论文部分内容阅读
摘要：现阶段，社会发展迅速，在土木工程检测过程中应用人工智能的方法也越来越普遍。在大数据以及人工智能的社会发展过程中，人工智能设备在工程的应用中属于重点的研究项目之一，对于现阶段的工程监测工作而言具有关键性作用。混凝土作为土木工程中常见的施工材料之一，其在结构的稳定性上容易被温度、湿度等因素影响，使其在浇筑以及调制的过程中产生结构的不稳定性，从而对工程施工造成一定影响。对此，需要通过人工智能设备的合理运用，使工程的监测工作可以在一定程度上提升数据的精确性。
关键词：人工智能方法;土木工程监测;运用
引言
随着计算机技术的快速发展，土木工程领域的监测、预测方法得到了不断的更新。大数据和人工智能方法的快速发展，使土木工程领域有了新的结构健康监测技术。
1工智能技术概述
人工智能技术是一门极其复杂的系统学科，主要是用来模拟、研究和扩展人工智能的相关理论与方法，使机器能够胜任需要人脑才能完成的复杂工作。人工智能主要包括计算机技术、控制技术、心理学、语音技术等，是多学科为基础的一门系统学科。同时需要广泛应用数理模型及理论，促进人工智能技术的快速发展。就目前人工智能技术的应用研究来看，主要的研究成果集中于银行数据、人脸识别、拍照优化、自动驾驶等等系统。实现人工智能的技术主要有以下三种方法。
1.1传统编程方法
传统编程方法基于数理逻辑推理，模拟人类的行为。使用经典的逻辑证明理论运行的有效性，模拟出复杂的结果，并从众多的结果中选择合适的应对策略，这种方法被用于规划以及搜索相应的最佳算法。满足某个场景条件下就执行某个行为，并且将结果进行表示，不需要进行大量的细节算法。
1.2机器学习
机器学习是人工智能的核心，主要是通过在前期的学习实验中掌握改进算法的能力，模拟人的学习行为，不断完善自身性能。与传统编程方法最大的不同是机器学习可以模拟人类的感知，判断场景。比较常用的机器学习方法有决策树法、集成学习方法、聚类算法等。机器学习算法与传统的数理逻辑规则不同，它需要输入大量的经验数据，将这些经验数据加以归纳和总结算法，通过计算机的训练之后，形成一个模型。
2人工智能对于建筑行业的影响内容及范围
从当下建筑行业发展进程中来看，为了促进行业发展能够长期保持平稳、高效的前进趋势，推动行业建筑企业能够在激烈的市场竞争当中保持良好的生产经营状态并且能够创造出更多的经济效益，适应当下快节奏的社会发展形态，建筑行业在结合自身发展特征的基础上大量的引入了科学信息技术，促使行业进步朝着信息化、智能化的方向发展，其造成的行业影响力主要体现在两个方面因素：
一方面，随着大量电子计算机技术与互联网络技术的使用，对于建筑行业的企业管理框架、项目管理方式、行业未来规划都产生了重要的影响意义。
從企业管理框架上来看，随着人工智能化技术的引入，使得原有传统单一的管理模式得到了彻底转变，包括动态图像、云计算以及信息数据处理终端等内容被广泛应用到建筑行业当中不仅向决策层提供企业级和项目级的全方位的信息，还提供各种形式的分析报告、判断和预测，形成了“领导层+管理层+项目部”简约明晰的企业管理框架。
从项目管理的方式来看，由于大量电子计算机的使用，使得人工智能替代了传统项目经理的工作智能，依靠大数据网络信息平台等共享资源，将项目工程建筑所需数据建立统一的信息数据库，使得项目管理效率得到进一步提升，包括经营、财务、合同和文件等信息的处理、分析工作逐步被人工智能机器所替代，避免了以往由于人为操作而造成的信息泄露、数据真实性准确性不高的现象。
从建筑行业未来长远规划上来看，人工智能技术的推广与应用是随着社会发展变革的形势所决定的，虽然在智能化升级改造的过程当中需要引进大量的智能软件技术和相配套的机械设备，会占用数额较大的资金比例，但是当全面普及人工智能、大型机械和机器人后，资源购置成本大幅降低，建筑行业企业整体运行效率得到大幅度提升，原有的以国有建筑行业为主体的产业发展格局逐步被多元化行业市场格局所替代，行业企业的市场竞争则更加激烈，建筑科技、建筑制造、配套服务被重新塑造出来。
3人工智能方法在土木工程监测中的运用
3.1打造工地的资源整合平台
在现场管理中，使用不同的软件和硬件系统来进行商业活动。但大多数来自项目决策的信息来自报告。由于个人因素，在信息传递过程中不可避免地会出现偏差。要实现信息管理的系统化，消除地方因素的干扰，把建设现场各商业系统的软件，硬件应用软件整合起来，形成一个有机整体，从整体的观点来识别和指导问题。用系统分析方法保证建设现场管理的核心因素，流程管理决定的综合性和准确性。
3.2构建GA-BP神经网络
该神经网络的算法与达尔文的生物进化论相类似，其具体名称为遗传算法，即通过优化内部编码的形式，使人工智能设备可以完成特定内容的数据监测工作。其通过内部函数之间的变化以及遗传算法的神经阀值，确定网络工作的输出数值等。神经网络设置对于人工智能设备的应用而言具有重要的实施意义，通过内部编码以及算法上的优化，可以在一定程度上改善人工智能设备的稳定运行等。对此，土木工程监测工作在应用智能设备的过程中，应加强内部神经网络的、编码以及算法的合理设置，从而使设备在运行的过程中可以更好实施工程的数据监测工作。
3.3加强设备的运行管理工作
人工智能设备在土木工程监测工作的应用过程中，往往涉及设备的组合运用等，在设备的运行质量以及维护等工作上，需要进行良好的维护措施，由此使设备在实际的工作过程中可以正常发挥作用，以在数据检测等方面实现良好控制。土木工程在混凝土浇筑的施工中往往具有一定的体积变化，若在温控工作等方面存在数据误差，则容易造成施工材料在调制、浇筑的过程中影响工程的稳定施工。对此，在工程的相关数据监测工作中需要加强人工智能设备的应用，使其在内部算法以及科学的数据监测基础上事项良好的数据监测。
3.4在建筑电气领域中对人工智能技术的应用
随着近年来我国建筑行业的飞速发展，当前行业的耗能水平也在逐渐提升，在一段时间内总能耗更是超过了百分之三十。因此，在建筑节能领域中更好的实现我国节能减排目标，对于人工智能的应用就是不容忽视的重要环节，只有加强对这一技术的应用，才能为建筑节能改造工作提供更为科学的依据。其中，BP神经网络算法也是一种可以将输出算法或是输入算法转变为线性问题的学习方式。传统的BP神经网络算法借助梯度下降法，这种学习速度往往是保持不变的，并且训练的时间比较长，所以在学习的环节中也会发生局部收敛的问题。但是经过改进的BP算法中增加了动量因子，不管是在稳定性还是收敛性上，都要比传统BP算法更为完善，因此当前这一技术也被广泛的应用在建筑电气节能评估模型中的构建上。这一技术方法构建起的电气节能评估模型，可以用更为有效的联系方式隐藏在网络技术中，这也使得这项技术的评价方式更为科学和适用，最終评估中的模型在适用范围上必然更为广泛。
结语
本文根据土木工程监测的发展情况、工作特点以及技术应用方式，并结合人工智能技术的特点进行了综合的理论探究以及实践分析，旨在促进该工程在创新技术的应用上可以提升至更高水平。目前，人工智能技术在应用上还存在一定缺陷，需要加强土木工程监测的理论研究以及相关管理工作的革新，由此在人工智能技术的应用过程中，通过技术完善、管理完善以及制度完善等形式进行应用管理。由此提升工程检测数据的精确度等。
参考文献：
[1] 尹强，高全杰，曾艳红，陈三华，李公法.人工智能在工程中应用的研究探讨[J].机床与液压，2012（02）：126-129.
[2] 蔡自兴.人工智能在工程中的应用[J].冶金自动化，2015（01）：1-8.
[3] 王敏.智能控制在工程领域中的应用[J].电子技术与软件工程，2016（20）：162.
关键词：人工智能方法;土木工程监测;运用
引言
随着计算机技术的快速发展，土木工程领域的监测、预测方法得到了不断的更新。大数据和人工智能方法的快速发展，使土木工程领域有了新的结构健康监测技术。
1工智能技术概述
人工智能技术是一门极其复杂的系统学科，主要是用来模拟、研究和扩展人工智能的相关理论与方法，使机器能够胜任需要人脑才能完成的复杂工作。人工智能主要包括计算机技术、控制技术、心理学、语音技术等，是多学科为基础的一门系统学科。同时需要广泛应用数理模型及理论，促进人工智能技术的快速发展。就目前人工智能技术的应用研究来看，主要的研究成果集中于银行数据、人脸识别、拍照优化、自动驾驶等等系统。实现人工智能的技术主要有以下三种方法。
1.1传统编程方法
传统编程方法基于数理逻辑推理，模拟人类的行为。使用经典的逻辑证明理论运行的有效性，模拟出复杂的结果，并从众多的结果中选择合适的应对策略，这种方法被用于规划以及搜索相应的最佳算法。满足某个场景条件下就执行某个行为，并且将结果进行表示，不需要进行大量的细节算法。
1.2机器学习
机器学习是人工智能的核心，主要是通过在前期的学习实验中掌握改进算法的能力，模拟人的学习行为，不断完善自身性能。与传统编程方法最大的不同是机器学习可以模拟人类的感知，判断场景。比较常用的机器学习方法有决策树法、集成学习方法、聚类算法等。机器学习算法与传统的数理逻辑规则不同，它需要输入大量的经验数据，将这些经验数据加以归纳和总结算法，通过计算机的训练之后，形成一个模型。
2人工智能对于建筑行业的影响内容及范围
从当下建筑行业发展进程中来看，为了促进行业发展能够长期保持平稳、高效的前进趋势，推动行业建筑企业能够在激烈的市场竞争当中保持良好的生产经营状态并且能够创造出更多的经济效益，适应当下快节奏的社会发展形态，建筑行业在结合自身发展特征的基础上大量的引入了科学信息技术，促使行业进步朝着信息化、智能化的方向发展，其造成的行业影响力主要体现在两个方面因素：
一方面，随着大量电子计算机技术与互联网络技术的使用，对于建筑行业的企业管理框架、项目管理方式、行业未来规划都产生了重要的影响意义。
從企业管理框架上来看，随着人工智能化技术的引入，使得原有传统单一的管理模式得到了彻底转变，包括动态图像、云计算以及信息数据处理终端等内容被广泛应用到建筑行业当中不仅向决策层提供企业级和项目级的全方位的信息，还提供各种形式的分析报告、判断和预测，形成了“领导层+管理层+项目部”简约明晰的企业管理框架。
从项目管理的方式来看，由于大量电子计算机的使用，使得人工智能替代了传统项目经理的工作智能，依靠大数据网络信息平台等共享资源，将项目工程建筑所需数据建立统一的信息数据库，使得项目管理效率得到进一步提升，包括经营、财务、合同和文件等信息的处理、分析工作逐步被人工智能机器所替代，避免了以往由于人为操作而造成的信息泄露、数据真实性准确性不高的现象。
从建筑行业未来长远规划上来看，人工智能技术的推广与应用是随着社会发展变革的形势所决定的，虽然在智能化升级改造的过程当中需要引进大量的智能软件技术和相配套的机械设备，会占用数额较大的资金比例，但是当全面普及人工智能、大型机械和机器人后，资源购置成本大幅降低，建筑行业企业整体运行效率得到大幅度提升，原有的以国有建筑行业为主体的产业发展格局逐步被多元化行业市场格局所替代，行业企业的市场竞争则更加激烈，建筑科技、建筑制造、配套服务被重新塑造出来。
3人工智能方法在土木工程监测中的运用
3.1打造工地的资源整合平台
在现场管理中，使用不同的软件和硬件系统来进行商业活动。但大多数来自项目决策的信息来自报告。由于个人因素，在信息传递过程中不可避免地会出现偏差。要实现信息管理的系统化，消除地方因素的干扰，把建设现场各商业系统的软件，硬件应用软件整合起来，形成一个有机整体，从整体的观点来识别和指导问题。用系统分析方法保证建设现场管理的核心因素，流程管理决定的综合性和准确性。
3.2构建GA-BP神经网络
该神经网络的算法与达尔文的生物进化论相类似，其具体名称为遗传算法，即通过优化内部编码的形式，使人工智能设备可以完成特定内容的数据监测工作。其通过内部函数之间的变化以及遗传算法的神经阀值，确定网络工作的输出数值等。神经网络设置对于人工智能设备的应用而言具有重要的实施意义，通过内部编码以及算法上的优化，可以在一定程度上改善人工智能设备的稳定运行等。对此，土木工程监测工作在应用智能设备的过程中，应加强内部神经网络的、编码以及算法的合理设置，从而使设备在运行的过程中可以更好实施工程的数据监测工作。
3.3加强设备的运行管理工作
人工智能设备在土木工程监测工作的应用过程中，往往涉及设备的组合运用等，在设备的运行质量以及维护等工作上，需要进行良好的维护措施，由此使设备在实际的工作过程中可以正常发挥作用，以在数据检测等方面实现良好控制。土木工程在混凝土浇筑的施工中往往具有一定的体积变化，若在温控工作等方面存在数据误差，则容易造成施工材料在调制、浇筑的过程中影响工程的稳定施工。对此，在工程的相关数据监测工作中需要加强人工智能设备的应用，使其在内部算法以及科学的数据监测基础上事项良好的数据监测。
3.4在建筑电气领域中对人工智能技术的应用
随着近年来我国建筑行业的飞速发展，当前行业的耗能水平也在逐渐提升，在一段时间内总能耗更是超过了百分之三十。因此，在建筑节能领域中更好的实现我国节能减排目标，对于人工智能的应用就是不容忽视的重要环节，只有加强对这一技术的应用，才能为建筑节能改造工作提供更为科学的依据。其中，BP神经网络算法也是一种可以将输出算法或是输入算法转变为线性问题的学习方式。传统的BP神经网络算法借助梯度下降法，这种学习速度往往是保持不变的，并且训练的时间比较长，所以在学习的环节中也会发生局部收敛的问题。但是经过改进的BP算法中增加了动量因子，不管是在稳定性还是收敛性上，都要比传统BP算法更为完善，因此当前这一技术也被广泛的应用在建筑电气节能评估模型中的构建上。这一技术方法构建起的电气节能评估模型，可以用更为有效的联系方式隐藏在网络技术中，这也使得这项技术的评价方式更为科学和适用，最終评估中的模型在适用范围上必然更为广泛。
结语
本文根据土木工程监测的发展情况、工作特点以及技术应用方式，并结合人工智能技术的特点进行了综合的理论探究以及实践分析，旨在促进该工程在创新技术的应用上可以提升至更高水平。目前，人工智能技术在应用上还存在一定缺陷，需要加强土木工程监测的理论研究以及相关管理工作的革新，由此在人工智能技术的应用过程中，通过技术完善、管理完善以及制度完善等形式进行应用管理。由此提升工程检测数据的精确度等。
参考文献：
[1] 尹强，高全杰，曾艳红，陈三华，李公法.人工智能在工程中应用的研究探讨[J].机床与液压，2012（02）：126-129.
[2] 蔡自兴.人工智能在工程中的应用[J].冶金自动化，2015（01）：1-8.
[3] 王敏.智能控制在工程领域中的应用[J].电子技术与软件工程，2016（20）：162.