基于人工智能技术的建筑工程造价估算研究

何印

（中国电信股份有限公司广东分公司 广东广州 510081）

引言

人工智能技术是先进技术的一种，也是社会经济和科学技术快速发展的主要表现，在建筑工程造价估算中起着无法代替的作用。建筑工程中的施工造价估算是非常重要的工作，正确的建筑工程造价估算对于建筑工程项目造价预算准确性的提高很有帮助，以往的建筑工程造价估算主要采取人工估算的形式为主，在预算编制过程中对该项目数据的精度较低，估算数据容易造成较大误差，会造成建筑项目的经济损失出现。在人工智能技术应用中的建筑项目造价估算中，要采用科学的计算方法用于建设工程项目的资金成本估算，这样能够提高建筑工程项目造价估算的准确性。

1 人工智能技术概述

1.1 人工智能技术定义

随着当代信息技术的飞速发展和进步，计算机技术在人们的工作和生活的各方面都得到了广泛的应用，计算机技术作为人类工作生活的重要工具，取代以往手工生产方式已成为世界发展的必然趋势。计算机技术的发展和进步产生并促进了人类智能技术的出现。人工智能是人类智能的行为，人工智能技术发展是当代发展需求，智能技术有着很大优势，促进各项事业发展，而智能技术作为新型技术手段之一。根据人类智能生活发展的规律，通过具体的程序代码来完成人类任务活动。人们使用计算机技术来构建人工智能系统从而来帮助人们实现某些不能实现的行为。人类智能技术是通过计算机技术的研究和开发模拟人的行为。随着人工智能技术的飞速发展，人工智能系统已经被广泛应用于建筑工程造价估算领域。人工智能技术用于管理施工项目成本估算，监督施工的项目情况，并运用科学的方法提高施工项目成本估算的准确性。

1.2 人工智能技术的特点

人工智能所具有的感知能力是人工智能技术最显著的特点，这是人工智能系统运行的最根本性质。人工智能技术以计算机为主要运行载体，利用计算机具有的记忆功能，实现记忆功能和思想功能的连接是人工智能技术的未来发展方向。人工智能技术具有学习功能的特点，学习能力是适应社会发展的必要能力，它强调知识在当今社会发展中的重要地位。人工智能的中心处理系统与人类的神经系统相似，人工智能技术又像人类的思维能力，可以提升智能计算机技术的发展。

2 建筑工程造价的研究现状

2.1 建筑工程造价概述

在建筑项目的前期准备中，施工项目造价估算是必备的内容，项目建筑成本是建筑工程项目预算的建筑价格，项目的建造价格是包括整个建筑工程项目的成本预算在内及耗费建设工程造价预算资源等的综合。建筑工程造价项目的资金成本较高，项目建设是一个很大的项目，在包括采购材料、施工人员职位安排等在内的系统工程和整个建筑工程项目设计等，我们需要对所有这些工程材料进行预算，成本高达数亿元。建设项目的主要制约因素是巨大的材料成本。由于建设项目的目标效益不同，建设项目在不同领域具有不同的项目特点，建设项目的成本差异很大。在建设工程项目需要投入大量时间成本的过程中，建设工程造价的隐性因素是项目时间成本的建设，如果建设工程建设时间越长，在建设工程项目中花费的时间越长，这将导致工程在动态因素的影响下建设项目变得更加复杂，所以工程造价都是由多个子造价系统组成，使得工程项目的造价系统层次感更加突出。

2.2 影响工程造价估算的因素

建筑工程造价估算会受多种因素的影响，建筑工程项目的设计因素和建筑工程建设工人的技能水平都是影响建设工程造价估算的人为因素。工程项目变动、国家政策管控以及自然条件等因素都是影响建筑工程造价的客观因素。在建设工程造价中，预算过程中任何一个影响因素都是不可忽略的，如果在造价估算中某一因素的影响未被考虑进去，则项目成本的估算的准确性会下降。在建设过程中，建筑的面积和层数的增加会影响工程造价的大小，而在施工过程中材料采购和施工人员变动会影响工程造价估算的准确性。因此，在工程造价估算过程中应考虑动态影响因素的变化。将劳动生产率等因素考虑到项目造价的估算中，使建设项目的技术水平和管理水平得到较好的利用。在人工智能建筑工程造价估算系统中，需要将影响工程造价的人为因素和客观因素以及各因素的动态变化作为系统的输入参数，确保最终工程估算的可信度。

3 基于人工智能技术的建筑工程造价估算应用

3.1 建立基于人工智能技术的建筑工程造价估算模型

BP人工神经网络是应用非常广泛的一种反向传播网络。BP人工神经网络模型由输入层、输出层和隐含层组成。每一层都有许多带包神经元的节点。在BP人工神经网络模型的每一层中，节点和节点彼此之间互不连接，但是在相邻的层和层之间的节点是彼此连接的。数据通过输入层进入系统，并在系统中的每一层之间以单向方式传播，并在通过模型中的每一层之后将系统留在输出层。BP人工神经网络模型如图1所示。

图1 BP人工神经网络模型

在BP人工神经网络模型中，每个节点的层与层之间很好地连接，根据层与层的神经元之间的二权连接的方式进行连接，在单独的一层神经元之间没有神经元之间的连接。BP网络的学习过程分为正向和反向传播模式。正向传播的输出误差值与期望值相比，如果误差值的精度小于设定值，则可以对每个神经元的权重沿着修正反向梯度的误差值进行修改，以便我们可以减小误差值，多次重复操作，如果网络的全局误差大于设定值，则停止以上操作。

3.2 遗传算法和人工神经网络的综合应用

遗传算法和人工神经网络的优点进行有效的融合，就可使遗传算法具有全局搜索的优势，这是遗传算法显著的特点。采用遗传算法对神经网络进行优化，最重要的是结构的设计。神经网络能够为遗传算法提供合理的辅助功能，可以基于神经网络来建立遗传算法。遗传算法优化神经网络的连接权，遗传算法还能够在相应的函数中优化神经网络的权值，首先调整相关的数据，使神经网络具有更好的连接能力。来自项目评估系统的所有数据都包含在神经网络的权重中。

自动设计方法是一种遗传算法和神经网络的集成方式，高效率的自动设计方法可以优化神经网络，遗传算法使神经网络也减少了负面因素，神经网络提供的神经网络性能的算法对遗传算法和神经网络的收敛性进行了改进，神经网络算法利用神经网络算法权重，可以实现遗传算法收敛的变化。遗传算法可以有效地优化神经网络连接权值，从而保证遗传算法与神经网络的良好融合。神经网络连接权重训练是优化功能，调整数据分析，并找到最佳连接权重。但在重量训练的一般情况下，由于更多各种因素的影响，参数很容易出现问题，在选择权重训练时间会出现延迟，导致收敛效率降低，神经网络可能出现振荡现象，项目估计值的精度会受到影响，极值将出现在当地的整个网络位置。通过遗传算法对神经网络连接权重进行优化，保证对应关系的权重和连接类型，使样本函数的误差最小化，提高权重的准确性，保证整体权重训练的正常进行。

4 结语

综上所述，随着我国经济逐渐快速发展，很多人工智能技术被人们逐渐重视起来，通过产业结构化调整，由于人员技术提高，对人工智能技术了解深度不断加强，技术手段快速发展，而使其成为生产领域当中逐渐被广泛使用，逐渐成为当代社会上主流技术手段之一，也逐渐成为人们关注焦点。由于计算机技术和信息技术的飞速发展，在建筑工程中应用人工智能技术是建筑工程发展的大势所趋。在人工智能技术中的一项重要的技术支撑就是计算机技术，因此也要不遗余力的发展计算机技术。在建筑工程造价估算的基础上，推广人工智能技术的研究具有不可估量的应用价值，人工智能技术对于提高数据估算的准确性和合理性都有很大帮助，提高了建筑工程的经济效益。

[1]曲安澜，刘志斌，朱克红，等.提高施工管理和企业竞争力的人工智能技术的价值研究[J].机械设计与制造，2010（10）：23～28.

[2]牛晓东，齐建华，醒面华，等.建筑工程造价估算中的变结构神经网络算法研究[J].河北省科学院学报，2014（23）：11～15.

[3]程红艳，李平明，刘志贵，等.基于神经网络模型和改进的最优保留遗传算法的非线性系统多步预测与控制[J].华北电力大学学报，2015（33）：20～23.

[4]陈冰彬，周可知，李明浩，等.基于人工智能技术的建筑工程造价估算研究[J].湖南城市学院报，2014.

[5]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.