通过整合BIM和Elman神经网络,优化和预测智能建筑施工成本
1School of Architecture and Engineering, Guangdong Polytechnic of Science and Technology, Zhuhai, Zip code:519000, China.
Heliyon
|October 9, 2024
概括
本研究介绍了一种使用建筑信息建模 (BIM) 和埃尔曼神经网络 (ENN) 的智能建筑施工成本预测模型. BIM-ENN模型达到95.83%的准确性,为建筑企业提供可靠的成本预测.
科学领域:
- 建设管理建设管理.
- 人工智能的人工智能
- 数据科学数据科学数据科学
背景情况:
- 准确的建筑成本预测受到设计变化,供应链问题和劳动力成本波动等动态因素的挑战.
- 现有的方法往往缺乏智能建筑的实时准确性和优化能力.
- 对于正在进行数字化的建筑企业来说,对强大的成本管理工具的需求至关重要.
研究的目的:
- 开发一个智能建筑施工成本预测模型,提高准确性和实时预测.
- 通过将建筑信息建模 (BIM) 与埃尔曼神经网络 (ENN) 集成来优化项目成本.
- 为建筑企业提供可靠的决策支持工具.
主要方法:
- 建筑信息建模和埃尔曼神经网络 (BIM-ENN) 模型的构建.
- 使用BIM进行建筑信息 (结构,机电系统,管道) 的数字化和可视化.
- 将数字化BIM数据输入ENN以进行参数优化和成本预测.
主要成果:
- BIM-ENN模型实现了95.83%的预测准确度.
- 与单个ENN相比,证明了根平均平方误差低于75和确定系数高于0.95.
- 该模型有效地解释了超过95%的建筑成本预测结果,证明了其可行性.
结论:
- BIM-ENN模型为智能建筑施工成本预测提供了高度准确和可靠的解决方案.
- 它为建筑企业提供了强大的决策支持,加强了预算控制和资源分配.
- 该模型促进建筑行业的技术整合和可持续发展.
