摘要：现阶段，随着社会的发展，我国的人工智能的发展也越来越迅速。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。
关键词：人工智能技术；建筑工程造价；估算研究
引言
在整个的建筑项目管理过程中，工程造价则是其最为主要的部分，其是对整个项目的成本进行控制的主要方面，所以这部分工作的准确性直接影响到项目的方方面面。目前人工进行的工程造价因为各种因素的影响，得到的数据较为粗略，同时耗时较长，随着科学技术的不断提升，人工智能逐渐进入到生活的方方面面，将人工智能融入到工程造价中，大大提高了运算效率，同时也将人从繁琐的工作中解救出来。本文对相关人工智能的运用现状进行分析，从而提出了在工程造价中对人工智能发展的期待。
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优化措施分析
2.1遗传算法和人工神经网络的有效融合研究
把遗传算法和神经网络的优势进行有效的融合，遗传算法具有全局搜索的能力，这是遗传算法最大的优势。通过遗传算法对神经网络进行有效的优化，最主要的是结构化的设计。神经网络可以为遗传算法提供有效的辅助作用，遗传算法的建立我们可以在神经网络的基础之上。遗传算法对神经网络的连接权进行优化，遗传算法可以优化神经网络权值中对相应的函数，调整先关的数据，使神经网络具有更好的连接权。工程项目估算系统的所有数据都包含在神经网络的权值中。
期刊文章分类查询,尽在期刊图书馆自动设计方式是遗传算法和神经网络的一种融合方式，自动设计方式效率高，可以通过遗传算法对神经网络进行优化，这样神经网络的消极因素也就降低了，神经网络提供的神经性能的算法也是遗传算法和神经网络的一种融合方式，神经网络算法中的算法工具采用神经网络权值，可以实现对遗传算法的收敛性的改变。遗传算法对神经网络连接权进行有效的优化，可以保证遗传算法与神经网络进行很好的融合。神经网络连接权权值训练是通过函数进行优化，调整数据分析，查找出最优化的连接权。但是在一般情况的权值训练中，由于受多种方面的因素影响，参数在选择上容易出现问题，权值的训练时间会被延迟，造成收敛效率变低，整个神经网络会发生震荡的现象，工程项目估算的值准确度会受到影响，极值会出现在整个网络局部位置。神经网络连接权的优化我们通过遗传算法的方式进行计算，保证权值与连接权相对应，把样本函数的误差降到最低，提高权值的准确度，保证整个权值训练的顺利进行。
2.2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。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。
2.3成本数据库的建立
计算工程量、套定额、计算价格，编制预算、回标分析、商务谈判，技术指标、成本限额、产品标准等均围绕着数据，离开了数据，我们做不了一个合格的成本人。目前有行业数据库：如上海定额管理总站发布的信息价、造价指标等、专业咨询机构如广联达公司、慧讯网、易才网等提供的材料价格库等；企业层面：如房产商、承包商、建筑咨询公司都逐步建立自己的数据库，如房产商通过信息化的形式，将制度标准变成信息化工具，创建得到一个成本ERP系统，并逐步将ERP系统中实时产生的大量数据进行相互关联、抓取、加工，并沉淀为企业的成本大数据平台并指导于拿地测算及限额设计。随着成本数据库的数据采集：一方面作为成本数据的保存；另一方面可以通过数据平台的各项分析，对标、验证和提炼各项数据，从而指导我们成本人甚至整个建筑领域专业人士的各项决策，以达到更大限度的成本管控。
结语
随着信息技术的快速发展，人工智能技术在建筑工程领域的应用是建筑工程发展的必然趋势。在人工智能技术中计算机技术作为重要的技术保障，基于人工智能技术的在建筑工程造价估算研中的应用具有非常重要的意义，人工智能技术可以保证数据估算的准确率，提高建筑工程项目的经济效益。
参考文献：
[1]徐彬彬.基于人工智能技术的建筑工程造价估算研究[J].湖南城市学院学报（自然科学版），2016（04）.
[2]陈红艳，李平，刘桂芝，李海阳.基于神经网络模型和改进最优保留遗传算法的非线性系统多步预测控制[J].河北省科学院学报，2012（04）.
[3]牛东晓，乞建勋，邢棉.建筑工程造价预测的变结构神经网络模型研究[J].华北电力大学学报，2011（04）.
[4]王绍华，于洪思，佟杰新，吴乃忠.面向对象的混凝土泵车臂架设计混合型专家系统[J].机械设计与制造，1999（01）.
[5]屈兰安.加强施工管理是提高企业竞争力实施成本管理的有效措施[A].2014年7月建筑科技与管理学术交流会论文集[C].2014.
论文作者:柴以川
论文发表刊物:《基层建设》2019年第29期
论文发表时间:2020/3/3
标签：人工智能论文; 神经网络论文; 算法论文; 技术论文; 建筑论文; 工程造价论文; 成本论文; 《基层建设》2019年第29期论文;