2022年人工智能技术在建筑领域的应用 .pdf

人工智能技术在建筑领域的应用学号：03082043 姓名：杨兵1、人工智能的基本概况人工智能是计算机科学、控制论、信息论、神经生理学、心理学等多种学科互相渗透而发展起来的一门综合性新学科。虽然对于人工智能的定义，学术界有各种各样的说法和理解，至今仍争论不休。但就其本质而言，人工智能是研究如何制造出人造的智能机器或智能系统，来模拟人类智能活动的能力，以延伸人们智能的科学。它借助于计算机建造智能系统，完成诸如模式识别、自然语言理解、程序自动设计、定理自动证明、机器人、专家系统等智能活动。由于对人工智能本质的不同理解，形成了人工智能多种不同的研究途径，主要有符号主义、联接主义和行为主义途径。1.1 符号主义。符号主义的理论基础是物理符号系统假设。数理逻辑从19 世纪末起得以迅速发展，到20 世纪 30 年代开始用于描述智能行为。符号主义者认为：人类智能的基本元素是符号，人类的认识过程就是一种符号处理过程，思维就是符号的计算，也就是说，人类的许多思维活动如决策、设计、规划、运筹、诊断等都可以用自然语言来描述。许多成功的专家系统、自然语言理解系统都是基于这种观点研制的。其具有代表性的成果为启发式程序LT 逻辑理论家，证明了 38 条数学定理，表明了可以应用计算机研究人的思维过程，模拟人类智能活动。符号主义者为人工智能的发展作出了重要的贡献，尤其是专家系统的开发与应用，为人工智能的广泛应用打下坚实的基础。1.2 联接主义。联接主义即人工神经网络。联接主义根据对人脑的研究，认为人类智能的基本单元是神经元，人类的认知过程就是网络中大量神经元的整体活动，这种活动不是串行方式，而是以并行分布方式进行的，区别于符号主义，人工神经网络中不存在符号的运算。它的代表性成果是1943 年由生理学家麦卡洛克和数理逻辑学家皮茨创立的脑模型，即 MP 模型，开创了用电子装置模仿人脑结构和功能的新途径。它以神经元开始进而研究神经网络模型和脑模型，开辟了人工智能的又一发展道路。虽然经过众多科学家坚持不懈的努力，在神经网络研究中取得了大量成果，但是由于神经网络研究的复杂性，目前还是处于基础性的研究阶段，还有待于数学家、物理学家、生物学家等共同努力，使神经网络研究迈上一个新的台阶。1.3 行为主义。行为主义认为人工智能源于控制论，控制论把神经系统的工作原理与信息理论、控制理论、逻辑以及计算机联系起来。早期的研究工作重点是模拟人在控制过程中的智能行为和作用，并进行“控制论动物”的研制，并在 20 世纪 80 年代诞生了智能控制和智能机器人系统。行为主义的代表作是布鲁克斯的六足行走机器人，是一个基于感知动作模式的模拟昆虫行为的控制系统。名师资料总结-精品资料欢迎下载-名师精心整理-第 1 页，共 3 页 -2、人工智能技术在建筑领域的应用2.1 人工智能技术在建筑施工管理中的应用。传统的建筑施工管理，主要依赖于手工记录施工相关流程以及代写论文 人工绘制施工平面布置图。随着人工智能技术的发展和广泛应用，综合利用运筹学、数理逻辑学以及人工智能等技术手段进行建筑施工现场管理已经得到广泛应用。基于C/S 环境架构研发的建筑企业工地管理应用系统，涵盖了工地管理的方方面面，主要包括员工管理模块、分包合同管理模块、固定资产管理模块、供应商管理模块和财务管理模块、施工日志管理模块、员工考勤管理模块与工资挂钩细化了对分包商和供应商的管理，更加有效地控制材料进出，供应商和分包商以及员工的管理真正实现了工地物流、资金流和业务流三流合一。本系统采用强大的数据库，具有稳定的性能、极强的数据存储和处理能力、便捷的升级和维护服务。针对工地人员复杂的特点，系统设置了严格的权限管理功能，确保了数据的安全性。一般的工程在施工过程中都会存在分包。2.2 人工智能技术在建筑设计中的应用。建筑设计师一直以来使用AutoCAD从事绘图工作，大量时间被消耗在绘图环节而没有体现真正意义上的建筑设计，建筑艺术上的构思和创新灵感无法更好的展现。随着建筑设计行业对人工智能技术的深入研究，目前，全部采用伴随设计全程的二维图形描述与三维空间表现的先进理念和技术，系统的架构和操作模式体现建筑设计的特点。Arch2010 是一套专为建筑专业提供设计环境的CAD系统，集数字化、人性化、参数化、智能化、可视化于一体，构建于AutoCAD2002 2010 平台之上，采用先进的自定义对象核心技术，建筑构件作为基本设计单元，多视图技术实现二维图形与三维模型同步一体。人工智能技术在建筑设计中的应用使建筑师告别以往的绘图劳动，体验真正意义上的设计与创作。工程图档不再是简单的线条堆砌，而是由包含数字化技术的建筑构件搭建组成。系统界面人性化、构件创建参数化、构件关联智能化、设计过程可视化。2.3 人工智能技术在建筑结构中的应用。随着地质灾害的不断发生以及其所造成的严重危害，建筑结构控制与结构健康诊断就显得尤为重要。传统的结构系统辨识方法普遍存在难于在线识别，只适于线性结构系统辨识、抗噪声能力差等。近年来，随着人工智能技术的应用，出现了人工神经网络的结构系统辨识方法，利用模糊神经网络强大的非线性映射能力与学习能力，以实测的结构动力响应数据建立起结构的动力特性模型。模糊神经网络可以非常精确地预测结构在任意动力荷载作用下的动力响应，因此可以用于结构振动控制与健康诊断中，同时还可以随时加入其它辨识方法总结出的规则，且可以做成硬件实现，具有很强的可扩展性与实用性。2.4 人工智能技术在建筑施工中的应用。人工智能技术在混凝土强度预测分析中也开始广泛应用。对于建筑施工来说，28 天抗压强度是衡量商品混凝土性能的重要指标。如能在短时间内预测到其28 天强度值，就可以对混凝土质量进行控制。传统的混凝土预测方法通常为基于数理统计的线性回归方法。然而对于商品混凝土来讲，由于掺入了大量的粉煤灰，其抗压强度的大小和混凝土各组成材料之间呈高度非线性关系，采用通过回归得到的线性函数并名师资料总结-精品资料欢迎下载-名师精心整理-第 2 页，共 3 页 -不适用。因此将人工神经网络技术引入到混凝土性能预测领域。天津大学的赵胜利比较了3种不同输入模型的RBF网络的预测效果并与传统的BP网络模型进行比较，提出的RBF网络模型具有很高的预测精度和较强的泛化能力，可作为商品混凝土性能分析的一种新型有效的方法。2.5 人工智能技术在建筑电气中的应用。随着国民经济的快速发展，能耗越来越大，而建筑能耗占总能耗的比例高达30%以上，为了有效地实现节能目标，建筑节能是非常必要的，采用电气节能技术对建筑物进行节能将会取得明显效果。建立电气节能评估模型，利用人工神经网络进行训练，网络泛化性能好，评估正确率高，为节能改造的实施提供了科学依据。BP神经网络算法是把一组输入/输出问题转化为非线性的优化问题的一种学习方法。BP网络采用梯度下降法，学习速率固定，网络训练时间长，可能发生局部收敛，而增加动量因子的改进型 BP算法和 L-M 反算法的收敛速度比基本BP算法快，收敛性和稳定性好，因此目前均采用改进的BP神经网络建立建筑电气节能评估模型，将各个节能评估指标的权重以相对联系的方式隐含于网络之中，这样评价相对科学，而且简单适用，所评估的模型具有通用性。3、结束语综上所述，人工智能技术在建筑领域已经得到了普遍应用。建筑领域包含广泛、内容丰富、工作量大，因此有效利用人工智能技术则是提高建筑领域整体效率的重要途径。名师资料总结-精品资料欢迎下载-名师精心整理-第 3 页，共 3 页 -