目前，人工智能技術(shù)已初步應(yīng)用于建筑工程成本，采用科學(xué)方法計算和編制工程成本，代替人工勞動力，提高計算精度和精度。分析了人工智能和工程成本的影響因素，在人工神經(jīng)網(wǎng)絡(luò)、遺傳算法和數(shù)據(jù)信息應(yīng)用方面討論了人工智能在工程成本領(lǐng)域的發(fā)展，最后結(jié)合道路工程成本實(shí)例分析了RBF網(wǎng)絡(luò)模型的實(shí)際應(yīng)用和優(yōu)勢。

1概述

融合信息技術(shù)和工程成本計算的交叉研究，是將人工智能技術(shù)引入工程成本領(lǐng)域的開拓性探索研究。在項(xiàng)目的工程施工過程中工程造價是影響項(xiàng)目施工的關(guān)鍵因素，造價計算的準(zhǔn)確性對于工程施工的進(jìn)展至關(guān)重要，在具體計算過程中需要項(xiàng)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)域引入人工智能不但可以提升造價計算的精確性和高效率，還可以解決人力計算容易出現(xiàn)的錯誤和誤差，并且可以全方位考慮到影響因素（例如人工、材料、施工機(jī)械的市場價格波動、利率、匯率等一些風(fēng)險因素的影響），對包工頭而言，能夠得到最優(yōu)秀的施工方案和最合理的投標(biāo)報價，進(jìn)而中標(biāo)的可能性和期望更大，針對投資人而言，能夠更精確的掌握工程項(xiàng)目的建設(shè)總投資，為項(xiàng)目的投資融資方案和后續(xù)工程的順利開展支持。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和人工智能技術(shù)等方面，以及智能財務(wù)的應(yīng)用，但成本方向的研究很少。

2人工智能和工程造價概述

人工智能在計算機(jī)科學(xué)計算的基礎(chǔ)上，依靠計算程序的編制和設(shè)計，實(shí)現(xiàn)代替人力勞動，完成相關(guān)應(yīng)用程序。人工智能一般具有感知能力、記憶能力、適應(yīng)能力、反應(yīng)能力等特點(diǎn)。工程成本是建筑工程中非常重要的一環(huán)，一般具有影響因素多、成本總額大、可變性強(qiáng)、動態(tài)性強(qiáng)、復(fù)雜性高等特點(diǎn)。在人工計算成本的過程中，需要綜合考慮與成本過程相關(guān)的工程量計算規(guī)則、價格水平、定額、匯率等問題，綜合考慮影響工程成本的各種因素，不能出現(xiàn)誤差，因此需要很多勞力和時間，人工計算時容易出現(xiàn)誤差和錯誤人工智能引入工程造價后，通過降低人為因素的干擾，依靠電腦的編程和設(shè)計，程序化材料設(shè)備等，進(jìn)行準(zhǔn)確高效的計算，在保證計算準(zhǔn)確的同時，保證了造價文件的準(zhǔn)確性，合理實(shí)現(xiàn)了業(yè)主和乙方的利益。

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(dǎo)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工程量計算引進(jìn)人工智能。工程量計算主要是對施工過程中涉及的土石方工程、鋼筋混凝土工程、建筑工程、模板工程等工程量進(jìn)行綜合計價和計算，然后編制工程量清單。分部分項(xiàng)工程費(fèi)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(zhǔn)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(jìn)行全面計算。目前，5D云機(jī)器人技術(shù)采用BIM+云+AI技術(shù)，通過bim技術(shù)和AI技術(shù)，快速實(shí)現(xiàn)清單列項(xiàng)和工程量計算工作的計算機(jī)化，在1小時內(nèi)完成前幾天完成的清單列項(xiàng)工作，同步瞬間完成前幾天完成的工程量計算工作

3.2人工神經(jīng)網(wǎng)絡(luò)用于工程成本估算模型。人工神經(jīng)網(wǎng)絡(luò)是由大量節(jié)點(diǎn)(或輸入層/輸出層)之間相互連接的運(yùn)算模型。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�；�于BP模型，可以迅速估算工程成本，但徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)作為分析方法的突破，明確了推測預(yù)測、決策問題。如圖1所示，徑向基函數(shù)由格林函數(shù)組成隱藏層，在輸入層和輸出層的設(shè)定后，計算運(yùn)行結(jié)果，完成輸入空間到輸出空間的映射。

X1X2XNY1YN輸入層隱性輸出層3.3相關(guān)算法與數(shù)據(jù)信息的融合。隨著社會的發(fā)展，我們各種信息和數(shù)據(jù)都在數(shù)字化，大數(shù)據(jù)時代已經(jīng)到來，現(xiàn)在一些行業(yè)和企業(yè)已經(jīng)逐漸建立了自己的數(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(dǎo)的智能計算平臺和方法，可以更智能地計算相關(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(zhǔn)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(jī)的消除與避免，提高工程造價的運(yùn)行效率和準(zhǔn)確性。同時，數(shù)據(jù)信息平臺的建立可以全面提高工程成本信息化水平，對企業(yè)來說，不僅滿足了企業(yè)運(yùn)營、生產(chǎn)管理、高效管理的需要，還降低了企業(yè)運(yùn)營成本，進(jìn)一步提高了企業(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(diǎn)進(jìn)行初始化和數(shù)字化處理，計算機(jī)識別和神經(jīng)網(wǎng)絡(luò)容易接受，計算結(jié)果如表1所示，計算的輸出結(jié)果與實(shí)際值相對誤差符合要求，同時比較模擬結(jié)果，相對誤差僅為4.95%，計算結(jié)果如表2所示。使用Matlab語言程序編程計算，BP網(wǎng)絡(luò)計算時間為624.7s，徑向基函數(shù)計算時間為3.1s，采用徑向基函數(shù)的RBF模型的普及能力更強(qiáng)，泛化能力更好，在訓(xùn)練時間和預(yù)測誤差方面優(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(xiàng)目的影響因素、工作重點(diǎn)、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(jìn)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(jìn)行了探討，最后結(jié)合公路工程造價實(shí)例分析了ＲBF網(wǎng)絡(luò)模型的實(shí)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(yùn)用體現(xiàn)。