基于BP神經網絡的土木工程智能化施工課程達成度評價

中圖分類號：G640 文獻標志碼：A 文章編號：2096-000X（2025）26-0009-06

Abstract：Withourcountryseconomyenteringanewstageofhigh-qualitydevelopment，smartconstructionhasbecomean inevitabletrendinthedevelopmentoftheonstructionindustryaswellasintheindustrialtransformationandupgradinghich mainlyicludestreeaspects：intellintdesign，inteligentconstructio，nditeligentoperationndmintenance.Ielent ConstructioninCivilEngineringisthecorecourseofsmartconstruction，whosequalitystandards，knowledgesystemand evaluationmethodsarestillintheexploratorystage.Lessonachievementevaluationisanimportantpartofprofsional accreditationinengineeingeducation.ThispapertakesthecourseofIntellgentConstructioninCivilEngineeringinChina UniversityofMiningandTechnologyastheresearchsubject.Firstly，thispaperpresentsthequalitystandardsforthiscourse. Subsequently，anachievementevaluationmethodbasedonneuralnetworktechnologyisproposedusingtheteachingdata. Moreover，thefindingswillbeutizedtoproposeenhancementsforteachingpractices.Thispapershowsthatneuralnetwork technologycanbeusedtoreasonably，accurately，andscientificallevaluatetheachievementofcourseobjectives，whichhelpsto promote high-quality development in undergraduate engineering education.

Keywords： Intellgent Constructionin CivilEngineering;smartconstruction；courseachievement;neuralnetwork；enginering education

建筑業是我國的支柱產業之一，對推動我國城鎮化建設和經濟社會發展發揮了重要作用。傳統建筑業屬于勞動密集型產業，存在建造方式粗獷、資源消耗大、碳排放量高、生產效率低、工人老齡化嚴重、用工成本高等問題。智能建造是新一代信息技術、自動化技術與傳統建筑業融合形成的工程建造創新模式，是實現建筑業高質量發展的重要抓手。

2020年7月，《住房和城鄉建設部等部門關于推動智能建造與建筑工業化協同發展的指導意見》，強調要以建筑工業化為載體，以數字化、智能化為動力，形成涵蓋科研、設計、生產加工、施工裝配、運營等全產業鏈融合一體的智能建造產業體系2。自2018年同濟大學首先設置智能建造本科專業以來，全國共有106所高校開設了智能建造專業（統計數據截至2023年底）。智能建造專業主干課程主要涉及智能規劃與設計、智能裝備與施工、智能運維三個模塊，而土木工程智能化施工是智能建造專業的主干課程之一。土木工程智能化施工課程的質量標準、知識結構體系、評價方法尚處于探索初始階段。課程的達成度評價，將直接影響智能建造專業工程教育質量認證水平。因此，針對土木工程智能化施工的質量標準和達成度評價方法進行詳細研究尤為迫切。

土木工程施工是土木工程專業的主干課程，主要講述各工種工程的施工工藝、施工方法、技術要求，以及施工組織的原則與特點、流水施工基本原理、網絡計劃技術和施工組織設計，常涉及土石方工程、基礎工程、混凝土結構工程、結構安裝工程、道路工程、橋梁工程、地下工程、腳手架工程、防水工程及裝飾裝修工程，知識體系呈現“大而全\"的特點。與傳統土木工程施工課程不同，土木工程智能化施工的核心在于將人工智能技術、智能化機械設備、BIM軟件、3D打印技術、檢（監）測感知系統、物聯網、虛擬現實和增強現實等智能化技術應用到施工組織與管理中，實現施工過程的智能化、數字化、自動化4。顯然，土木工程智能化施工的課程知識體系與傳統土木工程施工課程存在顯著不同，若仍借鑒傳統施工課程“大而全、多點深人\"的思路開展教學工作是不現實的。因此，應針對高校辦學特色，制定土木工程智能化施工課程的個性化質量標準體系。

課程目標達成情況的評價是工程教育專業認證的重要環節，常通過過程監測和結果評價相結合的方式對課程效果進行評價[-8。過程監測除了考察學生對知識的掌握程度外，更側重于考核學生的學習態度、自主學習能力和參與度等情況；而結果評價多以考試、測驗和報告等形式，即通過分數進行客觀量化學生知識掌握程度。目前，基于成果導向教育（OutcomeBasedEducation，OBE）的評價方式，是進行課程達成度評價的主流方法，該方法重視學生能力和學習成果的培養，而非重視內容和分數的傳統評價方法9。需要指出的是，上述評價形式往往是對教學數據的簡單統計分析，缺少可預測性和智能化。鑒于此，陳志雄等[10]提出了基于機器學習的課程達成度評價方法，并對重慶大學的土力學課程進行了實施，驗證了所提出方法的科學性和有效性。

本文以中國礦業大學的土木工程智能化施工課程為研究對象，首先針對中國礦業大學能源特色院校的特點，制定了該課程的質量標準。其次，提出了基于神經網絡技術的課程達成度評價方法，并以一學期的教學數據進行了實施。最后，建立了基于神經網絡技術的達成度評價模型，為后續的教學改進提供建議和參考。

土木工程智能化施工課程質量標準

（1） 課程目標

通過本課程的學習，使學生掌握土木工程智能化施工常用的施工機具、施工方法和施工工藝，具有針對特定復雜工程優化選擇適宜施工措施的能力；具有運用智能化施工技術基本理論知識以及國家現行施工驗收規范、標準，分析、判斷以及保證工程施工質量的能力；具有根據土木工程項目的客觀實際情況，運用現代流水施工管理知識，編制單位工程施工組織設計，確定施工方案、施工進度計劃和施工場地布置圖的能力；同時通過以上各方面能力的培養和訓練，培養學生的愛國主義情懷、工程責任擔當意識、頑強拼搏精神和發展創新能力。

課程目標1：使學生掌握土木工程智能化施工常用的施工機具、施工方法和施工工藝，具有針對特定復雜工程優化選擇適宜施工措施的能力，支撐本專業畢業要求觀測點2.3。

課程目標2：具有運用智能化施工技術基本理論知識以及國家現行施工驗收規范、標準，分析、判斷以及保證工程施工質量的能力，支撐本專業畢業要求觀測點3.3。

課程目標3：具有根據土木工程項目的客觀實際情況，編制單位工程施工組織設計，確定施工方案、施工進度計劃和智慧工地布置的能力，支撐本專業畢業要求觀測點4.1。

課程目標4：培養學生的愛國主義情懷、工程責任意識、頑強拼搏精神和創新能力，即課程思政教學目標。

畢業要求觀測點、課程目標及能力要求見表1。

表1畢業要求觀測點、課程目標及能力要求

由表1可知，土木工程智能化施工課程主要對應于工程教育認證\"12條\"基本要求中的\"專業知識\"“復雜工程問題”和“解決方案”觀測點任務。

（二） 課程內容

針對上述課程目標，土木工程智能化施工課程共設置56個學時的教學工作量，其中包括40學時的課堂學時和16學時的課外學時。課堂教學的主要教學內容、學時分配和課程思政等要求匯總于表2，課外學時的教學內容和要求列于表3。

課程考核與達成度評價

（1） 課程的考核環節

課程考核包括平時考核和期末考核，平時成績、期末考試成績和總成績，均為百分制，其中平時成績和期末考試成績占總成績的比例分別為 40% 160% ，考核細則見表4。為保證課堂教學效果，避免學生出現功利性和流于表面的學習動機，課程采用了“課堂表現 + 課后作業\"相結合的方式，通過課堂表現考核方式，調動學生參與課堂教學的積極性；通過課后作業考核方式，了解學生對所教授知識點 的掌握程度。

表2課堂學時主要教學內容、要求及學時分配

表3課外學時安排內容、要求及學時分配

表4考核細則

（二） 課程目標達成情況評價方式

課程目標達成情況計算方式詳見表5。

三 課程達成度分析

（1） 各學生達成度情況

本文以中國礦業大學智能建造專業的土木工程智能化施工課程2022—2023學年第二學期的教學數據為研究基礎，本學期共有38名學生，根據課程質量標準對每位學生的達成度情況進行統計分析。各學生平時成績和期末成績的四個教學目標達成情況繪于圖1。從圖1中可以發現，平時成績各目標達成度均較好，這主要是因為平時成績構成是由課堂表現：平時作業：小組匯報 三部分構成，學生課堂表現和作業完成情況很好，小組匯報參與度較高；相對而言平日成績中G4（課程思政）達成度離散性比較大，這因為是部分同學未完成第一次開放論述作業，尤其是三位重修同學，開課一周后才開始上課

表5課程目標達成情況計算表

注：1.表中 A_i，B_i 分別為課程對應于各畢業要求觀測點的分值； S_ij 為課程對畢業要求觀測點 i.j 的支撐度； R_i 為課程目標 i 的達成情況；2.表中 _A，B 分別為學生在相應考核點取得的分值； \"/\" 后的數字代表相應考核點的滿分值。

另外，從期末成績看，G2（問題分析、復雜工程等）達成情況一般，這與授課過程反饋一致，即計算類題目掌握不理想，下學期課程教學過程中應加強。

（二） 課程總體達成度情況

將38名學生的整體達成情況匯總于表6，可以發現，課程目標 _G1，G2 和G3的達成情況分別為0.72、0.72、0.79，評價結果為達成；課程目標G3的達成情況最高，整體達成情況均衡。另外，課程目標G3主要支撐畢業要求觀測點4.1，較高的達成情況說明學生具有能夠針對復雜工程問題設計解決方案。

四基于神經網絡的課程達成度評價代理模型

（一）人工智能技術

人工智能技術在土木工程領域中應用已有幾十年歷史，廣泛用于解決土木工程領域中的智能材料、智能設計、智能建造、智能運維和智能防災等問題。

建造過程中圍繞施工人員、機械設備、物料、工法和環境五大要素將產生龐大的多源異構數據，通過不同類型的傳感器采集這些數據，以實現建造過程全要素的狀態感知、質量感知和位置感知，再通過網絡模塊進行統一轉換與傳輸[12-13]。劉占省等[14]通過融合物聯網、BIM和有限元模型，提出了基于數字孿生和智能決策平臺的智能建造方法，對比實時監測與理論模型數據，對實際施工過程進行調整與修正。目前，計算機視覺和深度學習技術已經應用于建造場景的人員安全狀態識別、施工機械安全監控和風險目標辨識[。針對建造場景中的視頻圖像，可以通過建立基于卷積神經網絡和長短期記憶網絡的目標檢測和語義分割模型，識別視頻圖像中的諸多不安全因素，包括人員是否佩戴防護裝備、大型施工器械的危險姿態等，并對風險目標進行跟蹤預警[1]。

圖1學生達成度情況分析

表6課程整體達成度情況

（二） 神經網絡模型

本文提出通過神經網絡技術，建立替代傳統課程達成度分析的智能評價模型，其一般形式可表示為是，本文用于訓練模型的數據樣本較少，輸人層特征值應進一步完善。

式中： 表示人工神經網絡的預測值或輸出 ;f（?） 是六種常用的激活函數Purelin、Log-sigmoid ? Tan-sigmoid、RectifiedLinearUnits （ReLu）Softplus和Softmax函數;輸人數據 X_m，i 表示包含 ?_m 個特征值或 m 行的列向量。

人工神經網絡模型有3個組成部分： ① 輸入層，用于饋送輸入變量的信息； ② 隱含層，用于從輸入層到輸出層添加非線性和提取特征； ③ 預測ANN結果的輸出層。以平時成績和期末成績的教學目標達成情況，合計共8個變量作為網絡模型的輸入特征值，以課程整體達成度作為模型的輸出特征值，變量信息見表7。

表7神經網絡輸入和輸出變量

（三）基于BP神經網絡的智能達成度評價模型

本文提出采用BP（誤差反向傳播算法）神經網絡，訓練課程達成度評價代理模型，模型參數設置為① 選取 65% 的輸入輸出數據作為訓練集、 15% 的數據作為測試集、剩余數據作為驗證集； ② 輸入層設置5個神經元，選用Log-sigmoid函數作為輸人層激活函數；② 最大訓練次數為5000步、學習速率0.2、最小誤差1×10^-5 。神經網絡模型訓練的擬合優度如圖2所示，該訓練模型具有較好擬合情況。

為進一步驗證訓練模型的準確性，將測試集的目標值和預測值對比情況繪于圖3，并將預測值相對目標值的誤差繪于圖4。從圖3和圖4中不難發現，BP神經網絡模型訓練結果較好，理想狀態下可替代傳統達成度評價方法或豐富達成度評價結果。需要指出的

圖2訓練模型擬合優度

圖3測試集目標值與預測值對比

圖4訓練模型預測值相對目標值的誤差

五結束語

智能建造是一種智能化的建造模式，將BIM、物聯網、3D打印、大數據和人工智能等新一代信息技術與傳統工程建造有機融合。作為智能建造專業的主干課程，土木工程智能化施工的課程目標達成情況關系著我國智能建造專業的國際認證水平。將智能化技術切實融入到課程教學和評價的全過程中，有利于更新評價機制和方法、提升教學數據利用效率和改進教學效果。本文所開展的工作，為智能建造專業人才培養過程中課程建設、改革和評價方式創新提供了參考和借鑒。

參考文獻：

[1]于軍琪，陳易圣，馮春勇，等.智能建造機器人局部路徑規劃研究綜述[J].計算機工程與應用，2024，60（10）：16-29.

[2]馬智亮.解讀《中國建筑業信息化發展報告（2023）——智能建造深度應用與發展》[J.中國建設信息化，2023（24）：10-12

[3]孫兵，王曉琴，臧園，等.基于“兩性一度\"的土木工程施工一流課程建設探索[J].高教學刊，2023，9（8）：31-34.

[4]房霆宸，龔劍.數字化施工到智能化施工的研究與探索[J].建筑施工，2021（43）：2594-2595.

[5]陶雨濛，張云峰，陳以一，等.3D打印技術在土木工程中的應用展望[J].鋼結構，2014（29）：1-8.

[6]李碩智.智能化背景下土木工程施工技術的應用創新[J].中國科技信息，2021（24）：42-43.

[7]謝娜.基于OBE理念的土木工程施工技術課程思政教學設計與實踐[J].高教學刊，2023，9（S1）：126-128，133.

[8]王賀封，曹媛，李喜盼，等.課程目標達成度評價方法研究與實踐——以變形監測與數據處理課程為例[J].高教學刊，2023，9（23）：87-91.

[9]張衛華，李照廣，隋智力，等.新工科背景下智能建造專業集群建設探析—以北京城市學院為例[J.高教學刊，2020（21）：96-98.