CN117113507A - 一种基于建筑信息化的数据采集方法及系统 - Google Patents
一种基于建筑信息化的数据采集方法及系统 Download PDFInfo
- Publication number
- CN117113507A CN117113507A CN202311160018.3A CN202311160018A CN117113507A CN 117113507 A CN117113507 A CN 117113507A CN 202311160018 A CN202311160018 A CN 202311160018A CN 117113507 A CN117113507 A CN 117113507A
- Authority
- CN
- China
- Prior art keywords
- building information
- data
- information model
- model data
- model
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000012545 processing Methods 0.000 claims abstract description 45
- 238000004364 calculation method Methods 0.000 claims abstract description 28
- 239000013598 vector Substances 0.000 claims description 156
- 238000013528 artificial neural network Methods 0.000 claims description 55
- 238000004458 analytical method Methods 0.000 claims description 48
- 238000005457 optimization Methods 0.000 claims description 36
- 230000008569 process Effects 0.000 claims description 35
- 238000007405 data analysis Methods 0.000 claims description 21
- 238000012216 screening Methods 0.000 claims description 18
- 230000000295 complement effect Effects 0.000 claims description 15
- 238000005065 mining Methods 0.000 claims description 11
- 238000013480 data collection Methods 0.000 claims description 8
- 238000013507 mapping Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000013461 design Methods 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
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000004904 shortening 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
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computational Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Structural Engineering (AREA)
- Civil Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Architecture (AREA)
- Pure & Applied Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供的一种基于建筑信息化的数据采集方法及系统，涉及数据处理技术领域。在本发明中，得到待处理建筑信息数据获取请求信息中携带的待匹配建筑信息模型描述数据；获取到每一个候选建筑信息模型对应的模型标识数据，将待匹配建筑信息模型描述数据分别与每一个候选建筑信息模型对应的模型标识数据进行数据匹配计算，以输出与每一个候选建筑信息模型之间的数据匹配参数；依据与每一个候选建筑信息模型之间的数据匹配参数，在多个候选建筑信息模型中确定出目标建筑信息模型，并将对应的目标建筑信息模型数据作为数据采集结果。基于上述方法，可以在一定程度上提高目标建筑信息模型数据的采集效率。
Description
技术领域
本发明涉及数据处理技术领域，具体而言，涉及一种基于建筑信息化的数据采集方法及系统。
背景技术
建筑信息模型(BIM，Building Information Modeling，是一种应用于工程设计、建造、管理的数据化工具，通过对建筑的数据化、信息化模型整合，在项目策划、运行和维护的全生命周期过程中进行共享和传递，使工程技术人员对各种建筑信息作出正确理解和高效应对，为设计团队以及包括建筑、运营单位在内的各方建设主体提供协同工作的基础，在提高生产效率、节约成本和缩短工期方面发挥重要作用)作为建筑信息化中的一种数据，其具有较多的应用。例如，在一些应用中，需要基于用户的需求信息，在较多的建筑信息模型中查找到匹配的目标建筑信息模型，但是，在现有技术中，存在着查找的效率不佳的问题。
发明内容
有鉴于此，本发明的目的在于提供一种基于建筑信息化的数据采集方法及系统，以在一定程度上提高目标建筑信息模型数据的采集效率。
为实现上述目的，本发明实施例采用如下技术方案：
一种基于建筑信息化的数据采集方法，包括：
获取到待处理建筑信息数据获取请求信息，并对所述待处理建筑信息数据获取请求信息进行解析处理，以得到所述待处理建筑信息数据获取请求信息中携带的待匹配建筑信息模型描述数据；
获取到多个候选建筑信息模型中的每一个候选建筑信息模型对应的模型标识数据，所述模型标识数据预先通过对对应的候选建筑信息模型进行数据分析处理形成，以标识对应的候选建筑信息模型；
将所述待匹配建筑信息模型描述数据分别与每一个所述候选建筑信息模型对应的模型标识数据进行数据匹配计算，以输出所述待匹配建筑信息模型描述数据分别与每一个所述候选建筑信息模型之间的数据匹配参数；
依据所述待匹配建筑信息模型描述数据分别与每一个所述候选建筑信息模型之间的数据匹配参数，在所述多个候选建筑信息模型中确定出目标建筑信息模型，并将所述目标建筑信息模型对应的目标建筑信息模型数据作为所述待处理建筑信息数据获取请求信息对应的数据采集结果。
在一些优选的实施例中，在上述基于建筑信息化的数据采集方法中，所述基于建筑信息化的数据采集方法还包括：
进行网络优化以形成优化建筑信息模型分析神经网络；
通过所述优化建筑信息模型分析神经网络，分别对所述多个候选建筑信息模型中的每一个候选建筑信息模型进行数据分析处理，以得到每一个所述候选建筑信息模型对应的模型标识数据。
在一些优选的实施例中，在上述基于建筑信息化的数据采集方法中，所述进行网络优化以形成优化建筑信息模型分析神经网络的步骤，包括：
采集到现下第一示例性建筑信息模型数据簇，以及，依据所述现下第一示例性建筑信息模型数据簇进行网络优化处理，以形成对应的现下建筑信息模型分析神经网络，所述现下第一示例性建筑信息模型数据簇中的第一示例性建筑信息模型数据通过将第二示例性建筑信息模型数据进行实际模型标识数据配置处理形成，所述第二示例性建筑信息模型数据属于从第二示例性建筑信息模型数据簇中筛选出的不具有实际模型标识数据的示例性建筑信息模型数据；
分别对所述第一示例性建筑信息模型数据和其它不具有实际模型标识数据的示例性建筑信息模型数据进行加载处理，以加载到所述现下建筑信息模型分析神经网络中，分析输出所述第一示例性建筑信息模型数据和所述其它不具有实际模型标识数据的示例性建筑信息模型数据各自对应的建筑信息模型数据描述向量，所述其它不具有实际模型标识数据的示例性建筑信息模型数据属于所述第二示例性建筑信息模型数据簇中所述第二示例性建筑信息模型数据以外的不具有实际模型标识数据的示例性建筑信息模型数据，所述建筑信息模型数据描述向量用于进行分析输出对应的预测模型标识数据；
依据所述第一示例性建筑信息模型数据和所述其它不具有实际模型标识数据的示例性建筑信息模型数据各自对应的建筑信息模型数据描述向量，在所述其它不具有实际模型标识数据的示例性建筑信息模型数据中，确定出目标数目的第三示例性建筑信息模型数据，以标记为补充的第二示例性建筑信息模型数据，所述第三示例性建筑信息模型数据与所述现下第一示例性建筑信息模型数据簇之间的数据区别超过所述其它不具有实际模型标识数据的示例性建筑信息模型数据与所述现下第一示例性建筑信息模型数据簇之间的数据区别；
依据所述补充的第二示例性建筑信息模型数据，对所述现下第一示例性建筑信息模型数据簇进行补充处理，以及，基于补充处理后的现下第一示例性建筑信息模型数据簇，执行所述采集到现下第一示例性建筑信息模型数据簇，以及，依据所述现下第一示例性建筑信息模型数据簇进行网络优化处理，以形成对应的现下建筑信息模型分析神经网络的步骤，以及，在进行网络优化处理完成之后，将所述现下建筑信息模型分析神经网络标记为优化建筑信息模型分析神经网络。
在一些优选的实施例中，在上述基于建筑信息化的数据采集方法中，所述建筑信息模型数据描述向量属于进行模型标识数据的数据分析处理中进行关键信息挖掘操作输出的描述向量；
所述依据所述第一示例性建筑信息模型数据和所述其它不具有实际模型标识数据的示例性建筑信息模型数据各自对应的建筑信息模型数据描述向量，在所述其它不具有实际模型标识数据的示例性建筑信息模型数据中，确定出目标数目的第三示例性建筑信息模型数据，以标记为补充的第二示例性建筑信息模型数据的步骤，包括：
提取到现下第一建筑信息模型数据描述向量簇和现下第二建筑信息模型数据描述向量簇，第一建筑信息模型数据描述向量簇中的第一建筑信息模型数据描述向量属于所述第一示例性建筑信息模型数据进行关键信息挖掘操作输出的描述向量，第二建筑信息模型数据描述向量簇中的第二建筑信息模型数据描述向量属于所述其它不具有实际模型标识数据的示例性建筑信息模型数据进行关键信息挖掘操作输出的描述向量；
分析输出所述现下第二建筑信息模型数据描述向量簇中的每一个第二建筑信息模型数据描述向量与所述现下第一建筑信息模型数据描述向量簇之间的目标向量匹配参数；
筛选出具有最值的目标向量匹配参数对应的筛选第二建筑信息模型数据描述向量，以及，将所述筛选第二建筑信息模型数据描述向量对应的其它不具有实际模型标识数据的示例性建筑信息模型数据标记为第三示例性建筑信息模型数据；
依据所述筛选第二建筑信息模型数据描述向量，对所述现下第一建筑信息模型数据描述向量簇和所述现下第二建筑信息模型数据描述向量簇进行调整处理，以确定出具有目标数目的所述第三示例性建筑信息模型数据，调整处理后的现下第一建筑信息模型数据描述向量簇包括所述筛选第二建筑信息模型数据描述向量，并对所述筛选第二建筑信息模型数据描述向量进行标记处理以标记为第一建筑信息模型数据描述向量，调整处理后的现下第二建筑信息模型数据描述向量簇不包括所述筛选第二建筑信息模型数据描述向量；
对目标数目的所述第三示例性建筑信息模型数据进行标记处理，以标记为补充的第二示例性建筑信息模型数据。
在一些优选的实施例中，在上述基于建筑信息化的数据采集方法中，所述分析输出所述现下第二建筑信息模型数据描述向量簇中的每一个第二建筑信息模型数据描述向量与所述现下第一建筑信息模型数据描述向量簇之间的目标向量匹配参数的步骤，包括：
对于所述现下第二建筑信息模型数据描述向量簇中的每一个第二建筑信息模型数据描述向量，计算出该第二建筑信息模型数据描述向量与所述现下第一建筑信息模型数据描述向量簇中的每一个第一建筑信息模型数据描述向量之间的待处理向量匹配参数；
对具有最大值的待处理向量匹配参数进行标记处理，以标记形成所述第二建筑信息模型数据描述向量与所述第一建筑信息模型数据描述向量簇之间的目标向量匹配参数。
在一些优选的实施例中，在上述基于建筑信息化的数据采集方法中，所述采集到现下第一示例性建筑信息模型数据簇的步骤，包括：
采集到第二示例性建筑信息模型数据簇，所述第二示例性建筑信息模型数据簇包括至少一个配置模型标识数据各自对应的不具有实际模型标识数据的示例性建筑信息模型数据；
分别在每一个所述配置模型标识数据对应的不具有实际模型标识数据的示例性建筑信息模型数据中，筛选出不具有实际模型标识数据的示例性建筑信息模型数据进行标记处理，以标记形成对应的第二示例性建筑信息模型数据，以形成对应的候选第二示例性建筑信息模型数据簇，所述候选第二示例性建筑信息模型数据簇包括的第二示例性建筑信息模型数据的数目小于所述第二示例性建筑信息模型数据簇中不具有实际模型标识数据的示例性建筑信息模型数据的数目；
将所述候选第二示例性建筑信息模型数据簇中的第二示例性建筑信息模型数据进行实际模型标识数据的配置处理，以形成对应的现下第一示例性建筑信息模型数据簇。
在一些优选的实施例中，在上述基于建筑信息化的数据采集方法中，所述采集到第二示例性建筑信息模型数据簇的步骤，包括：
采集到示例性建筑信息模型数据簇，所述示例性建筑信息模型数据簇包括至少一个配置模型标识数据各自对应的示例性建筑信息模型数据；
提取到每一个所述示例性建筑信息模型数据对应的多层面模型数据内容，所述多层面模型数据内容包括所述示例性建筑信息模型数据的模型构件自身数据和模型构件关系数据；
对每一个所述示例性建筑信息模型数据对应的多层面模型数据内容进行标记处理，以标记为不具有实际模型标识数据的示例性建筑信息模型数据，形成对应的第二示例性建筑信息模型数据簇。
本发明实施例还提供一种基于建筑信息化的数据采集系统，包括：
请求信息解析模块，用于获取到待处理建筑信息数据获取请求信息，并对所述待处理建筑信息数据获取请求信息进行解析处理，以得到所述待处理建筑信息数据获取请求信息中携带的待匹配建筑信息模型描述数据；
模型标识数据获取模块，用于获取到多个候选建筑信息模型中的每一个候选建筑信息模型对应的模型标识数据，所述模型标识数据预先通过对对应的候选建筑信息模型进行数据分析处理形成，以标识对应的候选建筑信息模型；
数据匹配计算模块，用于将所述待匹配建筑信息模型描述数据分别与每一个所述候选建筑信息模型对应的模型标识数据进行数据匹配计算，以输出所述待匹配建筑信息模型描述数据分别与每一个所述候选建筑信息模型之间的数据匹配参数；
模型数据采集模块，用于依据所述待匹配建筑信息模型描述数据分别与每一个所述候选建筑信息模型之间的数据匹配参数，在所述多个候选建筑信息模型中确定出目标建筑信息模型，并将所述目标建筑信息模型对应的目标建筑信息模型数据作为所述待处理建筑信息数据获取请求信息对应的数据采集结果。
在一些优选的实施例中，在上述基于建筑信息化的数据采集系统中，所述基于建筑信息化的数据采集系统还包括：
神经网络优化模块，用于进行网络优化以形成优化建筑信息模型分析神经网络；
数据分析处理模块，用于通过所述优化建筑信息模型分析神经网络，分别对所述多个候选建筑信息模型中的每一个候选建筑信息模型进行数据分析处理，以得到每一个所述候选建筑信息模型对应的模型标识数据。
在一些优选的实施例中，在上述基于建筑信息化的数据采集系统中，所述神经网络优化模块具体用于：
采集到现下第一示例性建筑信息模型数据簇，以及，依据所述现下第一示例性建筑信息模型数据簇进行网络优化处理，以形成对应的现下建筑信息模型分析神经网络，所述现下第一示例性建筑信息模型数据簇中的第一示例性建筑信息模型数据通过将第二示例性建筑信息模型数据进行实际模型标识数据配置处理形成，所述第二示例性建筑信息模型数据属于从第二示例性建筑信息模型数据簇中筛选出的不具有实际模型标识数据的示例性建筑信息模型数据；
分别对所述第一示例性建筑信息模型数据和其它不具有实际模型标识数据的示例性建筑信息模型数据进行加载处理，以加载到所述现下建筑信息模型分析神经网络中，分析输出所述第一示例性建筑信息模型数据和所述其它不具有实际模型标识数据的示例性建筑信息模型数据各自对应的建筑信息模型数据描述向量，所述其它不具有实际模型标识数据的示例性建筑信息模型数据属于所述第二示例性建筑信息模型数据簇中所述第二示例性建筑信息模型数据以外的不具有实际模型标识数据的示例性建筑信息模型数据，所述建筑信息模型数据描述向量用于进行分析输出对应的预测模型标识数据；
依据所述第一示例性建筑信息模型数据和所述其它不具有实际模型标识数据的示例性建筑信息模型数据各自对应的建筑信息模型数据描述向量，在所述其它不具有实际模型标识数据的示例性建筑信息模型数据中，确定出目标数目的第三示例性建筑信息模型数据，以标记为补充的第二示例性建筑信息模型数据，所述第三示例性建筑信息模型数据与所述现下第一示例性建筑信息模型数据簇之间的数据区别超过所述其它不具有实际模型标识数据的示例性建筑信息模型数据与所述现下第一示例性建筑信息模型数据簇之间的数据区别；
依据所述补充的第二示例性建筑信息模型数据，对所述现下第一示例性建筑信息模型数据簇进行补充处理，以及，基于补充处理后的现下第一示例性建筑信息模型数据簇，执行所述采集到现下第一示例性建筑信息模型数据簇，以及，依据所述现下第一示例性建筑信息模型数据簇进行网络优化处理，以形成对应的现下建筑信息模型分析神经网络的步骤，以及，在进行网络优化处理完成之后，将所述现下建筑信息模型分析神经网络标记为优化建筑信息模型分析神经网络。
本发明实施例提供的一种基于建筑信息化的数据采集方法及系统，可以对待处理建筑信息数据获取请求信息进行解析处理，以得到待处理建筑信息数据获取请求信息中携带的待匹配建筑信息模型描述数据；获取到每一个候选建筑信息模型对应的模型标识数据，将待匹配建筑信息模型描述数据分别与每一个候选建筑信息模型对应的模型标识数据进行数据匹配计算，以输出与每一个候选建筑信息模型之间的数据匹配参数；依据与每一个候选建筑信息模型之间的数据匹配参数，在多个候选建筑信息模型中确定出目标建筑信息模型，并将对应的目标建筑信息模型数据作为数据采集结果。基于上述方法，由于模型标识数据是预先通过对对应的候选建筑信息模型进行数据分析处理形成是，使得在进行模型选择即进行模型数据采集的过程中，仅需要对模型标识数据进行数据匹配计算，相较于需要对整个建筑信息模型描述数据进行数据匹配计算的常规方案，由于数据匹计算的数据量大幅度的降低，使得数据匹配计算的效率提高，从而可以在一定程度上提高目标建筑信息模型数据的采集效率，改善现有技术中的不足。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
图1为本发明实施例提供的基于建筑信息化的数据采集平台的结构框图。
图2为本发明实施例提供的基于建筑信息化的数据采集方法包括的各步骤的流程示意图。
图3为本发明实施例提供的基于建筑信息化的数据采集系统包括的各模块的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例只是本发明的一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，本发明实施例提供了一种基于建筑信息化的数据采集平台。其中，所述基于建筑信息化的数据采集平台可以包括存储器和处理器。
详细地，所述存储器和处理器之间直接或间接地电性连接，以实现数据的传输或交互。例如，相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述存储器中可以存储有至少一个可以以软件或固件(firmware)的形式，存在的软件功能模块(计算机程序)。所述处理器可以用于执行所述存储器中存储的可执行的计算机程序，从而实现本发明实施例提供的基于建筑信息化的数据采集方法。
举例来说，在一些可以替代的实施方式中，所述存储器可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-Only Memory，PROM)，可擦除只读存储器(ErasableProgrammable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric ErasableProgrammable Read-Only Memory，EEPROM)等。
举例来说，在一些可以替代的实施方式中，所述处理器可以是一种通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)、片上系统(System on Chip，SoC)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
举例来说，在一些可以替代的实施方式中，所述基于建筑信息化的数据采集平台可以是一种具备数据处理能力的服务器。
结合图2，本发明实施例还提供一种基于建筑信息化的数据采集方法，可应用于上述基于建筑信息化的数据采集平台。其中，所述基于建筑信息化的数据采集方法有关的流程所定义的方法步骤，可以由所述基于建筑信息化的数据采集平台实现。下面将对图2所示的具体流程，进行详细阐述。
步骤S110，获取到待处理建筑信息数据获取请求信息，并对所述待处理建筑信息数据获取请求信息进行解析处理，以得到所述待处理建筑信息数据获取请求信息中携带的待匹配建筑信息模型描述数据。
在本发明实施例中，所述基于建筑信息化的数据采集平台可以获取到待处理建筑信息数据获取请求信息，并对所述待处理建筑信息数据获取请求信息进行解析处理，以得到所述待处理建筑信息数据获取请求信息中携带的待匹配建筑信息模型描述数据。
步骤S120，获取到多个候选建筑信息模型中的每一个候选建筑信息模型对应的模型标识数据。
在本发明实施例中，所述基于建筑信息化的数据采集平台可以获取到多个候选建筑信息模型中的每一个候选建筑信息模型对应的模型标识数据。所述模型标识数据预先通过对对应的候选建筑信息模型进行数据分析处理形成，以标识对应的候选建筑信息模型。
步骤S130，将所述待匹配建筑信息模型描述数据分别与每一个所述候选建筑信息模型对应的模型标识数据进行数据匹配计算，以输出所述待匹配建筑信息模型描述数据分别与每一个所述候选建筑信息模型之间的数据匹配参数。
在本发明实施例中，所述基于建筑信息化的数据采集平台可以将所述待匹配建筑信息模型描述数据分别与每一个所述候选建筑信息模型对应的模型标识数据进行数据匹配计算，以输出所述待匹配建筑信息模型描述数据分别与每一个所述候选建筑信息模型之间的数据匹配参数(示例性地，在所述待匹配建筑信息模型描述数据和所述模型标识数据的数据形式相同的情况下，可以直接进行数据相似度的计算处理，以都属于文本数据，可以直接进行文本相似度的计算，可以是指文本语义的相似度等，在所述待匹配建筑信息模型描述数据和所述模型标识数据的数据形式不相同的情况下，可以先分别进行特征空间映射处理，以得到对应的特征映射描述向量，然后，可以计算特征映射描述向量之间的向量相似度)。
步骤S140，依据所述待匹配建筑信息模型描述数据分别与每一个所述候选建筑信息模型之间的数据匹配参数，在所述多个候选建筑信息模型中确定出目标建筑信息模型，并将所述目标建筑信息模型对应的目标建筑信息模型数据作为待处理建筑信息数据获取请求信息对应的数据采集结果。
在本发明实施例中，所述基于建筑信息化的数据采集平台可以依据所述待匹配建筑信息模型描述数据分别与每一个所述候选建筑信息模型之间的数据匹配参数，在所述多个候选建筑信息模型中确定出目标建筑信息模型(示例性地，可以将对应的数据匹配系数最大的一个候选建筑信息模型标记为目标建筑信息模型)，并将所述目标建筑信息模型对应的目标建筑信息模型数据作为待处理建筑信息数据获取请求信息对应的数据采集结果(即实现在多个候选建筑信息模型中采集到目标建筑信息模型的目的)。
基于上述方法，由于模型标识数据是预先通过对对应的候选建筑信息模型进行数据分析处理形成是，使得在进行模型选择即进行模型数据采集的过程中，仅需要对模型标识数据进行数据匹配计算，相较于需要对整个建筑信息模型描述数据进行数据匹配计算的常规方案，由于数据匹计算的数据量大幅度的降低，使得数据匹配计算的效率提高，从而可以在一定程度上提高目标建筑信息模型数据的采集效率，改善现有技术中的不足(特别是在建筑信息模型比较复杂的情况下，整个建筑信息模型描述数据的数据量会非常大，因而，可以在较大程度降低数据匹配计算的数据量)。
举例来说，在一些可以替代的实施方式中，在上述步骤的基础上，所述基于建筑信息化的数据采集方法还可以包括以下步骤：
进行网络优化以形成优化建筑信息模型分析神经网络；
通过所述优化建筑信息模型分析神经网络，分别对所述多个候选建筑信息模型中的每一个候选建筑信息模型进行数据分析处理，以得到每一个所述候选建筑信息模型对应的模型标识数据(也就是说，通过网络优化处理，可以使得所述优化建筑信息模型分析神经网络具有分析出所述候选建筑信息模型对应的模型标识数据的功能)。
举例来说，在一些可以替代的实施方式中，所述进行网络优化以形成优化建筑信息模型分析神经网络的步骤，可以进一步包括以下内容：
采集到现下第一示例性建筑信息模型数据簇，以及，依据所述现下第一示例性建筑信息模型数据簇进行网络优化处理，以形成对应的现下建筑信息模型分析神经网络(示例性地，可以基于所述第一示例性建筑信息模型数据簇包括的第一示例性建筑信息模型数据对应的实际模型标识数据和分析输出的预测模型标识数据之间的误差，对所述现下建筑信息模型分析神经网络进行网络优化处理，即对包括的网络参数进行优化调整等)，所述现下第一示例性建筑信息模型数据簇中的第一示例性建筑信息模型数据通过将第二示例性建筑信息模型数据进行实际模型标识数据配置处理形成，所述第二示例性建筑信息模型数据属于从第二示例性建筑信息模型数据簇中筛选出的不具有实际模型标识数据的示例性建筑信息模型数据；
分别对所述第一示例性建筑信息模型数据和其它不具有实际模型标识数据的示例性建筑信息模型数据进行加载处理，以加载到所述现下建筑信息模型分析神经网络中，分析输出所述第一示例性建筑信息模型数据和所述其它不具有实际模型标识数据的示例性建筑信息模型数据各自对应的建筑信息模型数据描述向量，所述其它不具有实际模型标识数据的示例性建筑信息模型数据属于所述第二示例性建筑信息模型数据簇中所述第二示例性建筑信息模型数据以外的不具有实际模型标识数据的示例性建筑信息模型数据，所述建筑信息模型数据描述向量用于进行分析输出对应的预测模型标识数据(示例性地，可以通过所述现下建筑信息模型分析神经网络包括的预测单元，对所述建筑信息模型数据描述向量进行进一步的处理，可以得到所述预测模型标识数据，该预测单元可以包括softmax函数等)；
依据所述第一示例性建筑信息模型数据和所述其它不具有实际模型标识数据的示例性建筑信息模型数据各自对应的建筑信息模型数据描述向量，在所述其它不具有实际模型标识数据的示例性建筑信息模型数据中，确定出目标数目的第三示例性建筑信息模型数据，以标记为补充的第二示例性建筑信息模型数据，所述第三示例性建筑信息模型数据与所述现下第一示例性建筑信息模型数据簇之间的数据区别超过所述其它不具有实际模型标识数据的示例性建筑信息模型数据与所述现下第一示例性建筑信息模型数据簇之间的数据区别；
依据所述补充的第二示例性建筑信息模型数据，对所述现下第一示例性建筑信息模型数据簇进行补充处理，以及，基于补充处理后的现下第一示例性建筑信息模型数据簇，执行所述采集到现下第一示例性建筑信息模型数据簇，以及，依据所述现下第一示例性建筑信息模型数据簇进行网络优化处理，以形成对应的现下建筑信息模型分析神经网络的步骤，以及，在进行网络优化处理完成之后，将所述现下建筑信息模型分析神经网络标记为优化建筑信息模型分析神经网络。
举例来说，在一些可以替代的实施方式中，所述建筑信息模型数据描述向量属于进行模型标识数据的数据分析处理中进行关键信息挖掘操作输出的描述向量(示例性地，所述现下建筑信息模型分析神经网络还可以包括特征挖掘单元，所述特征挖掘单元可以对示例性建筑信息模型数据进行关键信息挖掘操作，以输出对应的描述向量，具体来说，可以先进行特征映射，以映射到对应的特征空间，形成对应的初始描述向量，然后，可以依据该初始描述向量确定出对应的描述向量，例如，可以直接将该初始描述向量确定为对应的描述向量，或者，也可以先将该初始描述向量进行处理，以形成对应的描述向量，如进行显著性特征分析，以得到对应的描述向量)，基于此，所述依据所述第一示例性建筑信息模型数据和所述其它不具有实际模型标识数据的示例性建筑信息模型数据各自对应的建筑信息模型数据描述向量，在所述其它不具有实际模型标识数据的示例性建筑信息模型数据中，确定出目标数目的第三示例性建筑信息模型数据，以标记为补充的第二示例性建筑信息模型数据的步骤，可以进一步包括以下内容：
提取到现下第一建筑信息模型数据描述向量簇和现下第二建筑信息模型数据描述向量簇，第一建筑信息模型数据描述向量簇(可以是指所述现下第一建筑信息模型数据描述向量簇)中的第一建筑信息模型数据描述向量属于所述第一示例性建筑信息模型数据进行关键信息挖掘操作输出的描述向量，第二建筑信息模型数据描述向量簇(可以是指所述现下第二建筑信息模型数据描述向量簇)中的第二建筑信息模型数据描述向量属于所述其它不具有实际模型标识数据的示例性建筑信息模型数据进行关键信息挖掘操作输出的描述向量；
分析输出所述现下第二建筑信息模型数据描述向量簇中的每一个第二建筑信息模型数据描述向量与所述现下第一建筑信息模型数据描述向量簇之间的目标向量匹配参数(如描述向量之间的向量余弦相似度)；
筛选出具有最值的目标向量匹配参数对应的筛选第二建筑信息模型数据描述向量，以及，将所述筛选第二建筑信息模型数据描述向量对应的其它不具有实际模型标识数据的示例性建筑信息模型数据标记为第三示例性建筑信息模型数据；
依据所述筛选第二建筑信息模型数据描述向量，对所述现下第一建筑信息模型数据描述向量簇和所述现下第二建筑信息模型数据描述向量簇进行调整处理，以确定出具有目标数目的所述第三示例性建筑信息模型数据，调整处理后的现下第一建筑信息模型数据描述向量簇包括所述筛选第二建筑信息模型数据描述向量，并对所述筛选第二建筑信息模型数据描述向量进行标记处理以标记为第一建筑信息模型数据描述向量，调整处理后的现下第二建筑信息模型数据描述向量簇不包括所述筛选第二建筑信息模型数据描述向量；
对目标数目的所述第三示例性建筑信息模型数据进行标记处理，以标记为补充的第二示例性建筑信息模型数据。
举例来说，在一些可以替代的实施方式中，所述分析输出所述现下第二建筑信息模型数据描述向量簇中的每一个第二建筑信息模型数据描述向量与所述现下第一建筑信息模型数据描述向量簇之间的目标向量匹配参数的步骤，可以进一步包括以下内容：
对于所述现下第二建筑信息模型数据描述向量簇中的每一个第二建筑信息模型数据描述向量，计算出该第二建筑信息模型数据描述向量与所述现下第一建筑信息模型数据描述向量簇中的每一个第一建筑信息模型数据描述向量之间的待处理向量匹配参数(示例性地，所述待处理向量匹配参数可以是指描述向量之间的向量余弦相似度)；
对具有最大值的待处理向量匹配参数进行标记处理，以标记形成所述第二建筑信息模型数据描述向量与所述第一建筑信息模型数据描述向量簇之间的目标向量匹配参数。
举例来说，在一些可以替代的实施方式中，所述采集到现下第一示例性建筑信息模型数据簇的步骤，可以进一步包括以下内容：
采集到第二示例性建筑信息模型数据簇，所述第二示例性建筑信息模型数据簇包括至少一个配置模型标识数据各自对应的不具有实际模型标识数据的示例性建筑信息模型数据；
分别在每一个所述配置模型标识数据对应的不具有实际模型标识数据的示例性建筑信息模型数据中，筛选出不具有实际模型标识数据的示例性建筑信息模型数据进行标记处理，以标记形成对应的第二示例性建筑信息模型数据，以形成对应的候选第二示例性建筑信息模型数据簇，所述候选第二示例性建筑信息模型数据簇包括的第二示例性建筑信息模型数据的数目小于所述第二示例性建筑信息模型数据簇中不具有实际模型标识数据的示例性建筑信息模型数据的数目；
将所述候选第二示例性建筑信息模型数据簇中的第二示例性建筑信息模型数据进行实际模型标识数据的配置处理，以形成对应的现下第一示例性建筑信息模型数据簇。
举例来说，在一些可以替代的实施方式中，所述采集到第二示例性建筑信息模型数据簇的步骤，可以进一步包括以下内容：
采集到示例性建筑信息模型数据簇，所述示例性建筑信息模型数据簇包括至少一个配置模型标识数据各自对应的示例性建筑信息模型数据；
提取到每一个所述示例性建筑信息模型数据对应的多层面模型数据内容，所述多层面模型数据内容包括所述示例性建筑信息模型数据的模型构件自身数据和模型构件关系数据(示例性地，所述模型构件自身数据可以用于反映对应的模型构件自身的信息，如尺寸、结构等，所述模型构件关系数据可以用于反映模型构件之间的关系，如连接关系、位置关系等)；
对每一个所述示例性建筑信息模型数据对应的多层面模型数据内容进行标记处理，以标记为不具有实际模型标识数据的示例性建筑信息模型数据，形成对应的第二示例性建筑信息模型数据簇。
结合图3，本发明实施例还提供一种基于建筑信息化的数据采集系统，可应用于上述基于建筑信息化的数据采集平台。其中，所述基于建筑信息化的数据采集系统可以包括：
请求信息解析模块，用于获取到待处理建筑信息数据获取请求信息，并对所述待处理建筑信息数据获取请求信息进行解析处理，以得到所述待处理建筑信息数据获取请求信息中携带的待匹配建筑信息模型描述数据；
模型标识数据获取模块，用于获取到多个候选建筑信息模型中的每一个候选建筑信息模型对应的模型标识数据，所述模型标识数据预先通过对对应的候选建筑信息模型进行数据分析处理形成，以标识对应的候选建筑信息模型；
数据匹配计算模块，用于将所述待匹配建筑信息模型描述数据分别与每一个所述候选建筑信息模型对应的模型标识数据进行数据匹配计算，以输出所述待匹配建筑信息模型描述数据分别与每一个所述候选建筑信息模型之间的数据匹配参数；
模型数据采集模块，用于依据所述待匹配建筑信息模型描述数据分别与每一个所述候选建筑信息模型之间的数据匹配参数，在所述多个候选建筑信息模型中确定出目标建筑信息模型，并将所述目标建筑信息模型对应的目标建筑信息模型数据作为所述待处理建筑信息数据获取请求信息对应的数据采集结果。
举例来说，在一些可以替代的实施方式中，所述基于建筑信息化的数据采集系统还包括：
神经网络优化模块，用于进行网络优化以形成优化建筑信息模型分析神经网络；
数据分析处理模块，用于通过所述优化建筑信息模型分析神经网络，分别对所述多个候选建筑信息模型中的每一个候选建筑信息模型进行数据分析处理，以得到每一个所述候选建筑信息模型对应的模型标识数据。
举例来说，在一些可以替代的实施方式中，所述神经网络优化模块具体用于：
采集到现下第一示例性建筑信息模型数据簇，以及，依据所述现下第一示例性建筑信息模型数据簇进行网络优化处理，以形成对应的现下建筑信息模型分析神经网络，所述现下第一示例性建筑信息模型数据簇中的第一示例性建筑信息模型数据通过将第二示例性建筑信息模型数据进行实际模型标识数据配置处理形成，所述第二示例性建筑信息模型数据属于从第二示例性建筑信息模型数据簇中筛选出的不具有实际模型标识数据的示例性建筑信息模型数据；
分别对所述第一示例性建筑信息模型数据和其它不具有实际模型标识数据的示例性建筑信息模型数据进行加载处理，以加载到所述现下建筑信息模型分析神经网络中，分析输出所述第一示例性建筑信息模型数据和所述其它不具有实际模型标识数据的示例性建筑信息模型数据各自对应的建筑信息模型数据描述向量，所述其它不具有实际模型标识数据的示例性建筑信息模型数据属于所述第二示例性建筑信息模型数据簇中所述第二示例性建筑信息模型数据以外的不具有实际模型标识数据的示例性建筑信息模型数据，所述建筑信息模型数据描述向量用于进行分析输出对应的预测模型标识数据；
依据所述第一示例性建筑信息模型数据和所述其它不具有实际模型标识数据的示例性建筑信息模型数据各自对应的建筑信息模型数据描述向量，在所述其它不具有实际模型标识数据的示例性建筑信息模型数据中，确定出目标数目的第三示例性建筑信息模型数据，以标记为补充的第二示例性建筑信息模型数据，所述第三示例性建筑信息模型数据与所述现下第一示例性建筑信息模型数据簇之间的数据区别超过所述其它不具有实际模型标识数据的示例性建筑信息模型数据与所述现下第一示例性建筑信息模型数据簇之间的数据区别；
依据所述补充的第二示例性建筑信息模型数据，对所述现下第一示例性建筑信息模型数据簇进行补充处理，以及，基于补充处理后的现下第一示例性建筑信息模型数据簇，执行所述采集到现下第一示例性建筑信息模型数据簇，以及，依据所述现下第一示例性建筑信息模型数据簇进行网络优化处理，以形成对应的现下建筑信息模型分析神经网络的步骤，以及，在进行网络优化处理完成之后，将所述现下建筑信息模型分析神经网络标记为优化建筑信息模型分析神经网络。
综上所述，本发明提供的一种基于建筑信息化的数据采集方法及系统，可以对待处理建筑信息数据获取请求信息进行解析处理，以得到待处理建筑信息数据获取请求信息中携带的待匹配建筑信息模型描述数据；获取到每一个候选建筑信息模型对应的模型标识数据，将待匹配建筑信息模型描述数据分别与每一个候选建筑信息模型对应的模型标识数据进行数据匹配计算，以输出与每一个候选建筑信息模型之间的数据匹配参数；依据与每一个候选建筑信息模型之间的数据匹配参数，在多个候选建筑信息模型中确定出目标建筑信息模型，并将对应的目标建筑信息模型数据作为数据采集结果。基于上述方法，由于模型标识数据是预先通过对对应的候选建筑信息模型进行数据分析处理形成是，使得在进行模型选择即进行模型数据采集的过程中，仅需要对模型标识数据进行数据匹配计算，相较于需要对整个建筑信息模型描述数据进行数据匹配计算的常规方案，由于数据匹计算的数据量大幅度的降低，使得数据匹配计算的效率提高，从而可以在一定程度上提高目标建筑信息模型数据的采集效率，改善现有技术中的不足。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于建筑信息化的数据采集方法，其特征在于，包括：
获取到待处理建筑信息数据获取请求信息，并对所述待处理建筑信息数据获取请求信息进行解析处理，以得到所述待处理建筑信息数据获取请求信息中携带的待匹配建筑信息模型描述数据；
获取到多个候选建筑信息模型中的每一个候选建筑信息模型对应的模型标识数据，所述模型标识数据预先通过对对应的候选建筑信息模型进行数据分析处理形成，以标识对应的候选建筑信息模型；
将所述待匹配建筑信息模型描述数据分别与每一个所述候选建筑信息模型对应的模型标识数据进行数据匹配计算，以输出所述待匹配建筑信息模型描述数据分别与每一个所述候选建筑信息模型之间的数据匹配参数；
依据所述待匹配建筑信息模型描述数据分别与每一个所述候选建筑信息模型之间的数据匹配参数，在所述多个候选建筑信息模型中确定出目标建筑信息模型，并将所述目标建筑信息模型对应的目标建筑信息模型数据作为所述待处理建筑信息数据获取请求信息对应的数据采集结果。
2.如权利要求1所述的基于建筑信息化的数据采集方法，其特征在于，所述基于建筑信息化的数据采集方法还包括：
进行网络优化以形成优化建筑信息模型分析神经网络；
通过所述优化建筑信息模型分析神经网络，分别对所述多个候选建筑信息模型中的每一个候选建筑信息模型进行数据分析处理，以得到每一个所述候选建筑信息模型对应的模型标识数据。
3.如权利要求2所述的基于建筑信息化的数据采集方法，其特征在于，所述进行网络优化以形成优化建筑信息模型分析神经网络的步骤，包括：
采集到现下第一示例性建筑信息模型数据簇，以及，依据所述现下第一示例性建筑信息模型数据簇进行网络优化处理，以形成对应的现下建筑信息模型分析神经网络，所述现下第一示例性建筑信息模型数据簇中的第一示例性建筑信息模型数据通过将第二示例性建筑信息模型数据进行实际模型标识数据配置处理形成，所述第二示例性建筑信息模型数据属于从第二示例性建筑信息模型数据簇中筛选出的不具有实际模型标识数据的示例性建筑信息模型数据；
分别对所述第一示例性建筑信息模型数据和其它不具有实际模型标识数据的示例性建筑信息模型数据进行加载处理，以加载到所述现下建筑信息模型分析神经网络中，分析输出所述第一示例性建筑信息模型数据和所述其它不具有实际模型标识数据的示例性建筑信息模型数据各自对应的建筑信息模型数据描述向量，所述其它不具有实际模型标识数据的示例性建筑信息模型数据属于所述第二示例性建筑信息模型数据簇中所述第二示例性建筑信息模型数据以外的不具有实际模型标识数据的示例性建筑信息模型数据，所述建筑信息模型数据描述向量用于进行分析输出对应的预测模型标识数据；
依据所述第一示例性建筑信息模型数据和所述其它不具有实际模型标识数据的示例性建筑信息模型数据各自对应的建筑信息模型数据描述向量，在所述其它不具有实际模型标识数据的示例性建筑信息模型数据中，确定出目标数目的第三示例性建筑信息模型数据，以标记为补充的第二示例性建筑信息模型数据，所述第三示例性建筑信息模型数据与所述现下第一示例性建筑信息模型数据簇之间的数据区别超过所述其它不具有实际模型标识数据的示例性建筑信息模型数据与所述现下第一示例性建筑信息模型数据簇之间的数据区别；
依据所述补充的第二示例性建筑信息模型数据，对所述现下第一示例性建筑信息模型数据簇进行补充处理，以及，基于补充处理后的现下第一示例性建筑信息模型数据簇，执行所述采集到现下第一示例性建筑信息模型数据簇，以及，依据所述现下第一示例性建筑信息模型数据簇进行网络优化处理，以形成对应的现下建筑信息模型分析神经网络的步骤，以及，在进行网络优化处理完成之后，将所述现下建筑信息模型分析神经网络标记为优化建筑信息模型分析神经网络。
4.如权利要求3所述的基于建筑信息化的数据采集方法，其特征在于，所述建筑信息模型数据描述向量属于进行模型标识数据的数据分析处理中进行关键信息挖掘操作输出的描述向量；
所述依据所述第一示例性建筑信息模型数据和所述其它不具有实际模型标识数据的示例性建筑信息模型数据各自对应的建筑信息模型数据描述向量，在所述其它不具有实际模型标识数据的示例性建筑信息模型数据中，确定出目标数目的第三示例性建筑信息模型数据，以标记为补充的第二示例性建筑信息模型数据的步骤，包括：
提取到现下第一建筑信息模型数据描述向量簇和现下第二建筑信息模型数据描述向量簇，第一建筑信息模型数据描述向量簇中的第一建筑信息模型数据描述向量属于所述第一示例性建筑信息模型数据进行关键信息挖掘操作输出的描述向量，第二建筑信息模型数据描述向量簇中的第二建筑信息模型数据描述向量属于所述其它不具有实际模型标识数据的示例性建筑信息模型数据进行关键信息挖掘操作输出的描述向量；
分析输出所述现下第二建筑信息模型数据描述向量簇中的每一个第二建筑信息模型数据描述向量与所述现下第一建筑信息模型数据描述向量簇之间的目标向量匹配参数；
筛选出具有最值的目标向量匹配参数对应的筛选第二建筑信息模型数据描述向量，以及，将所述筛选第二建筑信息模型数据描述向量对应的其它不具有实际模型标识数据的示例性建筑信息模型数据标记为第三示例性建筑信息模型数据；
依据所述筛选第二建筑信息模型数据描述向量，对所述现下第一建筑信息模型数据描述向量簇和所述现下第二建筑信息模型数据描述向量簇进行调整处理，以确定出具有目标数目的所述第三示例性建筑信息模型数据，调整处理后的现下第一建筑信息模型数据描述向量簇包括所述筛选第二建筑信息模型数据描述向量，并对所述筛选第二建筑信息模型数据描述向量进行标记处理以标记为第一建筑信息模型数据描述向量，调整处理后的现下第二建筑信息模型数据描述向量簇不包括所述筛选第二建筑信息模型数据描述向量；
对目标数目的所述第三示例性建筑信息模型数据进行标记处理，以标记为补充的第二示例性建筑信息模型数据。
5.如权利要求4所述的基于建筑信息化的数据采集方法，其特征在于，所述分析输出所述现下第二建筑信息模型数据描述向量簇中的每一个第二建筑信息模型数据描述向量与所述现下第一建筑信息模型数据描述向量簇之间的目标向量匹配参数的步骤，包括：
对于所述现下第二建筑信息模型数据描述向量簇中的每一个第二建筑信息模型数据描述向量，计算出该第二建筑信息模型数据描述向量与所述现下第一建筑信息模型数据描述向量簇中的每一个第一建筑信息模型数据描述向量之间的待处理向量匹配参数；
对具有最大值的待处理向量匹配参数进行标记处理，以标记形成所述第二建筑信息模型数据描述向量与所述第一建筑信息模型数据描述向量簇之间的目标向量匹配参数。
6.如权利要求3所述的基于建筑信息化的数据采集方法，其特征在于，所述采集到现下第一示例性建筑信息模型数据簇的步骤，包括：
采集到第二示例性建筑信息模型数据簇，所述第二示例性建筑信息模型数据簇包括至少一个配置模型标识数据各自对应的不具有实际模型标识数据的示例性建筑信息模型数据；
分别在每一个所述配置模型标识数据对应的不具有实际模型标识数据的示例性建筑信息模型数据中，筛选出不具有实际模型标识数据的示例性建筑信息模型数据进行标记处理，以标记形成对应的第二示例性建筑信息模型数据，以形成对应的候选第二示例性建筑信息模型数据簇，所述候选第二示例性建筑信息模型数据簇包括的第二示例性建筑信息模型数据的数目小于所述第二示例性建筑信息模型数据簇中不具有实际模型标识数据的示例性建筑信息模型数据的数目；
将所述候选第二示例性建筑信息模型数据簇中的第二示例性建筑信息模型数据进行实际模型标识数据的配置处理，以形成对应的现下第一示例性建筑信息模型数据簇。
7.如权利要求6所述的基于建筑信息化的数据采集方法，其特征在于，所述采集到第二示例性建筑信息模型数据簇的步骤，包括：
采集到示例性建筑信息模型数据簇，所述示例性建筑信息模型数据簇包括至少一个配置模型标识数据各自对应的示例性建筑信息模型数据；
提取到每一个所述示例性建筑信息模型数据对应的多层面模型数据内容，所述多层面模型数据内容包括所述示例性建筑信息模型数据的模型构件自身数据和模型构件关系数据；
对每一个所述示例性建筑信息模型数据对应的多层面模型数据内容进行标记处理，以标记为不具有实际模型标识数据的示例性建筑信息模型数据，形成对应的第二示例性建筑信息模型数据簇。
8.一种基于建筑信息化的数据采集系统，其特征在于，包括：
请求信息解析模块，用于获取到待处理建筑信息数据获取请求信息，并对所述待处理建筑信息数据获取请求信息进行解析处理，以得到所述待处理建筑信息数据获取请求信息中携带的待匹配建筑信息模型描述数据；
模型标识数据获取模块，用于获取到多个候选建筑信息模型中的每一个候选建筑信息模型对应的模型标识数据，所述模型标识数据预先通过对对应的候选建筑信息模型进行数据分析处理形成，以标识对应的候选建筑信息模型；
数据匹配计算模块，用于将所述待匹配建筑信息模型描述数据分别与每一个所述候选建筑信息模型对应的模型标识数据进行数据匹配计算，以输出所述待匹配建筑信息模型描述数据分别与每一个所述候选建筑信息模型之间的数据匹配参数；
模型数据采集模块，用于依据所述待匹配建筑信息模型描述数据分别与每一个所述候选建筑信息模型之间的数据匹配参数，在所述多个候选建筑信息模型中确定出目标建筑信息模型，并将所述目标建筑信息模型对应的目标建筑信息模型数据作为所述待处理建筑信息数据获取请求信息对应的数据采集结果。
9.如权利要求8所述的基于建筑信息化的数据采集系统，其特征在于，所述基于建筑信息化的数据采集系统还包括：
神经网络优化模块，用于进行网络优化以形成优化建筑信息模型分析神经网络；
数据分析处理模块，用于通过所述优化建筑信息模型分析神经网络，分别对所述多个候选建筑信息模型中的每一个候选建筑信息模型进行数据分析处理，以得到每一个所述候选建筑信息模型对应的模型标识数据。
10.如权利要求8所述的基于建筑信息化的数据采集系统，其特征在于，所述神经网络优化模块具体用于：
采集到现下第一示例性建筑信息模型数据簇，以及，依据所述现下第一示例性建筑信息模型数据簇进行网络优化处理，以形成对应的现下建筑信息模型分析神经网络，所述现下第一示例性建筑信息模型数据簇中的第一示例性建筑信息模型数据通过将第二示例性建筑信息模型数据进行实际模型标识数据配置处理形成，所述第二示例性建筑信息模型数据属于从第二示例性建筑信息模型数据簇中筛选出的不具有实际模型标识数据的示例性建筑信息模型数据；
分别对所述第一示例性建筑信息模型数据和其它不具有实际模型标识数据的示例性建筑信息模型数据进行加载处理，以加载到所述现下建筑信息模型分析神经网络中，分析输出所述第一示例性建筑信息模型数据和所述其它不具有实际模型标识数据的示例性建筑信息模型数据各自对应的建筑信息模型数据描述向量，所述其它不具有实际模型标识数据的示例性建筑信息模型数据属于所述第二示例性建筑信息模型数据簇中所述第二示例性建筑信息模型数据以外的不具有实际模型标识数据的示例性建筑信息模型数据，所述建筑信息模型数据描述向量用于进行分析输出对应的预测模型标识数据；
依据所述第一示例性建筑信息模型数据和所述其它不具有实际模型标识数据的示例性建筑信息模型数据各自对应的建筑信息模型数据描述向量，在所述其它不具有实际模型标识数据的示例性建筑信息模型数据中，确定出目标数目的第三示例性建筑信息模型数据，以标记为补充的第二示例性建筑信息模型数据，所述第三示例性建筑信息模型数据与所述现下第一示例性建筑信息模型数据簇之间的数据区别超过所述其它不具有实际模型标识数据的示例性建筑信息模型数据与所述现下第一示例性建筑信息模型数据簇之间的数据区别；
依据所述补充的第二示例性建筑信息模型数据，对所述现下第一示例性建筑信息模型数据簇进行补充处理，以及，基于补充处理后的现下第一示例性建筑信息模型数据簇，执行所述采集到现下第一示例性建筑信息模型数据簇，以及，依据所述现下第一示例性建筑信息模型数据簇进行网络优化处理，以形成对应的现下建筑信息模型分析神经网络的步骤，以及，在进行网络优化处理完成之后，将所述现下建筑信息模型分析神经网络标记为优化建筑信息模型分析神经网络。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311160018.3A CN117113507A (zh) | 2023-09-08 | 2023-09-08 | 一种基于建筑信息化的数据采集方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311160018.3A CN117113507A (zh) | 2023-09-08 | 2023-09-08 | 一种基于建筑信息化的数据采集方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117113507A true CN117113507A (zh) | 2023-11-24 |
Family
ID=88810846
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311160018.3A Pending CN117113507A (zh) | 2023-09-08 | 2023-09-08 | 一种基于建筑信息化的数据采集方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117113507A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104200265A (zh) * | 2014-07-28 | 2014-12-10 | 东北大学 | 一种改进的基于神经网络的桥梁损伤识别方法 |
| CN106528705A (zh) * | 2016-10-26 | 2017-03-22 | 桂林电子科技大学 | 一种基于rbf神经网络的重复记录检测方法和系统 |
| JP2020123329A (ja) * | 2020-01-10 | 2020-08-13 | フラウンホッファー−ゲゼルシャフト ツァ フェルダールング デァ アンゲヴァンテン フォアシュンク エー．ファオ | 人工ニューラルネットワークの関連性スコア割当て |
| CN115630422A (zh) * | 2022-10-19 | 2023-01-20 | 海口龙华海耶达信息技术中心 | 一种bim模型展示方法及其系统 |
-
2023
- 2023-09-08 CN CN202311160018.3A patent/CN117113507A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104200265A (zh) * | 2014-07-28 | 2014-12-10 | 东北大学 | 一种改进的基于神经网络的桥梁损伤识别方法 |
| CN106528705A (zh) * | 2016-10-26 | 2017-03-22 | 桂林电子科技大学 | 一种基于rbf神经网络的重复记录检测方法和系统 |
| JP2020123329A (ja) * | 2020-01-10 | 2020-08-13 | フラウンホッファー−ゲゼルシャフト ツァ フェルダールング デァ アンゲヴァンテン フォアシュンク エー．ファオ | 人工ニューラルネットワークの関連性スコア割当て |
| CN115630422A (zh) * | 2022-10-19 | 2023-01-20 | 海口龙华海耶达信息技术中心 | 一种bim模型展示方法及其系统 |
Non-Patent Citations (2)
| Title |
|---|
| 陈华;李辉;顾恒星;杨刚;陈伟;: "基于正交设计与BP神经网络优化制备钢渣代砂环保型泡沫混凝土", 硅酸盐通报, no. 07, 15 July 2017 (2017-07-15) * |
| 颜强;姜佩言;张勤;: "人工神经网络与CFD技术交互的建筑直供水改造中增压优化设计", 给水排水, no. 06, 10 June 2016 (2016-06-10) * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109783785B (zh) | 生成实验检测报告的方法、装置和计算机设备 | |
| CN108388640B (zh) | 一种数据转换方法、装置以及数据处理系统 | |
| CN116126945B (zh) | 基于数据分析的传感器运行状态分析方法和系统 | |
| CN113268403B (zh) | 时间序列的分析预测方法、装置、设备及存储介质 | |
| CN116109630B (zh) | 基于传感器采集和人工智能的图像分析方法及系统 | |
| CN113110961B (zh) | 设备异常检测方法、装置、计算机设备及可读存储介质 | |
| CN117290420A (zh) | 一种用于财务数据提取的企业财务管理方法及系统 | |
| CN116935280A (zh) | 一种基于视频分析的行为预测方法及系统 | |
| CN117113507A (zh) | 一种基于建筑信息化的数据采集方法及系统 | |
| CN116070149A (zh) | 基于人工智能的数据分析方法、系统及云平台 | |
| CN114860608A (zh) | 基于场景构建的系统自动化测试方法、装置、设备及介质 | |
| CN115344495A (zh) | 批量任务测试的数据分析方法、装置、计算机设备及介质 | |
| CN117668962A (zh) | 一种基于建筑信息化的监控方法及系统 | |
| CN113610225A (zh) | 质量评估模型训练方法、装置、电子设备及存储介质 | |
| CN111400644A (zh) | 一种用于实验室分析样品的计算处理方法 | |
| CN117113508A (zh) | 一种建筑信息模型bim的数据生成方法及系统 | |
| CN117113033A (zh) | 一种新能源汽车的充电数据采集方法及系统 | |
| CN111626586B (zh) | 数据质量检测方法、装置、计算机设备和存储介质 | |
| CN116910729B (zh) | 应用于多组织架构的核身处理方法及系统 | |
| CN117150065B (zh) | 一种图像信息的采集方法及系统 | |
| CN117113256A (zh) | 一种基于建筑信息模型的建筑数据分析方法及系统 | |
| CN117634937A (zh) | 一种基于建筑信息模型的建筑质量评估方法及系统 | |
| CN116996403B (zh) | 应用ai模型的网络流量诊断方法及系统 | |
| CN117041121B (zh) | 基于数据挖掘的物联网异常监测方法及系统 | |
| CN114564853B (zh) | 一种基于fmea数据的评价报告的生成方法及电子设备 |
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 |