摘要:目前人工智能技術(shù)已在建筑工程造價中有初步運用，其采用科學方法來對工程造價進行計算和編制，從而代替人工勞動力，提高計算精度和準確率。對人工智能和工程造價的影響因素進行了分析，并在人工神經(jīng)網(wǎng)絡(luò)、遺傳算法以及數(shù)據(jù)信息應(yīng)用方面對人工智能在工程造價領(lǐng)域的發(fā)展進行了探討，最后結(jié)合公路工程造價實例分析了ＲBF網(wǎng)絡(luò)模型的實際應(yīng)用和優(yōu)勢。
關(guān)鍵詞:人工智能，工程造價，神經(jīng)網(wǎng)絡(luò)
1概述
將信息技術(shù)與工程造價計算進行相融合的交叉性研究，屬于將人工智能技術(shù)引入工程造價領(lǐng)域的一種開創(chuàng)性探索研究。在項目的工程施工過程中工程造價是影響項目施工的關(guān)鍵因素，造價計算的準確性對于工程施工的進展至關(guān)重要，在具體計算過程中需要項目整體統(tǒng)一計劃，并且需要考慮到施工現(xiàn)場條件、施工方案、施工組織設(shè)計、施工質(zhì)量要求等因素的影響。工程造價領(lǐng)域引入人工智能不僅能夠提高造價計算的準確性和高效性，還能解決人力計算易出現(xiàn)的錯誤和誤差，并能將全部影響因素(如人工、材料、施工機械的市場價格變動，利率、匯率等一些風險因素的影響)進行綜合考慮，對于承包商來說，能夠得到一個最優(yōu)的施工方案和最合理的投標報價，進而中標的可能性和期望更大，對于投資方來說，能夠更加準確地把握工程項目的建設(shè)總投資，為項目的投資融資方案以及后面工程的順利開展提供支持。目前人工智能主要應(yīng)用于云計算、大數(shù)據(jù)、圖像識別、語音識別、LBS及AI技術(shù)等方面，以及在智能財務(wù)方面的應(yīng)用，但是其在造價方向的研究較少。
2人工智能與工程造價概述
人工智能是在計算機科學計算的基礎(chǔ)上，依靠計算程序的編制和設(shè)計，實現(xiàn)代替人力勞動，完成相關(guān)應(yīng)用的過程。人工智能一般具有感知能力、記憶能力、適應(yīng)能力以及反應(yīng)能力等特點。工程造價是建筑工程中非常重要的一個環(huán)節(jié)，其一般具有影響因素眾多、造價總額較大、可變性強、動態(tài)性強以及復雜程度高等特點。在人工從事造價計算的過程中，需要對整個造價過程中涉及到的工程量計算規(guī)則、價格水平、定額、費率等問題清晰明了，需要對影響工程造價的各種因素綜合考慮，不能出現(xiàn)任何誤差，因此耗費的精力和時間必須很多，人力計算時也難免容易出現(xiàn)一些誤差或者錯誤，甚至給某些企業(yè)采取不正當手段達到惡意中標的目的。在人工智能引入工程造價后，通過降低人為因素的干擾，依靠計算機的編程和設(shè)計，將材料設(shè)備等進行程序化，可以進行準確和高效的計算，保證計算準確的同時也保證了造價文件的準確性，以合理實現(xiàn)業(yè)主和乙方雙方的利益。
3人工智能在工程造價領(lǐng)域的發(fā)展現(xiàn)狀
人工智能技術(shù)的發(fā)展及應(yīng)用，使得更多的企業(yè)和行業(yè)向人工智能靠攏，導致很多行業(yè)的勞動力被人工智能所替代，而其在工程造價領(lǐng)域目前研究和應(yīng)用較少，主要在以下方面開展了研究。3．1工程量計算引入人工智能。工程量計算主要是對施工過程中涉及到的土石方工程、鋼筋混凝土工程、砌筑工程、模板工程等工程量進行綜合計價和計算，然后編制工程量清單。分部分項工程費用的形成是以清單工程量和綜合單價為基礎(chǔ)，工程量的正確計算需要建立在正確的讀圖、識圖的基礎(chǔ)上，這部分工作工程量很大，也需要高效準確的計算和精力，因此工程造價部門一般安排許多專業(yè)人員進行全面計算。目前5D云機器人技術(shù)運用BIM+云+AI技術(shù)，通過BIM技術(shù)和AI技術(shù)，快速實現(xiàn)了清單列項和工程量計算工作的計算機化，可在1h內(nèi)完成以前需要數(shù)天才能完成的清單列項工作，并同步瞬時完成以前需要數(shù)天才能完成的工程量計算工作，從而大大縮短了以前需要數(shù)周才能完成的工程量清單編制工作。3．2人工神經(jīng)網(wǎng)絡(luò)用于工程造價估算模型。人工神經(jīng)網(wǎng)絡(luò)是一種運算模型，由大量的節(jié)點(或稱輸入層/輸出層)之間相互聯(lián)接構(gòu)成。利用人工神經(jīng)網(wǎng)絡(luò)建立的建筑工程造價快速估算模型主要有:BP模型、ＲBF模型和模糊神經(jīng)網(wǎng)絡(luò)模型�；贐P模型可以快速對工程造價進行估算，而徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)作為分析方法的一個突破，使推斷預(yù)測、決策問題變得十分明了。如圖1所示，徑向基函數(shù)由格林函數(shù)構(gòu)成隱層，然后在輸入層和輸出層的設(shè)置后，計算出運行結(jié)果，從而完成輸入空間到輸出空間的映射。X1X2XnY1Yn輸入層隱層輸出層3．3相關(guān)算法和數(shù)據(jù)信息的融合。隨著社會發(fā)展，我們各種各樣的信息和數(shù)據(jù)都在數(shù)字化，大數(shù)據(jù)時代已經(jīng)來臨，目前有部分行業(yè)和企業(yè)已逐步建立有自己的數(shù)據(jù)庫，大數(shù)據(jù)驅(qū)動人工智能不斷發(fā)展，建立驅(qū)動數(shù)據(jù)和知識引導的智能計算平臺和方法，能夠更加智能化的計算相關(guān)數(shù)據(jù)。數(shù)據(jù)信息和人工智能相關(guān)算法的融合也將成為未來工程造價行業(yè)發(fā)展的趨勢，通過大數(shù)據(jù)的融入，可以更快捷、準確的判斷造價過程中各種影響因素的權(quán)重，然后通過計算機的消除與避免，提高工程造價的運行效率和準確性。同時數(shù)據(jù)信息平臺的建立可全面并更具針對性地提升了工程造價信息化水平，對于企業(yè)而言，不僅滿足了企業(yè)運營、生產(chǎn)管控以及高效管理的需要，也降低了企業(yè)運營成本，進一步提升了企業(yè)市場競爭力。
4人工神經(jīng)網(wǎng)絡(luò)在工程造價行業(yè)的應(yīng)用探索
以某公路工程造價估算為例，采用神經(jīng)網(wǎng)絡(luò)方法，建立徑向基函數(shù)，在輸入層選擇8具有代表性的工程特征作為輸入變量，如表1所示，用X1～X8表示，同時，將千米造價作為輸出變量，用C1表示，另外設(shè)置隱層數(shù)目、樣本數(shù)目。通過輸入節(jié)點進行初始化和數(shù)字化處理，這樣便于計算機識別和神經(jīng)網(wǎng)絡(luò)的接受，計算結(jié)果如表1所示，計算的輸出結(jié)果與實際值相對誤差符合要求，同時將模擬結(jié)果進行比較，相對誤差僅4．95%，計算結(jié)果如表2所示。運用Matlab語言程序編程計算，BP網(wǎng)絡(luò)計算時間花費624．7s，徑向基函數(shù)計算時間花費3．1s，說明采用徑向基函數(shù)的ＲBF模型的推廣能力更強，泛化能力更好，其不論在訓練時間還是預(yù)測誤差方面都優(yōu)于BP網(wǎng)絡(luò)計算方法。
5結(jié)語
在建筑工程造價中引入人工智能已成為未來工程造價行業(yè)智能化、數(shù)據(jù)化發(fā)展的方向，其對造價項目的影響因素、工作重點、規(guī)劃管理等方面都產(chǎn)生了一定的影響和變革，也對傳統(tǒng)工程造價人員的綜合能力要求更高。本文對人工智能和工程造價的影響因素進行了分析，并在人工神經(jīng)網(wǎng)絡(luò)、遺傳算法以及數(shù)據(jù)信息應(yīng)用方面對人工智能在工程造價領(lǐng)域的發(fā)展進行了探討，最后結(jié)合公路工程造價實例分析了ＲBF網(wǎng)絡(luò)模型的實際應(yīng)用和優(yōu)勢，是智能化技術(shù)在工程造價中得到更好運用體現(xiàn)。
