目前，人工智能技术已初步应用于建筑工程成本，采用科学方法计算和编制工程成本，代替人工劳动力，提高计算精度和精度。分析了人工智能和工程成本的影响因素，在人工神经网络、遗传算法和数据信息应用方面讨论了人工智能在工程成本领域的发展，最后结合道路工程成本实例分析了RBF网络模型的实际应用和优势。

1概述

融合信息技术和工程成本计算的交叉研究，是将人工智能技术引入工程成本领域的开拓性探索研究。在项目的工程施工过程中工程造价是影响项目施工的关键因素，造价计算的准确性对于工程施工的进展至关重要，在具体计算过程中需要项目整体统一计划，并且需要考虑到施工现场条件、施工方案、施工组织设计、施工质量要求等因素的影响。

工程造价领域引入人工智能不但可以提升造价计算的精确性和高效率，还可以解决人力计算容易出現的错误和误差，并且可以全方位考虑到影响因素（例如人工、材料、施工机械的市场价格波动、利率、汇率等一些风险因素的影响），对包工头而言，能够得到最优秀的施工方案和最合理的投标报价，进而中标的可能性和期望更大，针对投资人而言，能够更精确的掌握工程项目的建设总投资，为项目的投资融资方案和后续工程的顺利开展支持。目前，人工智能主要应用于云计算、大数据、图像识别、语音识别、LBS和人工智能技术等方面，以及智能财务的应用，但成本方向的研究很少。

2人工智能和工程造价概述

人工智能在计算机科学计算的基础上，依靠计算程序的编制和设计，实现代替人力劳动，完成相关应用程序。人工智能一般具有感知能力、记忆能力、适应能力、反应能力等特点。工程成本是建筑工程中非常重要的一环，一般具有影响因素多、成本总额大、可变性强、动态性强、复杂性高等特点。在人工计算成本的过程中，需要综合考虑与成本过程相关的工程量计算规则、价格水平、定额、汇率等问题，综合考虑影响工程成本的各种因素，不能出现误差，因此需要很多劳力和时间，人工计算时容易出现误差和错误人工智能引入工程造价后，通过降低人为因素的干扰，依靠电脑的编程和设计，程序化材料设备等，进行准确高效的计算，在保证计算准确的同时，保证了造价文件的准确性，合理实现了业主和乙方的利益。

3人工智能在工程造价领域的发展现状

人工智能技术的发展及应用，使得更多的企业和行业向人工智能靠拢，导致很多行业的劳动力被人工智能所替代，而其在工程造价领域目前研究和应用较少，主要在以下方面开展了研究。

3.1工程量计算引进人工智能。工程量计算主要是对施工过程中涉及的土石方工程、钢筋混凝土工程、建筑工程、模板工程等工程量进行综合计价和计算，然后编制工程量清单。分部分项工程费用的形成是以清单工程量和综合单价为基础，工程量的正确计算需要建立在正确的读图、识图的基础上，这部分工作工程量很大，也需要高效准确的计算和精力，因此工程造价部门一般安排许多专业人员进行全面计算。目前，5D云机器人技术采用BIM+云+AI技术，通过bim技术和AI技术，快速实现清单列项和工程量计算工作的计算机化，在1小时内完成前几天完成的清单列项工作，同步瞬间完成前几天完成的工程量计算工作

3.2人工神经网络用于工程成本估算模型。人工神经网络是由大量节点(或输入层/输出层)之间相互连接的运算模型。利用人工神经网络建立的建筑工程造价快速估算模型主要有:BP模型、ＲBF模型和模糊神经网络模型。基于BP模型，可以迅速估算工程成本，但径向基函数神经网络作为分析方法的突破，明确了推测预测、决策问题。如图1所示，径向基函数由格林函数组成隐藏层，在输入层和输出层的设定后，计算运行结果，完成输入空间到输出空间的映射。

X1X2XNY1YN输入层隐性输出层3.3相关算法与数据信息的融合。随着社会的发展，我们各种信息和数据都在数字化，大数据时代已经到来，现在一些行业和企业已经逐渐建立了自己的数据库，大数据驱动人工智能不断发展，建立驱动数据和知识引导的智能计算平台和方法，可以更智能地计算相关数据。数据信息和人工智能相关算法的融合也将成为未来工程造价行业发展的趋势，通过大数据的融入，可以更快捷、准确的判断造价过程中各种影响因素的权重，然后通过计算机的消除与避免，提高工程造价的运行效率和准确性。同时，数据信息平台的建立可以全面提高工程成本信息化水平，对企业来说，不仅满足了企业运营、生产管理、高效管理的需要，还降低了企业运营成本，进一步提高了企业市场竞争力。

4人工神经网络在工程造价行业的应用探索

以某公路工程造价估算为例，采用神经网络方法，建立径向基函数，在输入层选择8具有代表性的工程特征作为输入变量，如表1所示，用X1～X8表示，同时，将千米造价作为输出变量，用C1表示，另外设置隐层数目、样本数目。通过输入节点进行初始化和数字化处理，计算机识别和神经网络容易接受，计算结果如表1所示，计算的输出结果与实际值相对误差符合要求，同时比较模拟结果，相对误差仅为4.95%，计算结果如表2所示。使用Matlab语言程序编程计算，BP网络计算时间为624.7s，径向基函数计算时间为3.1s，采用径向基函数的RBF模型的普及能力更强，泛化能力更好，在训练时间和预测误差方面优于BP网络计算方法。

5结语

在建筑工程造价中引入人工智能已成为未来工程造价行业智能化、数据化发展的方向，其对造价项目的影响因素、工作重点、规划管理等方面都产生了一定的影响和变革，也对传统工程造价人员的综合能力要求更高。本文对人工智能和工程造价的影响因素进行了分析，并在人工神经网络、遗传算法以及数据信息应用方面对人工智能在工程造价领域的发展进行了探讨，最后结合公路工程造价实例分析了ＲBF网络模型的实际应用和优势，是智能化技术在工程造价中得到更好运用体现。