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(shù)是先進(jìn)技術(shù)的一種，也是社會(huì)經(jīng)濟(jì)和科學(xué)技術(shù)快速發(fā)展的主要表現(xiàn)，在建筑工程造價(jià)估算中起著無法代替的作用。建筑工程中的施工造價(jià)估算是非常重要的工作，正確的建筑工程造價(jià)估算對于建筑工程項(xiàng)目造價(jià)預(yù)算準(zhǔn)確性的提高很有幫助，以往的建筑工程造價(jià)估算主要采取人工估算的形式為主，在預(yù)算編制過程中對該項(xiàng)目數(shù)據(jù)的精度較低，估算數(shù)據(jù)容易造成較大誤差，會(huì)造成建筑項(xiàng)目的經(jīng)濟(jì)損失出現(xiàn)。在人工智能技術(shù)應(yīng)用中的建筑項(xiàng)目造價(jià)估算中，要采用科學(xué)的計(jì)算方法用于建設(shè)工程項(xiàng)目的資金成本估算，這樣能夠提高建筑工程項(xiàng)目造價(jià)估算的準(zhǔn)確性。

1 人工智能技術(shù)概述

1.1 人工智能技術(shù)定義

隨著當(dāng)代信息技術(shù)的飛速發(fā)展和進(jìn)步，計(jì)算機(jī)技術(shù)在人們的工作和生活的各方面都得到了廣泛的應(yīng)用，計(jì)算機(jī)技術(shù)作為人類工作生活的重要工具，取代以往手工生產(chǎn)方式已成為世界發(fā)展的必然趨勢。計(jì)算機(jī)技術(shù)的發(fā)展和進(jìn)步產(chǎn)生并促進(jìn)了人類智能技術(shù)的出現(xiàn)。人工智能是人類智能的行為，人工智能技術(shù)發(fā)展是當(dāng)代發(fā)展需求，智能技術(shù)有著很大優(yōu)勢，促進(jìn)各項(xiàng)事業(yè)發(fā)展，而智能技術(shù)作為新型技術(shù)手段之一。根據(jù)人類智能生活發(fā)展的規(guī)律，通過具體的程序代碼來完成人類任務(wù)活動(dòng)。人們使用計(jì)算機(jī)技術(shù)來構(gòu)建人工智能系統(tǒng)從而來幫助人們實(shí)現(xiàn)某些不能實(shí)現(xiàn)的行為。人類智能技術(shù)是通過計(jì)算機(jī)技術(shù)的研究和開發(fā)模擬人的行為。隨著人工智能技術(shù)的飛速發(fā)展，人工智能系統(tǒng)已經(jīng)被廣泛應(yīng)用于建筑工程造價(jià)估算領(lǐng)域。人工智能技術(shù)用于管理施工項(xiàng)目成本估算，監(jiān)督施工的項(xiàng)目情況，并運(yùn)用科學(xué)的方法提高施工項(xiàng)目成本估算的準(zhǔn)確性。

1.2 人工智能技術(shù)的特點(diǎn)

人工智能所具有的感知能力是人工智能技術(shù)最顯著的特點(diǎn)，這是人工智能系統(tǒng)運(yùn)行的最根本性質(zhì)。人工智能技術(shù)以計(jì)算機(jī)為主要運(yùn)行載體，利用計(jì)算機(jī)具有的記憶功能，實(shí)現(xiàn)記憶功能和思想功能的連接是人工智能技術(shù)的未來發(fā)展方向。人工智能技術(shù)具有學(xué)習(xí)功能的特點(diǎn)，學(xué)習(xí)能力是適應(yīng)社會(huì)發(fā)展的必要能力，它強(qiáng)調(diào)知識(shí)在當(dāng)今社會(huì)發(fā)展中的重要地位。人工智能的中心處理系統(tǒng)與人類的神經(jīng)系統(tǒng)相似，人工智能技術(shù)又像人類的思維能力，可以提升智能計(jì)算機(jī)技術(shù)的發(fā)展。

2 建筑工程造價(jià)的研究現(xiàn)狀

2.1 建筑工程造價(jià)概述

在建筑項(xiàng)目的前期準(zhǔn)備中，施工項(xiàng)目造價(jià)估算是必備的內(nèi)容，項(xiàng)目建筑成本是建筑工程項(xiàng)目預(yù)算的建筑價(jià)格，項(xiàng)目的建造價(jià)格是包括整個(gè)建筑工程項(xiàng)目的成本預(yù)算在內(nèi)及耗費(fèi)建設(shè)工程造價(jià)預(yù)算資源等的綜合。建筑工程造價(jià)項(xiàng)目的資金成本較高，項(xiàng)目建設(shè)是一個(gè)很大的項(xiàng)目，在包括采購材料、施工人員職位安排等在內(nèi)的系統(tǒng)工程和整個(gè)建筑工程項(xiàng)目設(shè)計(jì)等，我們需要對所有這些工程材料進(jìn)行預(yù)算，成本高達(dá)數(shù)億元。建設(shè)項(xiàng)目的主要制約因素是巨大的材料成本。由于建設(shè)項(xiàng)目的目標(biāo)效益不同，建設(shè)項(xiàng)目在不同領(lǐng)域具有不同的項(xiàng)目特點(diǎn)，建設(shè)項(xiàng)目的成本差異很大。在建設(shè)工程項(xiàng)目需要投入大量時(shí)間成本的過程中，建設(shè)工程造價(jià)的隱性因素是項(xiàng)目時(shí)間成本的建設(shè)，如果建設(shè)工程建設(shè)時(shí)間越長，在建設(shè)工程項(xiàng)目中花費(fèi)的時(shí)間越長，這將導(dǎo)致工程在動(dòng)態(tài)因素的影響下建設(shè)項(xiàng)目變得更加復(fù)雜，所以工程造價(jià)都是由多個(gè)子造價(jià)系統(tǒng)組成，使得工程項(xiàng)目的造價(jià)系統(tǒng)層次感更加突出。

2.2 影響工程造價(jià)估算的因素

建筑工程造價(jià)估算會(huì)受多種因素的影響，建筑工程項(xiàng)目的設(shè)計(jì)因素和建筑工程建設(shè)工人的技能水平都是影響建設(shè)工程造價(jià)估算的人為因素。工程項(xiàng)目變動(dòng)、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(jià)的客觀因素。在建設(shè)工程造價(jià)中，預(yù)算過程中任何一個(gè)影響因素都是不可忽略的，如果在造價(jià)估算中某一因素的影響未被考慮進(jìn)去，則項(xiàng)目成本的估算的準(zhǔn)確性會(huì)下降。在建設(shè)過程中，建筑的面積和層數(shù)的增加會(huì)影響工程造價(jià)的大小，而在施工過程中材料采購和施工人員變動(dòng)會(huì)影響工程造價(jià)估算的準(zhǔn)確性。因此，在工程造價(jià)估算過程中應(yīng)考慮動(dòng)態(tài)影響因素的變化。將勞動(dòng)生產(chǎn)率等因素考慮到項(xiàng)目造價(jià)的估算中，使建設(shè)項(xiàng)目的技術(shù)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(jià)估算系統(tǒng)中，需要將影響工程造價(jià)的人為因素和客觀因素以及各因素的動(dòng)態(tài)變化作為系統(tǒng)的輸入?yún)?shù)，確保最終工程估算的可信度。

3 基于人工智能技術(shù)的建筑工程造價(jià)估算應(yīng)用

3.1 建立基于人工智能技術(shù)的建筑工程造價(jià)估算模型

BP人工神經(jīng)網(wǎng)絡(luò)是應(yīng)用非常廣泛的一種反向傳播網(wǎng)絡(luò)。BP人工神經(jīng)網(wǎng)絡(luò)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(jīng)元的節(jié)點(diǎn)。在BP人工神經(jīng)網(wǎng)絡(luò)模型的每一層中，節(jié)點(diǎn)和節(jié)點(diǎn)彼此之間互不連接，但是在相鄰的層和層之間的節(jié)點(diǎn)是彼此連接的。數(shù)據(jù)通過輸入層進(jìn)入系統(tǒng)，并在系統(tǒng)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(tǒng)留在輸出層。BP人工神經(jīng)網(wǎng)絡(luò)模型如圖1所示。

圖1 BP人工神經(jīng)網(wǎng)絡(luò)模型

在BP人工神經(jīng)網(wǎng)絡(luò)模型中，每個(gè)節(jié)點(diǎn)的層與層之間很好地連接，根據(jù)層與層的神經(jīng)元之間的二權(quán)連接的方式進(jìn)行連接，在單獨(dú)的一層神經(jīng)元之間沒有神經(jīng)元之間的連接。BP網(wǎng)絡(luò)的學(xué)習(xí)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(shè)定值，則可以對每個(gè)神經(jīng)元的權(quán)重沿著修正反向梯度的誤差值進(jìn)行修改，以便我們可以減小誤差值，多次重復(fù)操作，如果網(wǎng)絡(luò)的全局誤差大于設(shè)定值，則停止以上操作。

3.2 遺傳算法和人工神經(jīng)網(wǎng)絡(luò)的綜合應(yīng)用

遺傳算法和人工神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)進(jìn)行有效的融合，就可使遺傳算法具有全局搜索的優(yōu)勢，這是遺傳算法顯著的特點(diǎn)。采用遺傳算法對神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化，最重要的是結(jié)構(gòu)的設(shè)計(jì)。神經(jīng)網(wǎng)絡(luò)能夠?yàn)檫z傳算法提供合理的輔助功能，可以基于神經(jīng)網(wǎng)絡(luò)來建立遺傳算法。遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的連接權(quán)，遺傳算法還能夠在相應(yīng)的函數(shù)中優(yōu)化神經(jīng)網(wǎng)絡(luò)的權(quán)值，首先調(diào)整相關(guān)的數(shù)據(jù)，使神經(jīng)網(wǎng)絡(luò)具有更好的連接能力。來自項(xiàng)目評估系統(tǒng)的所有數(shù)據(jù)都包含在神經(jīng)網(wǎng)絡(luò)的權(quán)重中。

自動(dòng)設(shè)計(jì)方法是一種遺傳算法和神經(jīng)網(wǎng)絡(luò)的集成方式，高效率的自動(dòng)設(shè)計(jì)方法可以優(yōu)化神經(jīng)網(wǎng)絡(luò)，遺傳算法使神經(jīng)網(wǎng)絡(luò)也減少了負(fù)面因素，神經(jīng)網(wǎng)絡(luò)提供的神經(jīng)網(wǎng)絡(luò)性能的算法對遺傳算法和神經(jīng)網(wǎng)絡(luò)的收斂性進(jìn)行了改進(jìn)，神經(jīng)網(wǎng)絡(luò)算法利用神經(jīng)網(wǎng)絡(luò)算法權(quán)重，可以實(shí)現(xiàn)遺傳算法收斂的變化。遺傳算法可以有效地優(yōu)化神經(jīng)網(wǎng)絡(luò)連接權(quán)值，從而保證遺傳算法與神經(jīng)網(wǎng)絡(luò)的良好融合。神經(jīng)網(wǎng)絡(luò)連接權(quán)重訓(xùn)練是優(yōu)化功能，調(diào)整數(shù)據(jù)分析，并找到最佳連接權(quán)重。但在重量訓(xùn)練的一般情況下，由于更多各種因素的影響，參數(shù)很容易出現(xiàn)問題，在選擇權(quán)重訓(xùn)練時(shí)間會(huì)出現(xiàn)延遲，導(dǎo)致收斂效率降低，神經(jīng)網(wǎng)絡(luò)可能出現(xiàn)振蕩現(xiàn)象，項(xiàng)目估計(jì)值的精度會(huì)受到影響，極值將出現(xiàn)在當(dāng)?shù)氐恼麄€(gè)網(wǎng)絡(luò)位置。通過遺傳算法對神經(jīng)網(wǎng)絡(luò)連接權(quán)重進(jìn)行優(yōu)化，保證對應(yīng)關(guān)系的權(quán)重和連接類型，使樣本函數(shù)的誤差最小化，提高權(quán)重的準(zhǔn)確性，保證整體權(quán)重訓(xùn)練的正常進(jìn)行。

4 結(jié)語

綜上所述，隨著我國經(jīng)濟(jì)逐漸快速發(fā)展，很多人工智能技術(shù)被人們逐漸重視起來，通過產(chǎn)業(yè)結(jié)構(gòu)化調(diào)整，由于人員技術(shù)提高，對人工智能技術(shù)了解深度不斷加強(qiáng)，技術(shù)手段快速發(fā)展，而使其成為生產(chǎn)領(lǐng)域當(dāng)中逐漸被廣泛使用，逐漸成為當(dāng)代社會(huì)上主流技術(shù)手段之一，也逐漸成為人們關(guān)注焦點(diǎn)。由于計(jì)算機(jī)技術(shù)和信息技術(shù)的飛速發(fā)展，在建筑工程中應(yīng)用人工智能技術(shù)是建筑工程發(fā)展的大勢所趨。在人工智能技術(shù)中的一項(xiàng)重要的技術(shù)支撐就是計(jì)算機(jī)技術(shù)，因此也要不遺余力的發(fā)展計(jì)算機(jī)技術(shù)。在建筑工程造價(jià)估算的基礎(chǔ)上，推廣人工智能技術(shù)的研究具有不可估量的應(yīng)用價(jià)值，人工智能技術(shù)對于提高數(shù)據(jù)估算的準(zhǔn)確性和合理性都有很大幫助，提高了建筑工程的經(jīng)濟(jì)效益。

[1]曲安瀾，劉志斌，朱克紅，等.提高施工管理和企業(yè)競爭力的人工智能技術(shù)的價(jià)值研究[J].機(jī)械設(shè)計(jì)與制造，2010（10）：23～28.

[2]牛曉東，齊建華，醒面華，等.建筑工程造價(jià)估算中的變結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)算法研究[J].河北省科學(xué)院學(xué)報(bào)，2014（23）：11～15.

[3]程紅艷，李平明，劉志貴，等.基于神經(jīng)網(wǎng)絡(luò)模型和改進(jìn)的最優(yōu)保留遺傳算法的非線性系統(tǒng)多步預(yù)測與控制[J].華北電力大學(xué)學(xué)報(bào)，2015（33）：20～23.

[4]陳冰彬，周可知，李明浩，等.基于人工智能技術(shù)的建筑工程造價(jià)估算研究[J].湖南城市學(xué)院報(bào)，2014.

[5]沈金山，杜小龍，李鳳蘭，等.基于BP神經(jīng)網(wǎng)絡(luò)的建筑工程造價(jià)估算的優(yōu)化和改進(jìn)研究[J].河南科學(xué)，2016（44）：56～59.