馬謹(jǐn)瀚

（重慶偉太建筑工程有限公司，重慶 巴南 405409）

針對(duì)我國智能建筑這個(gè)市場(chǎng)也在不斷的快速發(fā)展,云虛擬網(wǎng)絡(luò)化關(guān)鍵技術(shù)、物聯(lián)網(wǎng)關(guān)鍵技術(shù)與智能建筑工程技術(shù)強(qiáng)強(qiáng)融合是全新的課題研究,基于感知結(jié)構(gòu)網(wǎng)絡(luò)關(guān)鍵技術(shù)應(yīng)用于智能建筑工程管理技術(shù)，同時(shí)也是目前研究的新型熱點(diǎn)課題研究。在此基礎(chǔ)上,提出一種基于智能建筑工程管理技術(shù)應(yīng)用中的模型算法研究?jī)?yōu)化手工建筑體系結(jié)構(gòu)。

1 云虛擬網(wǎng)絡(luò)化關(guān)鍵技術(shù)的原理

基于云虛擬網(wǎng)絡(luò)化關(guān)鍵技術(shù)[1]是在自適應(yīng)云虛擬網(wǎng)絡(luò)化關(guān)鍵技術(shù)和專家系統(tǒng)的基礎(chǔ)原理運(yùn)用多層數(shù)據(jù)融合彌補(bǔ)了單循環(huán)數(shù)據(jù)在智能建筑工程管理技術(shù)工程管理分析數(shù)據(jù)處理的不足和邏輯的缺陷學(xué)科。利用多跳自適應(yīng)云虛擬網(wǎng)絡(luò)化是智能傳感器采集數(shù)據(jù)智能建筑訓(xùn)練樣本仿真學(xué)習(xí)模型即自動(dòng)增速各個(gè)自適應(yīng)云虛擬網(wǎng)絡(luò)化元連接權(quán)閥值與感知識(shí)別隱式分布在整個(gè)網(wǎng)絡(luò)結(jié)構(gòu)體系中實(shí)現(xiàn)自適應(yīng)云虛擬網(wǎng)絡(luò)化模式記憶與信息處理應(yīng)用。

2 云虛擬網(wǎng)絡(luò)化中的基于在智能建筑工程管理技術(shù)管理應(yīng)用研究

2.1 多跳自適應(yīng)云虛擬網(wǎng)絡(luò)化技術(shù)在造價(jià)預(yù)測(cè)研究

基于BP云虛擬網(wǎng)絡(luò)化模型應(yīng)用200個(gè)高層智能建筑工程管理技術(shù)工程樣本，導(dǎo)致智能建筑訓(xùn)練，并用工程實(shí)例進(jìn)行驗(yàn)證高精確性;而用云虛擬網(wǎng)絡(luò)化模擬與輸入層和隱含層加入了偏置自適應(yīng)云虛擬網(wǎng)絡(luò)化元來促進(jìn)學(xué)習(xí)智能建筑訓(xùn)練樣本數(shù)據(jù)中有噪聲、干擾等會(huì)造成過度學(xué)習(xí)現(xiàn)象,同時(shí)采用遺傳優(yōu)化算法進(jìn)行智能建筑工程管理技術(shù)結(jié)構(gòu)優(yōu)化。基于BP云虛擬網(wǎng)絡(luò)化在智能建筑工程管理技術(shù)工程估價(jià)中的應(yīng)用“事物特征提取器”的運(yùn)算大量過去的工程資料中自動(dòng)提取工程特征與預(yù)算資料的規(guī)律關(guān)系數(shù)據(jù)。

2.2 云虛擬網(wǎng)絡(luò)化中的基于工程管理績(jī)效評(píng)價(jià)應(yīng)用研究

針對(duì)BP云虛擬網(wǎng)絡(luò)化模型對(duì)工程管理績(jī)效評(píng)價(jià)問題進(jìn)行研究建立綜合考慮工期、質(zhì)量、費(fèi)用、安全四大關(guān)鍵指標(biāo)的工程管理績(jī)效評(píng)價(jià)模型[2]。實(shí)踐證明,利用BP云虛擬網(wǎng)絡(luò)化關(guān)鍵技術(shù)在運(yùn)算工程管理績(jī)效評(píng)估模型有利于多跳自適應(yīng)云虛擬網(wǎng)絡(luò)化預(yù)測(cè)工程工期、質(zhì)量、成本、安全與績(jī)效之間復(fù)雜的非線性關(guān)系來提高管理績(jī)效的評(píng)價(jià)數(shù)據(jù)。

2.3 遺傳算法模型中的基于在建設(shè)工程評(píng)標(biāo)結(jié)構(gòu)優(yōu)化應(yīng)用

基于多層云虛擬網(wǎng)絡(luò)化的工作原理是先將輸入信號(hào)傳輸?shù)较乱粚庸?jié)點(diǎn)運(yùn)算函數(shù)處理后再將該節(jié)點(diǎn)的輸出信息向下一層節(jié)點(diǎn)傳輸?shù)叫盘?hào)傳輸?shù)捷敵鰧庸?jié)點(diǎn)為止。同時(shí)運(yùn)用遺傳算法模型構(gòu)造及算法設(shè)計(jì)進(jìn)行方案優(yōu)劣排序、換位矩陣以及能量函數(shù)構(gòu)造、云虛擬網(wǎng)絡(luò)化元之間連接和輸出,并用實(shí)例說明了該方法的優(yōu)越性和實(shí)用性與非線性。

2.4 云虛擬網(wǎng)絡(luò)化模型中的基于在建設(shè)工程招投標(biāo)管理應(yīng)用研究

基于BP云虛擬網(wǎng)絡(luò)化多層數(shù)據(jù)融合多跳自適應(yīng)云虛擬網(wǎng)絡(luò)化關(guān)鍵技術(shù)原理分析自動(dòng)預(yù)測(cè)工程招投標(biāo)的招標(biāo)價(jià)格和風(fēng)險(xiǎn)因素分析以及競(jìng)標(biāo)單位資格審查等方面的應(yīng)用指出多跳自適應(yīng)云虛擬網(wǎng)絡(luò)化具有的高度并行處理和可完成復(fù)雜輸入輸出的非線性映射組合結(jié)構(gòu),不僅可以保證高的中標(biāo)率,且可避免招標(biāo)過程中不確定性因素的影響。運(yùn)用云虛擬網(wǎng)絡(luò)化的工程承包招投標(biāo)報(bào)價(jià)的研究,提出了一個(gè)多因素確定高層智能建筑工程管理技術(shù)投標(biāo)報(bào)價(jià)的模型影響報(bào)高率的諸多因素,并確定了其權(quán)值即確定了用BP云虛擬網(wǎng)絡(luò)化實(shí)施黑箱操作的樣本輸入值和目標(biāo)值再通過智能建筑訓(xùn)練樣本自主調(diào)整修正輸入節(jié)點(diǎn)和輸出節(jié)點(diǎn)間的聯(lián)系得出符合各種情況要求的權(quán)值矩陣算法。

2.5 智能建筑工程管理技術(shù)中的算法模型研究

運(yùn)用 BP云虛擬網(wǎng)絡(luò)化來實(shí)現(xiàn)智能建筑訓(xùn)練樣本算法即誤差反向傳播算法即BP云虛擬網(wǎng)絡(luò)化算法的學(xué)習(xí)過程分為信息的正向傳播和誤差的反向傳播[1],其通過智能建筑訓(xùn)練樣本前一次迭代的權(quán)值和閾值來應(yīng)用云虛擬網(wǎng)絡(luò)化關(guān)鍵技術(shù)的第一層向后計(jì)算各層云虛擬網(wǎng)絡(luò)化元的輸出和最后層向前計(jì)算各層權(quán)值和閾值對(duì)總誤差的梯度進(jìn)而對(duì)前面各層的權(quán)值和閾值進(jìn)行修改運(yùn)算反復(fù)直到云虛擬網(wǎng)絡(luò)化樣本收斂 BP云虛擬網(wǎng)絡(luò)化輸入向量為隱含層輸出向量輸出層的輸出向量為期望輸出向量為輸入層到隱含層之間的權(quán)值矩陣為隱含層第 j個(gè)云虛擬網(wǎng)絡(luò)化元對(duì)其中列向量vj應(yīng)的權(quán)向量;隱含層到輸入層之間的權(quán)值矩陣,其中列向量w為輸出層第 k個(gè)云虛擬網(wǎng)絡(luò)化元對(duì)應(yīng)的權(quán)向量。各層信號(hào)之間的算法結(jié)構(gòu)為:

以上式中的 f( x)均為s類型函數(shù), f( x)的導(dǎo)數(shù)方程

則使智能建筑工程管理技術(shù)訓(xùn)練樣本輸出層和隱含層的權(quán)值調(diào)整量分別

式中:η為比例系數(shù),在模型智能建筑訓(xùn)練中代表學(xué)習(xí)速率。如果BP自適應(yīng)云虛擬網(wǎng)絡(luò)化有h個(gè)隱含層,各隱含層節(jié)點(diǎn)分別記為,各隱含層輸出分別記為,則各層權(quán)值調(diào)整計(jì)算公式分別如下:

輸出層

第一隱含層

綜合上述預(yù)測(cè)分析在 BP云虛擬網(wǎng)絡(luò)化學(xué)習(xí)算法運(yùn)用各層權(quán)值調(diào)整公式均由學(xué)習(xí)速率、本層輸出的誤差信號(hào)和本層輸入數(shù)字離散信號(hào)決定在智能建筑訓(xùn)練樣本學(xué)習(xí)的過程受決策環(huán)境復(fù)雜程度和智能建筑訓(xùn)練樣本的收斂性即需要增大樣本量來提高網(wǎng)絡(luò)關(guān)鍵技術(shù)所學(xué)知識(shí)的代表性應(yīng)注意在收集某個(gè)問題領(lǐng)域的樣本時(shí),注意樣本的全面性、代表性以及提高樣本的精確性,增大抗干擾噪聲,還可以采用其他方法收集多層智能建筑訓(xùn)練樣本數(shù)據(jù)。

3 結(jié)束語

隨著云虛擬網(wǎng)絡(luò)化關(guān)鍵技術(shù)中的在智能建筑工程管理技術(shù)管理領(lǐng)域是在多層智能傳感器等多種信息關(guān)鍵技術(shù)飛速發(fā)展,實(shí)踐證明,利用云虛擬網(wǎng)絡(luò)化控制技術(shù)來優(yōu)化智能建筑工程技術(shù)比人工分析建筑工程技術(shù)要精簡(jiǎn)節(jié)約時(shí)間。

[1]Moayedi M， Foo Y K。Adaptive Kalman filtering in networked systems with random sensor delays， multiple packet dropouts and missing measurements [J]。ⅠEEE Transactions on Signal Processing， 2010， 58(3):1577-1588。

[2]Ma J， Sun S L。Optimal linear estimators for systems with random sensor delays，multiple packet dropouts and uncertain observations [J]。ⅠEEE Transactions on Signal Processing， 2011， 59(11):5181-5192。