張學(xué)平， 崔錦瑞， 陳長(zhǎng)才

(1.國(guó)網(wǎng)安徽省電力有限公司，安徽 合肥 230000；2.安徽省電力交易中心，安徽 合肥 230000； 3.安徽省電力工程質(zhì)量監(jiān)督中心站，安徽 合肥 230000)

0 引 言

近年來(lái)，人工智能(artificial intelligence， AI)的融入施工作業(yè)，提升了行業(yè)工作效率。在此期間產(chǎn)生的各種高新科技方案，對(duì)本文研究具有重要參考意義。文獻(xiàn)[1]利用MapReduce編寫深度學(xué)習(xí)算法代碼實(shí)現(xiàn)施工作業(yè)的信息化處理，并建立鏈?zhǔn)叫畔⑻幚砹鞒?，提高施工作業(yè)信息處理精確度。但這種方法需要配置極高的計(jì)算機(jī)，適用于科研作業(yè)信息處理方式。文獻(xiàn)[2]采用層次聚類法(hierarchical clustering,AHC)改變采集的數(shù)據(jù)形態(tài)，通過(guò)分化的數(shù)據(jù)層次將信息輸入到大數(shù)據(jù)信息處理系統(tǒng)，使信息處理結(jié)果規(guī)律化，提高作業(yè)信息處理速度。但這種方法信息判斷結(jié)果精準(zhǔn)度不高，適用于大型廠商施工作業(yè)信息的分析處理。

本文根據(jù)現(xiàn)場(chǎng)施工條件進(jìn)行分析，在傳統(tǒng)信息處理系統(tǒng)基礎(chǔ)上進(jìn)行設(shè)計(jì)，通過(guò)加入AI技術(shù)提高信息處理效率，利用多模態(tài)信息分析技術(shù)綜合各類施工信息，在不同的數(shù)據(jù)處理通道建立各自的工作分解結(jié)構(gòu)(work breakdown structure, WBS)判斷模型，使作業(yè)信息判斷更為合理，形成分布式信息處理模式，采用IFTA處理算法對(duì)模型判斷結(jié)果進(jìn)行驗(yàn)證，根據(jù)反饋結(jié)果對(duì)判斷模型進(jìn)行調(diào)整，實(shí)現(xiàn)信息處理結(jié)果準(zhǔn)確性的提升[3]。

1 施工作業(yè)信息一體化處理系統(tǒng)

本文在人工智能技術(shù)的背景下研究信息一體化處理系統(tǒng)，解決施工作業(yè)信息處理速度慢，信息判斷結(jié)果混亂的問(wèn)題。通過(guò)針對(duì)性設(shè)計(jì)信息處理功能技術(shù)，加快施工作業(yè)進(jìn)程[4]。本文設(shè)計(jì)系統(tǒng)的主要技術(shù)創(chuàng)新在于以下幾點(diǎn)。

(1) 將AI技術(shù)與信息一體化系統(tǒng)融合，加強(qiáng)系統(tǒng)作業(yè)信息處理能力，使信息處理部門趨向于智能化發(fā)展。

(2) 采用多模態(tài)信息分析技術(shù)對(duì)采集的作業(yè)信息進(jìn)行綜合規(guī)劃，并在各自處理通道上建立WBS判斷模型，使信息處理過(guò)程簡(jiǎn)捷化和快速化。

(3) 利用IFTA處理算法驗(yàn)證處理結(jié)果，使系統(tǒng)判斷數(shù)據(jù)具有理論基礎(chǔ)，保證設(shè)計(jì)的一體化信息處理系統(tǒng)結(jié)果的準(zhǔn)確性。

一體化信息處理系統(tǒng)如圖1所示。

圖1 一體化信息處理系統(tǒng)

本文建立的一體化信息處理系統(tǒng)通過(guò)信息識(shí)別、分析、判斷以及存儲(chǔ)四步實(shí)現(xiàn)信息數(shù)據(jù)的處理。在信息識(shí)別領(lǐng)域，通過(guò)采集施工作業(yè)信息輸入到系統(tǒng)中，其中主要采集數(shù)據(jù)為制造進(jìn)程、運(yùn)輸通道和標(biāo)準(zhǔn)參數(shù)，由此領(lǐng)域完成系統(tǒng)數(shù)據(jù)的輸入[5]。信息分析功能的完成主要依托于人工智能，在此領(lǐng)域內(nèi)完成數(shù)據(jù)信息的聚合、劃分，通過(guò)分析數(shù)據(jù)之間的關(guān)聯(lián)，將劃分的各類型數(shù)據(jù)通過(guò)多線程的方式傳輸?shù)蕉嗄B(tài)技術(shù)平臺(tái)中，由此完成作業(yè)數(shù)據(jù)的群智能處理和云存儲(chǔ)。對(duì)于信息的判斷通過(guò)批量信息處理平臺(tái)完成，在平臺(tái)中建立WBS判斷模型，由模型得到信息處理結(jié)果，經(jīng)過(guò)平臺(tái)的匯總功能將處理結(jié)果輸送給IFTA算法程序，由算法與標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)對(duì)比驗(yàn)證結(jié)果的準(zhǔn)確程度[6]。同時(shí)WBS模型判斷結(jié)果通過(guò)數(shù)據(jù)轉(zhuǎn)換的形式分別轉(zhuǎn)換為微機(jī)語(yǔ)言和圖形顯示狀態(tài)，由此完成施工作業(yè)信息的顯示和應(yīng)用。

2 多模態(tài)信息分析技術(shù)

本文采用的AI技術(shù)主要是多模態(tài)信息分析技術(shù)，利用其聚合和劃分功能改變數(shù)據(jù)形態(tài)，分析所識(shí)別信息之間的關(guān)聯(lián)，將這種具有關(guān)聯(lián)性的信息通過(guò)群智能和云存儲(chǔ)方式進(jìn)行加工處理。多模態(tài)信息分析設(shè)計(jì)如圖2所示。

圖2 多模態(tài)信息分析設(shè)計(jì)圖

多模態(tài)信息設(shè)計(jì)通過(guò)建立模態(tài)數(shù)據(jù)分析數(shù)據(jù)之間的關(guān)聯(lián)性，利用數(shù)據(jù)之間的關(guān)系分析作業(yè)信息對(duì)施工過(guò)程的影響，從而進(jìn)行判斷。多模態(tài)技術(shù)由輸入層、模態(tài)設(shè)計(jì)和關(guān)聯(lián)性分析共同完成，輸入層主要組成部分是信息數(shù)據(jù)形態(tài)，由系統(tǒng)中信息識(shí)別領(lǐng)域提供數(shù)據(jù)。模態(tài)設(shè)計(jì)主要進(jìn)行聚合模態(tài)、數(shù)據(jù)劃分和組合模態(tài)結(jié)構(gòu)的設(shè)計(jì)，模態(tài)結(jié)構(gòu)的區(qū)別取決于輸入數(shù)據(jù)形態(tài)，由此劃分出作業(yè)信息。而關(guān)聯(lián)性分析主要負(fù)責(zé)找到各自模態(tài)變化的規(guī)律，將這種區(qū)分開來(lái)的數(shù)據(jù)形態(tài)稱為關(guān)聯(lián)性(regular pattern,RP)信息，模態(tài)的上關(guān)聯(lián)信息由群智能設(shè)備捕捉，下關(guān)聯(lián)數(shù)據(jù)輸送到云存儲(chǔ)空間，然后經(jīng)過(guò)建立的WBS模型判斷數(shù)據(jù)結(jié)果，由此完成一個(gè)階段的信息處理循環(huán)[7]。

3 WBS判斷模型

根據(jù)多模態(tài)建立不同數(shù)據(jù)形態(tài)，將不同形式的信息模態(tài)輸入到WBS判斷模型，實(shí)現(xiàn)施工信息數(shù)據(jù)的評(píng)判和驗(yàn)證，模型通過(guò)設(shè)立多個(gè)判斷條件將輸入的作業(yè)信息與標(biāo)準(zhǔn)庫(kù)對(duì)比，將數(shù)據(jù)結(jié)果通過(guò)可視化仿真技術(shù)顯示在微機(jī)中[8]。由此建立的WBS判斷模型如圖3所示。

圖3 WBS判斷模型圖

WBS判斷模型根據(jù)多模態(tài)分析出的數(shù)據(jù)關(guān)聯(lián)進(jìn)行匯總，將所有類型數(shù)據(jù)與標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)對(duì)比。符合標(biāo)準(zhǔn)的數(shù)據(jù)輸入到SDK模塊[9]，不符合標(biāo)準(zhǔn)的數(shù)據(jù)推算其偏離度，通過(guò)判斷是否允許校正進(jìn)行后續(xù)工序，允許校正數(shù)據(jù)由標(biāo)準(zhǔn)化校正模塊負(fù)責(zé)執(zhí)行，偏離度較大的數(shù)據(jù)類型判斷不允許校正，直接歸類為無(wú)用數(shù)據(jù)。經(jīng)過(guò)標(biāo)準(zhǔn)化校正的數(shù)據(jù)通過(guò)判斷是否校正成功，將校正成功的數(shù)據(jù)輸入到SDK模塊，未校正成功數(shù)據(jù)歸類為無(wú)用數(shù)據(jù)。SDK模塊主要功能為判斷結(jié)果輸出類型，由后續(xù)IFTA算法驗(yàn)證結(jié)果準(zhǔn)確性，而SDK將判斷不同類型的判斷結(jié)果用Revit軟件完成可視化仿真，通過(guò)對(duì)數(shù)據(jù)形態(tài)、作業(yè)流程和分析進(jìn)程的仿真，清晰顯示作業(yè)信息判斷結(jié)果，增加判斷結(jié)果的信服力[10]。

4 IFTA驗(yàn)證算法

根據(jù)WBS判斷模型數(shù)據(jù)，將判斷仿真結(jié)果編寫為迭代函數(shù)，即確定算法所驗(yàn)證的具體問(wèn)題：

(1)

式中:P0為設(shè)置的判斷模型驗(yàn)證問(wèn)題函數(shù)；x為可能存在誤差的模型結(jié)果變量；A為分布式的模型仿真顯示；b為模型判斷結(jié)果最小偏離度。

對(duì)與此類問(wèn)題函數(shù)的求解，本文通過(guò)分布閾值方程式將其轉(zhuǎn)化為具有一般函數(shù)規(guī)律的方程，即：

[Sλ,1(x)]i=sgn(xi)sλ(|xi|)=sgn(xi)max[|xi|-λ,0]

(2)

式中：Sλ,1(x)為分布式閾值方程；sgn(xi)為符號(hào)函數(shù)，確立自變量的參數(shù)變化規(guī)律；sλ為分布式的作業(yè)信息類型；λ為判斷結(jié)果設(shè)置的坐標(biāo)點(diǎn)。

將分布式閾值方程代入式(1)，說(shuō)明驗(yàn)證問(wèn)題函數(shù)存在最優(yōu)解。將仿真的數(shù)據(jù)形態(tài)代入到問(wèn)題函數(shù)中，計(jì)算出所有數(shù)據(jù)坐標(biāo)的最大差值，即：

(3)

式中：Rλ,1(x)為判斷模型仿真結(jié)果設(shè)定坐標(biāo)最大差值；λ為判斷結(jié)果設(shè)置的坐標(biāo)點(diǎn)；α為最優(yōu)解與數(shù)據(jù)函數(shù)之間的系數(shù)差。

數(shù)據(jù)最大差值由WBS判斷模型顯示結(jié)果決定，根據(jù)輸入的判斷模型仿真數(shù)據(jù)推算：

(4)

式中:x為可能存在誤差的模型結(jié)果變量；w為判斷模型錄入的總工作信息；λ為判斷結(jié)果設(shè)置的坐標(biāo)點(diǎn)；Gλ,α(w)為施工作業(yè)信息在模型中的變化常數(shù)。

利用式(3)坐標(biāo)點(diǎn)的最大差值，最終得到式(1)的最優(yōu)解表達(dá)式為：

xn+1=Rλ,α[xn+μ(ATb-ATAxn)]

(5)

式中：Rλ,α為求解的判斷數(shù)據(jù)最大差值；μ為仿真結(jié)果與標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)的偏離系數(shù)；AT為延遲時(shí)間內(nèi)模型仿真結(jié)果變化；b為模型判斷結(jié)果最小偏離度；A為分布式的模型仿真顯示；xn為初次驗(yàn)證的判斷結(jié)果；xn+1為第n次驗(yàn)證數(shù)據(jù)顯示結(jié)果。

5 試驗(yàn)結(jié)果與分析

試驗(yàn)的計(jì)算機(jī)采用Win10 X86應(yīng)用系統(tǒng)，通過(guò)軟件系統(tǒng)分別建立WBS模型和IFTA算法模型，采用CPU內(nèi)存為64+256 GB，數(shù)據(jù)傳輸應(yīng)用5G通信方式。試驗(yàn)仿真環(huán)境參數(shù)標(biāo)準(zhǔn)設(shè)置：對(duì)施工作業(yè)信息采集誤差不超過(guò)2.5%，信息捕捉能力為90%以上，仿真環(huán)境與實(shí)際環(huán)境對(duì)比度為120 ∶1。試驗(yàn)參數(shù)配置如表1所示。

表1 環(huán)境參數(shù)與配置軟件

本文試驗(yàn)通過(guò)采集施工作業(yè)實(shí)際產(chǎn)生數(shù)據(jù)，利用MCS軟件建立判斷模型，并對(duì)試驗(yàn)環(huán)境進(jìn)行仿真，利用CIMCO軟件編寫算法程序，經(jīng)過(guò)試驗(yàn)得出數(shù)據(jù)，匯總數(shù)據(jù)表進(jìn)行探討分析，最終顯示不同系統(tǒng)信息處理能力，測(cè)試表如表2所示。

表2 信息處理測(cè)試能力表

通過(guò)表2數(shù)據(jù)分析，發(fā)現(xiàn)本文系統(tǒng)總信息處理量達(dá)到7 927 MB，處理速度為6.54 MB/s，試驗(yàn)中判斷標(biāo)準(zhǔn)數(shù)據(jù)量7 557 MB，驗(yàn)證正確程度98.6%。文獻(xiàn)[1]方法采用深度學(xué)習(xí)處理方案總信息處理數(shù)據(jù)為6 814 MB，處理速度為4.31 MB/s，在試驗(yàn)中判斷標(biāo)準(zhǔn)數(shù)據(jù)量4 854 MB，算法驗(yàn)證正確程度86.4%。文獻(xiàn)[2]方法提出的層次聚類處理方案總信息處理量5 203 MB，處理能力只有3.08 MB/s，在試驗(yàn)中判斷的標(biāo)準(zhǔn)數(shù)據(jù)量為3 823 MB，算法驗(yàn)證準(zhǔn)確性為76.2%。得到信息處理速度如圖4所示。

圖4 作業(yè)信息數(shù)據(jù)處理速度對(duì)比

分析圖4中三種對(duì)于施工作業(yè)信息處理研究，發(fā)現(xiàn)本文方案信息處理速度在數(shù)據(jù)總量為8 000 MB時(shí)達(dá)到最大，并穩(wěn)定在6.50 MB/s，在此期間數(shù)據(jù)處理速度增加量為1.62 MB/s。文獻(xiàn)[1]方法采用的深度學(xué)習(xí)系統(tǒng)信息處理速度在數(shù)據(jù)總量為6 000 MB時(shí)達(dá)到最大，之后逐漸減少，處理速度最慢為2.0 MB/s，信息處理穩(wěn)定性較差，難以控制。文獻(xiàn)[2]方法采用的層次聚類系統(tǒng)信息處理速度在數(shù)據(jù)總量為12 000 MB時(shí)達(dá)到最大，在5 000～12 000 MB期間穩(wěn)定性較好，5 000 MB之前增速較快，在此期間數(shù)據(jù)處理速度增加量為1.23 MB/s。由此看出本文設(shè)計(jì)系統(tǒng)對(duì)施工作業(yè)的處理能力更為優(yōu)越。

通過(guò)計(jì)算各自信息處理方案算法驗(yàn)證準(zhǔn)確性，進(jìn)一步完成對(duì)比試驗(yàn)。根據(jù)系統(tǒng)處理結(jié)果進(jìn)行仿真，得到信息分析準(zhǔn)確性仿真曲線如圖5所示。

圖5 信息分析準(zhǔn)確性仿真曲線

通過(guò)對(duì)比發(fā)現(xiàn)人工處理方法與本文研究處理系統(tǒng)準(zhǔn)確性相差較大。本文研究在數(shù)據(jù)總量為5 000 MB時(shí)，準(zhǔn)確性超過(guò)95%，前期變化較大，之后恢復(fù)穩(wěn)定；人工處理方法在數(shù)據(jù)總量為6 000 MB時(shí)，準(zhǔn)確性達(dá)到90%，不確定性較高，不利于施工作業(yè)的預(yù)測(cè)。分析可知本文研究方案對(duì)作業(yè)信息判斷結(jié)果驗(yàn)證更為準(zhǔn)確。

6 結(jié)束語(yǔ)

本文主要技術(shù)研究如下：

(1) 通過(guò)融入AI技術(shù)研究出信息處理一體化功能方案，既獨(dú)立運(yùn)行又能相互配合，使施工信息處理更為符合現(xiàn)代化處理方式。

(2) 采用多模態(tài)信息分析技術(shù)將復(fù)雜的信息流劃分出不同模態(tài)，并根據(jù)各模態(tài)數(shù)據(jù)之間的關(guān)聯(lián)建立WBS判斷模型，加快判斷流程。

(3) 利用IFTA算法對(duì)判斷結(jié)果進(jìn)行驗(yàn)證，將驗(yàn)證的數(shù)據(jù)轉(zhuǎn)化為函數(shù)求解的方式，最終得到最優(yōu)解，從而驗(yàn)證判斷結(jié)果的準(zhǔn)確程度。

但是本文研究在試驗(yàn)過(guò)程仍存在問(wèn)題，對(duì)篩選的無(wú)用信息沒(méi)有精細(xì)化處理流程，過(guò)多的軟件程序容易引起運(yùn)行混亂等問(wèn)題仍待解決。