人工智能技术在建筑领域的应用

《人工智能技术在建筑领域的应用》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、人工智能技术在建筑领域的应用人工智能技术在建筑领域的应用　摘要：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。随着该学科的不断发展，其在建筑领域的应用范围也不断扩大，极大的促进了我国建筑行业从传统运作走向现代管理和经营。文章首先对人工智能技术进行了简要介绍，并从五个方面对该技术在建筑领域的应用进行了讨论。　　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

2、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

3、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

4、，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AutoCAD20022010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

5、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

6、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

7、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

8、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.L.型的、有效的分析商品砼性能的