CN116629706B - 一种基于bim的绿色节能建筑施工质量评估方法 - Google Patents
一种基于bim的绿色节能建筑施工质量评估方法 Download PDFInfo
- Publication number
- CN116629706B CN116629706B CN202310882854.6A CN202310882854A CN116629706B CN 116629706 B CN116629706 B CN 116629706B CN 202310882854 A CN202310882854 A CN 202310882854A CN 116629706 B CN116629706 B CN 116629706B
- Authority
- CN
- China
- Prior art keywords
- data
- construction
- energy consumption
- calculating
- day
- 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.)
- Active
Links
- 238000009435 building construction Methods 0.000 title claims abstract description 59
- 238000001303 quality assessment method Methods 0.000 title claims abstract description 13
- 238000005265 energy consumption Methods 0.000 claims abstract description 129
- 238000010276 construction Methods 0.000 claims abstract description 121
- 230000002159 abnormal effect Effects 0.000 claims abstract description 49
- 239000000463 material Substances 0.000 claims abstract description 39
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000004364 calculation method Methods 0.000 claims abstract description 13
- 238000001514 detection method Methods 0.000 claims abstract description 13
- 230000035945 sensitivity Effects 0.000 claims description 31
- 230000005484 gravity Effects 0.000 claims description 13
- 238000005516 engineering process Methods 0.000 claims description 11
- 238000011156 evaluation Methods 0.000 claims description 9
- 230000005856 abnormality Effects 0.000 claims description 5
- 239000004566 building material Substances 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 5
- 238000013441 quality evaluation Methods 0.000 abstract description 4
- 230000007774 longterm Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000004035 construction material Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/27—Regression, e.g. linear or logistic regression
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Entrepreneurship & Innovation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Artificial Intelligence (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及数据处理领域,提供一种基于BIM的绿色节能建筑施工质量评估方法,包括:采集施工过程的施工参数,施工参数包括能耗数据、材料使用数据、施工进度数据;利用异常数据检测算法基于施工参数计算数据判断阈值;利用LOF算法基于数据判断阈值进行检测,得到异常数据;基于异常数据对施工质量进行评估。该方法能够提高计算效率,并且施工质量评估准确性高。
Description
技术领域
本申请涉及数据处理领域,特别是涉及一种基于BIM的绿色节能建筑施工质量评估方法。
背景技术
随着经济快速发展,现代化步伐的快速推进,涌现出较多的建筑工程项目。人们的生活水平提高,对与建筑工程形式多元化和复杂化的要求也逐渐提高。目前的建筑方向倾向于绿色节能建筑,但随着建筑工程的大量出现,也导致建筑施工的质量良莠不齐。
如今在建筑行业中多采用BIM技术,BIM技术是一种综合的数字化建造模型技术,可通过该技术与其他相关技术的联合对建筑施工不同阶段进行应用。目前通过BIM技术采集建筑施工的相关数据,采用传统的数据异常检测的方法,对于建筑施工相关数据的检测不准确,导致对绿色节能建筑施工质量的评估精度不高。
发明内容
本发明提供一种基于BIM的绿色节能建筑施工质量评估方法,该方法能够提高计算效率,并且施工质量评估准确性高。
本申请提供一种基于BIM的绿色节能建筑施工质量评估方法,包括:
采集施工过程的施工参数,所述施工参数包括能耗数据、材料使用数据、施工进度数据;
利用异常数据检测算法基于所述施工参数计算数据判断阈值;
利用LOF算法基于所述数据判断阈值进行检测,得到异常数据;
基于所述异常数据对施工质量进行评估。
进一步的,利用异常数据检测算法基于所述施工参数计算数据判断阈值,包括:
基于施工参数的自相关性计算得到第一候选数据;
基于所述第一候选数据计算第二候选数据;
基于所述第一候选数据以及所述第二候选数据计算得到所述数据判断阈值。
进一步的,基于施工参数的自相关性计算得到第一候选数据,包括:
计算每一天施工对应的能耗信息敏感系数;
将所有的能耗信息敏感系数进行分组,得到多个判断序列;
计算每一判断序列之间的自相关性,得到所有判断序列对应的自相关性序列;
基于所述自相关性序列得到所述第一候选数据。
进一步的,计算每一天施工对应的能耗信息敏感系数,包括:
基于每一天的能耗数据、施工进度数据计算能源消耗比重系数;
基于所述能源消耗比重系数以及所述施工进度数据计算得到每一天施工的实际能耗参考数据;
基于每一天施工的所述实际能耗参考数据以及材料使用数据计算得到每一天施工对应的能耗信息敏感系数。
进一步的,基于每一天施工的所述实际能耗参考数据以及材料使用数据计算得到每一天施工对应的能耗信息敏感系数,包括:
利用K近邻算法从实际能耗参考数据序列中确定每一天施工对应的实际能耗参考数据的第一K近邻数据,其中,实际能耗参考数据序列是所有实际能耗参考数据组合得到的;利用K近邻算法从材料使用数据序列中确定每一天施工对应的材料使用数据的第二K近邻数据,所述材料使用数据序列是所有材料使用数据组合得到的;
基于第一K近邻数据的信息熵、均值,第二K近邻数据的信息熵、均值,每一天施工对应的实际能耗参考数据与其第一K近邻数据中数据的欧式距离计算得到每一天施工对应的能耗信息敏感系数。
进一步的,利用如下公式计算每一天施工对应的能耗信息敏感系数:
;
其中,bs表示绿色节能建筑施工过程中第s天施工对应的实际能耗参考数据,cs为bs的第一K近邻数据的信息熵,表示bs的第一K近邻数据的均值,bi表示bs的第一K近邻数据中第i个数据的值,dist()表示计算两点之间的欧式距离,ds表示绿色节能建筑施工材料使用数据序列中的第s天的材料使用数据k2,s的第二K近邻数据的信息熵,/>表示k2,s的第二K近邻数据的均值,fs表示绿色节能建筑施工的实际能耗参考数据bs的能耗信息敏感系数。
进一步的,计算每一判断序列之间的自相关性,得到所有判断序列对应的自相关性序列,包括:
利用如下公式计算每一判断序列之间的自相关性:
;
其中,hx表示将第x组绿色节能建筑施工数据的能耗信息敏感系数由大到小排序后所得到的判断序列,hurst()表示采用Hurst指数计算判断序列的自相关性,cyx表示第x组绿色节能建筑施工数据的自相关性。
进一步的,基于所述自相关性序列得到所述第一候选数据,包括:
将自相关性序列中大于或等于第一阈值的数据作为所述第一候选数据。
进一步的,基于所述第一候选数据计算第二候选数据,包括:
从所述第一候选数据中确定第二阈值,将小于所述第二阈值的数据作为所述第二候选数据;其中,所述第二阈值为所述第一候选数据从大到小排列后的中位数。
进一步的,基于所述异常数据对施工质量进行评估,包括:
采用BIM技术进行建模,得到达标参考数据;
基于达标参考数据与异常数据之间的差值以及异常数据的数量计算得到施工质量的评估系数,进而对施工质量进行评估。
本申请的有益效果,区别于现有技术,本申请的基于BIM的绿色节能建筑施工质量评估方法,包括:采集施工过程的施工参数,施工参数包括能耗数据、材料使用数据、施工进度数据;利用异常数据检测算法基于施工参数计算数据判断阈值;利用LOF算法基于数据判断阈值进行检测,得到异常数据;基于异常数据对施工质量进行评估。该方法能够提高计算效率,并且施工质量评估准确性高。
附图说明
图1为本发明基于BIM的绿色节能建筑施工质量评估方法的一实施例的流程示意图;
图2为图1中步骤S12的一实施例的流程示意图;
图3为图2中步骤S21的一实施例的流程示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本发明的主要目的是:通过实际施工过程中的能耗数据、材料使用数据和施工进度数据,对相应时期的能耗的使用情况进行分析,当期(同一时间段)施工进度较慢,则材料的使用较少,此时能源未得到充分利用,产生异常消耗,同时在未使用节能技术情况下,产生的能源消耗比预估消耗较高。根据上述特征,可根据基于BIM技术得到的建筑模型的相关数据,对绿色节能建筑施工的质量进行评估。下面结合附图和实施例对本申请进行详细的说明。
请参见图1,图1为基于BIM的绿色节能建筑施工质量评估方法的一实施例的流程示意图,具体包括:
步骤S11:采集施工过程的施工参数,施工参数包括能耗数据、材料使用数据、施工进度数据。
在绿色节能建筑的施工过程中,通过每天的数据记录,最终可以得到整个绿色节能建筑的施工过程的施工参数。因质量检测对象为绿色节能建筑,可以通过材料使用和能源消耗等方面进行考虑,本发明中选取其中的能耗数据(每日消耗的电量)、材料使用数据(每日建材的使用总数)和施工进度数据(每天的实际施工量)作为施工参数,可根据施工参数建立相应的检测矩阵。
;
上述矩阵中由上到下每一行数据分别代表施工进度数据、材料使用数据和能耗数据,其中施工的天数为n。
步骤S12:利用异常数据检测算法基于施工参数计算数据判断阈值。
在一实施例中,请结合图2,步骤S12包括:
步骤S21:基于施工参数的自相关性计算得到第一候选数据。
在一具体实施例中,请结合图3,步骤S21包括:
步骤S31:计算每一天施工对应的能耗信息敏感系数。
绿色节能建筑施工质量评估可以考虑较多的方面,首先是针对能源消耗的评估,其次是材料的使用,同时施工的进度和能源的使用是密切相关的。当期施工进度较慢,则能源的使用不充分,造成能源的浪费,因此施工进度数据可以作为能源异常的参考系数。
本发明通过采集的能耗数据,检测其异常是不足以作为建筑施工质量的评估参考指标,因此计算每天的能耗数据与当天施工进度的比值,得到对应施工当天的能源消耗比重系数。具体的,能源消耗比重系数可充分反应能源的消耗情况,因此基于每一天的能耗数据、施工进度数据计算能源消耗比重系数。
在一实施例中,基于每一天的能耗数据、施工进度数据计算绿色节能建筑施工能源消耗比重系数aw为:
;
上式中k1,w表示绿色节能建筑施工第w天的能源消耗数据,k3,w表示绿色节能建筑施工第w天的施工进度数据。因一些原因可能导致当天无法施工,但同时仍有用电量的消耗,设置调节参数r=0.2,目的是避免因当天未施工k3,w的值为0导致公式无意义,参数的取值可根据实际情况进行修改。当计算得到的aw的值越大,越表示绿色节能建筑施工当天的实际能源消耗与记录的能源消耗的偏差越大,即在绿色节能建筑施工中能源未充分利用,能源浪费程度越高,越不符合绿色节能建筑的实施标准。
根据上述能源消耗比重系数的计算,对能源消耗比重系数作归一化处理,可得到建筑施工的能源消耗比重系数序列[a1,a2,…an]。因能源消耗数值要远大于施工进度的数值,因此本发明中对计算的比值做归一化处理,目的是根据比重的异常变化放大能耗数据的值。
进一步的,基于能源消耗比重系数以及施工进度数据计算得到每一天施工的实际能耗参考数据。具体的,根据得到的绿色节能建筑施工能源消耗比重系数可对能耗数据赋予权重,进而计算绿色节能建筑施工的实际能耗参考数据b,计算方式如下:
;
经过上述处理得到对施工质量评估可参考的绿色节能建筑施工中实际能耗参考数据序列[b1,…,bn],根据上述aw的值表示绿色节能建筑过程中实际能源消耗的比重,根据绿色节能建筑的相关实施要求,利用aw的值得到绿色节能建筑过程中实际能源消耗的数值。其中,k3,1表示绿色节能建筑施工中第1天的能耗数据,k3,n表示绿色节能建筑施工中第n天的能耗数据,a1表示绿色节能建筑施工中第1天的能源消耗比重系数,an表示绿色节能建筑施工中第n天的能源消耗比重系数。因材料每天的使用量与每天的施工进度呈正比关系,因此在一定的周期内施工进度数据的变化与材料使用数据的变化是一致。通过施工进度与能源消耗利用的关系,得到了绿色节能建筑施工的实际能耗参考数据,在相同的时间范围内能源的消耗变化与材料的使用数据的变化一致。
基于每一天绿色节能建筑施工的实际能耗参考数据以及材料使用数据计算得到每一天施工对应的能耗信息敏感系数。具体的,利用K近邻算法从绿色节能建筑施工的实际能耗参考数据序列中确定每一天施工对应的实际能耗参考数据的第一K近邻数据,其中,实际能耗参考数据序列是绿色节能建筑施工过程中所有实际能耗参考数据组合得到的;利用K近邻算法从材料使用数据序列中确定每一天施工对应的材料使用数据的第二K近邻数据,材料使用数据序列是绿色节能建筑施工过程中所有材料使用数据组合得到的;基于第一K近邻数据的信息熵、均值,第二K近邻数据的信息熵、均值,每一天施工对应的实际能耗参考数据与其第一K近邻数据中数据的欧式距离计算得到每一天施工对应的能耗信息敏感系数。
在一具体实施例中,以选取绿色节能建筑施工的实际能耗参考数据序列[b1,…,bn] 中的bs数据为例,采用K近邻算法可以得到数据bs的K个近邻数据,具体的计算过程不再进行赘述,得到该数据的K近邻数据序列,计算该组数据的信息熵:cs,计算该组数据的均值为:;同时对应于数据bs的绿色节能建筑施工材料使用数据为k2,s,同样可以得到材料使用数据的K近邻数据序列的信息熵:ds,计算该组材料使用数据的均值为:/>。计算bs数据到其K近邻数据欧式距离,根据得到的欧式距离和两组对应数据的信息熵cs和ds,可计算能耗信息敏感系数。
;
其中,bs表示绿色节能建筑施工过程中第s天施工对应的实际能耗参考数据,cs为bs的第一K近邻数据的信息熵,表示bs的第一K近邻数据的均值,bi表示bs的第一K近邻数据中第i个数据的值,dist()表示计算两点之间的欧式距离,ds表示绿色节能建筑施工材料使用数据序列中的第s天的材料使用数据k2,s的第二K近邻数据的信息熵,/>表示k2,s的第二K近邻数据的均值,fs表示绿色节能建筑施工的实际能耗参考数据bs的能耗信息敏感系数。
因单个bs数据的K近邻数据反应信息熵反应的数据的异常不够精确,即相同数量下的数据,实际能耗异常数据占比较少,则得到信息熵较小,因此考虑有相同变化材料使用数据的信息熵,可将数据的异常情况进行放大。若数据分布集中,即根据欧式距离计算的均值较小,表示该组数据附近未出现绿色节能建筑施工中实际能源消耗异常的数据,此时两组数据的异常变化均较小,计算得到的/>的值较小,表示绿色节能建筑施工中材料的使用情况和实际能源消耗均未出现异常,则计算得到的能耗信息敏感系数fs较小,表示该数据携带较少的异常信息;相反随着的增加,异常数据的占比增多,则/>的值增大,计算得到的能耗信息敏感系数fs较大,表示该数据携带较多的异常信息。
步骤S32:将所有的能耗信息敏感系数进行分组,得到多个判断序列。
通过上述步骤计算得到每一天对应的能耗信息敏感系数,可以准确的反映数据携带异常信息的多少。因此可将所有的实际能耗参考数据组成的实际能耗参考数据序列[b1,…,bn] 进行均匀划分,划分可根据数据的数量进行。例如100个数据,可划分为10组数据,每组数据的数量为10。通过将实际能耗参考数据序列[b1,…,bn]进行均匀划分,同时可以将实际能耗参考数据对应的能耗信息敏感系数进行划分。
具体的,根据划分后的实际能耗参考数据,将每一组实际能耗参考数据对应的能耗信息敏感系数进行由大到小排序排列,得到判断序列hx,hx表示实际能耗参考数据序列[b1,…,bn] 划分的第x组数据的判断序列。
步骤S33:计算每一判断序列之间的自相关性,得到所有判断序列对应的自相关性序列。
在一实施例中,利用如下公式计算每一判断序列之间的自相关性:
;
其中,hx表示将第x组绿色节能建筑施工数据的能耗信息敏感系数由大到小排序后所得到的判断序列,hurst()表示采用Hurst指数计算判断序列的自相关性,其长期相关性越大,表示序列中数据越稳定,存在异常实际能耗数据的可能性越小,可以对数据进行初度的筛选,cyx表示第x组绿色节能建筑施工数据的自相关性。
由于划分的每组数据可以得到一个判断序列,因此计算得到cy的值可以表示为[cy1,cy2,…,cyt],划分了t组数据。由于采用Hurst指数计算序列的长期相关性,判断序列hx计算的相关性的值越接近1,表明该序列的长期相关性越强。
步骤S34:基于自相关性序列得到第一候选数据。
在一实施例中,将自相关性序列中大于或等于第一阈值的数据作为第一候选数据。设定判断的第一阈值:Δcy=0.2,将小于第一阈值的数据组筛选出来,剩余数据为第一候选数据,将第一候选数据由大到小进行排序得到[v1,v2,…,vw],筛选出的数据的数量为w。
步骤S22:基于第一候选数据计算第二候选数据。
从第一候选数据中确定第二阈值,将小于第二阈值的数据作为第二候选数据;其中,第二阈值为第一候选数据从大到小排列后的中位数。
具体的,考虑在计算敏感系数筛选正常数据时,异常数据占比较小造成部分异常数据仍被分到正常数据中,对筛选的正常数据即第一候选数据进行进一步划分。
;
上式中mid{}表示得到第一候选数据[v1,v2,…,vw]中的中位数,V表示以得到的中位数作为正常数据判断阈值即第二阈值。因此将小于第二阈值的数据作为第二候选数据。
步骤S23:基于第一候选数据以及第二候选数据计算得到数据判断阈值。
具体的,将两组候选数据即第一候选数据和第二候选数据合并作为LOF算法的输入。
步骤S13:利用LOF算法基于数据判断阈值进行检测,得到异常数据。
具体的,将两组候选数据即第一候选数据和第二候选数据合并作为LOF算法的输入,LOF算法中参数k的取值为7,LOF阈值为1.2,得到实际能耗参考数据序列[b1,…,bn]的异常数据集合C={m1,m2,…,mz},得到的异常数据的数量为z。
步骤S14:基于异常数据对施工质量进行评估。
在一实施例中,采用BIM技术进行建模,得到达标参考数据;基于达标参考数据与异常数据之间的差值以及异常数据的数量计算得到施工质量的评估系数,进而对施工质量进行评估。
本发明通过得到的能耗数据、材料使用数据和施工进度数据构建绿色节能建筑施工评估系数。相比较于传统算法,针对绿色节能建筑的相关数据的处理,通过考虑能耗数据与材料使用与施工进度之间的关系,得到实际可参考的能耗数据,同时根据上述数据之间的关系可以在进行异常数据检测时筛选一部分正常点,避免因为异常数据占比较少造成检测精度较低。因此在采用LOF算法计算实际能耗数据的异常值时,已经剔除一部分正常数据点,不仅可以提高LOF的计算效率,同时提高了对异常数据的检测精度和对绿色节能建筑施工质量评估的准确性。
具体的,由上述步骤可得到施工过程的能源消耗异常数据,采用BIM技术前期对建筑进行建模,可以得到符合标准的能源消耗预测数据,由于上述数据记录与时间对应,因此可找到与异常数据集合C对应的达标参考数据{r1,r2,…,rz},将异常数据与对应达标数据作差得到集合A。
;
上式中Z表示异常数据的数量,m1为异常数据集合第1个数据,r1为达标参考数据中的第1个数据,计算得到的H表示绿色节能建筑施工质量的评估系数,若经过上述处理得到的实际能耗异常数据越多,即Z的值越大,表示该建筑施工过程越不符合绿色节能建筑的施工要求,即实际能耗超出标准能耗较多,进一步分析即实际能耗异常数据越多,则的值越大,计算得到的H的值越大,表示该绿色节能建筑的偏离标准越大,建筑质量较差。
设定绿色节能建筑施工质量达标指标为0.3,当该绿色节能建筑施工质量的评估系数小于0.3时认为该建筑施工质量达标。
以上仅为本申请的实施方式,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (2)
1.一种基于BIM的绿色节能建筑施工质量评估方法,其特征在于,包括:
采集施工过程的施工参数,所述施工参数包括能耗数据、材料使用数据、施工进度数据;
利用异常数据检测算法基于所述施工参数计算数据判断阈值;
利用LOF算法基于所述数据判断阈值进行检测,得到异常数据;
基于所述异常数据对施工质量进行评估;
利用异常数据检测算法基于所述施工参数计算数据判断阈值,包括:
基于施工参数的自相关性计算得到第一候选数据;
基于所述第一候选数据计算第二候选数据;
基于所述第一候选数据以及所述第二候选数据计算得到所述数据判断阈值;
基于施工参数的自相关性计算得到第一候选数据,包括:
计算每一天施工对应的能耗信息敏感系数;
将所有的能耗信息敏感系数进行分组,得到多个判断序列;
计算每一判断序列之间的自相关性,得到所有判断序列对应的自相关性序列;
基于所述自相关性序列得到所述第一候选数据;
计算每一天施工对应的能耗信息敏感系数,包括:
基于每一天的能耗数据、施工进度数据计算能源消耗比重系数;
基于所述能源消耗比重系数以及所述施工进度数据计算得到每一天施工的实际能耗参考数据;
基于每一天施工的所述实际能耗参考数据以及材料使用数据计算得到每一天施工对应的能耗信息敏感系数;
基于每一天施工的所述实际能耗参考数据以及材料使用数据计算得到每一天施工对应的能耗信息敏感系数,包括:
利用K近邻算法从实际能耗参考数据序列中确定每一天施工对应的实际能耗参考数据的第一K近邻数据,其中,实际能耗参考数据序列是所有实际能耗参考数据组合得到的;利用K近邻算法从材料使用数据序列中确定每一天施工对应的材料使用数据的第二K近邻数据,所述材料使用数据序列是所有材料使用数据组合得到的;
基于第一K近邻数据的信息熵、均值,第二K近邻数据的信息熵、均值,每一天施工对应的实际能耗参考数据与其第一K近邻数据中数据的欧式距离计算得到每一天施工对应的能耗信息敏感系数;
利用如下公式计算每一天施工对应的能耗信息敏感系数:
;
其中,bs表示绿色节能建筑施工过程中第s天施工对应的实际能耗参考数据,cs为bs的第一K近邻数据的信息熵,表示bs的第一K近邻数据的均值,bi表示bs的第一K近邻数据中第i个数据的值,dist()表示计算两点之间的欧式距离,ds表示绿色节能建筑施工材料使用数据序列中的第s天的材料使用数据k2,s的第二K近邻数据的信息熵,/>表示k2,s的第二K近邻数据的均值,fs表示绿色节能建筑施工的实际能耗参考数据bs的能耗信息敏感系数;
计算每一判断序列之间的自相关性,得到所有判断序列对应的自相关性序列,包括:
利用如下公式计算每一判断序列之间的自相关性:
;
其中,hx表示将第x组绿色节能建筑施工数据的能耗信息敏感系数由大到小排序后所得到的判断序列,hurst()表示采用Hurst指数计算判断序列的自相关性,cyx表示第x组绿色节能建筑施工数据的自相关性;
基于所述自相关性序列得到所述第一候选数据,包括:
将自相关性序列中大于或等于第一阈值的数据作为所述第一候选数据;
基于所述第一候选数据计算第二候选数据,包括:
从所述第一候选数据中确定第二阈值,将小于所述第二阈值的数据作为所述第二候选数据;其中,所述第二阈值为所述第一候选数据从大到小排列后的中位数;
所述利用LOF算法基于所述数据判断阈值进行检测,得到异常数据的方法为:
将第一候选数据和第二候选数据合并作为LOF算法的输入,得到异常数据。
2.根据权利要求1所述的基于BIM的绿色节能建筑施工质量评估方法,其特征在于,基于所述异常数据对施工质量进行评估,包括:
采用BIM技术进行建模,得到达标参考数据;
基于达标参考数据与异常数据之间的差值以及异常数据的数量计算得到施工质量的评估系数,进而对施工质量进行评估。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310882854.6A CN116629706B (zh) | 2023-07-19 | 2023-07-19 | 一种基于bim的绿色节能建筑施工质量评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310882854.6A CN116629706B (zh) | 2023-07-19 | 2023-07-19 | 一种基于bim的绿色节能建筑施工质量评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116629706A CN116629706A (zh) | 2023-08-22 |
CN116629706B true CN116629706B (zh) | 2023-09-22 |
Family
ID=87621549
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310882854.6A Active CN116629706B (zh) | 2023-07-19 | 2023-07-19 | 一种基于bim的绿色节能建筑施工质量评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116629706B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011024382A1 (ja) * | 2009-08-28 | 2011-03-03 | 株式会社日立製作所 | 設備状態監視方法およびその装置 |
KR101929716B1 (ko) * | 2018-07-06 | 2018-12-14 | 서울시립대학교 산학협력단 | 빌딩 정보 모델링 기반 궤도공사의 공사기간을 산정하기 위한 장치, 이를 위한 방법 및 이 방법을 수행하는 프로그램이 기록된 컴퓨터 판독 가능한 기록매체 |
JP2019169016A (ja) * | 2018-03-26 | 2019-10-03 | 前田建設工業株式会社 | 施工工程最適化システム |
CN112363859A (zh) * | 2020-11-10 | 2021-02-12 | 中国平安人寿保险股份有限公司 | 异常判定阈值的确定方法及装置 |
CN112380992A (zh) * | 2020-11-13 | 2021-02-19 | 上海交通大学 | 一种加工过程监控数据准确性评估与优化方法及装置 |
CN112633717A (zh) * | 2020-12-28 | 2021-04-09 | 青岛亿联建设集团股份有限公司 | 一种基于bim的建筑施工用管理*** |
WO2022047658A1 (zh) * | 2020-09-02 | 2022-03-10 | 大连大学 | 日志异常检测*** |
CN114693158A (zh) * | 2022-04-19 | 2022-07-01 | 深圳市深安企业有限公司 | 一种基于bim技术的智慧工地管理方法、***及存储介质 |
CN115309940A (zh) * | 2022-08-10 | 2022-11-08 | 公诚管理咨询有限公司 | 基于工地执法记录仪的智慧施工数据分析方法及其*** |
CN115358155A (zh) * | 2022-09-02 | 2022-11-18 | 安徽双恒电力科技有限公司 | 一种电力大数据异常预警方法、装置、设备及可读存储介质 |
CN116167668A (zh) * | 2023-04-26 | 2023-05-26 | 山东金至尊装饰工程有限公司 | 基于bim的绿色节能建筑施工质量评价方法及*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200175445A1 (en) * | 2018-12-04 | 2020-06-04 | Saudi Arabian Oil Company | Process data quality and reliability management methodology |
-
2023
- 2023-07-19 CN CN202310882854.6A patent/CN116629706B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011024382A1 (ja) * | 2009-08-28 | 2011-03-03 | 株式会社日立製作所 | 設備状態監視方法およびその装置 |
JP2019169016A (ja) * | 2018-03-26 | 2019-10-03 | 前田建設工業株式会社 | 施工工程最適化システム |
KR101929716B1 (ko) * | 2018-07-06 | 2018-12-14 | 서울시립대학교 산학협력단 | 빌딩 정보 모델링 기반 궤도공사의 공사기간을 산정하기 위한 장치, 이를 위한 방법 및 이 방법을 수행하는 프로그램이 기록된 컴퓨터 판독 가능한 기록매체 |
WO2022047658A1 (zh) * | 2020-09-02 | 2022-03-10 | 大连大学 | 日志异常检测*** |
CN112363859A (zh) * | 2020-11-10 | 2021-02-12 | 中国平安人寿保险股份有限公司 | 异常判定阈值的确定方法及装置 |
CN112380992A (zh) * | 2020-11-13 | 2021-02-19 | 上海交通大学 | 一种加工过程监控数据准确性评估与优化方法及装置 |
CN112633717A (zh) * | 2020-12-28 | 2021-04-09 | 青岛亿联建设集团股份有限公司 | 一种基于bim的建筑施工用管理*** |
CN114693158A (zh) * | 2022-04-19 | 2022-07-01 | 深圳市深安企业有限公司 | 一种基于bim技术的智慧工地管理方法、***及存储介质 |
CN115309940A (zh) * | 2022-08-10 | 2022-11-08 | 公诚管理咨询有限公司 | 基于工地执法记录仪的智慧施工数据分析方法及其*** |
CN115358155A (zh) * | 2022-09-02 | 2022-11-18 | 安徽双恒电力科技有限公司 | 一种电力大数据异常预警方法、装置、设备及可读存储介质 |
CN116167668A (zh) * | 2023-04-26 | 2023-05-26 | 山东金至尊装饰工程有限公司 | 基于bim的绿色节能建筑施工质量评价方法及*** |
Non-Patent Citations (8)
Title |
---|
BIM Management Measure for an Effective Green Building Project;Maskil-Leitan, R et al.;buildings;第10卷(第9期);全文 * |
RCC坝仓面碾压质量与进度的增强现实反馈方法;张社荣等;水力发电学报;第42卷(第6期);全文 * |
信息技术在施工管理中的应用与研究;杨珺;施工技术;第43(第04期);全文 * |
基于AHP-熵值法的水利工程施工进度风险模糊综合评价;郭建辉;冯利军;;水电能源科学;第34卷(第10期);全文 * |
基于BIM技术的建筑施工进度优化研究;柳茂;;现代电子技术;第40卷(第03期);全文 * |
基于局部异常点检测算法的电能表飞走异常智能分析;李亦非;宋玮琼;彭放;丁宁;王芳;;电测与仪表;第53卷(第18期);全文 * |
董刚 ; 刘义彬 ; 郑南翔 ; .沥青路面施工过程质量信息实时监控***研究.公路交通科技.2015,第32卷(第11期),全文. * |
陈波 ; 李坚 ; .施工进度BIM预测方法研究.建筑.2015,(第21期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN116629706A (zh) | 2023-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109396576B (zh) | 基于深度学习的电火花加工稳定性与能耗状态优化决策***及决策方法 | |
CN111507412B (zh) | 一种基于历史数据辅助场景分析的电压缺失值填补方法 | |
CN115276006A (zh) | 一种用于电力集成***的负荷预测的方法及*** | |
CN108647272A (zh) | 一种基于数据分布的小样本扩充方法 | |
CN107944622A (zh) | 基于连续时段聚类的风电功率预测方法 | |
CN111210170A (zh) | 基于90%用电分布特征指标的环保管控监测及评价方法 | |
CN112819299A (zh) | 一种基于中心优化的差分K-means负荷聚类方法 | |
CN110598902A (zh) | 一种基于支持向量机与knn相结合的水质预测方法 | |
CN113705931B (zh) | 一种利用k最邻近法预测径流要素的方法 | |
CN117349764A (zh) | 一种干细胞诱导数据智能分析方法 | |
CN114707120A (zh) | 一种测算碳排放规模的统计学建模方法 | |
CN113515512A (zh) | 一种工业互联网平台数据的质量治理及提升方法 | |
CN110212592B (zh) | 基于分段线性表达的火电机组负荷调节最大速率估计方法及*** | |
CN116629706B (zh) | 一种基于bim的绿色节能建筑施工质量评估方法 | |
CN116341770B (zh) | 基于聚苯乙烯生产数据的生产能力预测方法及*** | |
CN117200223A (zh) | 日前电力负荷预测方法和装置 | |
CN115333102B (zh) | 电力负荷功率模式多时间尺度自适应检测方法 | |
CN110009132A (zh) | 一种基于lstm深度神经网络的短期电力负荷精细化预测方法 | |
CN110322063B (zh) | 一种耗电功率仿真预测方法及存储介质 | |
CN112801388A (zh) | 一种基于非线性时间序列算法的电力负荷预测方法及*** | |
CN116843368B (zh) | 基于arma模型的营销数据处理方法 | |
CN111461171B (zh) | 一种用于构建高炉铁水硅含量预测模型的数据优选方法及*** | |
CN115907202B (zh) | 一种双碳背景下的数据中心pue计算分析方法及*** | |
CN114943304B (zh) | 一种基于贝叶斯的3c电子产品装配误差传递方法 | |
CN118013447B (zh) | 基于模式识别的电能表监测数据的处理方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |