CN118036957A - 基于ai和bim的资源规划方法、系统及存储介质 - Google Patents
基于ai和bim的资源规划方法、系统及存储介质 Download PDFInfo
- Publication number
- CN118036957A CN118036957A CN202410146037.9A CN202410146037A CN118036957A CN 118036957 A CN118036957 A CN 118036957A CN 202410146037 A CN202410146037 A CN 202410146037A CN 118036957 A CN118036957 A CN 118036957A
- Authority
- CN
- China
- Prior art keywords
- man
- machine
- names
- standard
- bim
- 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
- 238000013439 planning Methods 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 48
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 79
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 79
- 238000013145 classification model Methods 0.000 claims abstract description 33
- 239000000463 material Substances 0.000 claims abstract description 25
- 238000010276 construction Methods 0.000 claims abstract description 23
- 238000012549 training Methods 0.000 claims abstract description 20
- 238000006243 chemical reaction Methods 0.000 claims abstract description 14
- 238000004364 calculation method Methods 0.000 claims description 21
- 239000011159 matrix material Substances 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 8
- 238000002372 labelling Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 229910001294 Reinforcing steel Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000005662 electromechanics Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种基于AI和BIM的资源规划方法、系统及存储介质,涉及项目施工技术领域,包括:构建标准名称库和历史数据库;将历史数据库中的历史人材机名称和标准名称库中的标准人材机名称建立对应关系,并构建分类转换列表,并以构建分类数据集;采用分类数据集进行模型训练,得到分类模型;基于已构建的BIM模型,提取得到目标项目中的人材机数据,并将人材机数据中的材料名称输入分类模型,得到目标标准人材机名称;根据人材机数据中的数量,以及目标标准人材机名称对应的碳排放因子,计算得到目标项目的碳排放。本申请能够对碳排放因子进行高效计算,从而实现对人材机资源的快速规划。
Description
技术领域
本申请涉及项目施工技术领域,尤其涉及一种基于AI和BIM的资源规划方法、系统及存储介质。
背景技术
相关技术中,随着社会的发展,环保意识的提升,对项目施工提出了节能减排的要求。为了更清楚地对节能减排的效果进行观测,对项目施工所消耗的资源对应的碳排放进行计算,从而对建设项目中的人材机资源进行规划,是建筑行业监测节能减排效果的技术性实现方式,因此,在建设项目中,基于资源损耗的资源规划与管理已经成为了项目施工过程中的一项重要工作。然而,建设项目的资源规划是一项非常繁琐的工作,需要大量的专业人员对建设项目过程中的人材机等数据进行统计和转换。
目前,主流的碳排放因子计算方法首先需要明确主要材料及其类别对应的碳排放因子才能计算出相应的数据,并且,现有的碳排放因子数据库,都是根据常见的材料、机械数据归纳的,然而,这些碳排放因子数据库在材料的名称和属性中往往采用标准以及范围的命名方法。但是在实际的建设项目中,材料、器械的名称类别五花八门,就拿混凝土而言,建设项目中使用的商品混凝土可能表述为商品砼、(商品)混凝土、普通混凝土、预拌商品混凝土。然而在碳排放因子库的分类中,以上材料全部对应的都是商品混凝土。现有的资源规划方法,往往需要技术专家结合碳排放因子库中的类别规定,对项目中的人材机数据进行整理分类后,再进行碳排放的计算,这种人为干预的方法,需要花费大量的时间和精力,从而导致碳排放的计算效率低下,并且人力成本居高;因此,基于效率不佳,成本居高的问题,很不利于建设项目中,对于人材机资源的快速规划。因此,如何对碳排放因子进行高效计算,从而实现人材机资源的快速规划,成为了亟待解决的技术问题。
发明内容
本申请旨在至少解决现有技术中存在的技术问题之一。为此,本申请提出了一种基于AI和BIM的资源规划方法、系统及存储介质,能够对碳排放因子进行高效计算,从而实现对人材机资源的快速规划。
根据本申请的第一方面实施例的基于AI和BIM的资源规划方法,包括:
根据预设的碳排放因子库,构建标准名称库,其中,所述标准名称库包括多个标准人材机名称;
收集建设项目中人材机的历史数据,构建历史数据库,其中,所述历史数据库包括多个历史人材机名称;
将所述历史人材机名称和所述标准人材机名称建立对应关系,并基于对应关系构建人材机名称的分类转换列表,以构建分类数据集;
采用所述分类数据集进行模型训练,得到分类模型;
基于已构建的BIM模型,提取得到目标项目中的人材机数据,并将人材机数据中的材料名称输入分类模型,得到目标标准人材机名称;
根据人材机数据中的数量,以及目标标准人材机名称对应的碳排放因子,计算得到目标项目的碳排放。
根据本申请实施例的基于AI和BIM的资源规划方法,至少具有如下有益效果:第一步,根据预设的碳排放因子库,构建标准名称库,其中,标准名称库包括多个标准人材机名称;第二步,收集建设项目中人材机的历史数据,构建历史数据库,其中,历史数据库包括多个历史人材机名称;第三步,将历史人材机名称和标准人材机名称建立对应关系,并基于对应关系构建人材机名称的分类转换列表,以构建分类数据集;第四步,采用分类数据集进行模型训练,得到分类模型;第五步,基于已构建的BIM模型,提取得到目标项目中的人材机数据,并将人材机数据中的材料名称输入分类模型,得到目标标准人材机名称;第六步,根据人材机数据中的数量,以及目标标准人材机名称对应的碳排放因子,计算得到目标项目的碳排放。本申请的基于AI和BIM的资源规划方法,通过构建历史数据库和标准名称库,并将历史数据库中的多个历史人材机名称和标准人材机名称建立对应关系,基于该对应关系训练得到分类模型,而基于分类模型,能够基于目标项目中的人材机名称,快速地识别得到目标项目对应的目标标准人材机名称,从而迅速得到目标标准人材机名称对应的碳排放因子,最终实现目标项目的快速计算,摒弃了人为干预的计算过程,高效快捷,使得能够基于碳排放的高效计算,从而实现对人材机资源的快速规划。因此,本申请的基于AI和BIM的资源规划方法,能够对碳排放因子进行高效计算,从而实现对人材机资源的快速规划。
根据本申请第一方面的一些实施例,根据预设的碳排放因子库,构建标准名称库,包括:
提取预设的碳排放因子库中的人材机名称及属性,并基于碳排放因子库中的人材机名称及属性,构建标准名称库。
根据本申请第一方面的一些实施例,所述将所述历史人材机名称和所述标准人材机名称建立对应关系,包括:
通过标注的方式,将所述历史人材机名称和所述标准人材机名称建立对应关系,其中,一个标准人材机名称对应至少一个所述历史人材机名称。
根据本申请第一方面的一些实施例,所述采用所述分类数据集进行模型训练,得到分类模型,包括:
将所述分类数据集中的分类转换列表对应的文本文档,转换为分词计数矩阵;
将分词计数矩阵转换为TF-IDF形式的数值表示,并采用Scikit-Learn库中的分类器进行模型训练,构建得到基于朴素贝叶斯-多项式模型的分类模型。
根据本申请第一方面的一些实施例,所述基于已构建的BIM模型,提取得到项目中的人材机数据,包括:
基于项目产生的计价文件,确定定额条目;
将每一定额条目下对应的人材机名称和消耗量进行提取,得到项目中的人材机数据。
根据本申请第一方面的一些实施例,所述根据人材机数据中的数量,以及目标标准人材机名称对应的碳排放因子,计算得到目标项目的碳排放,包括:
将人材机数据中的数量和所述碳排放因子进行累加计算,得到目标项目的碳排放。
根据本申请第二方面实施例的基于AI和BIM的资源规划系统,包括:
标准模块,用于根据预设的碳排放因子库,构建标准名称库,其中,所述标准名称库包括多个标准人材机名称;
历史模块,用于收集建设项目中人材机的历史数据,构建历史数据库,其中,所述历史数据库包括多个历史人材机名称;
数据模块,用于将所述历史人材机名称和所述标准人材机名称建立对应关系,并基于对应关系构建人材机名称的分类转换列表,以构建分类数据集;
训练模块,用于采用所述分类数据集进行模型训练,得到分类模型;
应用模块,用于基于已构建的BIM模型,提取得到目标项目中的人材机数据,并将人材机数据中的材料名称输入分类模型,得到目标标准人材机名称;
计算模块,用于根据人材机数据中的数量,以及目标标准人材机名称对应的碳排放因子,计算得到目标项目的碳排放。
根据本申请第三方面实施例的基于AI和BIM的资源规划系统,包括:
至少一个存储器;
至少一个处理器;
至少一个程序;
所述程序被存储在所述存储器中,所述处理器执行至少一个所述程序以实现如第一方面实施例所述的基于AI和BIM的资源规划方法。
根据本申请第四方面实施例的计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如第一方面实施例所述的基于AI和BIM的资源规划方法。
本申请的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
下面结合附图和实施例对本申请做进一步的说明,其中:
图1为本申请实施例所提供的基于AI和BIM的资源规划方法的流程示意图;
图2为本申请一个实施例所提供的基于AI和BIM的资源规划系统的连接示意图;
图3为本申请另一实施例所提供的基于AI和BIM的资源规划系统的结构示意图。
附图标记:
存储器200、处理器300。
具体实施方式
下面详细描述本申请的实施例,实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本申请,而不能理解为对本申请的限制。
需要说明的是,虽然在系统示意图中进行了功能模块划分,在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于系统中的模块划分,或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
在本申请的描述中,若干的含义是一个以上,多个的含义是两个以上,大于、小于、超过等理解为不包括本数,以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
本申请的描述中,除非另有明确的限定,设置、安装、连接等词语应做广义理解,所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本申请中的具体含义。
本申请的描述中,参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
名词解释:
AI:指人工智能(Artificial Intelligence),在本文中可以理解为通过训练的相关模型。
BIM:指建筑信息模型(Building Information Modeling)。
下面,根据图1描述本申请实施例的基于AI和BIM的资源规划方法。
可以理解的是,如图1所示,提供了一种基于AI和BIM的资源规划方法,包括:
步骤S100,根据预设的碳排放因子库,构建标准名称库,其中,标准名称库包括多个标准人材机名称;
步骤S110,收集建设项目中人材机的历史数据,构建历史数据库,其中,历史数据库包括多个历史人材机名称;
步骤S120,将历史人材机名称和标准人材机名称建立对应关系,并基于对应关系构建人材机名称的分类转换列表,以构建分类数据集;
步骤S130,采用分类数据集进行模型训练,得到分类模型;
步骤S140,基于已构建的BIM模型,提取得到目标项目中的人材机数据,并将人材机数据中的材料名称输入分类模型,得到目标标准人材机名称;
步骤S150,根据人材机数据中的数量,以及目标标准人材机名称对应的碳排放因子,计算得到目标项目的碳排放。
第一步,根据预设的碳排放因子库,构建标准名称库,其中,标准名称库包括多个标准人材机名称;第二步,收集建设项目中人材机的历史数据,构建历史数据库,其中,历史数据库包括多个历史人材机名称;第三步,将历史人材机名称和标准人材机名称建立对应关系,并基于对应关系构建人材机名称的分类转换列表,以构建分类数据集;第四步,采用分类数据集进行模型训练,得到分类模型;第五步,基于已构建的BIM模型,提取得到目标项目中的人材机数据,并将人材机数据中的材料名称输入分类模型,得到目标标准人材机名称;第六步,根据人材机数据中的数量,以及目标标准人材机名称对应的碳排放因子,计算得到目标项目的碳排放。本申请的基于AI和BIM的资源规划方法,通过构建历史数据库和标准名称库,并将历史数据库中的多个历史人材机名称和标准人材机名称建立对应关系,基于该对应关系训练得到分类模型,而基于分类模型,能够基于目标项目中的人材机名称,快速地识别得到目标项目对应的目标标准人材机名称,从而迅速得到目标标准人材机名称对应的碳排放因子,最终实现目标项目的快速计算,摒弃了人为干预的计算过程,高效快捷,使得能够基于碳排放的高效计算,从而实现对人材机资源的快速规划。因此,本申请的基于AI和BIM的资源规划方法,能够对碳排放因子进行高效计算,从而实现对人材机资源的快速规划。
可以理解的是,根据预设的碳排放因子库,构建标准名称库,包括:
提取预设的碳排放因子库中的人材机名称及属性,并基于碳排放因子库中的人材机名称及属性,构建标准名称库。
需要说明的是,碳排放因子库及碳排放因子数据库,由相关部门进行制定,在本申请中,可直接采用。碳排放因子库中的材料名称一般都是行业中较为规范为用法,以混凝土为例,其在碳排放因子库的表达如表1所示:
表1碳排放因子库
标准名称 | 碳排放因子 |
商品混凝土 | 0.12kg CO2e/kg |
可以理解的是,将历史人材机名称和标准人材机名称建立对应关系,包括:
通过标注的方式,将历史人材机名称和标准人材机名称建立对应关系,其中,一个标准人材机名称对应至少一个历史人材机名称。
需要说明的是,收集大量建设项目人材机的历史数据,对历史数据进行整理和收集,采用标注的方法将历史数据中的数据和碳排放因子库中的标准人材机名称数据相对应,形成对应的关系。例如,标准名称库:商品混凝土;历史数据库:商品砼、(商品)混凝土、普通混凝土、预拌商品混凝土。通过对大量的历史数据的整理,构建出标准人材机名称和对应的历史数据人材机列表,并形成对应的数据集。
需要说明的是,构建的历史数据库和标准名称库的部分示例如下表2:
表2历史数据库和标准名称库示例
可以理解的是,采用分类数据集进行模型训练,得到分类模型,包括:
将分类数据集中的分类转换列表对应的文本文档,转换为分词计数矩阵;
将分词计数矩阵转换为TF-IDF形式的数值表示,并采用Scikit-Learn库中的分类器进行模型训练,构建得到基于朴素贝叶斯-多项式模型的分类模型。
需要说明的是,先将文本文档转换为分词计数矩阵,然后将分词计数矩阵转换为标准化的TF-IDF表示形式(tf-idf转换器)。之后,采用Scikit-Learn库中的训分类器进行模型训练,通过构建朴素贝叶斯-多项式模型,将Scikit-Learn库中的pipeline设定为[(‘vect',CountVectorizer),('tfidf',TfidfTransformer),('clf',MultinomialNB)。通过将分类数据集进行以上步骤的处理,将会得到碳排放因子名称文本的分类模型。
需要说明的是,本申请能够通过该分类模型,判断人材机数据相对于标准名称库类别,例如,如下表3所示,当在该分类模型中输入“商品砼”时,该模型将会产生一个结果,说明“商品砼”对应于“商品混凝土”类别。
表3模型输入输出
模型输入 | 模型输出 |
砼 | 商品混凝土 |
商品砼 | 商品混凝土 |
混凝土 | 商品混凝土 |
普通商品混凝土 | 商品混凝土 |
可以理解的是,基于已构建的BIM模型,提取得到项目中的人材机数据,包括:
基于项目产生的计价文件,确定定额条目;
将每一定额条目下对应的人材机名称和消耗量进行提取,得到项目中的人材机数据。
需要说明的是,BIM模型依据BIM建模标准进行创建,实现基于BIM模型的全专业(包括:土建、机电和钢筋)工程量计算,为资源规划提供数据基础。需要说明的是,通过BIM模型,能够根据国标清单的规范产生各个专业的清单,其中,下表4以垫层为例。
表4垫层工程量计算示例
清单编码 | 清单名称 | 清单项目特征描述 | 量 |
010501001 | 垫层 | 100厚C15砼垫层 | 100立方米 |
需要说明的是,以垫层为例,产生的人材机数据如下表5:
表5垫层人材机数据示例
材料名称 | 材料用量 |
砼 | 100立方米 |
需要说明的是,根据产生最终产生的计价文件,可以确定定额条目,根据每条定额条目下包含了对应的人、材、机的名称及消耗量,项目中所产生的人材机数据即可被提取。
可以理解的是,根据人材机数据中的数量,以及目标标准人材机名称对应的碳排放因子,计算得到目标项目的碳排放,包括:
将人材机数据中的数量和碳排放因子进行累加计算,得到目标项目的碳排放。
需要说明的是,将经由BIM模型提取出的人材机数据中的材料名称,输入分类模型,会得到对应碳排放因子库的标准人材机名称,此时将人材机数据中的数量与其所对应的碳排放因子数据库中的碳排放因子进行累加计算,即可得到建设项目整个碳排放的计算。例如,以商品砼为例,计算过程如下表6:
表6商品砼示例
此时,经过分类模型处理的材料名称:商品混凝土,已经可以和一开始的符合国家和行业规范的标准名称进行匹配并进行计算,从而对该项材料产生的碳排放量进行计算:碳排量(二氧化碳)=1000*0.12=120kg。
需要说明的是,此种方法可以避免在获取人材机数据后人工对获取到的数据的转换,具有高效、简便、可重复用性高的特点。
可以理解的是,如图2所示,本申请还提供了一种基于AI和BIM的资源规划系统,包括:
标准模块,用于根据预设的碳排放因子库,构建标准名称库,其中,标准名称库包括多个标准人材机名称;
历史模块,用于收集建设项目中人材机的历史数据,构建历史数据库,其中,历史数据库包括多个历史人材机名称;
数据模块,用于将历史人材机名称和标准人材机名称建立对应关系,并基于对应关系构建人材机名称的分类转换列表,以构建分类数据集;
训练模块,用于采用分类数据集进行模型训练,得到分类模型;
应用模块,用于基于已构建的BIM模型,提取得到目标项目中的人材机数据,并将人材机数据中的材料名称输入分类模型,得到目标标准人材机名称;
计算模块,用于根据人材机数据中的数量,以及目标标准人材机名称对应的碳排放因子,计算得到目标项目的碳排放。
下面参照图3描述根据本申请实施例的基于AI和BIM的资源规划系统。
可以理解的是,如图3所示,基于AI和BIM的资源规划系统,包括:
至少一个存储器200;
至少一个处理器300;
至少一个程序;
程序被存储在存储器200中,处理器300执行至少一个程序以实现上述的基于AI和BIM的资源规划方法。图3以一个处理器300为例。
处理器300和存储器200可以通过总线或其他方式连接,图3以通过总线连接为例。
存储器200作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态性计算机可执行程序以及信号,如本申请实施例中的基于AI和BIM的资源规划系统对应的程序指令/信号。处理器300通过运行存储在存储器200中的非暂态软件程序、指令以及信号,从而执行各种功能应用以及数据处理,即实现上述方法实施例的基于AI和BIM的资源规划方法。
存储器200可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储上述基于AI和BIM的资源规划方法的相关数据等。此外,存储器200可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器200可选包括相对于处理器300远程设置的存储器,这些远程存储器可以通过网络连接至基于AI和BIM的资源规划系统。上述网络的实例包括但不限于物联网、软件定义网络、传感器网络、互联网、企业内部网、局域网、移动通信网及其组合。
一个或者多个信号存储在存储器200中,当被一个或者多个处理器300执行时,执行上述任意方法实施例中的基于AI和BIM的资源规划方法。例如,执行以上描述的图1中的方法。
下面参照图3描述根据本申请实施例的计算机可读存储介质。
如图3所示,计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个处理器300执行,例如,被图3中的一个处理器300执行,可使得上述一个或多个处理器300执行上述方法实施例中的基于AI和BIM的资源规划方法。例如,执行以上描述的图1中的方法。
以上所描述的系统实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
通过以上的实施方式的描述,本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质和通信介质。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读信号、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
上面结合附图对本申请实施例作了详细说明,但是本申请不限于上述实施例,在所属技术领域普通技术人员所具备的知识范围内,还可以在不脱离本申请宗旨的前提下作出各种变化。此外,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
Claims (9)
1.基于AI和BIM的资源规划方法,其特征在于,包括:
根据预设的碳排放因子库,构建标准名称库,其中,所述标准名称库包括多个标准人材机名称;
收集建设项目中人材机的历史数据,构建历史数据库,其中,所述历史数据库包括多个历史人材机名称;
将所述历史人材机名称和所述标准人材机名称建立对应关系,并基于对应关系构建人材机名称的分类转换列表,以构建分类数据集;
采用所述分类数据集进行模型训练,得到分类模型;
基于已构建的BIM模型,提取得到目标项目中的人材机数据,并将人材机数据中的材料名称输入分类模型,得到目标标准人材机名称;
根据人材机数据中的数量,以及目标标准人材机名称对应的碳排放因子,计算得到目标项目的碳排放。
2.根据权利要求1所述的基于AI和BIM的资源规划方法,其特征在于,所述根据预设的碳排放因子库,构建标准名称库,包括:
提取预设的碳排放因子库中的人材机名称及属性,并基于碳排放因子库中的人材机名称及属性,构建标准名称库。
3.根据权利要求1所述的基于AI和BIM的资源规划方法,其特征在于,所述将所述历史人材机名称和所述标准人材机名称建立对应关系,包括:
通过标注的方式,将所述历史人材机名称和所述标准人材机名称建立对应关系,其中,一个标准人材机名称对应至少一个所述历史人材机名称。
4.根据权利要求1所述的基于AI和BIM的资源规划方法,其特征在于,所述采用所述分类数据集进行模型训练,得到分类模型,包括:
将所述分类数据集中的分类转换列表对应的文本文档,转换为分词计数矩阵;
将分词计数矩阵转换为TF-IDF形式的数值表示,并采用Scikit-Learn库中的分类器进行模型训练,构建得到基于朴素贝叶斯-多项式模型的分类模型。
5.根据权利要求1所述的基于AI和BIM的资源规划方法,其特征在于,所述基于已构建的BIM模型,提取得到项目中的人材机数据,包括:
基于项目产生的计价文件,确定定额条目;
将每一定额条目下对应的人材机名称和消耗量进行提取,得到项目中的人材机数据。
6.根据权利要求1所述的基于AI和BIM的资源规划方法,其特征在于,所述根据人材机数据中的数量,以及目标标准人材机名称对应的碳排放因子,计算得到目标项目的碳排放,包括:
将人材机数据中的数量和所述碳排放因子进行累加计算,得到目标项目的碳排放。
7.基于AI和BIM的资源规划系统,其特征在于,包括:
标准模块,用于根据预设的碳排放因子库,构建标准名称库,其中,所述标准名称库包括多个标准人材机名称;
历史模块,用于收集建设项目中人材机的历史数据,构建历史数据库,其中,所述历史数据库包括多个历史人材机名称;
数据模块,用于将所述历史人材机名称和所述标准人材机名称建立对应关系,并基于对应关系构建人材机名称的分类转换列表,以构建分类数据集;
训练模块,用于采用所述分类数据集进行模型训练,得到分类模型;
应用模块,用于基于已构建的BIM模型,提取得到目标项目中的人材机数据,并将人材机数据中的材料名称输入分类模型,得到目标标准人材机名称;
计算模块,用于根据人材机数据中的数量,以及目标标准人材机名称对应的碳排放因子,计算得到目标项目的碳排放。
8.基于AI和BIM的资源规划系统,其特征在于,包括:
至少一个存储器;
至少一个处理器;
至少一个程序;
所述程序被存储在所述存储器中,所述处理器执行至少一个所述程序以实现如权利要求1至6任意一项所述的基于AI和BIM的资源规划方法。
9.计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如权利要求1至6任意一项所述的基于AI和BIM的资源规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410146037.9A CN118036957A (zh) | 2024-02-01 | 2024-02-01 | 基于ai和bim的资源规划方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410146037.9A CN118036957A (zh) | 2024-02-01 | 2024-02-01 | 基于ai和bim的资源规划方法、系统及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118036957A true CN118036957A (zh) | 2024-05-14 |
Family
ID=90988703
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410146037.9A Pending CN118036957A (zh) | 2024-02-01 | 2024-02-01 | 基于ai和bim的资源规划方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118036957A (zh) |
-
2024
- 2024-02-01 CN CN202410146037.9A patent/CN118036957A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104794242B (zh) | 一种搜索方法 | |
CN107247757A (zh) | 基于bim的建设工程文档分类存储与检索方法及系统 | |
CN104077407A (zh) | 一种智能数据搜索系统及方法 | |
CN104281891A (zh) | 一种时间序列数据挖掘方法及系统 | |
CN102169491A (zh) | 一种多数据集中重复记录动态检测方法 | |
CN108509198B (zh) | 一种基于中性bom的产品电子图册构建方法 | |
CN111061679A (zh) | 一种基于rete和drools规则的科技创新政策速配的方法和系统 | |
CN112949907A (zh) | 一种工程造价的定额匹配方法、装置、设备及存储介质 | |
Ren et al. | Multifactor correlation analysis and modeling for product low-carbon design | |
CN103430152B (zh) | 处理用于数据库修改的数据的方法与系统 | |
CN116821223B (zh) | 基于数字孪生的工业可视化控制平台及方法 | |
CN108399524A (zh) | 信息处理方法及系统 | |
CN118036957A (zh) | 基于ai和bim的资源规划方法、系统及存储介质 | |
CN111324594A (zh) | 用于粮食加工业的数据融合方法、装置、设备及存储介质 | |
CN116187675A (zh) | 任务分配方法、装置、设备及存储介质 | |
CN114240179A (zh) | 一种基于事件图谱的财务流程挖掘方法和相关装置 | |
CN114756685A (zh) | 一种投诉单的投诉风险识别方法及装置 | |
CN113780673A (zh) | 离职预测模型的训练方法、装置及离职预测方法、装置 | |
Nguyen | Representation choice methods as the tool for solving uncertainty in distributed temporal database systems with indeterminate valid time | |
CN112559773A (zh) | 一种知识图谱系统搭建方法及装置 | |
CN110399337A (zh) | 基于数据驱动的文件自动化服务方法和系统 | |
US8103633B2 (en) | Method and system for generic display and use of an object | |
CN113592432B (zh) | 工单判重方法、装置、电子设备及存储介质 | |
CN110689241A (zh) | 一种基于大数据的电网实物资产评价系统 | |
CN116992550B (zh) | 油气化工码头数字化交付码头对象分类方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |