一种基于建筑信息模型的建筑质量评估方法及系统与流程

本发明涉及数据处理，具体而言，涉及一种基于建筑信息模型的建筑质量评估方法及系统。

背景技术：

1、建筑信息模型(building information modeling)是建筑学、工程学及土木工程的新工具。bim(building information modeling)技术是autodesk公司在2002年率先提出，目前已经在全球范围内得到业界的广泛认可，它可以帮助实现建筑信息的集成，从建筑的设计、施工、运行直至建筑全寿命周期的终结，各种信息始终整合于一个三维模型信息数据库中，设计团队、施工单位、设施运营部门和业主等各方人员可以基于bim进行协同工作，有效提高工作效率、节省资源、降低成本、以实现可持续发展。bim的核心是通过建立虚拟的建筑工程三维模型，利用数字化技术，为这个模型提供完整的、与实际情况一致的建筑工程信息库。该信息库不仅包含描述建筑物构件的几何信息、专业属性及状态信息，还包含了非构件对象(如空间、运动行为)的状态信息。借助这个包含建筑工程信息的三维模型，大大提高了建筑工程的信息集成化程度，从而为建筑工程项目的相关利益方提供了一个工程信息交换和共享的平台。

2、其中，基于一些应用需求，需要对目标建筑信息模型对应的目标建筑的建筑质量进行评估，但是，在现有技术中，存在评估可靠度不佳的问题。

技术实现思路

1、有鉴于此，本发明的目的在于提供一种基于建筑信息模型的建筑质量评估方法及系统，以在一定程度上提高建筑质量评估的可靠度。

2、为实现上述目的，本发明实施例采用如下技术方案：

3、一种基于建筑信息模型的建筑质量评估方法，包括：

4、采集到目标建筑信息模型对应的待分析建筑信息模型描述数据，确定所述待分析建筑信息模型描述数据是否属于正常建筑信息模型描述数据；

5、在所述待分析建筑信息模型描述数据属于正常建筑信息模型描述数据的情况下，利用多个目标建筑质量评估神经网络，分别对所述待分析建筑信息模型描述数据进行建筑质量评估处理，以输出所述待分析建筑信息模型描述数据对应的多个候选建筑质量评估数据；

6、对所述多个候选建筑质量评估数据进行融合处理，以形成所述目标建筑信息模型对应的目标建筑质量评估数据，所述目标建筑质量评估数据用于反映所述目标建筑信息模型对应的目标建筑的建筑质量。

7、在一些优选的实施例中，在上述基于建筑信息模型的建筑质量评估方法中，所述在所述待分析建筑信息模型描述数据属于正常建筑信息模型描述数据的情况下，利用多个目标建筑质量评估神经网络，分别对所述待分析建筑信息模型描述数据进行建筑质量评估处理，以输出所述待分析建筑信息模型描述数据对应的多个候选建筑质量评估数据的步骤，包括：

8、提取到多个典型建筑信息模型描述数据集合，对于所述多个典型建筑信息模型描述数据集合中的每两个典型建筑信息模型描述数据集合，该两个典型建筑信息模型描述数据集合包括的典型建筑信息模型描述数据至少部分典型建筑信息模型描述数据不一样；

9、提取到搭建的初始建筑质量评估神经网络；

10、对于所述多个典型建筑信息模型描述数据集合中的每一个典型建筑信息模型描述数据集合，依据该典型建筑信息模型描述数据集合包括的全部典型建筑信息模型描述数据，对所述初始建筑质量评估神经网络进行网络优化处理，形成目标建筑质量评估神经网络，使得基于所述多个典型建筑信息模型描述数据集合形成多个目标建筑质量评估神经网络；

11、在所述待分析建筑信息模型描述数据属于正常建筑信息模型描述数据的情况下，利用所述多个目标建筑质量评估神经网络，分别对所述待分析建筑信息模型描述数据进行建筑质量评估处理，以输出所述待分析建筑信息模型描述数据对应的多个候选建筑质量评估数据。

12、在一些优选的实施例中，在上述基于建筑信息模型的建筑质量评估方法中，所述对于所述多个典型建筑信息模型描述数据集合中的每一个典型建筑信息模型描述数据集合，依据该典型建筑信息模型描述数据集合包括的全部典型建筑信息模型描述数据，对所述初始建筑质量评估神经网络进行网络优化处理，形成目标建筑质量评估神经网络的步骤，包括：

13、对于任意一个所述典型建筑信息模型描述数据集合，从该典型建筑信息模型描述数据集合中提取出典型建筑信息模型描述数据，并提取到所述典型建筑信息模型描述数据对应的实际建筑质量数据；

14、对所述典型建筑信息模型描述数据进行加载处理，以加载到所述初始建筑质量评估神经网络中，评估输出对应的初级建筑质量评估数据和高级建筑质量评估数据；

15、基于所述初级建筑质量评估数据和所述实际建筑质量数据，分析输出对应的初级网络学习代价值，以及，基于所述高级建筑质量评估数据和所述实际建筑质量数据，分析输出对应的高级网络学习代价值，以及，基于所述初级网络学习代价值和所述高级网络学习代价值，确定出对应的目标网络学习代价值；

16、基于所述目标网络学习代价值，将所述初始建筑质量评估神经网络进行网络优化处理，形成对应的目标建筑质量评估神经网络；

17、其中，所述对所述典型建筑信息模型描述数据进行加载处理，以加载到所述初始建筑质量评估神经网络中，评估输出对应的初级建筑质量评估数据和高级建筑质量评估数据的步骤，包括：

18、利用所述初始建筑质量评估神经网络，挖掘出所述典型建筑信息模型描述数据对应的整体描述数据关键向量，以及，再将所述整体描述数据关键向量进行显著性特征抽选处理，以输出对应的显著性描述数据关键向量，以及，基于所述显著性描述数据关键向量进行建筑质量评估处理，以输出对应的初级建筑质量评估数据，以及，对所述整体描述数据关键向量和所述显著性描述数据关键向量进行聚合处理，形成对应的整体显著性描述数据关键向量，以及，基于所述整体显著性描述数据关键向量进行建筑质量评估处理，以输出对应的高级建筑质量评估数据。

19、在一些优选的实施例中，在上述基于建筑信息模型的建筑质量评估方法中，所述对于所述多个典型建筑信息模型描述数据集合中的每一个典型建筑信息模型描述数据集合，依据该典型建筑信息模型描述数据集合包括的全部典型建筑信息模型描述数据，对所述初始建筑质量评估神经网络进行网络优化处理，形成目标建筑质量评估神经网络的步骤，还包括：

20、利用所述初始建筑质量评估神经网络，将所述整体描述数据关键向量进行建筑质量评估处理，以输出对应的中级建筑质量评估数据，以及，基于所述中级建筑质量评估数据和所述实际建筑质量数据，分析输出对应的中级网络学习代价值；

21、所述基于所述初级网络学习代价值和所述高级网络学习代价值，确定出对应的目标网络学习代价值的步骤，包括：

22、基于所述初级网络学习代价值、所述高级网络学习代价值和所述中级网络学习代价值，确定出对应的目标网络学习代价值。

23、在一些优选的实施例中，在上述基于建筑信息模型的建筑质量评估方法中，所述对所述整体描述数据关键向量和所述显著性描述数据关键向量进行聚合处理，形成对应的整体显著性描述数据关键向量的步骤，包括：

24、分别对所述整体描述数据关键向量和所述显著性描述数据关键向量进行向量参数压缩处理，以形成对应的压缩整体描述数据关键向量和对应的压缩显著性描述数据关键向量；

25、将所述压缩整体描述数据关键向量和所述压缩显著性描述数据关键向量进行向量拼接处理，以形成对应的整体显著性描述数据关键向量，所述压缩整体描述数据关键向量对应的向量尺寸和所述压缩显著性描述数据关键向量对应的向量尺寸一样。

26、在一些优选的实施例中，在上述基于建筑信息模型的建筑质量评估方法中，所述对所述多个候选建筑质量评估数据进行融合处理，以形成所述目标建筑信息模型对应的目标建筑质量评估数据的步骤，包括：

27、在所述多个目标建筑质量评估神经网络的网络优化完成之后，确定出每一个所述目标建筑质量评估神经网络对应的建筑质量评估能力置信度；

28、依据每一个所述目标建筑质量评估神经网络对应的建筑质量评估能力置信度，分析出每一个所述目标建筑质量评估神经网络对应的对应的候选建筑质量评估数据的结果可靠度评估参数，以得到所述多个候选建筑质量评估数据对应的多个结果可靠度评估参数；

29、基于所述多个结果可靠度评估参数，对所述多个候选建筑质量评估数据进行融合处理，以输出对应的融合处理输出数据，再将所述融合处理输出数据作为所述目标建筑信息模型对应的目标建筑质量评估数据。

30、在一些优选的实施例中，在上述基于建筑信息模型的建筑质量评估方法中，所述采集到目标建筑信息模型对应的待分析建筑信息模型描述数据，确定所述待分析建筑信息模型描述数据是否属于正常建筑信息模型描述数据的步骤，包括：

31、采集到目标建筑信息模型对应的待分析建筑信息模型描述数据，所述待分析建筑信息模型描述数据用于描述所述目标建筑信息模型，所述待分析建筑信息模型描述数据至少包括第一类描述数据和第二类描述数据，所述第一类描述数据用于描述所述目标建筑信息模型包括的每一个模型构件，所述第二类描述数据用于描述所述模型构件之间的关系；

32、将所述待分析建筑信息模型描述数据进行关键信息挖掘操作，以形成所述待分析建筑信息模型描述数据对应的模型描述数据关键向量；

33、依据所述模型描述数据关键向量，通过不一样的多个建筑数据异常识别子网络，分析出所述待分析建筑信息模型描述数据对应的多个建筑数据异常分析结果，所述建筑数据异常分析结果包括所述待分析建筑信息模型描述数据对应的建筑数据异常情况；

34、基于所述多个建筑数据异常分析结果，确定出对应的建筑数据异常分析第一维度信息，所述建筑数据异常分析第一维度信息用于反映所述待分析建筑信息模型描述数据是否属于缺陷数据；

35、将所述多个建筑数据异常分析结果进行对比分析操作，以输出对应的建筑数据异常分析第二维度信息，所述建筑数据异常分析第二维度信息用于反映所述待分析建筑信息模型描述数据是否为非记忆建筑数据异常情况，所述非记忆建筑数据异常情况不属于所述多个建筑数据异常识别子网络在进行网络优化处理的过程中对应的示例性数据对应的实际建筑数据异常情况集合；

36、倘若所述建筑数据异常分析第一维度信息反映出所述待分析建筑信息模型描述数据不属于缺陷数据，以及，所述建筑数据异常分析第二维度信息反映出所述待分析建筑信息模型描述数据不属于所述非记忆建筑数据异常情况，则将所述待分析建筑信息模型描述数据标记为正常建筑信息模型描述数据。

37、本发明实施例还提供一种基于建筑信息模型的建筑质量评估系统，包括：

38、模型描述数据确定模块，用于采集到目标建筑信息模型对应的待分析建筑信息模型描述数据，确定所述待分析建筑信息模型描述数据是否属于正常建筑信息模型描述数据；

39、建筑质量评估模块，用于在所述待分析建筑信息模型描述数据属于正常建筑信息模型描述数据的情况下，利用多个目标建筑质量评估神经网络，分别对所述待分析建筑信息模型描述数据进行建筑质量评估处理，以输出所述待分析建筑信息模型描述数据对应的多个候选建筑质量评估数据；

40、质量评估结果融合模块，用于对所述多个候选建筑质量评估数据进行融合处理，以形成所述目标建筑信息模型对应的目标建筑质量评估数据，所述目标建筑质量评估数据用于反映所述目标建筑信息模型对应的目标建筑的建筑质量。

41、在一些优选的实施例中，在上述基于建筑信息模型的建筑质量评估系统中，所述建筑质量评估模块具体用于：

42、提取到多个典型建筑信息模型描述数据集合，对于所述多个典型建筑信息模型描述数据集合中的每两个典型建筑信息模型描述数据集合，该两个典型建筑信息模型描述数据集合包括的典型建筑信息模型描述数据至少部分典型建筑信息模型描述数据不一样；

43、提取到搭建的初始建筑质量评估神经网络；

44、对于所述多个典型建筑信息模型描述数据集合中的每一个典型建筑信息模型描述数据集合，依据该典型建筑信息模型描述数据集合包括的全部典型建筑信息模型描述数据，对所述初始建筑质量评估神经网络进行网络优化处理，形成对应的目标建筑质量评估神经网络，使得基于所述多个典型建筑信息模型描述数据集合形成多个目标建筑质量评估神经网络；

45、在所述待分析建筑信息模型描述数据属于正常建筑信息模型描述数据的情况下，利用所述多个目标建筑质量评估神经网络，分别对所述待分析建筑信息模型描述数据进行建筑质量评估处理，以输出所述待分析建筑信息模型描述数据对应的多个候选建筑质量评估数据。

46、在一些优选的实施例中，在上述基于建筑信息模型的建筑质量评估系统中，所述质量评估结果融合模块具体用于：

47、在所述多个目标建筑质量评估神经网络的网络优化完成之后，确定出每一个所述目标建筑质量评估神经网络对应的建筑质量评估能力置信度；

48、依据每一个所述目标建筑质量评估神经网络对应的建筑质量评估能力置信度，分析出每一个所述目标建筑质量评估神经网络对应的对应的候选建筑质量评估数据的结果可靠度评估参数，以得到所述多个候选建筑质量评估数据对应的多个结果可靠度评估参数；

49、基于所述多个结果可靠度评估参数，对所述多个候选建筑质量评估数据进行融合处理，以输出对应的融合处理输出数据，再将所述融合处理输出数据作为所述目标建筑信息模型对应的目标建筑质量评估数据。

50、本发明实施例提供的一种基于建筑信息模型的建筑质量评估方法及系统，可以采集到目标建筑信息模型对应的待分析建筑信息模型描述数据，确定待分析建筑信息模型描述数据是否属于正常建筑信息模型描述数据；在待分析建筑信息模型描述数据属于正常建筑信息模型描述数据的情况下，利用多个目标建筑质量评估神经网络，分别对待分析建筑信息模型描述数据进行建筑质量评估处理，以输出对应的多个候选建筑质量评估数据；对多个候选建筑质量评估数据进行融合处理，以形成目标建筑信息模型对应的目标建筑质量评估数据。基于前述的内容，由于有先确定待分析建筑信息模型描述数据是否属于正常建筑信息模型描述数据，且只有在待分析建筑信息模型描述数据属于正常建筑信息模型描述数据的情况下才进行建筑质量评估处理，并且，还会利用多个目标建筑质量评估神经网络进行，使得其可靠度更高，即可以在一定程度上提高建筑质量评估的可靠度。

51、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。