文章目录

摘要

Abstract

第1章 绪论

1.1 研究背景

1.2 研究目的与意义

    1.2.1 研究目的

    1.2.2 研究意义

1.3 国内外研究

    1.3.1 BIM族库国内外研究

    1.3.2 人工智能推荐系统研究

1.4 研究内容与方法

    1.4.1 研究内容

    1.4.2 技术路线

    1.4.3 研究方法

第2章 装配式建筑知识共享平台

2.1 体系架构

2.2 数据基础

    2.2.1 族库

    2.2.2 知识库

2.3 体系功能之推荐系统功能

2.4 本章小结

第3章 基于人工神经网络优化的混合灰色模型

3.1 灰色系统理论

3.2 GM(1,1)模型

3.3 MFGMn(1,1)模型

3.4 优化混合灰预测模型

    3.4.1 方法框架

    3.4.2 权重调整算法

        3.4.2.1 人工神经网络模型

        3.4.2.2 优化混合模型

    3.4.3 案例演示

        3.4.3.1 人口预测

        3.4.3.2 钢材价格预测

    3.4.4 建模数分析

3.5 本章小结

第4章 基于概率矩阵分解的装配式建筑构件推荐系统

4.1 系统架构

4.2 算法

    4.2.1 建立概率矩阵分解

    4.2.2 优化预测算法结合

4.3 案例演示

    4.3.1 案例背景

    4.3.2 案例结果

    4.3.3 隐向量维度d分析

4.4 本章小结

结论与展望

致谢

参考文献

攻读学位期间发表的论文

文章摘要:装配式建筑由于其建筑垃圾少,节约资金,优秀可控,施工周期短,安全等优点,已成为建筑工业化和城市可持续发展的重要议题。装配式建筑是涵盖全生命周期的多阶段、多专业、多参与方的信息较为集中的建筑类型。引入建筑信息模型（BIM）技术,使装配式建筑设计效率进一步提高。然而目前BIM技术与装配式建筑设计方法仍有改善之处,其原因主要是由于BIM构件的数量迅速增加,对已有构件族元素以及建筑知识难以重复利用,信息传递共享复杂不便,未形成智能化的装配式建筑管理平台,导致BIM装配式建筑设计难度大,设计效率未能显著提高。所以,在传统建筑工程行业向现代信息化转型升级的过程中应当强调装配式建筑的信息化程度,结合信息管理技术,实现信息化装配式建筑。在BIM族库基础上,开发BIM构件推荐系统,利用智能算法进行BIM构件推荐,来改善构件的获取和共享,可以极大提高设计效率。为进一步探究BIM技术在装配式建筑智能应用,加强装配式建筑信息传递与共享,提高了设计效率与质量,本研究将灰色预测模型结合人工神经网络,提出了基于动态混合预测模型的装配式建筑构件推荐系统,实现了BIM装配式建筑知识共享平台构件搜索,构件推荐功能,并完成了以下主要工作:1.通过梳理国内外BIM装配式族库研究与人工智能推荐系统相关研究,分析了各个领域BIM的应用以及与人工智能技术结合的可能,提出了基于灰色预测模型与推荐系统的装配式建筑知识共享机制。依据需求,搭建了装配式建筑知识共享平台,并建立了构件库与知识库,提供数据应用支撑。2.为了预测用户偏好和构件属性的动态变化,在GM（1,1）,MFGMn（1,1）模型基础上,结合人工神经网络,提出了一种基于人工神经网络的混合灰色模型动态加权调整算法,以提供一种灵活的组合来适应不稳定的时间序列,为装配式建筑知识共享平台建立完整的推荐预测功能提供算法支持。3.将概率矩阵分解与优化混合灰色模型结合,建立了装配式建筑知识共享平台的推荐系统,实现了装配式信息过滤,信息共享,并用一个实际案例,检验了装配式建筑推荐系统的效用和推荐质量,说明其能够帮助设计师和工程师快速建立模型,提高工作效率。

文章关键词:

论文DOI:10.27414/d.cnki.gxnju.2019.001154

论文分类号:TU17