未来智库 > 人工智能论文 > 【人工智能技术在建筑领域的应用】
    关键词:人工智能;建筑领域;计算机;应用。
    
    1 引言
    所谓人工智能技术,是指一门由控制论、计算机科学、神经生理学、信息论、心理学等学科相互渗透所和发展所形成的综合性学科。虽然学术界对于人工智能的定义在经过长久的争论之后仍然没有得出一个准确的定义,但是从本质上来看,人工智能技术就是通过研究和制造人工智能系统和机器来模拟人类智能行为,从而使人类智能得到延伸的一门学科。该学科通过计算机来完成智能系统的构建,并以此来实现定理的自动证明、程序的自动射击、语言的自动理解、模式的自动识别等智能活动。由于研究者对于人工智能的理解存在差异,所以就形成了不同的人工智能研究途径,其主要有三种,分别是联接主义途径、符号主义途径和行为主义途径。
    其中,联接主义途径于1943年提出,它主要通过神经元来对脑模型和神经网络模型进行研究,不过目前仍处于基础性的研究阶段。符号主义途径是基于物理符号系统假设提出的,从上世纪30年代开始应用于智能行为的描述中,目前很多的自然语言理解系统、专家系统都是基于该观点研制的。行为主义途径的支持者则认为人工智能源于控制论,在该理论的指导下,研究人员于上世纪80年代成功构建了智能机器人系统,布鲁克斯的六足行走机器人是其中的杰出代表。
    2 人工智能技术在建筑领域的应用
    2.1 在建筑设计中的应用
    在过去相当长的一段时间内,建筑设计师们都通过AutoCAD软件来完成有关绘图工作,但是这并不能从真正意义上体现出建筑设计,设计师们的灵感、创意、创新也无法通过AutoCAD得到更加全面的体现。随着人工智能技术在建筑设计行业中应用的不断深入,现在的设计师中的绝大多数都开始应用能够在设计全称提供二维图形描述和三维空间表现的理论及技术来完成日常工作,不仅提高了工作效率,也使得建筑设计的特点得到了更好的体现。
     例如,Arch2010就是一款基于AutoCAD2002―2010平台的,专为建筑设计工作而量身打造的CAD系统,它集人性化、数字化、可视化、参数化、智能化于一身,将建筑构件作为最基本的设计单元,采用了非常先进的自定义对象核心技术,实现了二维图形与三维模型的同步。
     此类系统的使用让建筑设计师再也不必趴在桌子上完成绘图工作,让他们的创意和设想能够得到更完美的发挥和实现。工程图档也不再是以往那种抽象的线条堆积,而是通过数字化技术转化成了直观的、可视的建筑模型,真正做到了构件关联智能化、构件创建参数化以及设计过程可视化。
    2.2 在施工管理中的应用
     工作人员在以往开展建筑工程施工管理工作的时候,主要是依靠手写、手绘的方式来完成有关施工档案的记录和施工平面图的绘制,而随着人工智能技术在建筑领域里应用范围的不断扩大,综合采用数理逻辑学、运筹学、人工智能等手段来进行施工管理已经得到了认可和普及。目前比较流行的基于C/S环境开发的建筑施工管理系统,已经涵盖了包括分包合同管理、施工人员管理、原材料供应商管理、固定资产管理、企业财务管理、员工考勤管理、施工进度管理等方方面面,使对供应商和分包商的管理工作得到了进一步的细化,从而使原材料的进离场、分包商及员工管理工作更加科学、准确、快捷,实现了资金流、物资流、业务流的有机结合。
     另外,建筑施工管理系统的数据库也非常强大,具有极为强劲的数据处理和储存能力,不仅性能稳定,升级和日常维护也非常快捷方便。另外,针对建筑施工人流复杂、密集的特点,系统还相应设置了权限管理功能,保障了施工管理数据的安全和准确性。
    2.3 在建筑施工中的应用
    人工智能技术在建筑施工中的应用主要集中在砼强度分析的工作中。一般来说,28天抗压强度是衡量砼自身性能的重要指标,如果能够提前对砼的28天强度值进行预测,工作人员就可以采取相应的措施对其进行控制,进而提高砼的质量。在以往的工作中,工作人员往往采用基于数理统计的线性回归方式对砼的28天强度进行预测,但是对于商品砼来说,由于其中掺杂了大量的粉煤灰,因此砼各组材料与抗压强度之间的关系往往表现为明显的非线性关系,通过传统方式所得到的预测结果存在着很大的误差。
    在人工神经网络技术应用于砼性能预测方面,我国天津大学的张胜利将传统的BP网络模型的预测结果与3中不同输入模型的RBF网络预测结果进行了比较和分析,最终证明了RBF网络模型具有较强的泛化能力和极高的预测精确度,是一种新型的、有效的分析商品砼性能的方法。
    2.4 在建筑结构中的应用
    汶川地震的发生以及这场地震所造成的严重危害,让建筑结构控制及健康诊断工作得到了前所未有的关注,以往建筑行业所采用的结构系统辨识方法存在着抗噪声能力差、适用范围较窄、难以进行线性识别的缺点,让此项工作的有效开展受到了极大的限制。近年来,随着人工智能技术的发展,出现了一种新型的基于人工神经网络的系统辨识方法,该方法通过模糊神经网络所具有的学习及非线性映射能力来获得实测结构动力响应数据,并以此构建起建筑结构的动力特征模型。模糊神经网络能够对建筑结构在任意动力荷载情况下的动力响应进行非常准确的预测,因此广泛的应用于建筑结构的健康诊断以及振动控制当中,具有很强的实用性和可扩展性。
    2.5 在建筑电气中的应用
    随着我国建筑业的迅速发展,行业的总体能耗急剧攀升,有一段时间在总能耗中所占的比例甚至超过了30%,所以,实行建筑节能对于实现我国的节能减排目标无疑具有巨大的促进作用,而电气节能技术则是当前效果最为显著的节能方式之一。
    电气节能的评估模型建立之后,可以使用人工神经网络对其进行训练,提升其评估的准确性和网络泛化性,使建筑节能改造工作的实施能够具有更多的科学依据。其中,BP神经网络算法就是一种能够将输入/输出问题转化为线性问题的学习方法。传统的BP网络采用的是梯度下降法,该方法的学习速率是保持不变的,同时训练所需的时间较长,且在学习过程中可能发生局部收敛的情况;改进型的BP算法和L-M反算法则增加了动量因子,无论是在稳定性还是收敛性方面,都要优于传统的BP算法,因此广泛的应用于当前建筑电气节能评估模型的构建工作中。
    使用该方法构建的建筑电气节能评估模型的权重,能够以相对联系的方式隐藏于网络当中,这种评价方式更加科学、简单、适用,所评估模型的适用范围也更为广泛。
    3 结束语
     经过不断的发展,建筑业目前已经成为了我国的支柱产业之一,无论是从建筑业的自身发展,还是从时代发展的要求来看,进一步加强人工智能技术在建筑业的应用都是行业能够摆脱传统的运作模式走向现代化经营和管理的必由之路。这就要求行业的决策者、管理人员和技术人员更新思想、转变观念,对人工智能技术给予充分的重视,并加强在这方面的资金、技术和培训的投入,从而使我国的建筑行业能够在更短的时间内走向现代化和智能化。

转载请注明来源。原文地址:https://www.7428.cn/vipzj17184/
 与本篇相关的热门内容: