CN115859450A - 一种基于bim技术的建筑建模数据处理方法及系统 - Google Patents
一种基于bim技术的建筑建模数据处理方法及系统 Download PDFInfo
- Publication number
- CN115859450A CN115859450A CN202310120372.7A CN202310120372A CN115859450A CN 115859450 A CN115859450 A CN 115859450A CN 202310120372 A CN202310120372 A CN 202310120372A CN 115859450 A CN115859450 A CN 115859450A
- Authority
- CN
- China
- Prior art keywords
- factor
- level
- evaluation
- index evaluation
- evaluation factor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及数据处理技术领域,提供了一种基于BIM技术的建筑建模数据处理方法及系统,方法包括:获取BIM建模基本信息;对BIM可视化指标进行多级关联度分析,获取指标评价因子分布树;遍历指标评价因子分布树进行权重分布,获取多层级权重分布结果;根据指标评价因子分布树和多层级权重分布结果,训练指标评价模型,采集获取底层评价因子特征值,输入指标评价模型,输出BIM可视化指标评估结果可视化显示,解决建筑数据调取不灵活,数据调用失败的规避策略不完整,处理建筑数据处理效率低技术问题,实现依照底层数据类型,限定取用建筑数据类型,丰富建筑数据调取方式,最大限度规避了数据调用失败,提升处理建筑数据处理效率技术效果。
Description
技术领域
本发明涉及数据处理相关技术领域,具体涉及一种基于BIM技术的建筑建模数据处理方法及系统。
背景技术
BIM(Building Information Modeling,建筑信息模型)技术,随着信息技术的高速发展,各种图纸从2D电子图纸、3D的可视化建筑结构模型,使得建筑数据应用更加多元化,建筑数据主要涵盖建筑构造、建筑设计、建筑材料等多个领域数据,多元化的数据为建筑建模数据管理带来了巨大压力。
常见的,数据平台通常采用Hadoop(大量数据的分布式处理软件框架)技术将数据分散存储到分布式存储节点上去,搭建多元指标的计算环境,对数据的处理包括:数据挖掘、信息的聚集,但接口程序调取不灵活,数据调用失败的规避策略(一般就是重试,固定的时间间隔重试一次)不完整,处理建筑数据处理效率低。
综上所述,现有技术中存在建筑数据的调取不灵活,数据调用失败的规避策略不完整,处理建筑数据处理效率低的技术问题。
发明内容
本申请通过提供了一种基于BIM技术的建筑建模数据处理方法及系统,旨在解决现有技术中的建筑数据的调取不灵活,数据调用失败的规避策略不完整,处理建筑数据处理效率低的技术问题。
鉴于上述问题,本申请实施例提供了一种基于BIM技术的建筑建模数据处理方法及系统。
本申请公开的第一个方面,提供了一种基于BIM技术的建筑建模数据处理方法,其中,所述方法包括:获取BIM建模基本信息,其中,所述BIM建模基本信息包括物联网传感信息、环境结构模型参数、建筑结构模型和资源结构模型;对BIM可视化指标进行多级关联度分析,获取指标评价因子分布树,其中,所述指标评价因子分布树包括底层评价因子集,所述底层评价因子集表征可直接采集的预设数据;遍历所述指标评价因子分布树进行权重分布,获取多层级权重分布结果;根据所述指标评价因子分布树和所述多层级权重分布结果,训练指标评价模型;根据所述底层评价因子集,遍历所述物联网传感信息、所述环境结构模型参数、所述建筑结构模型和所述资源结构模型进行采集,获取底层评价因子特征值;将所述底层评价因子特征值输入所述指标评价模型,输出BIM可视化指标评估结果;将所述BIM可视化指标评估结果在BIM模型中进行可视化显示。
本申请公开的另一个方面,提供了一种基于BIM技术的建筑建模数据处理系统,其中,所述系统包括:基本信息获取模块,用于获取BIM建模基本信息,其中,所述BIM建模基本信息包括物联网传感信息、环境结构模型参数、建筑结构模型和资源结构模型;关联度分析模块,用于对BIM可视化指标进行多级关联度分析,获取指标评价因子分布树,其中,所述指标评价因子分布树包括底层评价因子集,所述底层评价因子集表征可直接采集的预设数据;权重分布模块,用于遍历所述指标评价因子分布树进行权重分布,获取多层级权重分布结果;模型训练模块,用于根据所述指标评价因子分布树和所述多层级权重分布结果,训练指标评价模型;特征值采集模块,用于根据所述底层评价因子集,遍历所述物联网传感信息、所述环境结构模型参数、所述建筑结构模型和所述资源结构模型进行采集,获取底层评价因子特征值;指标评价模块,用于将所述底层评价因子特征值输入所述指标评价模型,输出BIM可视化指标评估结果;可视化显示模块,用于将所述BIM可视化指标评估结果在BIM模型中进行可视化显示。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了获取BIM建模基本信息;对BIM可视化指标进行多级关联度分析,获取指标评价因子分布树;遍历指标评价因子分布树进行权重分布,获取多层级权重分布结果;根据指标评价因子分布树和多层级权重分布结果,训练指标评价模型;根据底层评价因子集,遍历物联网传感信息、环境结构模型参数、建筑结构模型和资源结构模型进行采集,获取底层评价因子特征值;将底层评价因子特征值输入指标评价模型,输出BIM可视化指标评估结果;将BIM可视化指标评估结果在BIM模型中进行可视化显示,实现了依照底层数据类型,限定取用建筑数据类型,丰富建筑数据的调取方式,最大限度规避了数据调用失败,提升处理建筑数据处理效率的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例提供了一种基于BIM技术的建筑建模数据处理方法可能的流程示意图;
图2为本申请实施例提供了一种基于BIM技术的建筑建模数据处理方法中获取多层级权重分布结果可能的流程示意图;
图3为本申请实施例提供了一种基于BIM技术的建筑建模数据处理方法中生成第一层级因子评价模块可能的流程示意图;
图4为本申请实施例提供了一种基于BIM技术的建筑建模数据处理系统可能的结构示意图。
附图标记说明:基本信息获取模块100,关联度分析模块200,权重分布模块300,模型训练模块400,特征值采集模块500,指标评价模块600,可视化显示模块700。
具体实施方式
本申请实施例提供了一种基于BIM技术的建筑建模数据处理方法及系统,解决了建筑数据的调取不灵活,数据调用失败的规避策略不完整,处理建筑数据处理效率低的技术问题,实现了依照底层数据类型,限定取用建筑数据类型,丰富建筑数据的调取方式,最大限度规避了数据调用失败,提升处理建筑数据处理效率的技术效果。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请实施例提供了一种基于BIM技术的建筑建模数据处理方法,其中,所述方法包括:
S10:获取BIM建模基本信息,其中,所述BIM建模基本信息包括物联网传感信息、环境结构模型参数、建筑结构模型和资源结构模型;
具体而言,所述BIM建模基本信息包括物联网传感信息、环境结构模型参数、建筑结构模型和资源结构模型,所述物联网传感信息包括温度、湿度、空气质量、光照、风速等,所述环境结构模型参数即建筑所在环境结构特征(可以是排风参数、补光参数、加湿参数、卷帘机参数等相关系统控制参数),所述建筑结构模型即目标建筑的结构特征(可以是建筑面积、建筑高度等相关结构特征),所述资源结构模型包括但不限于电力设备和线路分布信息、燃气设备和管道分布信息、水力设备和管道分布信息、周边商圈分布信息、周边交通分布信息、周边教育资源分布信息,获取BIM建模基本信息,为后续数据处理提供数据基础。
S20:对BIM可视化指标进行多级关联度分析,获取指标评价因子分布树,其中,所述指标评价因子分布树包括底层评价因子集,所述底层评价因子集表征可直接采集的预设数据;
步骤S20包括步骤:
S21:根据所述物联网传感信息、所述环境结构模型参数、所述建筑结构模型和所述资源结构模型,获取预设数据集合;
S22:对所述BIM可视化指标进行一级关联度分析,获取一级指标评价因子集;
S23:遍历所述一级指标评价因子集,判断是否属于所述预设数据集合;
S24:对不属于所述预设数据集合的一级指标评价因子进行二级关联度分析,获取二级指标评价因子集;
S25:直到所述不属于所述预设数据集合N级指标评价因子为零,获取所述一级指标评价因子集、所述二级指标评价因子集直到N级指标评价因子集;
S26:根据所述一级指标评价因子集、所述二级指标评价因子集直到所述N级指标评价因子集,构建所述指标评价因子分布树。
具体而言,对BIM可视化指标进行多级关联度分析,获取指标评价因子分布树,具体包括,所述指标评价因子分布树包括底层评价因子集,所述底层评价因子集表征可直接采集的预设数据(所述可直接采集的预设数据为类似如物联网传感信息、环境结构模型参数之类的基础数据,无利用参数指标运算获取),对所述物联网传感信息、所述环境结构模型参数、所述建筑结构模型和所述资源结构模型进行清洗(过滤掉异常的数据)、规整、整合,获取预设数据集合;
对所述BIM可视化指标(包括建筑结构、电气数据、给排水数据等BIM可视化指标)进行一级关联度分析(关联度分析:随时间或不同对象而变化的关联性大小的量度,若两个因素变化的趋势具有一致性,即同步变化程度较高,即可谓二者关联程度较高,可以通过输入序列(至少两项或以上的定量变量)与输出BIM可视化指标的关联程度表征一级关联度,获取一级指标评价因子集;
遍历所述一级指标评价因子集,判断是否属于所述预设数据集合(当评价因子属于预设数据集合,则属于底层评价因子,其所在树枝不可以再分支,则一个分支生成),若判断结果为属于,将属于所述预设数据集合的一级指标评价因子作为第一级分类特征;若是评价因子不属于预设数据集合,则不属于底层评价因子,需要继续分支,对不属于所述预设数据集合的一级指标评价因子进行二级关联度分析,获取二级指标评价因子集,遍历所述二级指标评价因子集,判断是否属于所述预设数据集合,若判断结果为属于,将属于所述预设数据集合的二级指标评价因子作为第二级分类特征,重复上述步骤,直到不属于所述预设数据集合N级指标评价因子为零,最后全部的分支末端都是属于预设数据集合的因子,所述指标评价因子分布树的全部的分支确定,获取所述一级指标评价因子集、所述二级指标评价因子集直到N级指标评价因子集;
根据所述一级指标评价因子集、所述二级指标评价因子集直到所述N级指标评价因子集可作为所述指标评价因子分布树的内部节点,通过对其进行信息熵的计算,可对熵值最小的特征进行优先分类,以此方法对所述生理特征决策树进行递归构建,直至无法对最后的特征叶节点进行再分,说明分类结束,以此构建所述指标评价因子分布树,通过判断是否属于所述预设数据集合的方式,可以保证指标评价因子分布树划分到最小单位,细化的分类对后续进行精确分析提供了基础。
步骤S22包括步骤:
S221:以所述物联网传感信息、所述环境结构模型参数、所述建筑结构模型和所述资源结构模型筛选场景参数,采集BIM可视化指标评价记录数据;
S222:根据所述BIM可视化指标评价记录数据,提取第i准评价因子;
S223:对所述第i准评价因子进行支持度分析,获取第i准评价因子支持度,其中,所述第i准评价因子支持度为第i准评价因子的记录条数与所述BIM可视化指标评价记录数据总条数之比;
S224:对所述第i准评价因子进行关联度分析,获取第i准评价因子关联度;
S225:当所述第i准评价因子支持度满足支持度阈值,且所述第i准评价因子关联度满足关联度阈值,将所述第i准评价因子设为第i评价因子,添加进所述一级指标评价因子集。
具体而言,对所述BIM可视化指标进行一级关联度分析,获取一级指标评价因子集,具体包括,在建筑建模数据处理系统中,以所述物联网传感信息、所述环境结构模型参数、所述建筑结构模型和所述资源结构模型为筛选内容,进行场景参数筛选,获取BIM可视化指标评价记录数据;在所述BIM可视化指标评价记录数据随机进行评价因子提取,获取第i准评价因子;利用定量评估频繁项的频繁共现度(即覆盖度)的统计量,对所述第i准评价因子进行支持度分析(support),获取第i准评价因子支持度,其中,所述第i准评价因子支持度=第i准评价因子所述记录条数/BIM可视化指标评价记录数据总条数×100%;对所述第i准评价因子进行关联度分析,获取第i准评价因子关联度;判断所述第i准评价因子支持度是否满足支持度阈值(支持度阈值为预设参数指标),当所述第i准评价因子支持度满足支持度阈值,同时,所述第i准评价因子关联度满足关联度阈值时,将所述第i准评价因子设为第i评价因子,并添加进所述一级指标评价因子集,为后续进行关联度分析运算提供参照。
步骤S224包括步骤:
S224-1:根据所述第i准评价因子,从所述BIM可视化指标评价记录数据,筛选第i基准序列;
S224-2:根据所述BIM可视化指标评价记录数据,生成第i基准序列和第i比对序列;
S224-3:对所述第i基准序列和所述第i比对序列进行无量纲调整,生成第i基准序列处理结果和第i比对序列处理结果;
S224-4:获取关联系数评价公式: ,其中,表征第i基准序列处理
结果的第k个指标评价记录值,表征第i比对序列处理结果的第k个因子特征值记录数
据,和一一对应,p表征分辨系数,表征第k个指标评价记录值和第k个
因子特征值记录数据的关联系数;
S224-5:根据所述关联系数评价公式遍历所述第i基准序列处理结果和所述第i比对序列处理结果,获取多个第i准评价因子关联系数;
S224-6:对所述多个第i准评价因子关联系数进行均值运算,获取所述第i准评价因子关联度。
具体而言,对所述第i准评价因子进行关联度分析,获取第i准评价因子关联度,具体包括,将所述第i准评价因子作为筛选内容(元素之间的关系都是能够确定的,为白色信息),从所述BIM可视化指标评价记录数据(所述BIM可视化指标评价记录数据具有原始性、离散性、形式灵活多样的特征,为灰色信息)中筛选第i基准序列;根据所述BIM可视化指标评价记录数据,生成第i基准序列和第i比对序列(将所述第i准评价因子作为筛选内容,从所述BIM建模基本信息中筛选第i比对序列);对所述第i基准序列和所述第i比对序列分别进行无量纲调整(无量纲调整可以是归一化处理),生成第i基准序列处理结果和第i比对序列处理结果;
进行多次验证性运算,确定关联系数评价公式: ,其中,表征第i基准序列处理
结果的第k个指标评价记录值,表征第i比对序列处理结果的第k个因子特征值记录数
据,第i基准序列处理结果和第i比对序列处理结果一一对应,相应的,和一一
对应,p表征分辨系数,表征第k个指标评价记录值和第k个因子特征值记录数据的
关联系数;将所述第i基准序列处理结果和所述第i比对序列处理结果依次代入所述关联系
数评价公式中进行指标关联评价,获取多个第i准评价因子关联系数;对所述多个第i准评
价因子关联系数进行均值运算,获取所述第i准评价因子关联度,为进行关联分析提供公式
支持,降低原始记录数据误差引发的关联度异常波动,将均值运算结果定为第i准评价因子
关联度,为提高关联度的可靠性提供支持。
S30:遍历所述指标评价因子分布树进行权重分布,获取多层级权重分布结果;
如图2所示,步骤S30包括步骤:
S31:遍历所述指标评价因子分布树,获取第m分支因子集;
S32:遍历所述第m分支因子集,获取第q层级因子集,其中,所述第q层级因子集属于相同分支,且属于相同层级;
S33:根据所述第q层级因子集进行准评价因子关联度匹配,获取第q层级因子关联度集合;
S34:根据所述第q层级因子关联度集合进行所述第q层级因子集权重分布,生成第q层级因子集权重分布结果,添加进所述多层级权重分布结果。
具体而言,遍历所述指标评价因子分布树进行权重分布,获取多层级权重分布结果,具体包括,遍历确定所述指标评价因子分布树的第m级分类特征,其中,m∈[1,N](所述指标评价因子分布树共有N级分类特征),获取第m分支因子集;遍历所述第m分支因子集,获取第q层级因子集,其中,所述第q层级因子集属于相同分支,且属于相同层级;根据所述第q层级因子集,进行准评价因子关联度匹配:在同一层级分类特征,依次代入关联系数评价公式中,获取第q层级因子关联度集合;根据所述第q层级因子关联度集合进行所述第q层级因子集权重分布(在同一层级分类特征,关联度首先加和,然后计算每个关联度在其中的占比,记为各自的权重),生成第q层级因子集权重分布结果,添加进所述多层级权重分布结果,为后续进行分析提供数据支持。
S40:根据所述指标评价因子分布树和所述多层级权重分布结果,训练指标评价模型;
步骤S40包括步骤:
S41:根据所述指标评价因子分布树,获取第一层级因子和第二层级因子集,其中,所述第二层级因子集为所述第一层级因子的分支因子,用于评价所述第一层级因子;
S42:判断所述第一层级因子和所述第二层级因子集是否具有量化映射关系;
S43:若具有,获取预设量化映射关系,根据所述多层级权重分布结果对所述预设量化映射关系进行调整,构建第一层级因子评价模块;
S44:根据所述指标评价因子分布树,设定评价模块合并规则;
S45:将所述第一层级因子评价模块按照评价模块合并规则添加进所述指标评价模型。
具体而言,根据所述指标评价因子分布树和所述多层级权重分布结果,训练指标评价模型,具体包括,根据所述指标评价因子分布树,获取第一层级因子和第二层级因子集,所述第二层级因子集为第一层级因子的下一层分支因子(下一层分支因子即特征叶节点),第二层级因子集用于评价所述第一层级因子;
判断所述第一层级因子和所述第二层级因子集是否具有量化映射关系(如简单的成本加和关系,第一层级因子对应的成本等于第二层级因子集对应的成本加和);若第一层级因子和所述第二层级因子集具有量化映射关系,获取预设量化映射关系(用于量化映射关系的预设指标),依照在指标评价因子分布树上的分支节点,确定所述预设量化映射关系限定的多层级权重分布结果,利用所述预设量化映射关系限定的多层级权重分布结果对所述预设量化映射关系进行调整,按照权重调整结果,构建第一层级因子评价模块;
根据所述指标评价因子分布树,设定评价模块合并规则,将所述第一层级因子评价模块按照评价模块合并规则(由于输入数据为底层评价因子对应的特征值,因此底层评价因子的上一层因子的评价模块,作为第一层级的并行评价模块组,然后其输出层再和上一层因子的上一层级因子对应的评价模块,作为第二层级的并行评价模块组,直到最顶层的指标的评价模块的输出层作为整个模型的输出,所述指标评价模型为倒装的树状结构)添加进所述指标评价模型,为进行指标评价提供模型支持。
如图3所示,步骤S42包括步骤:
S421:若不具有,根据所述第二层级因子集,采集第二层级因子集记录数据;
S422:根据所述多层级权重分布结果遍历所述第二层级因子集记录数据进行赋权计算,获取第二层级因子集记录数据转换结果;
S423:根据所述第一层级因子,采集第一层级因子记录数据,其中,所述第一层级因子记录数据和所述第二层级因子集记录数据一一对应;
S424:根据所述第一层级因子记录数据和所述第二层级因子集记录数据转换结果进行有监督训练,生成所述第一层级因子评价模块。
具体而言,判断所述第一层级因子和所述第二层级因子集是否具有量化映射关系,若第一层级因子和所述第二层级因子集不具有量化映射关系,将所述第二层级因子集中的各个第二层级因子作为筛选内容,从所述BIM可视化指标评价记录数据中采集第二层级因子集记录数据;依照在指标评价因子分布树上的分支节点,确定第二层级因子集限定的多层级权重分布结果,通过第二层级因子集限定的多层级权重分布结果,遍历所述第二层级因子集记录数据进行赋权计算,获取第二层级因子集记录数据转换结果;
将所述第一层级因子作为筛选内容,从所述BIM可视化指标评价记录数据中采集第一层级因子记录数据,所述第一层级因子记录数据和所述第二层级因子集记录数据一一对应;以bp网络模型为模型基础,将所述第一层级因子记录数据和所述第二层级因子集作为输入训练数据,输入所述BP网络模型中进行有监督训练,采用每次根据训练得到的结果与预想结果(预想结果:第二层级因子集记录数据转换结果)进行误差分析,进而修改权值和阈值(进而修改权值和阈值可以将BP网络模型训练至适用于进行因子评价),一步一步得到能输出和预想结果一致的模型,在模型输出趋于稳定(模型稳定:输出和预想结果一致)后,确定第一层级因子评价模块,为后续进行层级间的因子评价提供模块支持。
S50:根据所述底层评价因子集,遍历所述物联网传感信息、所述环境结构模型参数、所述建筑结构模型和所述资源结构模型进行采集,获取底层评价因子特征值;
S60:将所述底层评价因子特征值输入所述指标评价模型,输出BIM可视化指标评估结果;
S70:将所述BIM可视化指标评估结果在BIM模型中进行可视化显示。
具体而言,将所述物联网传感信息、所述环境结构模型参数、所述建筑结构模型和所述资源结构模型作为采集的限制信息,根据所述底层评价因子集,遍历所述物联网传感信息、所述环境结构模型参数、所述建筑结构模型和所述资源结构模型进行采集(为进行建模数据处理提供数据来源),获取底层评价因子特征值;将所述底层评价因子特征值作为输入信息,输入所述指标评价模型,输出BIM可视化指标评估结果;将所述BIM可视化指标评估结果在BIM模型中进行可视化显示,为建筑建模数据可视化处理提供技术支持。
综上所述,本申请实施例所提供的一种基于BIM技术的建筑建模数据处理方法及系统具有如下技术效果:
1.由于采用了获取BIM建模基本信息;对BIM可视化指标进行多级关联度分析,获取指标评价因子分布树;遍历指标评价因子分布树进行权重分布,获取多层级权重分布结果;根据指标评价因子分布树和多层级权重分布结果,训练指标评价模型;根据底层评价因子集,遍历物联网传感信息、环境结构模型参数、建筑结构模型和资源结构模型进行采集,获取底层评价因子特征值,输入指标评价模型,输出BIM可视化指标评估结果,在BIM模型中进行可视化显示,本申请通过提供了一种基于BIM技术的建筑建模数据处理方法及系统,实现了依照底层数据类型,限定取用建筑数据类型,丰富建筑数据的调取方式,最大限度规避了数据调用失败,提升处理建筑数据处理效率的技术效果。
2.由于采用了获取预设数据集合;对BIM可视化指标进行一级关联度分析,获取一级指标评价因子集;遍历一级指标评价因子集,判断是否属于预设数据集合;对不属于预设数据集合的一级指标评价因子进行二级关联度分析,获取二级指标评价因子集;直到不属于预设数据集合N级指标评价因子为零,获取一级指标评价因子集、二级指标评价因子集直到N级指标评价因子集,构建指标评价因子分布树,通过判断是否属于预设数据集合的方式,可以保证指标评价因子分布树划分到最小单位,细化的分类对后续进行精确分析提供了基础。
实施例二
基于与前述实施例中一种基于BIM技术的建筑建模数据处理方法相同的发明构思,如图4所示,本申请实施例提供了一种基于BIM技术的建筑建模数据处理系统,其中,所述系统包括:
基本信息获取模块100,用于获取BIM建模基本信息,其中,所述BIM建模基本信息包括物联网传感信息、环境结构模型参数、建筑结构模型和资源结构模型;
关联度分析模块200,用于对BIM可视化指标进行多级关联度分析,获取指标评价因子分布树,其中,所述指标评价因子分布树包括底层评价因子集,所述底层评价因子集表征可直接采集的预设数据;
权重分布模块300,用于遍历所述指标评价因子分布树进行权重分布,获取多层级权重分布结果;
模型训练模块400,用于根据所述指标评价因子分布树和所述多层级权重分布结果,训练指标评价模型;
特征值采集模块500,用于根据所述底层评价因子集,遍历所述物联网传感信息、所述环境结构模型参数、所述建筑结构模型和所述资源结构模型进行采集,获取底层评价因子特征值;
指标评价模块600,用于将所述底层评价因子特征值输入所述指标评价模型,输出BIM可视化指标评估结果;
可视化显示模块700,用于将所述BIM可视化指标评估结果在BIM模型中进行可视化显示。
进一步的,所述系统包括:
预设数据集合获取模块,用于根据所述物联网传感信息、所述环境结构模型参数、所述建筑结构模型和所述资源结构模型,获取预设数据集合;
一级关联度分析模块,用于对所述BIM可视化指标进行一级关联度分析,获取一级指标评价因子集;
指标评价因子判断模块,用于遍历所述一级指标评价因子集,判断是否属于所述预设数据集合;
二级关联度分析模块,用于对不属于所述预设数据集合的一级指标评价因子进行二级关联度分析,获取二级指标评价因子集;
指标评价因子集获取模块,用于直到所述不属于所述预设数据集合N级指标评价因子为零,获取所述一级指标评价因子集、所述二级指标评价因子集直到N级指标评价因子集;
指标评价因子分布树构建模块,用于根据所述一级指标评价因子集、所述二级指标评价因子集直到所述N级指标评价因子集,构建所述指标评价因子分布树。
进一步的,所述系统包括:
第一记录数据采集模块,用于以所述物联网传感信息、所述环境结构模型参数、所述建筑结构模型和所述资源结构模型筛选场景参数,采集BIM可视化指标评价记录数据;
评价因子提取模块,用于根据所述BIM可视化指标评价记录数据,提取第i准评价因子;
支持度分析模块,用于对所述第i准评价因子进行支持度分析,获取第i准评价因子支持度,其中,所述第i准评价因子支持度为第i准评价因子的记录条数与所述BIM可视化指标评价记录数据总条数之比;
关联度分析模块,用于对所述第i准评价因子进行关联度分析,获取第i准评价因子关联度;
评价因子添加模块,用于当所述第i准评价因子支持度满足支持度阈值,且所述第i准评价因子关联度满足关联度阈值,将所述第i准评价因子设为第i评价因子,添加进所述一级指标评价因子集。
进一步的,所述系统包括:
序列筛选模块,用于根据所述第i准评价因子,从所述BIM可视化指标评价记录数据,筛选第i基准序列;
比对序列生成模块,用于根据所述BIM可视化指标评价记录数据,生成第i基准序列和第i比对序列;
无量纲调整模块,用于对所述第i基准序列和所述第i比对序列进行无量纲调整,生成第i基准序列处理结果和第i比对序列处理结果;
关联系数评价公式获取模块,用于获取关联系数评价公式: ,其中,表征第i基准序列处理结果的第k个指标评价记录值,表征第i比对序列处理结
果的第k个因子特征值记录数据,和一一对应,p表征分辨系数,表征
第k个指标评价记录值和第k个因子特征值记录数据的关联系数;
关联系数获取模块,用于根据所述关联系数评价公式遍历所述第i基准序列处理结果和所述第i比对序列处理结果,获取多个第i准评价因子关联系数;
均值运算模块,用于对所述多个第i准评价因子关联系数进行均值运算,获取所述第i准评价因子关联度。
进一步的,所述系统包括:
分支因子集获取模块,用于遍历所述指标评价因子分布树,获取第m分支因子集;
层级因子集获取模块,用于遍历所述第m分支因子集,获取第q层级因子集,其中,所述第q层级因子集属于相同分支,且属于相同层级;
关联度匹配模块,用于根据所述第q层级因子集进行准评价因子关联度匹配,获取第q层级因子关联度集合;
多层级权重分布结果添加模块,用于根据所述第q层级因子关联度集合进行所述第q层级因子集权重分布,生成第q层级因子集权重分布结果,添加进所述多层级权重分布结果。
进一步的,所述系统包括:
因子与因子集获取模块,用于根据所述指标评价因子分布树,获取第一层级因子和第二层级因子集,其中,所述第二层级因子集为所述第一层级因子的分支因子,用于评价所述第一层级因子;
映射关系判断模块,用于判断所述第一层级因子和所述第二层级因子集是否具有量化映射关系;
第一层级因子评价模块构建模块,用于若具有,获取预设量化映射关系,根据所述多层级权重分布结果对所述预设量化映射关系进行调整,构建第一层级因子评价模块;
合并规则设定模块,用于根据所述指标评价因子分布树,设定评价模块合并规则;
合并规则添加模块,用于将所述第一层级因子评价模块按照评价模块合并规则添加进所述指标评价模型。
进一步的,所述系统包括:
第二记录数据采集模块,用于若不具有,根据所述第二层级因子集,采集第二层级因子集记录数据;
赋权计算模块,用于根据所述多层级权重分布结果遍历所述第二层级因子集记录数据进行赋权计算,获取第二层级因子集记录数据转换结果;
记录数据采集模块,用于根据所述第一层级因子,采集第一层级因子记录数据,其中,所述第一层级因子记录数据和所述第二层级因子集记录数据一一对应;
监督训练模块,用于根据所述第一层级因子记录数据和所述第二层级因子集记录数据转换结果进行有监督训练,生成所述第一层级因子评价模块。
综上所述的方法的任意步骤都可作为计算机指令或者程序存储在不设限制的计算机存储器中,并可以被不设限制的计算机处理器调用识别用以实现本申请实施例中的任一项方法,在此不做多余限制。
进一步的,综上所述的第一或第二可能不止代表次序关系,也可能代表某项特指概念,和/或指的是多个元素之间可单独或全部选择。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样,倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。
Claims (8)
1.一种基于BIM技术的建筑建模数据处理方法,其特征在于,包括:
获取BIM建模基本信息,其中,所述BIM建模基本信息包括物联网传感信息、环境结构模型参数、建筑结构模型和资源结构模型;
对BIM可视化指标进行多级关联度分析,获取指标评价因子分布树,其中,所述指标评价因子分布树包括底层评价因子集,所述底层评价因子集表征可直接采集的预设数据;
遍历所述指标评价因子分布树进行权重分布,获取多层级权重分布结果;
根据所述指标评价因子分布树和所述多层级权重分布结果,训练指标评价模型;
根据所述底层评价因子集,遍历所述物联网传感信息、所述环境结构模型参数、所述建筑结构模型和所述资源结构模型进行采集,获取底层评价因子特征值;
将所述底层评价因子特征值输入所述指标评价模型,输出BIM可视化指标评估结果;
将所述BIM可视化指标评估结果在BIM模型中进行可视化显示。
2.如权利要求1所述的方法,其特征在于,所述对BIM可视化指标进行多级关联度分析,获取指标评价因子分布树,其中,所述指标评价因子分布树包括底层评价因子集,所述底层评价因子集表征可直接采集的预设数据,包括:
根据所述物联网传感信息、所述环境结构模型参数、所述建筑结构模型和所述资源结构模型,获取预设数据集合;
对所述BIM可视化指标进行一级关联度分析,获取一级指标评价因子集;
遍历所述一级指标评价因子集,判断是否属于所述预设数据集合;
对不属于所述预设数据集合的一级指标评价因子进行二级关联度分析,获取二级指标评价因子集;
直到所述不属于所述预设数据集合N级指标评价因子为零,获取所述一级指标评价因子集、所述二级指标评价因子集直到N级指标评价因子集;
根据所述一级指标评价因子集、所述二级指标评价因子集直到所述N级指标评价因子集,构建所述指标评价因子分布树。
3.如权利要求2所述的方法,其特征在于,所述对所述BIM可视化指标进行一级关联度分析,获取一级指标评价因子集,包括:
以所述物联网传感信息、所述环境结构模型参数、所述建筑结构模型和所述资源结构模型筛选场景参数,采集BIM可视化指标评价记录数据;
根据所述BIM可视化指标评价记录数据,提取第i准评价因子;
对所述第i准评价因子进行支持度分析,获取第i准评价因子支持度,其中,所述第i准评价因子支持度为第i准评价因子的记录条数与所述BIM可视化指标评价记录数据总条数之比;
对所述第i准评价因子第i评价因子进行关联度分析,获取第i准评价因子关联度;
当所述第i准评价因子支持度满足支持度阈值,且所述第i准评价因子关联度满足关联度阈值,将所述第i准评价因子设为第i评价因子,添加进所述一级指标评价因子集。
4.如权利要求3所述的方法,其特征在于,所述对所述第i准评价因子第i评价因子进行关联度分析,获取第i准评价因子关联度,包括:
根据所述第i准评价因子第i评价因子,从所述BIM可视化指标评价记录数据,筛选第i基准序列;
根据所述BIM可视化指标评价记录数据,生成第i基准序列和第i比对序列;
对所述第i基准序列和所述第i比对序列进行无量纲调整,生成第i基准序列处理结果和第i比对序列处理结果;
获取关联系数评价公式:
其中表征第i基准序列处理结果的第k个指标评价记录值,/>表征第i比对序列处理结果的第k个因子特征值记录数据,/>和/>一一对应,p表征分辨系数,/>表征第k个指标评价记录值和第k个因子特征值记录数据的关联系数;
根据所述关联系数评价公式遍历所述第i基准序列处理结果和所述第i比对序列处理结果,获取多个第i准评价因子关联系数;
对所述多个第i准评价因子关联系数进行均值运算,获取所述第i准评价因子关联度。
5.如权利要求4所述的方法,其特征在于,所述遍历所述指标评价因子分布树进行权重分布,获取多层级权重分布结果,包括:
遍历所述指标评价因子分布树,获取第m分支因子集;
遍历所述第m分支因子集,获取第q层级因子集,其中,所述第q层级因子集属于相同分支,且属于相同层级;
根据所述第q层级因子集进行准评价因子关联度匹配,获取第q层级因子关联度集合;
根据所述第q层级因子关联度集合进行所述第q层级因子集权重分布,生成第q层级因子集权重分布结果,添加进所述多层级权重分布结果。
6.如权利要求1所述的方法,其特征在于,所述根据所述指标评价因子分布树和所述多层级权重分布结果,训练指标评价模型,包括:
根据所述指标评价因子分布树,获取第一层级因子和第二层级因子集,其中,所述第二层级因子集为所述第一层级因子的分支因子,用于评价所述第一层级因子;
判断所述第一层级因子和所述第二层级因子集是否具有量化映射关系;
若具有,获取预设量化映射关系,根据所述多层级权重分布结果对所述预设量化映射关系进行调整,构建第一层级因子评价模块;
根据所述指标评价因子分布树,设定评价模块合并规则;
将所述第一层级因子评价模块按照评价模块合并规则添加进所述指标评价模型。
7.如权利要求6所述的方法,其特征在于,所述判断所述第一层级因子和所述第二层级因子集是否具有量化映射关系,包括:
若不具有,根据所述第二层级因子集,采集第二层级因子集记录数据;
根据所述多层级权重分布结果遍历所述第二层级因子集记录数据进行赋权计算,获取第二层级因子集记录数据转换结果;
根据所述第一层级因子,采集第一层级因子记录数据,其中,所述第一层级因子记录数据和所述第二层级因子集记录数据一一对应;
根据所述第一层级因子记录数据和所述第二层级因子集记录数据转换结果进行有监督训练,生成所述第一层级因子评价模块。
8.一种基于BIM技术的建筑建模数据处理系统,其特征在于,用于实施权利要求1-7任一一项所述的一种基于BIM技术的建筑建模数据处理方法,包括:
基本信息获取模块,用于获取BIM建模基本信息,其中,所述BIM建模基本信息包括物联网传感信息、环境结构模型参数、建筑结构模型和资源结构模型;
关联度分析模块,用于对BIM可视化指标进行多级关联度分析,获取指标评价因子分布树,其中,所述指标评价因子分布树包括底层评价因子集,所述底层评价因子集表征可直接采集的预设数据;
权重分布模块,用于遍历所述指标评价因子分布树进行权重分布,获取多层级权重分布结果;
模型训练模块,用于根据所述指标评价因子分布树和所述多层级权重分布结果,训练指标评价模型;
特征值采集模块,用于根据所述底层评价因子集,遍历所述物联网传感信息、所述环境结构模型参数、所述建筑结构模型和所述资源结构模型进行采集,获取底层评价因子特征值;
指标评价模块,用于将所述底层评价因子特征值输入所述指标评价模型,输出BIM可视化指标评估结果;
可视化显示模块,用于将所述BIM可视化指标评估结果在BIM模型中进行可视化显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310120372.7A CN115859450A (zh) | 2023-02-16 | 2023-02-16 | 一种基于bim技术的建筑建模数据处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310120372.7A CN115859450A (zh) | 2023-02-16 | 2023-02-16 | 一种基于bim技术的建筑建模数据处理方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115859450A true CN115859450A (zh) | 2023-03-28 |
Family
ID=85658130
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310120372.7A Withdrawn CN115859450A (zh) | 2023-02-16 | 2023-02-16 | 一种基于bim技术的建筑建模数据处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115859450A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116823056A (zh) * | 2023-07-07 | 2023-09-29 | 中国标准化研究院 | 一种人因工效分析方法及系统 |
CN117057522A (zh) * | 2023-06-12 | 2023-11-14 | 广东飞腾工程咨询有限公司 | 造价数据库的智能构建方法及系统 |
-
2023
- 2023-02-16 CN CN202310120372.7A patent/CN115859450A/zh not_active Withdrawn
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117057522A (zh) * | 2023-06-12 | 2023-11-14 | 广东飞腾工程咨询有限公司 | 造价数据库的智能构建方法及系统 |
CN117057522B (zh) * | 2023-06-12 | 2024-03-08 | 广东飞腾工程咨询有限公司 | 造价数据库的智能构建方法及系统 |
CN116823056A (zh) * | 2023-07-07 | 2023-09-29 | 中国标准化研究院 | 一种人因工效分析方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115859450A (zh) | 一种基于bim技术的建筑建模数据处理方法及系统 | |
CN110703057B (zh) | 基于数据增强和神经网络的电力设备局部放电诊断方法 | |
Dias et al. | Off the beaten track: A new linear model for interval data | |
CN116090839B (zh) | 水资源耦合系统多重风险分析与评估方法及系统 | |
CN111178585A (zh) | 基于多算法模型融合的故障接报量预测方法 | |
CN113340286B (zh) | 一种土地规划勘察勘测项目测绘信息数据分析方法、设备及计算机存储介质 | |
CN114792169A (zh) | 基于MIC-XGBoost算法的居民用水量预测方法 | |
CN116706992A (zh) | 一种分布式光伏集群的自适应功率预测方法、装置和设备 | |
CN116187835A (zh) | 一种基于数据驱动的台区理论线损区间估算方法及系统 | |
CN114241425B (zh) | 垃圾检测模型的训练方法、装置、存储介质及设备 | |
CN117556369B (zh) | 一种动态生成的残差图卷积神经网络的窃电检测方法及系统 | |
CN114529154A (zh) | 人口规模预测指标体系的构建方法、预测方法、装置及系统 | |
CN117314266A (zh) | 一种基于超图注意力机制的新型科技人才智能评价方法 | |
AU2020101462A4 (en) | Method and device for predicting and evaluating regional eco-quality annual harvest | |
CN113129188A (zh) | 一种基于人工智能大数据的省级教育教学评估系统 | |
CN110264010B (zh) | 新型乡村电力饱和负荷预测方法 | |
CN117033923A (zh) | 一种基于可解释性机器学习的犯罪数量预测方法及系统 | |
CN113902222B (zh) | 一种新能源智慧运维系统 | |
CN114820074A (zh) | 基于机器学习的目标用户群体预测模型构建方法 | |
CN114676586A (zh) | 一种基于多维、多时空的数字模拟与仿真的建构方法 | |
CN115598459A (zh) | 一种配电网10kV馈线故障停电预测方法 | |
CN114548494B (zh) | 一种可视化造价数据预测智能分析系统 | |
CN113792942B (zh) | 一种国土空间开发利用生态效应动态模拟预测系统 | |
CN115879747B (zh) | 一种数字化防汛抗旱调度方法和系统 | |
CN115907178B (zh) | 一种净生态系统co2交换量的预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20230328 |
|
WW01 | Invention patent application withdrawn after publication |