大数据环境下基于BIM与CNN的电力工程造价优化算法

扫码查看

原文链接

万方数据
维普

中文摘要：针对大数据环境下电力工程造价在精准化、动态化等方面存在的不足,提出了一种基于BIM与CNN的电力工程造价优化算法.利用BIM技术的特点进行电力工程全生命周期的造价管理,实现了造价的动态化管控.并且采用Levenberg-Marquardt规则算法改进卷积神经网络,通过改进后的CNN网络对每个工程环节的造价完成预测,从而优化整个工程的施工方案.结合相关的电力工程造价数据,基于Matlab对所提算法进行实验测试.结果表明,当学习率为 0.010 时CNN网络的性能最佳,所提算法的预测准确率为94%,并且与造价的真实值最为接近.

外文标题：Power engineering cost optimization algorithm based on BIM and CNN in big data environment

外文摘要：In view of the shortcomings of power engineering cost optimization in precision and dynamic aspects of big data environment,a power engineering cost optimization algorithm based on BIM and CNN was proposed.The characteristics of BIM technology were used to carry out the whole-life-cycle cost management of power engineering and realize the dynamic control of its cost.The Levenberg-Marquardt rule algorithm was used to improve the convolutional neural network(CNN),and the cost of each engineering link was predicted by the improved CNN network,so as to optimize the construction scheme for entire project.Combined with the relevant power engineering cost data,the as-proposed algorithm was tested by using Matlab.The results show that the performance of CNN network is the best when the learning rate is 0.010,and the prediction accuracy of the as-proposed algorithm is 94%,which is the most close to the real cost value.

外文关键词：

power engineering costBIM technologyconvolutional neural networkbig data environmentLevenberg-Marquardt rule algorithmwhole-life-cycledynamic management and controlprediction accuracy

作者：

王林峰、张文静、刘云、陈志宾、王立功

展开 >

作者单位：

华中科技大学电气与电子工程学院,湖北武汉 430074

河北省电力有限公司经济技术研究院,河北石家庄 050001

河北省电力有限公司互联网部,河北石家庄 050001

华北电力大学电气与电子工程学院,河北保定 071003

武汉大学电气与自动化学院,湖北武汉 430072

河北赛克普泰计算机咨询服务有限公司软件造价部,河北石家庄 050081

展开 >

关键词：

电力工程造价 BIM技术卷积神经网络大数据环境 Levenberg-Marquardt规则算法全生命周期动态化管控预测准确性

基金：

河北省自然科学基金重点项目河北省教育厅科技项目

项目编号：

E2018210044QN16214510D

出版年：

2024

DOI：

10.7688/j.issn.1000-1646.2024.01.02

沈阳工业大学学报

沈阳工业大学

沈阳工业大学学报

CSTPCD北大核心

影响因子：0.62

ISSN：1000-1646

年,卷(期)：2024.46(1)

参考文献量12