BIM与人工智能融合应用研究进展

发布时间：2021-11-06 15:02

　　BIM与人工智能相融合可以充分发挥各种技术的优势,深度挖掘工程数据信息,实现"1+1> 2"的功能效果。为此以文献调研为基础,对BIM在工程项目中的研究情况进行分析,综述了BIM与传统人工智能技术以及深度神经网络相融合可解决的问题类型、实现的功能以及应用情况。结果表明:BIM与遗传算法、推理技术、浅层神经网络等传统的人工智能技术相融合可解决多目标优化、搜索、规则检查、事件决策以及预测问题,实现设计方案的合理选择与检查优化、成本管理、施工进度与质量管理、能耗管理、风险与安全管理、自动控制以及辅助决策;与深度神经网络相融合可解决预测以及图像识别问题,实现施工安全与风险管理、设施管理。同时针对存在的人工智能技术不完善、技术的选择不合理、数据接入以及共享问题等提出相关建议,并对其未来发展方向进行展望。 

【文章来源】：建筑科学. 2020,36(06)北大核心CSCD

【文章页数】：8 页

【部分图文】：

BIM与人工智能融合的文献发表情况

【参考文献】：
期刊论文
[1]基于改进遗传算法的RBF神经网络结构优化研究[J]. 文常保,马文博,刘鹏里.  计算机工程与科学. 2019(05)
[2]基于小波神经网络的建筑BIM能耗预测算法研究（英文）[J]. 张先锋.  机床与液压. 2018(24)
[3]基于BIM-GA-BN的养老社区施工安全评价模型[J]. 谢尊贤,郭琰,蒲涛.  中国安全科学学报. 2018(09)
[4]基于BIM的设计管理[J]. 魏世桥,李登峰,阳柯.  水运工程. 2018(08)
[5]基于数字化设计系统的铁路站场BIM自动化建模研究[J]. 魏方华.  铁道标准设计. 2019(04)
[6]国内外人工智能技术在建筑行业的研究与应用现状[J]. 鞠松,杨晓东.  价值工程. 2018(04)
[7]BIM5D在工程项目管理中的应用[J]. 刘德富,彭兴鹏,刘绍军,周小冬,张先龙,陈国清.  施工技术. 2017(S2)
[8]BIM技术在建筑运维阶段应用探索[J]. 汪霏,叶晨茂.  重庆建筑. 2017(08)
[9]基于BIM技术的装配式建筑协同化设计研究[J]. 王巧雯.  建筑学报. 2017(S1)
[10]基于BIM与BP神经网络的绿色建筑全生命周期风险管理[J]. 李晓宇,刘强.  项目管理技术. 2017(04)

博士论文
[1]高层建筑火灾风险评价及智能报警系统研究[D]. 张立宁.北京理工大学 2015

硕士论文
[1]BP神经网络优化算法研究及在故障诊断中的应用[D]. 孙弋清.燕山大学 2018
[2]基于BIM的版本协同及生命周期维护研究[D]. 李俊男.浙江理工大学 2018
[3]基于BIM与IFC的多目标施工信息优化模型建立及管理研究[D]. 徐圆圆.河北工程大学 2017
[4]基于BIM的建筑工程施工质量可视化评价方法研究[D]. 李柄静.东南大学 2017
[5]基于BIM的地铁站基坑连续墙支护结构风险预测研究[D]. 牛玥.华北水利水电大学 2017
[6]基于BIM的运维阶段建筑设备资产管理实现路径研究[D]. 和瑞峰.天津理工大学 2017
[7]基于BIM技术的绿色建筑评价与优化研究[D]. 兰晶晶.东南大学 2016
[8]福州地铁过闽江区间施工BIM动态优化管理技术研究[D]. 孟晓静.石家庄铁道大学 2016
[9]基于本体约束规则与遗传算法的BIM进度计划自动生成研究[D]. 王兰苗.华东理工大学 2015



本文编号：3480044