎ，２０２２，１３４：４０５４－４０６３．

［１９］陳晶，楊浩，何琨，等．區塊鏈擴展技術現狀與展望［Ｊ］．軟件學報，２０２４，３５（２）：８２８－８５１．

（ＣＨＥＮＪ，ＹＡＮＧ Ｈ，ＨＥＫ，ｅｔａｌ．Ｃｕｒｒｅｎｔｓｉｔｕａｔｉｏｎａｎｄｐｒｏｓｐｅｃｔｏｆｂｌｏｃｋｃｈａｉｎｓｃａｌｉｎｇｔｅｃｈｎｏｌｏｇｙ［Ｊ］．ＪｏｕｒｎａｌｏｆＳｏｆｔｗａｒｅ，２０２４，３５（２）：８２８－８５１．）

［２０］ＥＲＲＩＰＡ，ＹＩＵＴ，ＡＭＯＲ Ｒ．ＬｅｖｅｒａｇｉｎｇｂｌｏｃｋｃｈａｉｎｔｅｃｈｎｏｌｏｇｙｉｎａＢＩＭ ｗｏｒｋｆｌｏｗ：ａｌｉｔｅｒａｔｕｒｅｒｅｖｉｅｗ［Ｃ］／／ＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＳｍａｒｔＩｎｆｒａｓｔｒｕｃｔｕｒｅａｎｄＣｏｎｓｔｒｕｃｔｉｏｎ２０１９（ＩＣＳＩＣ）：ｄｒｉｖｉｎｇｄａｔａｉｎｆｏｒｍｅｄｄｅｃｉｓｉｏｎｍａｋｉｎｇ．ＣｈｕｒｃｈｉｌｌＣｏｌｌｅｇｅＣａｍｂｒｉｄｇｅ，ＵＫ： ＩＣＥＰ，２０１９：３７１－３８０．

［２１］ＰＥＧＮＡＪ．Ｅｘｐｌｏｒａｔｏｒｙｉｎｖｅｓｔｉｇａｔｉｏｎｏｆｓｏｌｉｄｆｒｅｅｆｏｒｍｃｏｎｓｔｒｕｃｔｉｏｎ［Ｊ］．ＡｕｔｏｍａｔｉｏｎｉｎＣｏｎｓｔｒｕｃｔｉｏｎ，１９９７，５（５）：４２７－４３７．

［２２］ＭＡＲＴＩＮＪＨ，ＹＡＨＡＴＡ Ｂ Ｄ，ＨＵＮＤＬＥＹ ＪＭ，ｅｔａｌ．３Ｄｐｒｉｎｔｉｎｇｏｆｈｉｇｈｓｔｒｅｎｇｔｈａｌｕｍｉｎｉｕｍａｌｌｏｙｓ［Ｊ］．Ｎａｔｕｒｅ，２０１７，５４９（６７８２）：３６５－３６９．

［２３］ＬＩＵＺＧ，ＷＡＮＧＹＱ，ＷＵＢＣ，ｅｔａｌ．Ａｃｒｉｔｉｃａｌｒｅｖｉｅｗｏｆｆｕｓｅｄｄｅｐｏｓｉｔｉｏｎｍｏｄｅｌｉｎｇ３Ｄ ｐｒｉｎｔｉｎｇｔｅｃｈｎｏｌｏｇｙｉｎｍａｎｕｆａｃｔｕｒｉｎｇｐｏｌｙｌａｃｔｉｃａｃｉｄｐａｒｔｓ［Ｊ］．ＴｈｅＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌ ｏｆ Ａｄｖａｎｃｅｄ ＭａｎｕｆａｃｔｕｒｉｎｇＴｅｃｈｎｏｌｏｇｙ，２０１９，１０２（９）：２８７７－２８８９．

［２４］ＹＥＪＨ，ＷＩＬＳＯＮＤＡ，ＴＵＹＦ，ｅｔａｌ．３Ｄｐｒｉｎｔｅｄｍｉｃｒｏｍｏｔｏｒｓｆｏｒｂｉｏｍｅｄｉｃａｌａｐｐｌｉｃａｔｉｏｎｓ［Ｊ］．ＡｄｖａｎｃｅｄＭａｔｅｒｉａｌｓＴｅｃｈｎｏｌｏｇｉｅｓ，２０２０，５（１１）：１６－２０．

［２５］ＫＨＡＬＩＤＭ Ｙ，ＡＲＩＦＺＵ，ＮＯＲＯＯＺＩＲ，ｅｔａｌ．４Ｄｐｒｉｎｔｉｎｇｏｆｓｈａｐｅｍｅｍｏｒｙｐｏｌｙｍｅｒｃｏｍｐｏｓｉｔｅｓ：ａｒｅｖｉｅｗｏｎｆａｂｒｉｃａｔｉｏｎｔｅｃｈｎｉｑｕｅｓ，ａｐｐｌｉｃａｔｉｏｎｓ，ａｎｄｆｕｔｕｒｅｐｅｒｓｐｅｃｔｉｖｅｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＭａｎｕｆａｃｔｕｒｉｎｇＰｒｏｃｅｓｓｅｓ， ２０２２，８１：７５９－７９７．

［２６］ＭＡＤＨＡＶＡＤＡＳＶ，ＳＲＩＶＡＳＴＡＶＡＤ，ＣＨＡＤＨＡＵ， ｅｔａｌ．Ａｒｅｖｉｅｗｏｎｍｅｔａｌａｄｄｉｔｉｖｅｍａｎｕｆａｃｔｕｒｉｎｇｆｏｒｉｎｔｒｉｃａｔｅｌｙｓｈａｐｅｄ ａｅｒｏｓｐａｃｅｃｏｍｐｏｎｅｎｔｓ［Ｊ］．ＣＩＲＰＪｏｕｒｎａｌｏｆＭａｎｕｆａｃｔｕｒｉｎｇＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ， ２０２２，３９：１８－３６．

［２７］ＰＡＮＹＦ，ＺＨＡＮＧ Ｙ Ｌ，ＺＨＡＮＧ Ｄ Ｋ，ｅｔａｌ．３Ｄｐｒｉｎｔｉｎｇｉｎｃｏｎｓｔｒｕｃｔｉｏｎ：ｓｔａｔｅｏｆｔｈｅａｒｔａｎｄａｐｐｌｉｃａｔｉｏｎｓ［Ｊ］．ＴｈｅＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＡｄｖａｎｃｅｄＭａｎｕｆａｃｔｕｒｉｎｇＴｅｃｈｎｏｌｏｇｙ，２０２１，１１５（５）：１３２９－１３４８．

［２８］ＤＵＢＡＬＬＥＴＲ，ＢＡＶＥＲＥＬＯ，ＤＩＲＲＥＮＢＥＲＧＥＲ Ｊ．Ｃｌａｓｓｉｆｉｃａｔｉｏｎｏｆｂｕｉｌｄｉｎｇｓｙｓｔｅｍｓｆｏｒｃｏｎｃｒｅｔｅ３Ｄｐｒｉｎｔｉｎｇ［Ｊ］．ＡｕｔｏｍａｔｉｏｎｉｎＣｏｎｓｔｒｕｃｔｉｏｎ，２０１７，８３： ２４７－２５８．

［２９］ＧＡＲＤＩＮＥＲＪＢ，ＪＡＮＳＳＥＮ ＳＲ．Ｒｏｂｏｔｉｃｆａｂｒｉｃａｔｉｏｎｉｎａｒｃｈｉｔｅｃｔｕｒｅ，ａｒｔａｎｄｄｅｓｉｇｎ２０１４［Ｍ］．Ｃｈａｍ： Ｓｐｒｉｎｇｅｒ，２０１４．

［３０］ＫＨＯＳＨＮＥＶＩＳＢ，ＨＷＡＮＧ Ｄ，ＹＡＯ Ｋ Ｔ，ｅｔａｌ．Ｍｅｇａｓｃａｌｅｆａｂｒｉｃａｔｉｏｎｂｙｃｏｎｔｏｕｒｃｒａｆｔｉｎｇ［Ｊ］．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＩｎｄｕｓｔｒｉａｌａｎｄＳｙｓｔｅｍｓＥｎｇｉｎｅｅｒｉｎｇ， ２００６，１（３）：３０１－３２０．

［３１］ＬＩＭ Ｓ，ＢＵＳＷＥＬＬＲ，ＬＥＴ，ｅｔａｌ．Ｄｅｖｅｌｏｐｍｅｎｔｓｉｎｃｏｎｓｔｒｕｃｔｉｏｎｓｃａｌｅ ａｄｄｉｔｉｖｅ ｍａｎｕｆａｃｔｕｒｉｎｇ ｐｒｏｃｅｓｓｅｓ［Ｊ］．ＡｕｔｏｍａｔｉｏｎｉｎＣｏｎｓｔｒｕｃｔｉｏｎ，２０１１，２１：２６２－２６８．

［３２］ＸＩＡＯＪＺ，ＪＩＧ Ｃ，ＺＨＡＮＧ Ｙ Ｍ，ｅｔａｌ．Ｌａｒｇｅｓｃａｌｅ３Ｄｐｒｉｎｔｉｎｇｃｏｎｃｒｅｔｅｔｅｃｈｎｏｌｏｇｙ：ｃｕｒｒｅｎｔｓｔａｔｕｓａｎｄｆｕｔｕｒｅｏｐｐｏｒｔｕｎｉｔｉｅｓ［Ｊ］．Ｃｅｍｅｎｔ＆ＣｏｎｃｒｅｔｅＣｏｍｐｏｓｉｔｅｓ，２０２１，１２２：４１１５－４１２３．

［３３］ＭＩＡＨＪ，ＫＯＨＳ，ＳＴＯＮＥＤ．Ａｈｙｂｒｉｄｉｓｅｄｆｒａｍｅｗｏｒｋｃｏｍｂｉｎｉｎｇｉｎｔｅｇｒａｔｅｄｍｅｔｈｏｄｓｆｏｒｅｎｖｉｒｏｎｍｅｎｔａｌｌｉｆｅｃｙｃｌｅａｓｓｅｓｓｍｅｎｔａｎｄｌｉｆｅｃｙｃｌｅｃｏｓｔｉｎｇ［Ｊ］．ＪｏｕｒｎａｌｏｆＣｌｅａｎｅｒＰｒｏｄｕｃｔｉｏｎ，２０１７，１６８：８４６－８６６．

［３４］ＡＺＨＡＲＳ．Ｂｕｉｌｄｉｎｇｉｎｆｏｒｍａｔｉｏｎｍｏｄｅｌｉｎｇ（ＢＩＭ）： ｔｒｅｎｄｓ，ｂｅｎｅｆｉｔｓ，ｒｉｓｋｓ，ａｎｄｃｈａｌｌｅｎｇｅｓｆｏｒｔｈｅＡＥＣｉｎｄｕｓｔｒｙ［Ｊ］．ＬｅａｄｅｒｓｈｉｐａｎｄＭａｎａｇｅｍｅｎｔｉｎＥｎｇｉｎｅｅｒｉｎｇ， ２０１１，１１（３）：２４１－２５２．

［３５］ＴＡＹＹＷ Ｄ，ＰＡＮＤＡＢ，ＰＡＵＬＳＣ，ｅｔａｌ．３Ｄｐｒｉｎｔｉｎｇｔｒｅｎｄｓｉｎｂｕｉｌｄｉｎｇａｎｄｃｏｎｓｔｒｕｃｔｉｏｎｉｎｄｕｓｔｒｙ：ａｒｅｖｉｅｗ［Ｊ］．ＶｉｒｔｕａｌａｎｄＰｈｙｓｉｃａｌＰｒｏｔｏｔｙｐｉｎｇ，２０１７，１２（３）： ２６１－２７６．

［３６］ＤＩＮＧＬ，ＷＥＩＲ，ＣＨＥＨＣ．ＤｅｖｅｌｏｐｍｅｎｔｏｆａＢＩＭｂａｓｅｄａｕｔｏｍａｔｅｄｃｏｎｓｔｒｕｃｔｉｏｎｓｙｓｔｅｍ ［Ｊ］．ＰｒｏｃｅｄｉａＥｎｇｉｎｅｅｒｉｎｇ，２０１４，８５：１２３－１３１．

［３７］ＤＡＶＴＡＬＡＢＯ，ＫＡＺＥＭＩＡＮ Ａ，ＫＨＯＳＨＮＥＶＩＳＢ．ＰｅｒｓｐｅｃｔｉｖｅｓｏｎａＢＩＭｉｎｔｅｇｒａｔｅｄｓｏｆｔｗａｒｅｐｌａｔｆｏｒｍｆｏｒｒｏｂｏｔｉｃ ｃｏｎｓｔｒｕｃｔｉｏｎ ｔｈｒｏｕｇｈ ＣｏｎｔｏｕｒＣｒａｆｔｉｎｇ［Ｊ］．ＡｕｔｏｍａｔｉｏｎｉｎＣｏｎｓｔｒｕｃｔｉｏｎ，２０１８，８９：１３－２３．

［３８］詹達夫，鄭智珂，施雨恬，等．建筑機器人技術應用及發展綜述［Ｊ］．建筑施工，２０２２，４４（１０）：２４７４－２４７７．

（ＺＨＡＮＤＦ，ＺＨＥＮＧＺＫ，ＳＨＩＹＴ，ｅｔａｌ．Ａｎｏｖｅｒｖｉｅｗｏｆａｐｐｌｉｃａｔｉｏｎａｎｄｄｅｖｅｌｏｐｍｅｎｔｏｆｃｏｎｓｔｒｕｃｔｉｏｎｒｏｂｏｔｓｔｅｃｈｎｏｌｏｇｙ［Ｊ］．ＢｕｉｌｄｉｎｇＣｏｎｓｔｒｕｃｔｉｏｎ，２０２２， ４４（１０）：２４７４－２４７７．）

［３９］ＴＫ？Ｍ，Ｍ？Ｓ？ＲＯＰ．Ｕｔｉｌｉｚｉｎｇｄｒｏｎｅｔｅｃｈｎｏｌｏｇｙｉｎｔｈｅｃｉｖｉｌｅｎｇｉｎｅｅｒｉｎｇ［Ｊ］．ＳｅｌｅｃｔｅｄＳｃｉｅｎｔｉｆｉｃＰａｐｅｒｓＪｏｕｒｎａｌｏｆＣｉｖｉｌＥｎｇｉｎｅｅｒｉｎｇ，２０１９，１４（１）：２７－３７．

［４０］ＭＯＯＮＳＭ，ＨＵＨＪ，ＨＯＮＧＤ，ｅｔａｌ．Ｖｅｒｔｉｃａｌｍｏｔｉｏｎｃｏｎｔｒｏｌｏｆｂｕｉｌｄｉｎｇｆａｄｅｍａｉｎｔｅｎａｎｃｅｒｏｂｏｔｗｉｔｈｂｕｉｌｔｉｎｇｕｉｄｅｒａｉｌ［Ｊ］．ＲｏｂｏｔｉｃｓａｎｄＣｏｍｐｕｔｅｒＩｎｔｅｇｒａｔｅｄＭａｎｕｆａｃｔｕｒｉｎｇ，２０１５，３１：１１－２０．

［４１］ＨＡＬＤＥＲＳ，ＡＦＳＡＲＩＫ．Ｒｏｂｏｔｓｉｎｉｎｓｐｅｃｔｉｏｎａｎｄｍｏｎｉｔｏｒｉｎｇｏｆｂｕｉｌｄｉｎｇｓａｎｄｉｎｆｒａｓｔｒｕｃｔｕｒｅ：ａｓｙｓｔｅｍａｔｉｃｒｅｖｉｅｗ［Ｊ］．ＡｐｐｌｉｅｄＳｃｉｅｎｃｅｓ，２０２３，１３（４）：２３０４－２３１１．

［４２］ＫＡＮＧＫ，ＢＥＳＫＬＵＢＯＶＡ Ｓ，ＤＡＩＹ，ｅｔａｌ．ＢｕｉｌｄｉｎｇｄｅｍｏｌｉｔｉｏｎｗａｓｔｅｍａｎａｇｅｍｅｎｔｔｈｒｏｕｇｈｓｍａｒｔＢＩＭ：ａｃａｓｅｓｔｕｄｙｉｎＨｏｎｇＫｏｎｇ［Ｊ］．ＷａｓｔｅＭａｎａｇｅｍｅｎｔ， ２０２２，１４３：６９－８３．

［４３］ＷＡＮＧＷ Ｈ，ＸＵＨＪ，ＸＵＸＪ，ｅｔａｌ．Ｅｎｈａｎｃｉｎｇｔｈｅｐａｓｓｉｎｇａｂｉｌｉｔｙｏｆｕｎｍａｎｎｅｄｖｅｈｉｃｌｅｓｕｓｉｎｇａｖａｒｉａｂｌｅｗｈｅｅｌｂａｓｅｄｒｉｖｉｎｇｓｙｓｔｅｍ［Ｊ］．ＩＥＥＥＡｃｃｅｓｓ，２０１９，７： １１５８７１－１１５８８５．

［４４］ＬＥＥＹＳ，ＫＩＭ ＳＨ，ＧＩＬＭ Ｓ，ｅｔａｌ．Ｔｈｅｓｔｕｄｙｏｎｔｈｅｉｎｔｅｇｒａｔｅｄｃｏｎｔｒｏｌｓｙｓｔｅｍ ｆｏｒｃｕｒｔａｉｎｗａｌｌｂｕｉｌｄｉｎｇｆａａｄｅｃｌｅａｎｉｎｇｒｏｂｏｔ［Ｊ］．ＡｕｔｏｍａｔｉｏｎｉｎＣｏｎｓｔｒｕｃｔｉｏｎ，２０１８，９４：３９－４６．

［４５］ＤＡＫＨＬＩＺ，ＬＡＦＨＡＪＺ，ＳＨＵＫＬＡＳＫ．Ｒｏｂｏｔｉｃｍｅｃｈａｎｉｃａｌｄｅｓｉｇｎｆｏｒｂｒｉｃｋｌａｙｉｎｇａｕｔｏｍａｔｉｏｎ［Ｊ］．ＣｏｇｅｎｔＥｎｇｉｎｅｅｒｉｎｇ，２０１７，４（１）：６００－６０８．

［４６］ＣＨＥＡＣＰ，ＢＡＩＹ，ＰＡＮＸＢ，ｅｔａｌ．Ａｎｉｎｔｅｇｒａｔｅｄｒｅｖｉｅｗｏｆａｕｔｏｍａｔｉｏｎａｎｄｒｏｂｏｔｉｃｔｅｃｈｎｏｌｏｇｉｅｓｆｏｒｓｔｒｕｃｔｕｒａｌｐｒｅｆａｂｒｉｃａｔｉｏｎａｎｄｃｏｎｓｔｒｕｃｔｉｏｎ［Ｊ］．ＴｒａｎｓｐｏｒｔａｔｉｏｎＳａｆｅｔｙａｎｄＥｎｖｉｒｏｎｍｅｎｔ，２０２０，２（２）：８１－９６．

［４７］ＯＺＤＥＭＩＲＥ，ＫＡＲＡＣＯＲ Ｍ．ＭｏｂｉｌｅｐｈｏｎｅｂａｓｅｄＳＣＡＤＡｆｏｒｉｎｄｕｓｔｒｉａｌａｕｔｏｍａｔｉｏｎ［Ｊ］．ＩＳＡ Ｔｒａｎｓａｃｔｉｏｎｓ，２００６，４５（１）：６７－７５．

［４８］ＺＨＡＯＳ，ＷＡＮＧＱ，ＦＡＮＧＸ，ｅｔａｌ．Ａｐｐｌｉｃａｔｉｏｎａｎｄｄｅｖｅｌｏｐｍｅｎｔｏｆａｕｔｏｎｏｍｏｕｓｒｏｂｏｔｓｉｎｃｏｎｃｒｅｔｅｃｏｎｓｔｒｕｃｔｉｏｎ：ｃｈａｌｌｅｎｇｅｓａｎｄｏｐｐｏｒｔｕｎｉｔｉｅｓ［Ｊ］．Ｄｒｏｎｅｓ， ２０２２，６（１２）：４２４－４２９．

［４９］ＷＯＯＫＳ，ＬＥＥＨＧ，ＫＩＭ ＪＹ，ｅｔａｌ．Ｅｘｐｅｒｉｍｅｎｔｏｆｃｏｎｃｒｅｔｅｆｌｏｏｒｆｉｎｉｓｈｉｎｇｒｏｂｏｔ［Ｊ］．ＣｏｎｔｒｏｌＲｏｂｏｔＳｙｓｔｅｍｓＳｏｃｉｅｔｙ，２００４，２０：１４８０－１４８４．

［５０］ＬＩＹ，ＬＩＵＣ．Ａｐｐｌｉｃａｔｉｏｎｓｏｆｍｕｌｔｉｒｏｔｏｒｄｒｏｎｅｔｅｃｈｎｏｌｏｇｉｅｓｉｎｃｏｎｓｔｒｕｃｔｉｏｎｍａｎａｇｅｍｅｎｔ［Ｊ］．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＣｏｎｓｔｒｕｃｔｉｏｎＭａｎａｇｅｍｅｎｔ，２０１９，１９（５）： ４０１－４１２．

［５１］ＭＵＺ，ＬＩＵＬ，ＪＩＡＬ，ｅｔａｌ．Ｉｎｔｅｌｌｉｇｅｎｔｄｅｍｏｌｉｔｉｏｎｒｏｂｏｔ：ｓｔｒｕｃｔｕｒａｌｓｔａｔｉｃｓ，ｃｏｌｌｉｓｉｏｎｄｅｔｅｃｔｉｏｎ，ａｎｄｄｙｎａｍｉｃｃｏｎｔｒｏｌ［Ｊ］．ＡｕｔｏｍａｔｉｏｎｉｎＣｏｎｓｔｒｕｃｔｉｏｎ，２０２２，１４２： ４４９０－４４９７．

［５２］ＫＵＹＤ，ＹＡＮＧＪＨ，ＦＡＮＧＨＹ，ｅｔａｌ．Ｏｐｔｉｍｉｚａｔｉｏｎｏｆｇｒａｓｐｉｎｇｅｆｆｉｃｉｅｎｃｙｏｆａｒｏｂｏｔｕｓｅｄｆｏｒｓｏｒｔｉｎｇｃｏｎｓｔｒｕｃｔｉｏｎａｎｄｄｅｍｏｌｉｔｉｏｎｗａｓｔｅ［Ｊ］．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＡｕｔｏｍａｔｉｏｎａｎｄＣｏｍｐｕｔｉｎｇ，２０２０，１７（５）： ６９１－７００．

［５３］ＪＩＡＭ Ｄ，ＫＯＭＥＩＬＹＡ，ＷＡＮＧＹＲ，ｅｔａｌ．ＡｄｏｐｔｉｎｇＩｎｔｅｒｎｅｔｏｆＴｈｉｎｇｓｆｏｒｔｈｅｄｅｖｅｌｏｐｍｅｎｔｏｆｓｍａｒｔｂｕｉｌｄｉｎｇｓ：ａｒｅｖｉｅｗｏｆｅｎａｂｌｉｎｇｔｅｃｈｎｏｌｏｇｉｅｓａｎｄａｐｐｌｉｃａｔｉｏｎｓ［Ｊ］．ＡｕｔｏｍａｔｉｏｎｉｎＣｏｎｓｔｒｕｃｔｉｏｎ，２０１９，１０１： １１１－１２６．

［５４］ＬＯＵＩＳＪ，ＤＵＮＳＴＯＮＰＳ．ＩｎｔｅｇｒａｔｉｎｇＩｏＴｉｎｔｏｏｐｅｒａｔｉｏｎａｌｗｏｒｋｆｌｏｗｓｆｏｒｒｅａｌｔｉｍｅａｎｄａｕｔｏｍａｔｅｄｄｅｃｉｓｉｏｎｍａｋｉｎｇｉｎｒｅｐｅｔｉｔｉｖｅｃｏｎｓｔｒｕｃｔｉｏｎｏｐｅｒａｔｉｏｎｓ［Ｊ］．ＡｕｔｏｍａｔｉｏｎｉｎＣｏｎｓｔｒｕｃｔｉｏｎ，２０１８，９４：３１７－３２７．

［５５］ＢＥＨＺＡＤＩＡ．Ｕｓｉｎｇ ａｕｇｍｅｎｔｅｄ ａｎｄ ｖｉｒｔｕａｌｒｅａｌｉｔｙｔｅｃｈｎｏｌｏｇｙｉｎｔｈｅｃｏｎｓｔｒｕｃｔｉｏｎｉｎｄｕｓｔｒｙ［Ｊ］．ＡｍｅｒｉｃａｎＪｏｕｒｎａｌｏｆＥｎｇｉｎｅｅｒｉｎｇＲｅｓｅａｒｃｈ，２０１６，５（１２）：３５０－３５３．

［５６］ＨＥＩＳＫＡＮＥＮＡ．Ｔｈｅｔｅｃｈｎｏｌｏｇｙｏｆｔｒｕｓｔ：ｈｏｗｔｈｅＩｎｔｅｒｎｅｔｏｆＴｈｉｎｇｓａｎｄｂｌｏｃｋｃｈａｉｎｃｏｕｌｄｕｓｈｅｒｉｎａｎｅｗｅｒａｏｆｃｏｎｓｔｒｕｃｔｉｏｎｐｒｏｄｕｃｔｉｖｉｔｙ［Ｊ］．ＣｏｎｓｔｒｕｃｔｉｏｎＲｅｓｅａｒｃｈａｎｄＩｎｎｏｖａｔｉｏｎ，２０１７，８（２）：６６－７０．

［５７］ＷＥＩＹ，ＬＩＮＪ，ＺＨＡＯＷ，ｅｔａｌ．Ａｎｉｎｔｅｒｎｅｔｂａｓｅｄｉｎｔｅｌｌｉｇｅｎｔｓｙｓｔｅｍ ｆｏｒｅａｒｌｙｃｏｎｃｒｅｔｅｃｕｒｉｎｇｉｎｕｎｄｅｒｇｒｏｕｎｄｓｔｒｕｃｔｕｒｅｓ［Ｃ］／／ＰｒｏｃｅｅｄｉｎｇｓｏｆＣｈｉｎａＥｕｒｏｐｅＣｏｎｆｅｒｅｎｃｅｏｎＧｅｏｔｅｃｈｎｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ．Ｖｉｅｎｎａ，Ａｕｓｔｒｉａ： Ｓｐｒｉｎｇｅｒ，２０１８：７４３－７４６．

［５８］ＷＥＩＣ，ＬＩＹ．Ｄｅｓｉｇｎｏｆｅｎｅｒｇｙｃｏｎｓｕｍｐｔｉｏｎｍｏｎｉｔｏｒｉｎｇａｎｄｅｎｅｒｇｙｓａｖｉｎｇｍａｎａｇｅｍｅｎｔｓｙｓｔｅｍ ｏｆｉｎｔｅｌｌｉｇｅｎｔｂｕｉｌｄｉｎｇｂａｓｅｄｏｎｔｈｅｉｎｔｅｒｎｅｔｏｆｔｈｉｎｇｓ［Ｃ］／／２０１１ＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＥｌｅｃｔｒｏｎｉｃｓ，Ｃｏｍｍｕｎｉｃａｔｉｏｎｓａｎｄ Ｃｏｎｔｒｏｌ（ＩＣＥＣＣ）．Ｎｉｎｇｂｏ，Ｃｈｉｎａ：ＩＥＥＥ，２０１１：３６５０－３６５２．

［５９］ＶＩＳＷＡＮＡＴＨＳＫ，ＹＵＥＮ Ｃ，ＴＵＳＨＡＲ Ｗ，ｅｔａｌ．ＳｙｓｔｅｍｄｅｓｉｇｎｏｆｔｈｅＩｎｔｅｒｎｅｔｏｆＴｈｉｎｇｓｆｏｒｒｅｓｉｄｅｎｔｉａｌｓｍａｒｔｇｒｉｄ ［Ｊ］．ＩＥＥＥ ＷｉｒｅｌｅｓｓＣｏｍｍｕｎｉｃａｔｉｏｎｓ， ２０１６，２３（５）：９０－９８．

［６０］ＡＢＤＡＬＷＨＡＢＡＡＢ，ＡＺＡＭ ＨＮ，ＨＩＺＡＭＩＡＡ， ｅｔａｌ．ＩｎｖｅｓｔｉｇａｔｉｎｇａｐｐｒｏａｃｈｅｓｏｆｉｎｔｅｇｒａｔｉｎｇＢＩＭ， ＩｏＴ，ａｎｄｆａｃｉｌｉｔｙｍａｎａｇｅｍｅｎｔｆｏｒｒｅｎｏｖａｔｉｎｇｅｘｉｓｔｉｎｇｂｕｉｌｄｉｎｇｓ：ａｒｅｖｉｅｗ［Ｊ］．Ｓｕｓｔａｉｎａｂｉｌｉｔｙ，２０２１，１３（７）： ３９３０－３９３７．

［６１］Ｄ′ＥＬＩＡＡ，ＲＯＦＦＩＡ Ｌ，ＺＡＭＡＧＮＩＧ，ｅｔａｌ．Ｓｍａｒｔａｐｐｌｉｃａｔｉｏｎｓｆｏｒｔｈｅｍａｉｎｔｅｎａｎｃｅｏｆｌａｒｇｅｂｕｉｌｄｉｎｇｓ： ｈｏｗｔｏａｃｈｉｅｖｅｏｎｔｏｌｏｇｙｂａｓｅｄｉｎｔｅｒｏｐｅｒａｂｉｌｉｔｙａｔｔｈｅｉｎｆｏｒｍａｔｉｏｎｌｅｖｅｌ［Ｃ］／／ＴｈｅＩＥＥＥ Ｓｙｍｐｏｓｉｕｍ ｏｎＣｏｍｐｕｔｅｒｓ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ．Ｒｉｃｃｉｏｎｅ，Ｉｔａｌｙ： ＩＥＥＥ，２０１０：１０７７－１０８２．

［６２］ＢＡＳＨＩＲＭ Ｒ，ＧＩＬＬＡ Ｑ．ＴｏｗａｒｄｓａｎＩｏＴｂｉｇｄａｔａａｎａｌｙｔｉｃｓｆｒａｍｅｗｏｒｋ：ｓｍａｒｔｂｕｉｌｄｉｎｇｓｓｙｓｔｅｍｓ［Ｃ］／／２０１６ＩＥＥＥ１８ｔｈＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＨｉｇｈＰｅｒｆｏｒｍａｎｃｅＣｏｍｐｕｔｉｎｇａｎｄＣｏｍｍｕｎｉｃａｔｉｏｎｓ；ＩＥＥＥ１４ｔｈＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＳｍａｒｔＣｉｔｙ；ＩＥＥＥ２ｎｄＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＤａｔａＳｃｉｅｎｃｅａｎｄＳｙｓｔｅｍｓ（ＨＰＣＣ／ＳｍａｒｔＣｉｔｙ／ＤＳＳ）．Ｓｙｄｎｅｙ，Ａｕｓｔｒａｌｉａ：ＩＥＥＥ， ２０１６：１３２５－１３３２．

［６３］ＬＡＮＥＹＤ．３Ｄ ｄａｔａ ｍａｎａｇｅｍｅｎｔ：ｃｏｎｔｒｏｌｌｉｎｇ ｄａｔａｖｏｌｕｍｅ，ｖｅｌｏｃｉｔｙａｎｄｖａｒｉｅｔｙ［Ｊ］．ＭＥＴＡ ＧｒｏｕｐＲｅｓｅａｒｃｈＮｏｔｅ，２００１，７０（６）：１－８．

［６４］ＣＨＥＮＰ，ＺＨＡＮＧ Ｃ Ｙ．Ｄａｔａｉｎｔｅｎｓｉｖｅａｐｐｌｉｃａｔｉｏｎｓ， ｃｈａｌｌｅｎｇｅｓ，ｔｅｃｈｎｉｑｕｅｓａｎｄｔｅｃｈｎｏｌｏｇｉｅｓ：ａｓｕｒｖｅｙｏｎｂｉｇｄａｔａ［Ｊ］．ＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅｓ，２０１４，２７５：３１４－３４７．

［６５］ＲＯＤＲ？ＧＵＥＺＭＡＺＡＨＵＡＬ， ＲＯＤＲ？ＧＵＥＺＥＮＲ？ＱＵＥＺＣ Ａ，Ｓ？ＮＣＨＥＺＣＥＲＶＡＮＴＥＳＪＬ，ｅｔａｌ．Ａ ｇｅｎｅｒａｌｐｅｒｓｐｅｃｔｉｖｅｏｆｂｉｇｄａｔａ：ａｐｐｌｉｃａｔｉｏｎｓ， ｔｏｏｌｓ，ｃｈａｌｌｅｎｇｅｓａｎｄｔｒｅｎｄｓ［Ｊ］．ＴｈｅＪｏｕｒｎａｌｏｆＳｕｐｅｒｃｏｍｐｕｔｉｎｇ，２０１６，７２（８）：３０７３－３１１３．

［６６］ＬＩＵＪＺ，ＬＩＪ，ＬＩＷ Ｆ，ｅｔａｌ．Ｒｅｔｈｉｎｋｉｎｇｂｉｇｄａｔａ：ａｒｅｖｉｅｗｏｎｔｈｅｄａｔａｑｕａｌｉｔｙａｎｄｕｓａｇｅｉｓｓｕｅｓ［Ｊ］．ＩＳＰＲＳＪｏｕｒｎａｌｏｆＰｈｏｔｏｇｒａｍｍｅｔｒｙ ａｎｄ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ， ２０１６，１１５：１３４－１４２．

［６７］ＬＡＵＲＩＬＡＪＫ，ＧＡＴＩＣＡＰＥＲＥＺ Ｄ，ＡＡＤ Ｉ，ｅｔａｌ．Ｆｒｏｍ ｂｉｇｓｍａｒｔｐｈｏｎｅｄａｔａｔｏｗｏｒｌｄｗｉｄｅｒｅｓｅａｒｃｈ：ｔｈｅｍｏｂｉｌｅｄａｔａｃｈａｌｌｅｎｇｅ［Ｊ］．Ｐｅｒｖａｓｉｖｅａｎｄ ＭｏｂｉｌｅＣｏｍｐｕｔｉｎｇ，２０１３，９（６）：７５２－７７１．

［６８］ＤＥＭＣＨＥＮＫＯＹ，ＧＲＯＳＳＯ Ｐ，ＤＥＬＡＡＴ Ｃ，ｅｔａｌ．Ａｄｄｒｅｓｓｉｎｇｂｉｇｄａｔａｉｓｓｕｅｓｉｎｓｃｉｅｎｔｉｆｉｃｄａｔａｉｎｆｒａｓｔｒｕｃｔｕｒｅ［Ｃ］／／２０１３ＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＣｏｌｌａｂｏｒａｔｉｏｎＴｅｃｈｎｏｌｏｇｉｅｓａｎｄＳｙｓｔｅｍｓ（ＣＴＳ）．ＳａｎＤｉｅｇｏ， ＵＳＡ：ＩＥＥＥ，２０１３：４８－５５．

［６９］ＨＩＬＢＥＲＴＭ，Ｌ？ＰＥＺ Ｐ．Ｔｈｅｗｏｒｌｄ′ｓｔｅｃｈｎｏｌｏｇｉｃａｌｃａｐａｃｉｔｙｔｏｓｔｏｒｅ，ｃｏｍｍｕｎｉｃａｔｅ，ａｎｄｃｏｍｐｕｔｅｉｎｆｏｒｍａｔｉｏｎ［Ｊ］．Ｓｃｉｅｎｃｅ，２０１１，３３２（２５）：６０－６５．

［７０］ＬＵＷ Ｓ，ＣＨＥＮ Ｘ，ＰＥＮＧ Ｙ，ｅｔａｌ．Ｂｅｎｃｈｍａｒｋｉｎｇｃｏｎｓｔｒｕｃｔｉｏｎｗａｓｔｅｍａｎａｇｅｍｅｎｔｐｅｒｆｏｒｍａｎｃｅｕｓｉｎｇｂｉｇｄａｔａ［Ｊ］．Ｒｅｓｏｕｒｃｅｓ，ＣｏｎｓｅｒｖａｔｉｏｎａｎｄＲｅｃｙｃｌｉｎｇ， ２０１５，１０５：４９－５８．

［７１］ＴＡＮＧＫ，ＬＩＮＭ Ｌ，ＭＩＮＫＵＦＬ，ｅｔａｌ．Ｓｅｌｅｃｔｉｖｅｎｅｇａｔｉｖｅｃｏｒｒｅｌａｔｉｏｎｌｅａｒｎｉｎｇａｐｐｒｏａｃｈｔｏｉｎｃｒｅｍｅｎｔａｌｌｅａｒｎｉｎｇ［Ｊ］．Ｎｅｕｒｏｃｏｍｐｕｔｉｎｇ，２００９，７２（１３／１４／１５）：２７９６－２８０５．

［７２］ＨＳＩＡＯＷ Ｆ，ＣＨＡＮＧ ＴＭ．Ａｎｉｎｃｒｅｍｅｎｔａｌｃｌｕｓｔｅｒｂａｓｅｄａｐｐｒｏａｃｈｔｏｓｐａｍｆｉｌｔｅｒｉｎｇ［Ｊ］．ＥｘｐｅｒｔＳｙｓｔｅｍｓｗｉｔｈＡｐｐｌｉｃａｔｉｏｎｓ，２００８，３４（３）：１５９９－１６０８．

［７３］ＢＡＤＵＧＥＳＫ，ＴＨＩＬＡＫＡＲＡＴＨＮＡ Ｓ，ＰＥＲＥＲＡ ＪＳ，ｅｔａｌ．Ａｒｔｉｆｉｃｉａｌｉｎｔｅｌｌｉｇｅｎｃｅａｎｄｓｍａｒｔｖｉｓｉｏｎｆｏｒｂｕｉｌｄｉｎｇ ａｎｄ ｃｏｎｓｔｒｕｃｔｉｏｎ ４０：ｍａｃｈｉｎｅ ａｎｄ ｄｅｅｐｌｅａｒｎｉｎｇｍｅｔｈｏｄｓａｎｄａｐｐｌｉｃａｔｉｏｎｓ［Ｊ］．ＡｕｔｏｍａｔｉｏｎｉｎＣｏｎｓｔｒｕｃｔｉｏｎ，２０２２，１４１：４４４０－４４４７．

［７４］劉紅波，張帆，陳志華，等．人工智能在土木工程領域的應用研究現狀及展望［Ｊ］．土木與環工程學報（中英文），２０２４，４６（１）：１４－３２．

（ＬＩＵＨＢ，ＺＨＡＮＧＦ，ＣＨＥＮＺＨ，ｅｔａｌ．Ａｐｐｌｉｅｄｒｅｓｅａｒｃｈｓｔａｔｕｓａｎｄｐｒｏｓｐｅｃｔｓｏｆａｒｔｉｆｉｃｉａｌｉｎｔｅｌｌｉｇｅｎｃｅｉｎｃｉｖｉｌｅｎｇｉｎｅｅｒｉｎｇｆｉｅｌｄ［Ｊ］．ＪｏｕｒｎａｌｏｆＣｉｖｉｌａｎｄＥｎｖｉｒｏｎｍｅｎｔａｌＥｎｇｉｎｅｅｒｉｎｇ，２０２４，４６（１）：１４－３２．）

［７５］ＭＡＲＴ？ＮＥＺＲＯＣＡＭＯＲＡＡ，ＲＩＶＥＲＡＧ？ＭＥＺ Ｃ， ＧＡＬ？ＮＭＡＲ？ＮＣ，ｅｔａｌ．ＥｎｖｉｒｏｎｍｅｎｔａｌｂｅｎｃｈｍａｒｋｉｎｇｏｆｂｕｉｌｄｉｎｇｔｙｐｏｌｏｇｉｅｓｔｈｒｏｕｇｈＢＩＭｂａｓｅｄｃｏｍｂｉｎａｔｏｒｉａｌｃａｓｅｓｔｕｄｉｅｓ［Ｊ］．ＡｕｔｏｍａｔｉｏｎｉｎＣｏｎｓｔｒｕｃｔｉｏｎ，２０２１， １３２：９８０－９８８．

［７６］ＳＯＮＨ，ＫＩＭ Ｃ．Ｅａｒｌｙｐｒｅｄｉｃｔｉｏｎｏｆｔｈｅｐｅｒｆｏｒｍａｎｃｅｏｆｇｒｅｅｎｂｕｉｌｄｉｎｇｐｒｏｊｅｃｔｓｕｓｉｎｇｐｒｅｐｒｏｊｅｃｔｐｌａｎｎｉｎｇｖａｒｉａｂｌｅｓ：ｄａｔａｍｉｎｉｎｇａｐｐｒｏａｃｈｅｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＣｌｅａｎｅｒＰｒｏｄｕｃｔｉｏｎ，２０１５，１０９：１４４－１５１．

［７７］ＧＯＬＰＡＲＶＡＲＦＡＲＤＭ，ＰＥＡＭＯＲＡ Ｆ，ＳＡＶＡＲＥＳＥＳ．Ａｕｔｏｍａｔｅｄ ｐｒｏｇｒｅｓｓｍｏｎｉｔｏｒｉｎｇ ｕｓｉｎｇ ｕｎｏｒｄｅｒｅｄｄａｉｌｙｃｏｎｓｔｒｕｃｔｉｏｎｐｈｏｔｏｇｒａｐｈｓａｎｄＩＦＣｂａｓｅｄｂｕｉｌｄｉｎｇｉｎｆｏｒｍａｔｉｏｎｍｏｄｅｌｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＣｏｍｐｕｔｉｎｇｉｎＣｉｖｉｌＥｎｇｉｎｅｅｒｉｎｇ，２０１５，２９（１）：４０１－４１１．

［７８］ＺＨＵＺＨ，ＢＲＩＬＡＫＩＳＩ．Ｐａｒａｍｅｔｅｒｏｐｔｉｍｉｚａｔｉｏｎｆｏｒａｕｔｏｍａｔｅｄｃｏｎｃｒｅｔｅｄｅｔｅｃｔｉｏｎｉｎｉｍａｇｅｄａｔａ［Ｊ］．ＡｕｔｏｍａｔｉｏｎｉｎＣｏｎｓｔｒｕｃｔｉｏｎ，２０１０，１９（７）：９４４－９５３．

［７９］ＸＩＡＯＺ．Ｉｎｔｅｌｌｉｇｅｎｃｅｉｎｇｒｅｅｎｂｕｉｌｄｉｎｇ：ａｌｉｔｅｒａｔｕｒｅ［Ｊ］．ＪｏｕｒｎａｌｏｆＡｄｖａｎｃｅｄＭａｎａｇｅｍｅｎｔＳｃｉｅｎｃｅ，２０２３， １１（１）：１－８．

［８０］ＨＵＭ．Ａｒｅｖｉｅｗｏｆｌｉｆｅｃｙｃｌｅｒｅｓｅａｒｃｈｏｆｔｈｅｂｕｉｌｔｅｎｖｉｒｏｎｍｅｎｔａｔｄｉｆｆｅｒｅｎｃｅｓｃａｌｅｓ：ａｃｉｔａｔｉｏｎａｎａｌｙｓｉｓｕｓｉｎｇｂｉｇｄａｔａ［Ｊ］．ＪｏｕｒｎａｌｏｆＧｒｅｅｎＢｕｉｌｄｉｎｇ，２０１９，１４（３）：６３－８０．

［８１］ＫＨＡＳＲＥＥＮＭ Ｍ，ＢＡＮＦＩＬＬＰＦＧ，ＭＥＮＺＩＥＳＧＦ．Ｌｉｆｅｃｙｃｌｅａｓｓｅｓｓｍｅｎｔａｎｄｔｈｅｅｎｖｉｒｏｎｍｅｎｔａｌｉｍｐａｃｔｏｆｂｕｉｌｄｉｎｇｓ：ａｒｅｖｉｅｗ［Ｊ］．Ｓｕｓｔａｉｎａｂｉｌｉｔｙ，２００９，１（３）： ６７４－７０１．

［８２］ＨＡＮＺ，ＷＡＮＧＹ．Ｔｈｅａｐｐｌｉｅｄｅｘｐｌｏｒａｔｉｏｎｏｆｂｉｇｄａｔａｔｅｃｈｎｏｌｏｇｙ ｉｎ ｐｒｅｆａｂｒｉｃａｔｅｄ ｃｏｎｓｔｒｕｃｔｉｏｎ ｐｒｏｊｅｃｔｍａｎａｇｅｍｅｎｔ［Ｍ］．Ｂｅｉｊｉｎｇ：ＩＣＣＲＥＭ，２０１７．

［８３］ＡＳＩＦＩ，ＹＡＳＡＲＡ，ＳＡＴＴＡＲＮＡ，ｅｔａｌ．Ａｓｓｅｓｓｍｅｎｔｏｆｓｏｌｉｄｗａｓｔｅｍａｎａｇｅｍｅｎｔｓｙｓｔｅｍ ｉｎＰａｋｉｓｔａｎａｎｄｓｕｓｔａｉｎａｂｌｅｍｏｄｅｌｆｒｏｍ ｅｎｖｉｒｏｎｍｅｎｔａｌａｎｄｅｃｏｎｏｍｉｃｐｅｒｓｐｅｃｔｉｖｅ［Ｊ］．Ｓｕｓｔａｉｎａｂｉｌｉｔｙ，２０２２，１４（１９）：１２６８０－１２６８７．

［８４］ＪＩＡＮＧＨＲ，ＪＩＡＮＧ Ａ Ｎ．Ａｎｉｎｔｅｇｒａｔｅｄｓｙｓｔｅｍ ｆｏｒｔｕｎｎｅｌｃｏｎｓｔｒｕｃｔｉｏｎｓａｆｅｔｙｃｏｎｔｒｏｌｂａｓｅｄｏｎＢＩＭＩｏＴＰＳＯ［Ｊ］．ＪｏｕｒｎａｌｏｆＣｉｖｉｌＳｔｒｕｃｔｕｒａｌＨｅａｌｔｈＭｏｎｉｔｏｒｉｎｇ，２０２４，１４（２）：２６９－２８４．

［８５］莊玉冊，黎蔚．基于ＰＳＯ優化極限學習機神經網絡的空氣質量預報［Ｊ］．沈陽工業大學學報，２０２０，４２（２）：２１３－２１７．

（ＺＨＵＡＮＧＹ Ｃ，ＬＩＷ．ＡｉｒｑｕａｌｉｔｙｐｒｅｄｉｃｔｉｏｎｂａｓｅｄｏｎＰＳＯ ｅｘｔｒｅｍｅｌｅａｒｎｉｎｇｍａｃｈｉｎｅｏｆｎｅｕｒａｌｎｅｔｗｏｒｋ［Ｊ］．ＪｏｕｒｎａｌｏｆＳｈｅｎｙａｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ， ２０２０，４２（２）：２１３－２１７．）

［８６］ＧＵＯＴ，ＷＵＬ，ＷＡＮＧＣ，ｅｔａｌ．Ｄａｍａｇｅｄｅｔｅｃｔｉｏｎｉｎａｎｏｖｅｌｄｅｅｐｌｅａｒｎｉｎｇｆｒａｍｅｗｏｒｋ：ａｒｏｂｕｓｔｍｅｔｈｏｄｆｏｒｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎ［Ｊ］．ＳｔｒｕｃｔｕｒａｌＨｅａｌｔｈＭｏｎｉｔｏｒｉｎｇ， ２０２０，１９（２）：４２４－４４２．

［８７］ＧＵＬＧＥＣＮＳ，ＴＡＫ？Ｍ，ＰＡＫＺＡＤＳＮ．Ｓｔｒｕｃｔｕｒａｌｓｅｎｓｉｎｇｗｉｔｈｄｅｅｐｌｅａｒｎｉｎｇ：ｓｔｒａｉｎｅｓｔｉｍａｔｉｏｎｆｒｏｍ ａｃｃｅｌｅｒａｔｉｏｎｄａｔａｆｏｒｆａｔｉｇｕｅａｓｓｅｓｓｍｅｎｔ［Ｊ］．ＣｏｍｐｕｔｅｒＡｉｄｅｄＣｉｖｉｌａｎｄＩｎｆｒａｓｔｒｕｃｔｕｒｅＥｎｇｉｎｅｅｒｉｎｇ，２０２０，３５（１２）：１３４９－１３６４．

［８８］ＮＧＵＹＥＮＴ，ＫＡＳＨＡＮＩＡ，ＮＧＯＴ，ｅｔａｌ．Ｄｅｅｐｎｅｕｒａｌｎｅｔｗｏｒｋｗｉｔｈｈｉｇｈｏｒｄｅｒｎｅｕｒｏｎｆｏｒｔｈｅｐｒｅｄｉｃｔｉｏｎｏｆｆｏａｍｅｄｃｏｎｃｒｅｔｅｓｔｒｅｎｇｔｈ［Ｊ］．ＣｏｍｐｕｔｅｒＡｉｄｅｄＣｉｖｉｌａｎｄＩｎｆｒａｓｔｒｕｃｔｕｒｅＥｎｇｉｎｅｅｒｉｎｇ，２０１９，３４（４）：３１６－３３２．

［８９］ＬＵＳＬ，ＬＩＵＹ，ＬＩＹＷ，ｅｔａｌ．Ｍｕｌｔｉｄｉｍｅｎｓｉｏｎａｌｐｅｒｆｏｒｍａｎｃｅｂａｓｅｄｅｖａｌｕａｔｉｏｎｍｅｔｈｏｄｏｆｈｉｇｈｐｅｒｆｏｒｍａｎｃｅｃｏｌｄｓｏｕｒｃｅｉｎｇｒｅｅｎｂｕｉｌｄｉｎｇ［Ｊ］．ＥｎｅｒｇｙａｎｄＢｕｉｌｄｉｎｇｓ， ２０２１，２３１：６１８－６２７．

［９０］ＴＡＴＡＲＩＯ，ＫＵＣＵＫＶＡＲ Ｍ．Ｃｏｓｔｐｒｅｍｉｕｍ ｐｒｅｄｉｃｔｉｏｎｏｆｃｅｒｔｉｆｉｅｄｇｒｅｅｎｂｕｉｌｄｉｎｇｓ：ａｎｅｕｒａｌｎｅｔｗｏｒｋａｐｐｒｏａｃｈ［Ｊ］．ＢｕｉｌｄｉｎｇａｎｄＥｎｖｉｒｏｎｍｅｎｔ，２０１１，４６（５）：１０８１－１０８６．

［９１］ＪＡＬＡＥＩＦ，ＪＡＬＡＥＩＦ，ＭＯＨＡＭＭＡＤＩＳ．ＡｎｉｎｔｅｇｒａｔｅｄＢＩＭＬＥＥＤａｐｐｌｉｃａｔｉｏｎｔｏａｕｔｏｍａｔｅｓｕｓｔａｉｎａｂｌｅｄｅｓｉｇｎａｓｓｅｓｓｍｅｎｔｆｒａｍｅｗｏｒｋ ａｔｔｈｅ ｃｏｎｃｅｐｔｕａｌｓｔａｇｅ ｏｆｂｕｉｌｄｉｎｇｐｒｏｊｅｃｔｓ［Ｊ］．ＳｕｓｔａｉｎａｂｌｅＣｉｔｉｅｓａｎｄＳｏｃｉｅｔｙ， ２０２０，５３：９７９－９８６．

［９２］ＺＨＯＵＱＦ，ＺＨＯＵ Ｈ，ＺＨＯＵ Ｑ Ｑ，ｅｔａｌ．ＳｔｒｕｃｔｕｒａｌｄａｍａｇｅｄｅｔｅｃｔｉｏｎｂａｓｅｄｏｎｐｏｓｔｅｒｉｏｒｉｐｒｏｂａｂｉｌｉｔｙｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅａｎｄＤｅｍｐｓｔｅｒＳｈａｆｅｒｅｖｉｄｅｎｃｅｔｈｅｏｒｙ［Ｊ］．ＡｐｐｌｉｅｄＳｏｆｔＣｏｍｐｕｔｉｎｇ，２０１５，３６：３６８－３７４．

［９３］ＲＯＹＡ，ＭＡＮＮＡ Ｒ，ＣＨＡＫＲＡＢＯＲＴＹ Ｓ．Ｓｕｐｐｏｒｔｖｅｃｔｏｒｒｅｇｒｅｓｓｉｏｎｂａｓｅｄｍｅｔａｍｏｄｅｌｉｎｇｆｏｒｓｔｒｕｃｔｕｒａｌｒｅｌｉａｂｉｌｉｔｙａｎａｌｙｓｉｓ［Ｊ］．ＰｒｏｂａｂｉｌｉｓｔｉｃＥｎｇｉｎｅｅｒｉｎｇＭｅｃｈａｎｉｃｓ，２０１９，５５：７８－８９．

［９４］ＰＡＮＹ，ＺＨＡＮＧＬ，ＷＵＸ，ｅｔａｌ．Ｍｕｌｔｉｃｌａｓｓｉｆｉｅｒｉｎｆｏｒｍａｔｉｏｎｆｕｓｉｏｎｉｎｒｉｓｋａｎａｌｙｓｉｓ［Ｊ］．ＩｎｆｏｒｍａｔｉｏｎＦｕｓｉｏｎ，２０２０，６０：１２１－１３６．

［９５］ＺＨＡＮＧＪＨ，ＸＩＡＯＭ，ＧＡＯＬ，ｅｔａｌ．Ｐｒｏｂａｂｉｌｉｔｙａｎｄｉｎｔｅｒｖａｌｈｙｂｒｉｄｒｅｌｉａｂｉｌｉｔｙａｎａｌｙｓｉｓｂａｓｅｄｏｎａｄａｐｔｉｖｅｌｏｃａｌａｐｐｒｏｘｉｍａｔｉｏｎｏｆｐｒｏｊｅｃｔｉｏｎｏｕｔｌｉｎｅｓｕｓｉｎｇｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ［Ｊ］．ＣｏｍｐｕｔｅｒＡｉｄｅｄＣｉｖｉｌａｎｄＩｎｆｒａｓｔｒｕｃｔｕｒｅＥｎｇｉｎｅｅｒｉｎｇ，２０１９，３４（１１）：９９１－１００９．

［９６］ＤＡＩＨＺ，ＣＡＯ ＺＧ．Ａ ｗａｖｅｌｅｔｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅｂａｓｅｄｎｅｕｒａｌｎｅｔｗｏｒｋｍｅｔａｍｏｄｅｌｆｏｒｓｔｒｕｃｔｕｒａｌｒｅｌｉａｂｉｌｉｔｙａｓｓｅｓｓｍｅｎｔ［Ｊ］．ＣｏｍｐｕｔｅｒＡｉｄｅｄＣｉｖｉｌａｎｄＩｎｆｒａｓｔｒｕｃｔｕｒｅＥｎｇｉｎｅｅｒｉｎｇ，２０１７，３２（４）：３４４－３５７．

［９７］王寧，田家英，董寧，等．基于改進ＳＶＭ 的智能電網調控系統實時風險評估與預警技術［Ｊ］．沈陽工業大學學報，２０２２，４４（１）：７－１３．

（ＷＡＮＧ Ｎ，ＴＩＡＮ ＪＹ，ＤＯＮＧ Ｎ，ｅｔａｌ．ＲｅａｌｔｉｍｅｒｉｓｋａｓｓｅｓｓｍｅｎｔａｎｄｅａｒｌｙｗａｒｎｉｎｇｔｅｃｈｎｏｌｏｇｙｏｆｓｍａｒｔｇｒｉｄｒｅｇｕｌａｔｉｏｎｓｙｓｔｅｍｂａｓｅｄｏｎｉｍｐｒｏｖｅｄＳＶＭ ［Ｊ］．ＪｏｕｒｎａｌｏｆＳｈｅｎｙａｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，２０２２， ４４（１）：７－１３．）

［９８］ＫＨＡＴＩＲＡ，ＣＡＰＯＺＵＣＣＡＲ，ＭＡＧＡＧＮＩＮＩＥ，ｅｔａｌ．Ｏｐｔｉｍｉｚｅｄｎｅｕｒａｌｎｅｔｗｏｒｋｓｆｏｒｓｔｒｕｃｔｕｒａｌｄａｍａｇｅｐｒｅｄｉｃｔｉｏｎｂａｓｅｄｏｎｍｏｄａｌａｎａｌｙｓｉｓ［Ｒ］．Ｂｅｉｊｉｎｇ：ＥａｓｙＣｈａｉｒ，２０２３．

［９９］ＺＨＡＮＧＮ，ＹＡＮＧＣ．Ｐｏｗｅｒａｂｎｏｒｍａｌｄａｔａｄｅｔｅｃｔｉｏｎａｎｄ ｓｈｏｒｔｔｅｒｍ ｌｏａｄ ｐｒｅｄｉｃｔｉｏｎ ｍｏｄｅｌｃｏｎｓｔｒｕｃｔｉｏｎｂａｓｅｄｏｎｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ ［Ｃ］／／ＴｈｉｒｄＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＥｌｅｃｔｒｏｎｉｃｓ，ＥｌｅｃｔｒｉｃａｌａｎｄＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ（ＩＣＥＥＩＥ２０２３）．Ｗｕｈａｎ，Ｃｈｉｎａ：ＳＰＩＥ， ２０２３：３０３－３１０．

［１００］ＳＨＩＱ，ＸＵＹＬ．ＴｈｅｓｅｌｅｃｔｉｏｎｏｆｇｒｅｅｎｂｕｉｌｄｉｎｇｍａｔｅｒｉａｌｓｕｓｉｎｇＧＡＢＰｈｙｂｒｉｄａｌｇｏｒｉｔｈｍ ［Ｃ］／／２００９ＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎｃｅａｎｄＣｏｍｐｕｔａｔｉｏｎａｌＩｎｔｅｌｌｉｇｅｎｃｅ．Ｓｈａｎｇｈａｉ，Ｃｈｉｎａ：ＩＥＥＥ， ２００９：４０－４５．

（責任編輯：楊 樹 英文審校：尹淑英）

特邀專家 張春巍，沈陽工業大學建筑與土木工程學院，博士生導師，二級教授，國家級領軍人才。科睿唯安（Ｃｌａｒｉｖａｔｅ）全球“高被引科學家”、愛思唯爾（Ｅｌｓｅｖｉｅｒ）中國高被引學者、斯坦福大學全球前２％頂尖科學家。遼寧省基礎設施工程安全與防護重點實驗室主任。長期從事力學和土木工程等多學科交叉領域教學與科研工作。專長于結構振動控制、結構抗爆抗沖擊、結構健康監測等。主持國家重點研發計劃、國家自然科學基金等縱向項目２０余項，以第一作者或通信作者身份在ＳｔｒｕｃｔｕｒａｌＣｏｎｔｒｏｌａｎｄＨｅａｌｔｈＭｏｎｉｔｏｒｉｎｇ，ＥｎｇｉｎｅｅｒｉｎｇＳｔｒｕｃｔｕｒｅｓ等發表ＳＣＩ收錄論文２００余篇，Ｈｉｎｄｅｘ為５０。以第一發明人授權中國、美國、歐洲、日本等國發明專利７０余項。出版中英文專著、主編國際期刊專輯、國際會議論文集、各級標準等２０余部。以第一完成人獲省部級一等獎１項、二等獎３項，日本免震構造學會獎１項；以主要完成人獲國家科技進步二等獎、教育部科技進步一等獎、廣東省科技進步一等獎、遼寧省技術發明二等獎各１項。

基金項目：山東省重點研發計劃／重大創新工程項目（２０２１ＣＸＧＣ０１１２０４）。