【大數(shù)據(jù)及人工智能技術(shù)運(yùn)用于BIM領(lǐng)域中的思考5600字（論文）】

大數(shù)據(jù)及人工智能技術(shù)運(yùn)用于BIM領(lǐng)域中的思考目錄TOC\o"1-2"\h\u1524引言 126354一、大數(shù)據(jù)及人工智能技術(shù)的基本理論及原理 17494（一）人工智能概述 125229（二）人工神經(jīng)網(wǎng)絡(luò) 215713二、基于人工神經(jīng)網(wǎng)絡(luò)的BIM分析研究 217049（一）模糊神經(jīng)網(wǎng)絡(luò)模型 228871（二）BP人工神經(jīng)網(wǎng)絡(luò)模型 428650結(jié)束語 619440參考文獻(xiàn) 7作者：【摘要】工程建設(shè)項(xiàng)目造價(jià)分析是工程管理的關(guān)鍵，特別是在施工前期，由于工程信息缺乏，且過于籠統(tǒng)，導(dǎo)致工程估算以及成本分析耗時(shí)耗力。怎樣對(duì)工程實(shí)踐中的工程造價(jià)進(jìn)行快速準(zhǔn)確并且合理的計(jì)算，需要我們提起重視。本文的研究主要分為兩個(gè)方面，首先是理論分析，對(duì)遺傳算法模塊、神經(jīng)網(wǎng)絡(luò)模塊與人工智能模塊進(jìn)行簡要分析，然后詳細(xì)分析神經(jīng)網(wǎng)絡(luò)評(píng)估模型，包括其基本思想和學(xué)習(xí)方法，并進(jìn)一步分析模糊神經(jīng)網(wǎng)絡(luò)理論在應(yīng)用存在的問題，對(duì)其在結(jié)構(gòu)上的不足以及較強(qiáng)的泛化能力進(jìn)行明確，提出改進(jìn)方法，以使其神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的能力最小化?！娟P(guān)鍵詞】工程造價(jià)，BIM，神經(jīng)網(wǎng)絡(luò)，遺傳算法，樣本引言近幾年國家提出要走資源節(jié)約型道路，其本質(zhì)是一條較高科技含量、低資源消耗、強(qiáng)經(jīng)濟(jì)效益、有效利用人力資源以及較少環(huán)境污染的道路，在保證當(dāng)前工程造價(jià)方法的條件下，使得我國建筑行業(yè)得到平穩(wěn)發(fā)展。工程的成本包括調(diào)整、計(jì)算以及監(jiān)督造價(jià)，對(duì)其偏差進(jìn)行及時(shí)發(fā)掘。深入分析工程項(xiàng)目造價(jià)的確定，根據(jù)大數(shù)據(jù)計(jì)算的結(jié)果控制實(shí)際的工程造價(jià)，對(duì)工程造價(jià)以及投資成本目標(biāo)進(jìn)行明確，可以對(duì)資源配置進(jìn)行合理優(yōu)化，提升資源利用率，可謂意義重大，本文分析大數(shù)據(jù)及人工智能技術(shù)在BIM工程項(xiàng)目造價(jià)中的運(yùn)用。一、大數(shù)據(jù)及人工智能技術(shù)的基本理論及原理（一）人工智能概述隨著第四次工業(yè)革命到來，人工智能得到快速發(fā)展，人工智能研究高性能機(jī)器，使其具備學(xué)習(xí)、思考、解決問題的技能。廣義人工智能包含廣泛，包括人工神經(jīng)網(wǎng)絡(luò)、模式識(shí)別、智能機(jī)器構(gòu)造等。簡而言之，其意圖借助互聯(lián)網(wǎng)提高機(jī)器處理問題的能力，甚至是相比人類更為聰明。如今人工智能已經(jīng)變成為一門學(xué)科，在斯坦福大學(xué)的研究中心，人們將人工智能應(yīng)用到科學(xué)研究領(lǐng)域，分析大數(shù)據(jù)知識(shí)的產(chǎn)生與應(yīng)用。麻省理工則是將人工智能應(yīng)用到企業(yè)工作中，其是對(duì)怎樣讓計(jì)算機(jī)僅僅借助人才來進(jìn)行實(shí)現(xiàn)進(jìn)行研究。這體現(xiàn)了人工智能含有的基本理念，便是人工智能基于人類智力活動(dòng)的研究上，對(duì)其深入分析，進(jìn)而得到人工智能分析系統(tǒng)。人工神經(jīng)網(wǎng)絡(luò)就是借助對(duì)人腦的研究，借助大量處理單元對(duì)人腦系統(tǒng)進(jìn)行模擬，通過應(yīng)用神經(jīng)網(wǎng)絡(luò)來解決實(shí)際問題，提升人類的創(chuàng)造力。（二）人工神經(jīng)網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò)是試圖通過模擬大腦神經(jīng)網(wǎng)絡(luò)，進(jìn)而對(duì)數(shù)據(jù)信息進(jìn)行處理。它使用物理裝置或計(jì)算機(jī)系統(tǒng)，模擬人腦神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，深入探究神經(jīng)網(wǎng)絡(luò)的功能，進(jìn)而在工程領(lǐng)域進(jìn)行應(yīng)用。神經(jīng)網(wǎng)絡(luò)的關(guān)鍵并非是借助物理設(shè)備來對(duì)生物體內(nèi)的神經(jīng)網(wǎng)絡(luò)進(jìn)行賦值，其是對(duì)可用部分進(jìn)行提取，來對(duì)人腦和一般計(jì)算機(jī)無法解決的問題進(jìn)行優(yōu)化處理，進(jìn)而對(duì)專家系統(tǒng)開展系統(tǒng)的學(xué)習(xí)以及識(shí)別。同時(shí)伴隨著生物學(xué)以及仿真技術(shù)的發(fā)展，使得人們不斷深入的了解了大腦。因?yàn)樯锷窠?jīng)網(wǎng)絡(luò)的發(fā)展與進(jìn)步，使得智能處理系統(tǒng)功能不斷完善，結(jié)構(gòu)方面是對(duì)人腦生物神經(jīng)系統(tǒng)進(jìn)行模擬的，因而具有全面的智能特征，可以設(shè)想神經(jīng)網(wǎng)絡(luò)在日后會(huì)得到廣泛應(yīng)用。二、基于人工神經(jīng)網(wǎng)絡(luò)的BIM分析研究（一）模糊神經(jīng)網(wǎng)絡(luò)模型1.模糊神經(jīng)網(wǎng)絡(luò)模型的基本思想人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)以及模糊邏輯系統(tǒng)處于其具體應(yīng)用期間顯示出多種缺陷，越來越多的研究人員選擇結(jié)合模糊邏輯系統(tǒng)和神經(jīng)網(wǎng)絡(luò)系統(tǒng)，并且通過營業(yè)伸進(jìn)網(wǎng)絡(luò)學(xué)習(xí)特征來解決具體問題。有效與模糊邏輯設(shè)計(jì)相結(jié)合，可獲取極大的成效，特別是工業(yè)領(lǐng)域中?，F(xiàn)階段，應(yīng)用神經(jīng)網(wǎng)絡(luò)同模糊邏輯結(jié)合開展相關(guān)的分析活動(dòng)，特別是對(duì)二者結(jié)合的應(yīng)用和理論的研究，已經(jīng)成為人們關(guān)注的熱點(diǎn)問題。在模糊網(wǎng)絡(luò)同神經(jīng)網(wǎng)絡(luò)相互結(jié)合之后，得到了模糊神經(jīng)網(wǎng)絡(luò)，其間距二者具有的優(yōu)勢(shì)，將識(shí)別、學(xué)習(xí)、模糊信息處理、自適應(yīng)以及聯(lián)想進(jìn)行融合。神經(jīng)網(wǎng)絡(luò)系統(tǒng)通常被看作一般函數(shù)估計(jì)器，通過模糊系統(tǒng)可以作為結(jié)構(gòu)數(shù)字估計(jì)器進(jìn)行使用，所以其是擁有一般自適應(yīng)模型無偏估計(jì)函數(shù)的，同時(shí)正規(guī)數(shù)學(xué)特征以及狀態(tài)空間具備一致性。這就表明神經(jīng)網(wǎng)絡(luò)可以推理模糊邏輯，且通過應(yīng)用模糊系統(tǒng)，來對(duì)初始化神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行完成，使得模糊神經(jīng)網(wǎng)絡(luò)相較于傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)系統(tǒng)，更具有學(xué)習(xí)能力和速度。同時(shí)加上模糊推理的幫助，使得神經(jīng)網(wǎng)絡(luò)的自學(xué)能力以及結(jié)構(gòu)表達(dá)能力大幅度的提升，變成為一種全新的發(fā)展應(yīng)用模式。通常其是借助神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的使用，來對(duì)模糊邏輯進(jìn)行推理的，讓傳統(tǒng)神經(jīng)網(wǎng)絡(luò)不具備確切的物理意義，進(jìn)而將模糊邏輯地推理參數(shù)中含有的物理意義進(jìn)行給出?；贛aalina網(wǎng)絡(luò)模型研究和應(yīng)用發(fā)現(xiàn)，該方法能夠在工程總造價(jià)、勞動(dòng)天數(shù)計(jì)、建筑材料用量計(jì)算和設(shè)備工程造價(jià)等的計(jì)算中進(jìn)行應(yīng)用。以模糊神經(jīng)網(wǎng)絡(luò)估算模型為依據(jù)，對(duì)工程造價(jià)估算速度與精度進(jìn)行增強(qiáng)，特別是發(fā)展前期，當(dāng)?shù)匕讣幱趯徖砥陂g，都借助這一模型的應(yīng)用，對(duì)工程造價(jià)進(jìn)行估算，估計(jì)精度約為95%。鑒于項(xiàng)目是項(xiàng)目階段，項(xiàng)目整體沒有完善的信息，且特征比較模糊，評(píng)價(jià)準(zhǔn)確度較高，其最終結(jié)論為可行。對(duì)工程造價(jià)產(chǎn)生影響的因素的選取，以及模糊定量因素等對(duì)于神經(jīng)網(wǎng)絡(luò)泛化功能有著直接作用，也就是其是不是可以被應(yīng)用，并非輸入樣本集，借助五組數(shù)據(jù)驗(yàn)證模型中存在的泛化能力，使得結(jié)果更佳。不過大部分項(xiàng)目時(shí)不用對(duì)其深入研究的。2.模糊神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法模糊學(xué)習(xí)是一種基于模糊理論的方法，其能夠借助模糊量對(duì)學(xué)習(xí)過程給以計(jì)算與測量。通過連接權(quán)值當(dāng)做參數(shù)，存在于輸入和輸出之間的映射關(guān)系同樣屬于模糊集運(yùn)算。一般模糊學(xué)習(xí)算法主要就是模糊規(guī)則提取法與模糊學(xué)習(xí)算法這兩種，前者指的是將輸入與輸出模糊數(shù)據(jù)對(duì)的映射或相關(guān)性進(jìn)行給出，也能被看作數(shù)據(jù)挖掘任務(wù)。若是模糊輸入不存在有關(guān)模糊輸出，那么其便要進(jìn)行輸入向量模糊類聚或者是模糊輸入空間。后者是而記住模糊控制對(duì)神經(jīng)網(wǎng)絡(luò)性能進(jìn)行改善的。模糊神經(jīng)元能夠借助修正權(quán)重，對(duì)其性能進(jìn)行完善。就模糊神經(jīng)元內(nèi)，對(duì)于神經(jīng)元的結(jié)構(gòu)進(jìn)行調(diào)節(jié)，并可對(duì)規(guī)則和規(guī)則表達(dá)方式以及模糊子集隸屬函數(shù)進(jìn)行改變。通過多個(gè)模糊神經(jīng)元的應(yīng)用，使得模塊邏輯同神經(jīng)網(wǎng)絡(luò)之間對(duì)各自優(yōu)勢(shì)充分應(yīng)用，讓這一工具應(yīng)用效率更高。當(dāng)前模糊神經(jīng)網(wǎng)絡(luò)雖具備多種多樣的學(xué)習(xí)算法與結(jié)構(gòu)，但它們有一個(gè)共同的特點(diǎn)，將二者具有的具有結(jié)合起來開展應(yīng)用操作，及其可對(duì)語言信息進(jìn)行有效應(yīng)用，讓其適應(yīng)能力與學(xué)習(xí)能力大幅度的提升。對(duì)于模糊神經(jīng)網(wǎng)絡(luò)模塊具有的結(jié)構(gòu)以及相關(guān)的權(quán)重?cái)?shù)值開展分析分析，具有較強(qiáng)的研究意義。對(duì)于設(shè)計(jì)模糊網(wǎng)絡(luò)開展結(jié)構(gòu)設(shè)計(jì)的時(shí)候，分析問題的復(fù)雜性和精度的要求來構(gòu)造模糊神經(jīng)網(wǎng)絡(luò)模型，并將先驗(yàn)知識(shí)相結(jié)合。同時(shí)，在先驗(yàn)知識(shí)的基礎(chǔ)上，可以人工選擇模糊神經(jīng)網(wǎng)絡(luò)權(quán)值的初始化。以此極大地增強(qiáng)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)速度，同時(shí)對(duì)因?yàn)樘荻葍?yōu)化算法的局部極值現(xiàn)象進(jìn)行了有效預(yù)防。模糊神經(jīng)網(wǎng)絡(luò)脫胎于神經(jīng)網(wǎng)絡(luò)，含有其全部的特征，同時(shí)具備特殊性質(zhì)。因?yàn)槟：龜?shù)學(xué)的計(jì)算方法，其具備的一些處理單元的計(jì)算則非常簡單，處理信息速度也極快。因?yàn)槟：僮鳈C(jī)制的使用，大幅度的提供了系統(tǒng)局部含有的容錯(cuò)能力。模糊神經(jīng)網(wǎng)絡(luò)對(duì)處理信息范圍進(jìn)行了擴(kuò)展，讓系統(tǒng)可對(duì)確定以及不確定性信息進(jìn)行同時(shí)處理，使得系統(tǒng)處理信息的方式逐漸的豐富，可以通過多種的模式來處理信息。3.模糊神經(jīng)網(wǎng)絡(luò)理論在應(yīng)用存在的問題對(duì)于模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，雖成功應(yīng)用到了建模和系統(tǒng)控制內(nèi)，但作為一項(xiàng)新的技術(shù)，其理論和應(yīng)用中還存在一些問題。就目前而言，獲取神經(jīng)知識(shí)方法較為狹窄，從許多已有的案例之中，有效獲得反映其相關(guān)特點(diǎn)的模糊模式還是沒有一個(gè)較為有效的模式。模糊神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)還沒有得到系統(tǒng)的建構(gòu)，模糊層和模糊的推理層內(nèi)部的節(jié)點(diǎn)數(shù)量、模糊綜合推理算法以及網(wǎng)絡(luò)的反模型問題沒有得到解答，含有的計(jì)算模式在理論界的研究還沒有深入地開展。模糊神經(jīng)網(wǎng)絡(luò)內(nèi)部也含有模型的復(fù)雜程度以及泛化之間具有的矛盾，為此在模糊神經(jīng)網(wǎng)絡(luò)優(yōu)化的時(shí)候還有相關(guān)問題值得深入的研究，對(duì)于神經(jīng)網(wǎng)絡(luò)模塊與一般模式分析網(wǎng)絡(luò)有機(jī)地結(jié)合起來開展分析，是需要人們?nèi)ヌ骄績?nèi)部的實(shí)際情況。（二）BP人工神經(jīng)網(wǎng)絡(luò)模型1.BP網(wǎng)絡(luò)模型的基本思想對(duì)于前神經(jīng)網(wǎng)絡(luò)模塊代表的為網(wǎng)絡(luò)內(nèi)部含有的典型結(jié)構(gòu)模式，對(duì)于信息的輸入模塊會(huì)將網(wǎng)關(guān)模式進(jìn)行傳輸，直至輸出層。同時(shí)，在神經(jīng)網(wǎng)絡(luò)模式下含有的相關(guān)模式的分布較為廣泛，對(duì)于非線性模塊具有的操作具有的逼近功能是得到廣泛應(yīng)用的前提。對(duì)于BP算法來說，其隸屬于一種前饋模型下面的學(xué)習(xí)模式，其在進(jìn)行退關(guān)期間，是不可或缺的。內(nèi)部含有的基本分析過程含有兩個(gè)步驟，其一為信號(hào)的正向傳播；其二為誤差的反饋等。在數(shù)據(jù)正向傳播的時(shí)候，會(huì)向輸送層發(fā)送樣本的數(shù)據(jù)信息，同時(shí)將其轉(zhuǎn)發(fā)到隱藏層模式細(xì)致分析，接著向輸出層進(jìn)行傳送。在輸出層得到的測量數(shù)據(jù)與預(yù)期數(shù)值不一致后，會(huì)將錯(cuò)誤的信息傳遞到反饋模塊。錯(cuò)誤的信息被歸納到隱藏層內(nèi)部，經(jīng)過處理時(shí)候在輸出模塊獲得誤差信息，同時(shí)把誤差向所有單元繼續(xù)傳播，以此來對(duì)所有層的誤差信號(hào)進(jìn)行獲取。該誤差信號(hào)用作校正各單元的重量的基礎(chǔ)。對(duì)于這種信息正向傳播以及誤差反饋的模式，使得對(duì)誤差數(shù)據(jù)的調(diào)節(jié)處在動(dòng)態(tài)平衡的模式下，不斷的調(diào)節(jié)自身的權(quán)重?cái)?shù)值，也成為網(wǎng)絡(luò)訓(xùn)練提升自身學(xué)習(xí)能力的途徑。該過程中其是在降低網(wǎng)絡(luò)輸出誤差，直至其可接受為止，或者與預(yù)定學(xué)習(xí)次數(shù)相符為止。圖1BP模型2.BP網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)作為最常用的前饋網(wǎng)絡(luò)，BP網(wǎng)絡(luò)內(nèi)部存在著輸入層、輸出層以及隱藏層三層結(jié)構(gòu)。每個(gè)層具有的節(jié)點(diǎn)的數(shù)量是比較多的，同時(shí)在每個(gè)節(jié)點(diǎn)模塊表示其含有的神經(jīng)元結(jié)構(gòu)。在級(jí)別相間位置的節(jié)點(diǎn)模塊沒有連接的操作，同時(shí)相鄰層之間是完全互連的。自信息輸入層起，其層間存在單向傳播，得以在所有隱藏層穿過，進(jìn)而達(dá)到輸出層處。如上圖所示，BP網(wǎng)絡(luò)最為基本的結(jié)構(gòu)圖，屬于三電平前饋網(wǎng)絡(luò)。其上下層間存在的全部神經(jīng)元都可實(shí)現(xiàn)完全連接，也就是下層內(nèi)的所有神經(jīng)元都進(jìn)行完全連接，也是連接上部所有神經(jīng)元連接的橋梁，所有層的神經(jīng)元內(nèi)并不存在連接。BP算法可以劃分網(wǎng)絡(luò)學(xué)習(xí)過程為兩個(gè)，一是前向傳播，二是后向傳播。若是前向傳播進(jìn)行的誤差平方的輸出未能符合期望值，便以誤差負(fù)梯度方向?yàn)橐罁?jù)，對(duì)每層神經(jīng)元的閾值和權(quán)值進(jìn)行校正，以此對(duì)誤差進(jìn)行降低，由此讓會(huì)使得全局模塊的誤差降低最小數(shù)值。在訓(xùn)練之后的神經(jīng)網(wǎng)絡(luò)取樣得到的是非線性映射之下的關(guān)系數(shù)值，同時(shí)將其存儲(chǔ)在權(quán)重值分布的形式中。簡單地說，我們可對(duì)BP網(wǎng)絡(luò)學(xué)習(xí)過程進(jìn)行如下劃分：（1）權(quán)值和閾值的急性初始化操作；（2）對(duì)于樣本模塊含有的輸入以及輸出參數(shù)規(guī)劃到[0,1]區(qū)間模塊，同時(shí)對(duì)于樣本數(shù)據(jù)模塊具有的分配模式同網(wǎng)絡(luò)輸入模塊的中的對(duì)應(yīng)節(jié)點(diǎn)。（3）對(duì)中間各層單元的輸出和輸入進(jìn)行計(jì)算，得到輸出模塊具有詳細(xì)信息（4）依次計(jì)算各層的反向傳播誤差。（5）根據(jù)權(quán)重修正公式調(diào)整層間的權(quán)重或閾值。（6）從步驟（2）開始新的循環(huán)操作，依據(jù)得到的新權(quán)重?cái)?shù)值開展計(jì)算分析，一直到系統(tǒng)的誤差降到滿足實(shí)際要求。3.BP網(wǎng)絡(luò)模型的學(xué)習(xí)對(duì)于BP網(wǎng)絡(luò)學(xué)習(xí)模塊含有的劃分模式如下所示，對(duì)于一個(gè)操作模塊的輸入已有的信息數(shù)據(jù)，通過內(nèi)部的數(shù)據(jù)分析得到系統(tǒng)迭代設(shè)置的閾值以及權(quán)重，得到首層所有神經(jīng)元含有的具體輸出信息。第二階段是修改權(quán)重和閾值，并計(jì)算每一層的權(quán)重和閾值的影響從最終層到總誤差。因此，來有效修改千層閾值以及權(quán)重。上面的分析步驟不斷地循環(huán)操作一直到所獲得數(shù)據(jù)收斂，在這里我們將應(yīng)用到誤差反向傳播的算法也就是誤差反向傳播模式，因?yàn)檎`差被傳遞回逐層，因此該算法可以擴(kuò)展到具有中間層的多個(gè)多層網(wǎng)絡(luò)。一般將多層網(wǎng)絡(luò)叫做是BP網(wǎng)絡(luò)，應(yīng)用標(biāo)準(zhǔn)的BP算法權(quán)重較差系統(tǒng)數(shù)據(jù)得到的誤差，將其反向傳輸作為分析的基礎(chǔ)。學(xué)習(xí)過程如下：推導(dǎo)可用的BP學(xué)習(xí)過程是：即得：即得：4.BP網(wǎng)絡(luò)的泛化能力BP神經(jīng)網(wǎng)絡(luò)并不是簡單記憶數(shù)據(jù)評(píng)價(jià)分析，其可以通過不斷的訓(xùn)練大幅提升系統(tǒng)內(nèi)部數(shù)據(jù)的準(zhǔn)確程度，使得系統(tǒng)內(nèi)部含有的數(shù)據(jù)經(jīng)過不斷歸納總結(jié)之后得到接近正確的響應(yīng)。一個(gè)“過擬合”神經(jīng)網(wǎng)絡(luò)將很好地?cái)M合訓(xùn)練樣本集，但是對(duì)新輸入的樣本來說，輸出的目標(biāo)將會(huì)出現(xiàn)很大的不同。在神經(jīng)網(wǎng)絡(luò)內(nèi)部，我們訓(xùn)練的目的為通過不同的樣本數(shù)據(jù)訓(xùn)練系統(tǒng)，使得系統(tǒng)的穩(wěn)定性與容錯(cuò)能力大幅度的提升。它不僅可以擬合訓(xùn)練樣本，而且可以預(yù)測新的數(shù)據(jù)。最為重要的就是神經(jīng)網(wǎng)絡(luò)具備的泛化能力，沒有泛化能力的神經(jīng)網(wǎng)絡(luò)則沒有應(yīng)用的意義，為能夠進(jìn)行較強(qiáng)的處理的操作能力開展神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)，對(duì)于泛化設(shè)計(jì)模塊含有的網(wǎng)絡(luò)操作，對(duì)于輸入模擬網(wǎng)絡(luò)模塊存在一定的不同，其能夠出現(xiàn)的就是正確的輸入以及輸出操作。結(jié)束語現(xiàn)階段借助對(duì)工程造價(jià)估算的簡化，通過現(xiàn)金方式對(duì)工程造價(jià)給以估算，使得概算速度提升，成為對(duì)工程造價(jià)管理進(jìn)行有效控制的關(guān)鍵。所以本文以大數(shù)據(jù)及人工智能技術(shù)為前提的建筑工程造價(jià)估算開展深入分析。本文研究主要有三個(gè)內(nèi)容，首先為大數(shù)據(jù)及人工智能技術(shù)，也就是工程造價(jià)估算算法，第二為研究工程造價(jià)影響因素，第三為對(duì)大數(shù)據(jù)及人工智能技術(shù)原理與基本理論研究，遺傳