CN116992546A - 一种基于人工智能的建筑设计方案优化系统 - Google Patents
一种基于人工智能的建筑设计方案优化系统 Download PDFInfo
- Publication number
- CN116992546A CN116992546A CN202311191971.4A CN202311191971A CN116992546A CN 116992546 A CN116992546 A CN 116992546A CN 202311191971 A CN202311191971 A CN 202311191971A CN 116992546 A CN116992546 A CN 116992546A
- Authority
- CN
- China
- Prior art keywords
- module
- sub
- optimization
- construction
- algorithm
- 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- Withdrawn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
- 238000013461 design Methods 0.000 title claims abstract description 58
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 18
- 238000005457 optimization Methods 0.000 claims abstract description 139
- 238000010276 construction Methods 0.000 claims abstract description 112
- 239000000463 material Substances 0.000 claims abstract description 110
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 80
- 238000007726 management method Methods 0.000 claims abstract description 63
- 238000011156 evaluation Methods 0.000 claims abstract description 49
- 238000012423 maintenance Methods 0.000 claims abstract description 49
- 238000004519 manufacturing process Methods 0.000 claims abstract description 47
- 238000013439 planning Methods 0.000 claims abstract description 33
- 230000007613 environmental effect Effects 0.000 claims abstract description 23
- 238000013528 artificial neural network Methods 0.000 claims abstract description 20
- 238000003066 decision tree Methods 0.000 claims abstract description 18
- 230000002068 genetic effect Effects 0.000 claims abstract description 13
- 238000002922 simulated annealing Methods 0.000 claims abstract description 13
- 238000005265 energy consumption Methods 0.000 claims abstract description 12
- 230000006870 function Effects 0.000 claims description 21
- 238000012544 monitoring process Methods 0.000 claims description 21
- 238000004458 analytical method Methods 0.000 claims description 20
- 238000005516 engineering process Methods 0.000 claims description 15
- 230000000694 effects Effects 0.000 claims description 12
- 238000012502 risk assessment Methods 0.000 claims description 10
- 238000013468 resource allocation Methods 0.000 claims description 9
- 238000007405 data analysis Methods 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 8
- 238000004134 energy conservation Methods 0.000 claims description 7
- 230000009467 reduction Effects 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 7
- 238000013527 convolutional neural network Methods 0.000 claims description 5
- 238000013135 deep learning Methods 0.000 claims description 5
- 238000012938 design process Methods 0.000 claims description 5
- 238000011056 performance test Methods 0.000 claims description 5
- 238000007637 random forest analysis Methods 0.000 claims description 5
- 230000002787 reinforcement Effects 0.000 claims description 5
- 239000000126 substance Substances 0.000 claims description 5
- 230000010485 coping Effects 0.000 claims description 4
- 238000012706 support-vector machine Methods 0.000 claims description 4
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 3
- 238000000556 factor analysis Methods 0.000 claims description 3
- 239000002699 waste material Substances 0.000 description 9
- 230000008901 benefit Effects 0.000 description 6
- 238000000034 method Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013440 design planning Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
- G06N3/0442—Recurrent networks, e.g. Hopfield networks characterised by memory or gating, e.g. long short-term memory [LSTM] or gated recurrent units [GRU]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Human Resources & Organizations (AREA)
- Biophysics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Geometry (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Computer Hardware Design (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Medical Informatics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Mathematical Optimization (AREA)
- Civil Engineering (AREA)
- Pure & Applied Mathematics (AREA)
- Architecture (AREA)
- Structural Engineering (AREA)
- Primary Health Care (AREA)
- Genetics & Genomics (AREA)
Abstract
本发明涉及建筑信息模型技术领域，具体为一种基于人工智能的建筑设计方案优化系统，基于人工智能的建筑设计方案优化系统是由材料选择优化模块、空间布局优化模块、能源管理优化模块、施工规划优化模块、可持续性评估优化模块、构件优化制造模块、安全与风险评估模块、维护与管理系统模块组成。本发明中，采用神经网络和决策树来优化材料选择，实现成本效益最大化，通过遗传算法和进化算法，自动找到最优空间布局，提升设计效率，线性规划和模拟退火算法用于智能优化能源消耗，降低能源成本，施工规划则利用蚁群优化和神经网络，实现资源和时间的有效分配，减少施工成本，多目标优化算法还能综合评估环境影响和资源利用，以实现可持续建筑设计。
Description
技术领域
本发明涉及建筑信息模型技术领域，尤其涉及一种基于人工智能的建筑设计方案优化系统。
背景技术
建筑信息模型是一种综合利用计算机技术和相关软件、硬件设备，以数字化形式对建筑项目进行设计、建造和管理的技术。BIM技术通过构建三维的虚拟模型，集成建筑设计、结构设计、机电工程设计等多个方面的信息，实现建筑生命周期管理。
其中，建筑设计方案优化系统利用BIM技术，对建筑设计方案进行优化。它通过分析建筑参数、约束条件、材料、能耗等方面的数据，运用优化算法和仿真模拟，提供精确的建筑设计方案优化建议。它的目的是提高建筑设计的效率、减少设计错误、降低成本，并改善建筑性能、可持续性和用户体验。为了达成优化效果，该系统通过BIM技术实现建筑设计方案的三维模拟和可视化，可以对建筑的各个方面进行分析和优化。例如，可以模拟建筑的结构受力情况，优化结构设计；模拟建筑的能耗和照明效果，优化能源利用和照明设计；模拟建筑的通风和舒适性，优化空气流动和室内环境等。通过BIM技术的应用，建筑设计方案优化系统能够为设计师提供决策支持，提高设计质量和效果，减少潜在问题，实现更可持续和高效的建筑设计。
现有的建筑设计系统通常依赖人工来进行材料选择、空间布局规划、能源管理、施工规划、评估建筑的可持续性、构件制造、安全风险评估和建筑设备的维护管理等各个环节，需要消耗大量的时间和人力资源，而且在处理复杂问题的时候可能无法做出最优的决策。此外，由于人工设计规划的主观性，会导致优化效果受限。在能源管理方面，限于现有技术的精确度，可能无法在保证效率的同时达到节能的效果。在施工规划和资源管理方面的不足，往往会导致施工成本和工期的增加。同时，对建筑可持续性的评估，也往往局限于从个别方面进行评估，缺乏全面性。在构件制造和安全风险评估方面，由于可能缺乏足够的数据支持，可能无法做出最精准的优化和评估。在建筑设备的维护管理环节，由于过分依赖人工，难以做到实时、精准的维护与管理。
发明内容
本发明的目的是解决现有技术中存在的缺点，而提出的一种基于人工智能的建筑设计方案优化系统。
为了实现上述目的，本发明采用了如下技术方案：一种基于人工智能的建筑设计方案优化系统是由材料选择优化模块、空间布局优化模块、能源管理优化模块、施工规划优化模块、可持续性评估优化模块、构件优化制造模块、安全与风险评估模块、维护与管理系统模块组成；
所述材料选择优化模块采用神经网络和决策树算法，分析建筑需求、材料特性和成本，生成优化材料清单；
所述空间布局优化模块基于优化材料清单，采用遗传算法和进化算法，自动寻找最佳的空间布局方案，生成优化空间布局方案；
所述能源管理优化模块基于优化空间布局方案，采用线性规划和模拟退火算法，进行能源消耗模型和供需关系的智能优化，生成能源优化策略；
所述施工规划优化模块基于能源优化策略，使用蚁群优化算法和神经网络，对施工资源和工期要求进行规划，生成智能施工计划；
所述可持续性评估优化模块基于智能施工计划，运用多目标优化算法，进行环境影响和资源利用的综合评估，生成可持续性评分；
所述构件优化制造模块基于可持续性评分，利用深度学习和强化学习，优化构件设计和制造工艺，生成优化构件设计；
所述安全与风险评估模块基于优化构件设计，使用贝叶斯网络和随机森林算法，进行安全风险的智能评估，生成风险管理策略；
所述维护与管理系统模块基于风险管理策略，结合BIM技术和数据分析，进行建筑设备的智能维护和管理，生成维护管理方案。
作为本发明的进一步方案：所述材料选择优化模块包括需求分析子模块、成本评估子模块、材料特性子模块；
所述空间布局优化模块包括功能需求子模块、用户体验子模块、空间效率子模块；
所述能源管理优化模块包括能源需求子模块、供需平衡子模块、节能减排子模块；
所述施工规划优化模块包括施工顺序子模块、资源利用子模块、工期安排子模块；
所述可持续性评估优化模块包括环境影响子模块、资源利用子模块、社会经济子模块；
所述构件优化制造模块包括材料选择子模块、制造工艺子模块、性能测试子模块；
所述安全与风险评估模块包括结构安全子模块、施工安全子模块、灾害应对子模块；
所述维护与管理系统模块包括远程监控子模块、故障预警子模块、维护计划子模块。
作为本发明的进一步方案：所述需求分析子模块采用神经网络，对项目需求进行分析，确定所需材料类型，生成材料需求清单；
所述成本评估子模块基于材料需求清单，采用决策树算法，评估每种材料的成本，生成材料成本估算；
所述材料特性子模块基于材料需求清单和材料成本估算，使用卷积神经网络，对材料的物理和化学特性进行分析，生成优化材料清单。
作为本发明的进一步方案：所述功能需求子模块基于优化材料清单，采用遗传算法，分析项目的功能需求，确定每个空间的功能属性，生成空间功能表；
所述用户体验子模块基于空间功能表，使用进化算法，采用用户角度分析空间布局，生成用户体验优化建议；
所述空间效率子模块结合用户体验优化建议和优化材料清单，使用遗传算法，对空间布局进行优化，生成优化空间布局方案。
作为本发明的进一步方案：所述能源需求子模块基于优化空间布局方案，采用线性规划，计算建筑的能源需求，生成建筑能源需求报告；
所述供需平衡子模块基于建筑能源需求报告，使用模拟退火算法，保持能源供应与需求之间的平衡，生成能源供需平衡方案；
所述节能减排子模块结合能源供需平衡方案，利用线性规划，提出能源优化策略。
作为本发明的进一步方案：所述施工顺序子模块基于能源优化策略，采用蚁群优化算法，规划施工的顺序，生成施工顺序计划；
所述资源利用子模块结合施工顺序计划，使用神经网络，优化施工所需资源，生成资源分配表；
所述工期安排子模块基于资源分配表，采用蚁群优化算法，规划施工的总体时间表，生成智能施工计划。
作为本发明的进一步方案：所述环境影响子模块基于智能施工计划，采用蒙特卡洛模拟，对施工活动的各种可能环境影响进行概率性评，生成环境影响评估报告；
所述资源利用子模块结合环境影响评估报告，运用线性规划算法，进行资源分配和利用的最优化评估，生成资源利用效率表；
所述社会经济子模块基于资源利用效率表，采用因子分析，对社会经济影响进行多维度评估，生成可持续性评分。
作为本发明的进一步方案：所述材料选择子模块基于可持续性评分，利用决策树分析，选择构件材料，生成构件材料清单；
所述制造工艺子模块结合构件材料清单，运用模拟退火算法，确定制造工艺的最优解，生成制造工艺建议；
所述性能测试子模块基于制造工艺建议，使用贝叶斯优化，对构件性能进行微调和测试，生成优化构件设计。
作为本发明的进一步方案：所述结构安全子模块基于优化构件设计，使用有限元分析来评估建筑结构的安全性，生成结构安全评估报告；
所述施工安全子模块结合结构安全评估报告，运用支持向量机来分析施工中的风险项目，生成施工风险清单；
所述灾害应对子模块基于施工风险清单，采用决策树算法来制定灾害应对策略，生成风险管理策略。
作为本发明的进一步方案：所述远程监控子模块基于风险管理策略，结合物联网技术，实现建筑设备的远程监控，生成远程监控系统；
所述故障预警子模块结合远程监控系统，通过包括自动回归和长短时记忆网络的时序数据分析，实时监测设备运行状态，并预警潜在故障，生成故障预警报告；
所述维护计划子模块基于故障预警报告，运用线性规划算法，制定设备维护计划，生成维护管理方案。
与现有技术相比，本发明的优点和积极效果在于：
本发明中，通过神经网络和决策树算法，系统可以自动优化材料选择，分析建筑需求、材料特性和成本，以最小的投入得到最优的建筑效果。通过使用遗传算法和进化算法，系统采用自动化的方式寻找最佳空间布局方案，不仅提升了设计效率，也优化了使用空间。在能源管理方面，通过线性规划和模拟退火算法，系统能够对能源消耗模型和供需关系进行智能优化，得到更节能的能源优化策略。在施工规划阶段，利用蚁群优化算法和神经网络智能地规划施工资源和工期，降低了施工成本和时间。通过运用多目标优化算法，系统能够对环境影响和资源利用进行综合评估，以实现可持续的建筑设计。
附图说明
图1为本发明的系统流程图；
图2为本发明的系统框图；
图3为本发明的材料选择优化模块流程图；
图4为本发明的空间布局优化模块流程图；
图5为本发明的能源管理优化模块流程图；
图6为本发明的施工规划优化模块流程图；
图7为本发明的可持续性评估优化模块流程图；
图8为本发明的构件优化制造模块流程图；
图9为本发明的安全与风险评估模块流程图；
图10为本发明的维护与管理系统模块流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
在本发明的描述中，需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
实施例一
请参阅图1，一种基于人工智能的建筑设计方案优化系统是由材料选择优化模块、空间布局优化模块、能源管理优化模块、施工规划优化模块、可持续性评估优化模块、构件优化制造模块、安全与风险评估模块、维护与管理系统模块组成；
材料选择优化模块采用神经网络和决策树算法，分析建筑需求、材料特性和成本，生成优化材料清单；
空间布局优化模块基于优化材料清单，采用遗传算法和进化算法，自动寻找最佳的空间布局方案，生成优化空间布局方案；
能源管理优化模块基于优化空间布局方案，采用线性规划和模拟退火算法，进行能源消耗模型和供需关系的智能优化，生成能源优化策略；
施工规划优化模块基于能源优化策略，使用蚁群优化算法和神经网络，对施工资源和工期要求进行规划，生成智能施工计划；
可持续性评估优化模块基于智能施工计划，运用多目标优化算法，进行环境影响和资源利用的综合评估，生成可持续性评分；
构件优化制造模块基于可持续性评分，利用深度学习和强化学习，优化构件设计和制造工艺，生成优化构件设计；
安全与风险评估模块基于优化构件设计，使用贝叶斯网络和随机森林算法，进行安全风险的智能评估，生成风险管理策略；
维护与管理系统模块基于风险管理策略，结合BIM技术和数据分析，进行建筑设备的智能维护和管理，生成维护管理方案。
通过对建筑需求、材料特性和成本的精确分析，系统能自动生成一个优化的材料清单。这不仅可以节省材料成本，还可以减少资源浪费，提高建筑的生态效益。采用遗传算法和进化算法自动寻找最佳的空间布局方案，确保建筑内部的空间得到充分利用，从而提高建筑的使用效率。能源管理优化模块针对建筑的能源消耗模型进行智能优化，使建筑在满足使用需求的同时，能源消耗达到最小，减少对环境的影响。蚁群优化算法和神经网络为施工团队提供了一个精确、高效的工期和资源规划，减少了工程的延误，确保项目按时、按预算完成。通过对环境影响和资源利用的综合评估，项目方可以清楚地了解建筑的可持续性，从而在设计和施工阶段做出有益于环境的决策。深度学习和强化学习的应用，使得构件设计和制造工艺得到了优化，为建筑行业带来了新的设计和制造理念。通过贝叶斯网络和随机森林算法的应用，项目方可以提前预知潜在的安全风险，采取预防措施，从而大大减少了事故发生的可能性。结合BIM技术和数据分析，系统能够实时监测建筑的运行状态，预测潜在问题，从而减少维护成本，延长建筑的使用寿命。
请参阅图2，材料选择优化模块包括需求分析子模块、成本评估子模块、材料特性子模块；
空间布局优化模块包括功能需求子模块、用户体验子模块、空间效率子模块；
能源管理优化模块包括能源需求子模块、供需平衡子模块、节能减排子模块；
施工规划优化模块包括施工顺序子模块、资源利用子模块、工期安排子模块；
可持续性评估优化模块包括环境影响子模块、资源利用子模块、社会经济子模块；
构件优化制造模块包括材料选择子模块、制造工艺子模块、性能测试子模块；
安全与风险评估模块包括结构安全子模块、施工安全子模块、灾害应对子模块；
维护与管理系统模块包括远程监控子模块、故障预警子模块、维护计划子模块。
通过材料选择优化模块的需求分析子模块，可以确保选取材料符合项目需求和规格要求。成本评估子模块则可以评估不同材料的成本效益，帮助优化项目预算。材料特性子模块则有助于选择具有合适特性的材料，以满足设计和功能要求。
在空间布局优化模块中，功能需求子模块能够确保空间布局满足项目的功能需求，提供良好的使用体验。用户体验子模块关注用户的舒适度和满意度，确保空间设计符合用户期望。空间效率子模块则注重最大化空间利用，提高整体空间效率。
能源管理优化模块的能源需求子模块可评估项目的能源需求，并寻求优化方案以提高能源效率。供需平衡子模块可以确保项目的能源供应与需求之间的平衡，保证稳定运行。节能减排子模块有助于减少能源消耗和减少环境污染。
施工规划优化模块中的施工顺序子模块可以优化施工流程，提高工程施工的效率。资源利用子模块可以有效管理和优化项目所需的资源，实现资源的最大利用。工期安排子模块有助于制定合理的工期计划，确保项目按时完成。
可持续性评估优化模块的环境影响子模块能够评估项目对环境的影响并提供环境保护措施。资源利用子模块有助于优化资源的使用，减少浪费。社会经济子模块则考虑项目对社会和经济的影响，并寻找平衡发展的策略。
构件优化制造模块的材料选择子模块可优化构件材料的选择，以提高构件的性能和质量。制造工艺子模块则致力于优化构件的制造过程，提高生产效率和质量控制。性能测试子模块则确保构件能够满足项目要求，具备良好的性能。
安全与风险评估模块中的结构安全子模块能够评估项目的结构安全性，并提供相应的安全防护措施。施工安全子模块有助于规划和管理施工过程中的安全措施，确保工人和现场的安全。灾害应对子模块则关注项目所处环境的风险和灾害，制定相应的应对措施。
维护与管理系统模块中的远程监控子模块可实现对项目的实时监控和管理，及时发现和解决问题。故障预警子模块可以提前检测并预测设备或系统的故障，并采取相应的维修和维护措施。维护计划子模块有助于制定合理的维护计划，延长项目的使用寿命和提高运行效率。
请参阅图3，需求分析子模块采用神经网络，对项目需求进行分析，确定所需材料类型，生成材料需求清单；
成本评估子模块基于材料需求清单，采用决策树算法，评估每种材料的成本，生成材料成本估算；
材料特性子模块基于材料需求清单和材料成本估算，使用卷积神经网络，对材料的物理和化学特性进行分析，生成优化材料清单。
首先，需求分析子模块采用神经网络可以准确分析项目需求，确保所选择的材料类型符合项目要求，并生成清晰的材料需求清单。其次，成本评估子模块利用决策树算法对材料成本进行评估，提供准确的成本估算，帮助控制项目预算，并支持经济效益分析。再者，材料特性子模块利用卷积神经网络分析材料的物理和化学特性，生成优化材料清单，从而提供更合适的材料选择，增强项目的可靠性和性能。
请参阅图4，功能需求子模块基于优化材料清单，采用遗传算法，分析项目的功能需求，确定每个空间的功能属性，生成空间功能表；
用户体验子模块基于空间功能表，使用进化算法，采用用户角度分析空间布局，生成用户体验优化建议；
空间效率子模块结合用户体验优化建议和优化材料清单，使用遗传算法，对空间布局进行优化，生成优化空间布局方案。
首先，确保功能需求的准确实现，使每个空间都具备所需的功能属性，增强项目的功能性和实用性。其次，优化用户体验，提升空间的舒适性、可用性和满意度，使用户获得更好的使用体验。此外，优化空间布局可以提高空间的利用效率和经济性，优化资源利用和成本控制。整合这些优化模块的综合效果是实现项目的整体优化，提升空间的质量、性能和可持续性。
请参阅图5，能源需求子模块基于优化空间布局方案，采用线性规划，计算建筑的能源需求，生成建筑能源需求报告；
供需平衡子模块基于建筑能源需求报告，使用模拟退火算法，保持能源供应与需求之间的平衡，生成能源供需平衡方案；
节能减排子模块结合能源供需平衡方案，利用线性规划，提出能源优化策略。
首先，通过精确计算能源需求和保持供需平衡，可以合理规划能源供应，提高能源利用效率，降低能源的浪费。其次，提出节能减排策略能够有效降低二氧化碳排放和其他环境污染物的排放，减轻对环境的负面影响。此外，这些优化模块的协同工作还有助于减少能源成本，提高建筑的经济性和可持续性。
请参阅图6，施工顺序子模块基于能源优化策略，采用蚁群优化算法，规划施工的顺序，生成施工顺序计划；
资源利用子模块结合施工顺序计划，使用神经网络，优化施工所需资源，生成资源分配表；
工期安排子模块基于资源分配表，采用蚁群优化算法，规划施工的总体时间表，生成智能施工计划。
首先，降低能源消耗和浪费，提高施工效率，节省能源成本。其次，减少资源浪费，优化资源利用，降低采购和物流成本，提高资源利用效率。此外，通过优化施工进度和时间表，减少时间浪费，提高施工效率和时间成本效益。综合考虑能源、资源和时间的优化，综合应用这些优化模块可以提高施工项目的可持续性，降低对环境的影响，实现更高的经济效益。
请参阅图7，环境影响子模块基于智能施工计划，采用蒙特卡洛模拟，对施工活动的各种可能环境影响进行概率性评，生成环境影响评估报告；
资源利用子模块结合环境影响评估报告，运用线性规划算法，进行资源分配和利用的最优化评估，生成资源利用效率表；
社会经济子模块基于资源利用效率表，采用因子分析，对社会经济影响进行多维度评估，生成可持续性评分。
首先，减少施工对环境的不良影响，实现可持续建设和环境保护的目标。其次，优化资源利用，减少资源浪费，提高资源利用效率，实现资源的可持续利用和资源节约。此外，综合考虑社会经济因素，评估项目的社会经济影响，促进社会经济的可持续发展和公平繁荣。综合应用这些优化模块可以实现施工活动的环境友好、资源高效利用和社会经济可持续发展的目标。
请参阅图8，材料选择子模块基于可持续性评分，利用决策树分析，选择构件材料，生成构件材料清单；
制造工艺子模块结合构件材料清单，运用模拟退火算法，确定制造工艺的最优解，生成制造工艺建议；
性能测试子模块基于制造工艺建议，使用贝叶斯优化，对构件性能进行微调和测试，生成优化构件设计。
首先，通过材料选择子模块的可持续性评分和决策树分析，选择符合可持续发展要求的构件材料，在建筑项目中降低环境影响并促进可持续性。其次，制造工艺子模块的模拟退火算法优化制造工艺，提高生产效率和资源利用效率，促进制造过程的可持续性和经济效益。此外，性能测试子模块的贝叶斯优化调整构件性能，并生成优化构件设计，提高构件性能表现，满足项目需求，减少资源浪费和环境风险。通过材料选择的可持续性评估和制造工艺的优化，建筑项目可以选择环境友好的材料并提高生产效率，降低对环境的影响。同时，优化构件设计和性能调整可以提高构件性能和产品质量，满足项目需求，同时减少资源浪费和能源消耗。
请参阅图9，结构安全子模块基于优化构件设计，使用有限元分析来评估建筑结构的安全性，生成结构安全评估报告；
施工安全子模块结合结构安全评估报告，运用支持向量机来分析施工中的风险项目，生成施工风险清单；
灾害应对子模块基于施工风险清单，采用决策树算法来制定灾害应对策略，生成风险管理策略。
首先，通过结构安全子模块的优化构件设计和有限元分析，可以确保建筑结构的安全性和可靠性，预防结构故障和倒塌等风险。其次，施工安全子模块的风险项目分析和支持向量机分析，可以提前识别和管理施工中的各种风险，保障工人和现场人员的安全。此外，灾害应对子模块的风险管理策略制定和决策树算法应用，可以规划并应对自然和人为灾害，最大限度地减少灾害风险对项目的影响，并确保施工过程的顺利进行。综合应用这些优化模块，不仅可以提高建筑结构的安全性，保护人员安全和财产安全，还可降低施工风险、应对灾害风险，确保项目的安全和可持续发展。
请参阅图10，远程监控子模块基于风险管理策略，结合物联网技术，实现建筑设备的远程监控，生成远程监控系统；
故障预警子模块结合远程监控系统，通过包括自动回归和长短时记忆网络的时序数据分析，实时监测设备运行状态，并预警潜在故障，生成故障预警报告；
维护计划子模块基于故障预警报告，运用线性规划算法，制定设备维护计划，生成维护管理方案。
首先，远程监控子模块通过物联网技术实现对建筑设备的远程监控，能够实时获取设备运行数据和状态信息，提高设备管理的及时性和准确性，同时降低人力资源和时间成本。其次，故障预警子模块结合远程监控系统，通过时序数据分析方法实时监测设备运行状态，预警潜在故障。这样可以提前发现设备故障的迹象，采取及时的维修措施，减少生产停机和维修成本，提高设备的可靠性和可用性。此外，维护计划子模块基于故障预警报告，采用线性规划算法制定设备维护计划，合理安排维护任务。通过科学规划维护计划和优化资源利用，可以减少不必要的维护频率和维护成本，延长设备的使用寿命，并确保设备始终处于良好的工作状态。
工作原理：首先，材料选择优化模块利用神经网络和决策树算法分析项目需求，确定所需材料类型，生成材料需求清单，再通过成本评估子模块评估各种材料成本，给出材料成本估算。然后，材料特性子模块使用卷积神经网络分析材料的物理和化学特性，最终生成优化材料清单。
接着，空间布局优化模块以优化材料清单为基础，使用遗传算法和进化算法寻找最佳空间布局方案。它从项目的功能需求出发，逐一确定每个空间的功能，然后基于用户的体验和空间利用效率，使用进化算法进一步优化空间布局，最终形成优化的空间布局方案。
当空间布局确定后，能源管理优化模块开始工作。它首先使用线性规划定出建筑的能源需求，然后通过模拟退火算法保持能源供应与需求的平衡，最后参考节能减排的理念，制定出能源优化策略。
在能源优化策略的指导下，施工规划优化模块运用蚁群优化算法和神经网络对施工顺序，资源利用以及工期进行统筹规划，从而实现工期和资源的最优利用，形成智能施工计划。
可持续性评估优化模块根据施工计划，运用多目标优化算法进行环境影响和资源利用的综合评估，得出建筑工程的环境影响，资源利用率和社会经济影响这三方面的综合评分，衡量了建筑项目的可持续性。
在可持续性评分之后，构件优化制造模块将通过深度学习和强化学习优化构件设计和制造工艺。这一步包括选择适用的材料，确定最优制造工艺，并进行性能测试和优化，最后生成优化的构件设计。
安全与风险评估模块基于优化的构件设计，使用贝叶斯网络和随机森林算法对施工过程的安全风险进行计算和评估，并为每个可能的风险制定相应的风险管理策略。
维护与管理系统模块结合风险管理策略和BIM技术进行建筑设备的智能维护和管理，包括远程监控建筑设备的运行状态，预测设备可能出现的故障，以及制定相应的维护计划，从而生成整体的维护管理方案。
以上，仅是本发明的较佳实施例而已，并非对本发明作其他形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例应用于其他领域，但是凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。
Claims (10)
1.一种基于人工智能的建筑设计方案优化系统，其特征在于：所述基于人工智能的建筑设计方案优化系统是由材料选择优化模块、空间布局优化模块、能源管理优化模块、施工规划优化模块、可持续性评估优化模块、构件优化制造模块、安全与风险评估模块、维护与管理系统模块组成；
所述材料选择优化模块采用神经网络和决策树算法，分析建筑需求、材料特性和成本，生成优化材料清单；
所述空间布局优化模块基于优化材料清单，采用遗传算法和进化算法，自动寻找最佳的空间布局方案，生成优化空间布局方案；
所述能源管理优化模块基于优化空间布局方案，采用线性规划和模拟退火算法，进行能源消耗模型和供需关系的智能优化，生成能源优化策略；
所述施工规划优化模块基于能源优化策略，使用蚁群优化算法和神经网络，对施工资源和工期要求进行规划，生成智能施工计划；
所述可持续性评估优化模块基于智能施工计划，运用多目标优化算法，进行环境影响和资源利用的综合评估，生成可持续性评分；
所述构件优化制造模块基于可持续性评分，利用深度学习和强化学习，优化构件设计和制造工艺，生成优化构件设计；
所述安全与风险评估模块基于优化构件设计，使用贝叶斯网络和随机森林算法，进行安全风险的智能评估，生成风险管理策略；
所述维护与管理系统模块基于风险管理策略，结合BIM技术和数据分析，进行建筑设备的智能维护和管理，生成维护管理方案。
2.根据权利要求1所述的基于人工智能的建筑设计方案优化系统，其特征在于：所述材料选择优化模块包括需求分析子模块、成本评估子模块、材料特性子模块；
所述空间布局优化模块包括功能需求子模块、用户体验子模块、空间效率子模块；
所述能源管理优化模块包括能源需求子模块、供需平衡子模块、节能减排子模块；
所述施工规划优化模块包括施工顺序子模块、资源利用子模块、工期安排子模块；
所述可持续性评估优化模块包括环境影响子模块、资源利用子模块、社会经济子模块；
所述构件优化制造模块包括材料选择子模块、制造工艺子模块、性能测试子模块；
所述安全与风险评估模块包括结构安全子模块、施工安全子模块、灾害应对子模块；
所述维护与管理系统模块包括远程监控子模块、故障预警子模块、维护计划子模块。
3.根据权利要求2所述的基于人工智能的建筑设计方案优化系统，其特征在于：所述需求分析子模块采用神经网络，对项目需求进行分析，确定所需材料类型，生成材料需求清单；
所述成本评估子模块基于材料需求清单，采用决策树算法，评估每种材料的成本，生成材料成本估算；
所述材料特性子模块基于材料需求清单和材料成本估算，使用卷积神经网络，对材料的物理和化学特性进行分析，生成优化材料清单。
4.根据权利要求2所述的基于人工智能的建筑设计方案优化系统，其特征在于：所述功能需求子模块基于优化材料清单，采用遗传算法，分析项目的功能需求，确定每个空间的功能属性，生成空间功能表；
所述用户体验子模块基于空间功能表，使用进化算法，采用用户角度分析空间布局，生成用户体验优化建议；
所述空间效率子模块结合用户体验优化建议和优化材料清单，使用遗传算法，对空间布局进行优化，生成优化空间布局方案。
5.根据权利要求2所述的基于人工智能的建筑设计方案优化系统，其特征在于：所述能源需求子模块基于优化空间布局方案，采用线性规划，计算建筑的能源需求，生成建筑能源需求报告；
所述供需平衡子模块基于建筑能源需求报告，使用模拟退火算法，保持能源供应与需求之间的平衡，生成能源供需平衡方案；
所述节能减排子模块结合能源供需平衡方案，利用线性规划，提出能源优化策略。
6.根据权利要求2所述的基于人工智能的建筑设计方案优化系统，其特征在于：所述施工顺序子模块基于能源优化策略，采用蚁群优化算法，规划施工的顺序，生成施工顺序计划；
所述资源利用子模块结合施工顺序计划，使用神经网络，优化施工所需资源，生成资源分配表；
所述工期安排子模块基于资源分配表，采用蚁群优化算法，规划施工的总体时间表，生成智能施工计划。
7.根据权利要求2所述的基于人工智能的建筑设计方案优化系统，其特征在于：所述环境影响子模块基于智能施工计划，采用蒙特卡洛模拟，对施工活动的各种可能环境影响进行概率性评，生成环境影响评估报告；
所述资源利用子模块结合环境影响评估报告，运用线性规划算法，进行资源分配和利用的最优化评估，生成资源利用效率表；
所述社会经济子模块基于资源利用效率表，采用因子分析，对社会经济影响进行多维度评估，生成可持续性评分。
8.根据权利要求2所述的基于人工智能的建筑设计方案优化系统，其特征在于：所述材料选择子模块基于可持续性评分，利用决策树分析，选择构件材料，生成构件材料清单；
所述制造工艺子模块结合构件材料清单，运用模拟退火算法，确定制造工艺的最优解，生成制造工艺建议；
所述性能测试子模块基于制造工艺建议，使用贝叶斯优化，对构件性能进行微调和测试，生成优化构件设计。
9.根据权利要求2所述的基于人工智能的建筑设计方案优化系统，其特征在于：所述结构安全子模块基于优化构件设计，使用有限元分析来评估建筑结构的安全性，生成结构安全评估报告；
所述施工安全子模块结合结构安全评估报告，运用支持向量机来分析施工中的风险项目，生成施工风险清单；
所述灾害应对子模块基于施工风险清单，采用决策树算法来制定灾害应对策略，生成风险管理策略。
10.根据权利要求2所述的基于人工智能的建筑设计方案优化系统，其特征在于：所述远程监控子模块基于风险管理策略，结合物联网技术，实现建筑设备的远程监控，生成远程监控系统；
所述故障预警子模块结合远程监控系统，通过包括自动回归和长短时记忆网络的时序数据分析，实时监测设备运行状态，并预警潜在故障，生成故障预警报告；
所述维护计划子模块基于故障预警报告，运用线性规划算法，制定设备维护计划，生成维护管理方案。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311191971.4A CN116992546A (zh) | 2023-09-14 | 2023-09-14 | 一种基于人工智能的建筑设计方案优化系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311191971.4A CN116992546A (zh) | 2023-09-14 | 2023-09-14 | 一种基于人工智能的建筑设计方案优化系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116992546A true CN116992546A (zh) | 2023-11-03 |
Family
ID=88530375
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311191971.4A Withdrawn CN116992546A (zh) | 2023-09-14 | 2023-09-14 | 一种基于人工智能的建筑设计方案优化系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116992546A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117494284A (zh) * | 2023-11-28 | 2024-02-02 | 安徽大学 | 一种基于绿色生态的环境设计方法及系统 |
| CN117521230A (zh) * | 2024-01-04 | 2024-02-06 | 河北盛通公路建设有限公司 | 一种智能公路施工围栏布置系统 |
| CN117592809A (zh) * | 2023-11-21 | 2024-02-23 | 广州市盾建建设有限公司 | 一种基于人工智能的市政工程施工方案优化方法及系统 |
| CN117611015A (zh) * | 2024-01-22 | 2024-02-27 | 衡水烨通建设工程有限公司 | 一种建筑工程质量实时监测系统 |
| CN117852963A (zh) * | 2024-01-09 | 2024-04-09 | 浙江大学 | 建筑施工质量溯源管理方法及系统 |
| CN117892655A (zh) * | 2024-01-15 | 2024-04-16 | 浙江大学 | 建筑物联网虚拟化管理平台及管理方法及系统 |
-
2023
- 2023-09-14 CN CN202311191971.4A patent/CN116992546A/zh not_active Withdrawn
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117592809A (zh) * | 2023-11-21 | 2024-02-23 | 广州市盾建建设有限公司 | 一种基于人工智能的市政工程施工方案优化方法及系统 |
| CN117592809B (zh) * | 2023-11-21 | 2024-05-10 | 广州市盾建建设有限公司 | 一种基于人工智能的市政工程施工方案优化方法及系统 |
| CN117494284A (zh) * | 2023-11-28 | 2024-02-02 | 安徽大学 | 一种基于绿色生态的环境设计方法及系统 |
| CN117494284B (zh) * | 2023-11-28 | 2024-05-31 | 安徽大学 | 一种基于绿色生态的环境设计方法及系统 |
| CN117521230A (zh) * | 2024-01-04 | 2024-02-06 | 河北盛通公路建设有限公司 | 一种智能公路施工围栏布置系统 |
| CN117521230B (zh) * | 2024-01-04 | 2024-03-05 | 河北盛通公路建设有限公司 | 一种智能公路施工围栏布置系统 |
| CN117852963A (zh) * | 2024-01-09 | 2024-04-09 | 浙江大学 | 建筑施工质量溯源管理方法及系统 |
| CN117892655A (zh) * | 2024-01-15 | 2024-04-16 | 浙江大学 | 建筑物联网虚拟化管理平台及管理方法及系统 |
| CN117611015A (zh) * | 2024-01-22 | 2024-02-27 | 衡水烨通建设工程有限公司 | 一种建筑工程质量实时监测系统 |
| CN117611015B (zh) * | 2024-01-22 | 2024-03-29 | 衡水烨通建设工程有限公司 | 一种建筑工程质量实时监测系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116992546A (zh) | 一种基于人工智能的建筑设计方案优化系统 | |
| Tan et al. | A business process intelligence system for enterprise process performance management | |
| Fatemi et al. | An application of sustainable lean and green strategy with a Six Sigma approach on a manufacturing system | |
| Suo et al. | Multicriteria decision making under uncertainty: An advanced ordered weighted averaging operator for planning electric power systems | |
| Hu et al. | Research and application of capability maturity model for Chinese intelligent manufacturing | |
| CN109409676A (zh) | 一种基于双向风险识别模型的电网项目管理方法及系统 | |
| Hsueh et al. | Constructing a network model to rank the optimal strategy for implementing the sorting process in reverse logistics: case study of photovoltaic industry | |
| Hu et al. | Automation and optimization in crane lift planning: A critical review | |
| CN117436763A (zh) | 一种基于数字化实现建筑劳务全流程精细化管理方法及系统 | |
| Stahl et al. | Combined energy, material and building simulation for green factory planning | |
| CN117436727A (zh) | 一种智能水利调度优化系统 | |
| Tang et al. | A digital twin-assisted collaborative capability optimization model for smart manufacturing system based on Elman-IVIF-TOPSIS | |
| Hu et al. | Optimization of manufacturers based on agent in cloud manufacturing | |
| Yeung et al. | The role of simulation in digital twin construction | |
| CN117217553A (zh) | 一种热电联产系统低碳运行方法 | |
| CN116976839A (zh) | 一种基于网络协同制造的铅蓄电池生产管控方法 | |
| Li et al. | Multi-channel recycling decisions of electric vehicle battery based on SD-dynamic game model | |
| Xiaoxiao et al. | Supply chain complexity meaning and quantitative research | |
| Yang et al. | Designing closed-loop supply chain network for high-salvage perishable products under uncertain environment | |
| Zakizadeh et al. | Transforming the Energy Sector: Unleashing the Potential of AI-Driven Energy Intelligence, Energy Business Intelligence, and Energy Management System for Enhanced Efficiency and Sustainability | |
| CN113506019A (zh) | 一种电网物资供应链评级评价方法 | |
| Figueredo et al. | Multi-objective optimization for time-based preventive maintenance within the transport network: a review | |
| Jaiswal et al. | Optimization of energy consumption via artificial intelligence: A study | |
| Afshari et al. | Distribution-service network design: an agent-based approach | |
| CN201364596Y (zh) | 港口装备制造企业物流协同配送仿真系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20231103 |
|
| WW01 | Invention patent application withdrawn after publication |