劉衛(wèi)東 馬海燕

（1.吉林省扶余市住房和城鄉(xiāng)建設局，吉林 扶余 131200；2.松原市鐵路機場建設辦公室，吉林 松原 138000）

隨著城鎮(zhèn)化建設逐漸發(fā)展，我國對民用建筑的需求也不斷增加。建筑企業(yè)承接越來越多民用建筑工程的同時，都希望降低建筑成本。民用建筑成本與建筑施工過程中需要的總用料量密切相關[1]。經(jīng)驗數(shù)據(jù)表明，很多民用建筑工程項目都存在浪費用料量的情況，導致民用建筑的總體成本增加。從技術角度看，基于人工經(jīng)驗的估算方法一直是民用建筑用料量的常用估算方法[2]，但該方法因為技術熟練程度不同、經(jīng)驗程度不同以及人的主觀性，所以會導致用料量估算結(jié)果和工程實際結(jié)果有差異，這是民用建筑工程用料量浪費的重要原因[3]。利用BIM 技術，在設計階段對民用建筑進行仿真建模，可以更精確地觀測每個建筑單元的工程用料量，如果能將該方法和智能分析方法相結(jié)合，就能更準確地估算民用建筑的工程用料量，從而有效降低民用建筑的建設成本，避免浪費原材料。該文以此為切入點，結(jié)合民用建筑的BIM 模型數(shù)據(jù)和遺傳算法模型，對其進行研究。

1 用遺傳算法模型估算民用建筑用料量

根據(jù)人的經(jīng)驗估算民用建筑用料量的方法缺乏科學模型作為支撐。目前有很多智能方法可以估計、分析和預測數(shù)據(jù)，這樣處理可以提高估計結(jié)果的準確性和可信度。在現(xiàn)有的智能方法中，比較常見的是極限搜索法、圖形切割法、蟻群算法、魚群算法、粒子群算法和神經(jīng)網(wǎng)絡算法。其中，遺傳算法通過描述人類基因工程，借鑒父代和子代間的遺傳關系，可以更好地模擬歷史數(shù)據(jù)和新數(shù)據(jù)間的關聯(lián)性，因此在數(shù)據(jù)估算方面得到廣泛應用。

根據(jù)已經(jīng)完成的工程項目的用料量歷史數(shù)據(jù)，能更好地預測其他待建設項目的用料量。遺傳算法建立在訓練模型和特定的處理機制的基礎上，通過學習大量的歷史數(shù)據(jù)，對算法中適應度函數(shù)進行訓練，從而估計未知數(shù)據(jù)。在使用遺傳算法的過程中，適應度函數(shù)是訓練學習的核心，設定如公式（1）所示。

式中：G為民用建筑施工用料量的適應度函數(shù)；λ為民用建筑施工用料量遺傳迭代訓練過程的調(diào)整參數(shù)；i為民用建筑施工用料量遺傳算法模型中的基因序號；n為民用建筑施工用料量遺傳算法模型中的神經(jīng)元總數(shù)；ci為民用建筑施工用料量遺傳算法模型中的實際輸出數(shù)據(jù)；oi為民用建筑施工用料量遺傳算法模型中的估算輸出數(shù)據(jù)。

用遺傳算法模型估算民用建筑的施工用料量，該方法有特定的操作方法和運算規(guī)則。最常見的運算規(guī)則包括選擇運算、交叉運算和變異運算。其中，選擇運算的核心處理方式，如公式（2）和公式（3）所示。

式中：Gi為民用建筑施工用料量的適應度函數(shù)的第i個適應度值。選擇運算的具體規(guī)則是在迭代學習的過程中，不斷用更小值去更新pi。

在民用建筑施工用料量的遺傳迭代過程中，如果參數(shù)mk為第k個染色體，那么參數(shù)ml為模型中的第l個染色體，得到2 個染色體的數(shù)學表達，二者之間的交叉運算如公式（4）和（5）所示。

式中：R為民用建筑施工用料量估算遺傳算法模型中使用的隨機數(shù)。

若mmax為民用建筑施工用料量估算算法中的染色體上界，則mmin為民用建筑施工用料量估算算法中的染色體下界，可以得到變異運算規(guī)則，如公式（6）所示。

式中：ρ（d）為民用建筑施工用料量變異運算的參與函數(shù)，計算如公式（7）所示。

式中：R為民用建筑施工用料量估算遺傳算法模型中使用的隨機數(shù)。

從上述變異處理的規(guī)則看，存在2 個方向上的變異，如公式（6）的2 個公式，執(zhí)行的邊界以0.5 為界限。小于0.5 采用上面的公式；大于0.5 采用下面的公式。

通過遺傳算法可以看出，與一般的迭代優(yōu)化方法相比，遺傳算法對歷史信息的依賴更強，但歷史數(shù)據(jù)通過遺傳算法模型的迭代訓練和學習，產(chǎn)生的估計結(jié)果更接近真實情況，優(yōu)化效果也更理想。通過模擬基因工程的代際間遺傳關聯(lián)歷史數(shù)據(jù)信息和優(yōu)化結(jié)果，該遺傳過程與選擇、交叉和變異等操作相關。保證遺傳準確性的關鍵是合理設計適應度函數(shù)。當用該模型分析和估算民用建筑的施工用料量時，可以充分利用同類別民用建筑施工用料量的歷史數(shù)據(jù)，因此選用結(jié)構(gòu)和特點有很大相似性的民用建筑，取得的效果更好。

2 導入民用建筑的BIM 模型數(shù)據(jù)

使用遺傳算法模型對民用建筑的施工用料量進行估算，為保證估算結(jié)果和迭代過程的準確性，需要輸入大量的歷史數(shù)據(jù)。輸入信息越豐富，迭代訓練的學習效果越準確。民用建筑的信息化建模方法（BIM）可以滿足需求。

BIM 技術可以對待施工工程進行三維仿真建模，通過縮放一定比例尺，建立真實場景和工程目標完全對應的三維模型。BIM 技術不僅能給建筑施工過程提供逼真的場景，還能提供豐富的數(shù)據(jù)信息。BIM 模型的每個細節(jié)都含有豐富的信息，包括墻體的高度、所用材料和材料價格等。這些信息導出方便，可以形成數(shù)據(jù)信息，為上文提出的遺傳算法模型提供充足的輸入信息。

在估算民用建筑的施工用料量過程中，導入BIM 數(shù)據(jù)的流程如圖1 所示。

圖1 導入民用建筑的施工用料量估算過程中的 BIM 數(shù)據(jù)

從圖1 可以看出，在估算過程前導入BIM 數(shù)據(jù)，根據(jù)算法設計，由數(shù)據(jù)生成工程特征向量后，再納入遺傳算法模型進行學習、訓練和估算。

3 估算民用建筑用料量的試驗結(jié)果

該文提出用遺傳算法模型估算民用建筑的施工用料量，該方法包括適應度函數(shù)、選擇運算規(guī)則、交叉運算規(guī)則和變異運算規(guī)則。明確BIM 模型數(shù)據(jù)導入和遺傳算法模型間的關系后，須進一步進行驗證，檢驗其有效性。

在試驗過程中，目標工程共20 個民用高層住宅小區(qū)。其中，前19 個民用高層住宅小區(qū)已經(jīng)完成建設，可以作為歷史數(shù)據(jù)。最后1 個民用高層住宅小區(qū)為待建項目，因此主要估算其用量料。民用高層住宅小區(qū)20 的整體布局的BIM 建模效果，如圖2 所示。

圖2 民用高層住宅小區(qū)的整體布局的BIM 建模效果

在漫游展示功能下，可以深入具體一樁樓宇的內(nèi)部，觀察內(nèi)部的結(jié)構(gòu)和細節(jié)。民用高層住宅小區(qū)的1 號樓8 層的細節(jié)，效果如圖3 所示。

圖3 民用高層住宅小區(qū)1 號樓的8 層細節(jié)

在BIM 模型下，每個住宅小區(qū)可以導出5 類施工用料量的數(shù)據(jù)，具體如下：施工面積大小、地界部分結(jié)構(gòu)、樓梯連廊結(jié)構(gòu)、樓頂防水結(jié)構(gòu)和門窗電井結(jié)構(gòu)，見表1。

表1 20 個民用高層住宅小區(qū)的相關用料量數(shù)據(jù)

對應于表1 中的各組數(shù)據(jù)，其中前5 列作為民用建筑施工用料量估算遺傳算法模型的輸入，將最后1 列作為民用建筑施工用料量估算遺傳算法模型的輸出。前19 個小區(qū)的相關數(shù)據(jù)都是訓練數(shù)據(jù)，通過訓練達到穩(wěn)定后，估算小區(qū)20施工用料量。需要采用遺傳算法的迭代訓練估算得出表1中小區(qū)20 的最后一個數(shù)據(jù)。

根據(jù)表1 中的數(shù)據(jù)，對民用建筑施工用料量估算遺傳算法模型進行迭代訓練，模型的收斂過程曲線如圖4 所示。

圖4 遺傳算法模型的收斂過程曲線

從圖中曲線的變化情況可以看出：迭代20 次后，模型誤差很小。當?shù)?5 次時，迭代誤差在非常小的范圍內(nèi)達成穩(wěn)定。模型達到收斂，因此根據(jù)表1 的數(shù)據(jù)，估算小區(qū)20 的總用料量為3401.9t。

4 結(jié)論

民用建筑是建筑領域的重要組成部分，準確計算和合理分配施工用料量有利于降低民用建筑的開發(fā)和建設成本。該文基于遺傳算法模型，導入民用建筑的BIM 模型數(shù)據(jù)，準確估算民用建筑用料量。針對遺傳算法模型，通過適應度函數(shù)、選擇運算、交叉運算和變異運算，設計詳細的運算過程，并對此進行分析。在試驗過程中，對實驗地的民用建筑進行研究，將前19 組建筑作為訓練樣本，結(jié)合BIM 模型數(shù)據(jù)和遺傳算法模型的訓練結(jié)果，迭代穩(wěn)定后估算最后一組建筑的用料量，可以指導后續(xù)建設施工用料量。