基于Web-BIM的裝配式建筑結(jié)構(gòu)選型智能決策支持方法

王彩雪，

(西安歐亞學(xué)院 人居環(huán)境學(xué)院，陜西 西安 710065)

決策支持技術(shù)[1]包含計(jì)算機(jī)、人工智能以及多媒體網(wǎng)絡(luò)等多個(gè)高新技術(shù)，通過輔助支持組織決策活動(dòng)或業(yè)務(wù)，實(shí)現(xiàn)人工思維與決策計(jì)算的相輔相成。飛速發(fā)展的通信技術(shù)推動(dòng)決策活動(dòng)邁入了更新一級(jí)的時(shí)代格局，在科學(xué)化、程序化的階段中穩(wěn)步前進(jìn)，智能決策支持技術(shù)油然而生。該項(xiàng)技術(shù)憑借定性分析與不定性推理[2]的顯著優(yōu)勢(shì)，使經(jīng)驗(yàn)知識(shí)得到充分利用，進(jìn)一步深化了人工思維與決策計(jì)算的融合程度，并在各大領(lǐng)域中廣泛應(yīng)用。

文獻(xiàn)[3]針對(duì)電力領(lǐng)域的變壓器，為獲取全壽期內(nèi)工作的理論指導(dǎo)，基于分布式物理架構(gòu)，利用智能代理技術(shù)設(shè)計(jì)一種全維度智能決策支持系統(tǒng)；文獻(xiàn)[4]面向交通領(lǐng)域的鐵路運(yùn)營(yíng)方面，采用統(tǒng)計(jì)分析工具與機(jī)器學(xué)習(xí)，挖掘運(yùn)營(yíng)數(shù)據(jù)，根據(jù)列車時(shí)空分布模型，完成實(shí)時(shí)的智能調(diào)度決策支持。

國(guó)民經(jīng)濟(jì)跨越式上升，多樣化建筑鱗次櫛比，裝配式建筑對(duì)工業(yè)化進(jìn)程與建筑業(yè)發(fā)展規(guī)劃有著一定的影響力，因此本文就裝配式建筑結(jié)構(gòu)選型，設(shè)計(jì)了智能決策支持方法。建筑信息模型是建筑行業(yè)中應(yīng)用價(jià)值較高的創(chuàng)新技術(shù)之一，由于其多以對(duì)軟硬件與用戶限制性較高的C/S架構(gòu)為主，阻礙了該項(xiàng)技術(shù)的普及度，因此，引入Web端實(shí)現(xiàn)建筑模型可視化，滿足建筑從業(yè)人員的潛在需求。

1 建立用于智能決策支持的Web-BIM平臺(tái)

裝配式建筑的施工過程不僅工藝繁雜而且規(guī)模較大，為充分發(fā)揮建筑信息模型技術(shù)價(jià)值，基于Web萬維網(wǎng)[5]建立Web-BIM平臺(tái)，實(shí)現(xiàn)全生命周期的信息集成與管理，以及建筑信息與工程數(shù)據(jù)在云端上的資源共享。

如圖1所示，該平臺(tái)框架由擴(kuò)展應(yīng)用模塊、平臺(tái)模塊、數(shù)據(jù)模塊、數(shù)據(jù)源以及有關(guān)軟件構(gòu)成，各模塊主要作用如下所述。

圖1 Web-BIM平臺(tái)框架示意圖

(1)擴(kuò)展應(yīng)用模塊：該模塊是在建筑信息與工程信息數(shù)據(jù)庫(kù)的基礎(chǔ)上，利用Web瀏覽器呈現(xiàn)出供用戶操作的界面。使用者在門戶網(wǎng)站上完成界面登錄后，即可不受區(qū)域、時(shí)間限制，實(shí)時(shí)獲取相關(guān)信息。擴(kuò)展應(yīng)用模塊的作用通過互聯(lián)網(wǎng)技術(shù)與WebGL技術(shù)[6]共享工程信息與建筑模型信息。

(2)平臺(tái)模塊：該模塊的作用是管理Web三維模塊瀏覽與數(shù)據(jù)庫(kù)后臺(tái)服務(wù)。前者利用WebGL技術(shù)渲染、呈現(xiàn)建筑信息模型，后者則通過管理資料數(shù)據(jù)，協(xié)調(diào)建筑各參與方的工作，實(shí)現(xiàn)動(dòng)態(tài)管理。平臺(tái)模塊在構(gòu)建階段應(yīng)著重于三個(gè)關(guān)鍵點(diǎn)：降低文件內(nèi)存，保證Web網(wǎng)頁(yè)中建筑信息模型的展示質(zhì)量與操作流暢度；利用標(biāo)簽聯(lián)立建筑模型構(gòu)件與工程信息的關(guān)系，提升資料檢索速度；針對(duì)使用者角色提供不同登錄賬號(hào)與管理權(quán)限，確保Web-BIM平臺(tái)上的不同使用者安全地實(shí)現(xiàn)信息共享。

(3)數(shù)據(jù)模塊：該模塊采用不同的存儲(chǔ)管理方式對(duì)各個(gè)構(gòu)成數(shù)據(jù)類型進(jìn)行管理：結(jié)構(gòu)化建筑模型數(shù)據(jù)由工業(yè)基礎(chǔ)類標(biāo)準(zhǔn)[7]數(shù)據(jù)庫(kù)管理，非結(jié)構(gòu)化文檔數(shù)據(jù)由文檔管理系統(tǒng)存儲(chǔ)，組織與過程數(shù)據(jù)由對(duì)應(yīng)數(shù)據(jù)庫(kù)管理。該模塊的主要作用是實(shí)現(xiàn)基礎(chǔ)數(shù)據(jù)、建筑模型數(shù)據(jù)與工程信息的儲(chǔ)存。

(4)數(shù)據(jù)源：面向數(shù)據(jù)庫(kù)的導(dǎo)入結(jié)構(gòu)要求，在數(shù)據(jù)源階段，將多類初始數(shù)據(jù)轉(zhuǎn)換成工業(yè)基礎(chǔ)類標(biāo)準(zhǔn)格式，并進(jìn)行類別劃分處理，降低資料查詢、共享等功能的實(shí)現(xiàn)復(fù)雜度。

2 裝配式建筑整體結(jié)構(gòu)選型智能決策支持

針對(duì)裝配式建筑結(jié)構(gòu)的復(fù)雜性與工程環(huán)境的不確定性，引入具有強(qiáng)大模糊信息處理能力的人工神經(jīng)網(wǎng)絡(luò)[8]，實(shí)現(xiàn)此類建筑結(jié)構(gòu)選型的智能決策支持。

2.1 后向傳播神經(jīng)網(wǎng)絡(luò)模型

利用人工神經(jīng)網(wǎng)絡(luò)神經(jīng)元的非線性變換單元，架構(gòu)如圖2所示的三層后向傳播神經(jīng)網(wǎng)絡(luò)。

圖2 后向傳播神經(jīng)網(wǎng)絡(luò)基本圖

其中，隱含層作為關(guān)鍵層，數(shù)量需按問題復(fù)雜度與精準(zhǔn)度需求設(shè)定；問題有多少變量或影響因素，輸入層就有多少個(gè)節(jié)點(diǎn)，經(jīng)網(wǎng)絡(luò)解決后，該問題有多少個(gè)方案，輸出層就有多少個(gè)節(jié)點(diǎn)。各層數(shù)量設(shè)定、變換函數(shù)選取以及樣本處理等具體方法如下所述。

(1)隱含層層數(shù)：根據(jù)待模擬的函數(shù)非線性問題復(fù)雜程度，明確隱含層層數(shù)。通常當(dāng)隱含層僅有一個(gè)時(shí)，只要其節(jié)點(diǎn)個(gè)數(shù)足夠多，也足以應(yīng)對(duì)相對(duì)復(fù)雜的問題；若存在兩個(gè)隱含層，則該網(wǎng)絡(luò)將不再受復(fù)雜度限制，可任意使用。

(2)隱含層節(jié)點(diǎn)數(shù)量：在問題映射關(guān)系復(fù)雜等級(jí)不變的前提下，隱含層層數(shù)與其節(jié)點(diǎn)數(shù)呈負(fù)相關(guān)。假設(shè)輸入層節(jié)點(diǎn)有N個(gè)，則三層網(wǎng)絡(luò)的隱含層節(jié)點(diǎn)一般為2N+1；四層網(wǎng)絡(luò)中，輸出層的節(jié)點(diǎn)數(shù)量通常是第二個(gè)隱含層的一半。

(3)輸入層節(jié)點(diǎn)數(shù)量：根據(jù)待解決問題的關(guān)鍵影響因素個(gè)數(shù)明確輸入層節(jié)點(diǎn)數(shù)量。

(4)輸出層節(jié)點(diǎn)數(shù)量：極大程度減少需要在一次計(jì)算中就完成的問題個(gè)數(shù)，并將其作為輸出層節(jié)點(diǎn)數(shù)量。

(5)變換函數(shù)：選取具備梯度搜索功能的sigmoid函數(shù)[9]作為網(wǎng)絡(luò)變換函數(shù)，利用其單調(diào)遞增的非線性函數(shù)曲線來反映神經(jīng)元飽和屬性。如圖3所示，其定義域是[0,1]。

圖3 sigmoid變換函數(shù)

(6)樣本選取與歸一化處理：針對(duì)精準(zhǔn)性與代表性兩項(xiàng)原則選取樣本，保證樣本準(zhǔn)確無誤且具有典型性和說服力較高。為確保變量能夠有效輸入網(wǎng)絡(luò)，應(yīng)將輸入變量歸一化至[0,1]范圍中，還原網(wǎng)絡(luò)運(yùn)算后的結(jié)果進(jìn)行輸出。sigmoid函數(shù)在a、b區(qū)間處趨于無窮，產(chǎn)生收斂時(shí)間較長(zhǎng)或不收斂現(xiàn)象，故盡可能將樣本的歸一化范圍設(shè)定在除兩區(qū)間外的其他定義域部分。

2.2 神經(jīng)網(wǎng)絡(luò)模型學(xué)習(xí)

為確保決策支持智能化，設(shè)計(jì)雙向傳播的有監(jiān)督學(xué)習(xí)算法。其中的反向傳播是通過調(diào)整各節(jié)點(diǎn)權(quán)重來獲取期望值。

2.2.1 正向傳播有監(jiān)督學(xué)習(xí)算法

以四層神經(jīng)網(wǎng)絡(luò)為例，其學(xué)習(xí)算法中的正向傳播步驟如下所述：

(1)假設(shè)輸入層存在N個(gè)節(jié)點(diǎn)，令任意節(jié)點(diǎn)i的輸入與輸出相等，即

xi=Oi

(1)

式中：xi為輸入層節(jié)點(diǎn)i的輸入；Oi為該節(jié)點(diǎn)輸出。

(2)如果首個(gè)隱含層的節(jié)點(diǎn)個(gè)數(shù)是N′，該層節(jié)點(diǎn)j與輸入層節(jié)點(diǎn)i間的連接權(quán)重用wij表示，節(jié)點(diǎn)j的閾值是θj，sigmoid型函數(shù)用f(·)表示，則第一個(gè)隱含層節(jié)點(diǎn)j的輸入xj與輸出Oj表達(dá)式如下所示：

(2)

(3)

(3)已知第二個(gè)隱含層的節(jié)點(diǎn)數(shù)量是N″，則對(duì)于任意節(jié)點(diǎn)k的輸入xk與輸出Ok，采用下列計(jì)算公式解得：

(4)

(5)

式中：兩隱含層節(jié)點(diǎn)j與k間的連接權(quán)重為wjk；節(jié)點(diǎn)k的閾值為θk。

(4)將輸出層節(jié)點(diǎn)數(shù)量設(shè)定為N?，層中任意節(jié)點(diǎn)l的閾值是θl，其與隱含層節(jié)點(diǎn)k間的連接權(quán)重為wkl，則節(jié)點(diǎn)l的輸入xl與輸出Ol表達(dá)式如下所示：

(6)

(7)

(8)

2.2.2 反向傳播有監(jiān)督學(xué)習(xí)算法

按照偏差E的負(fù)梯度方向，調(diào)整網(wǎng)絡(luò)權(quán)閾值，創(chuàng)建下述反向傳播學(xué)習(xí)算法流程：

(9)

(10)

(11)

(12)

(13)

(14)

(15)

利用結(jié)構(gòu)參數(shù)、節(jié)點(diǎn)特征均已明確且經(jīng)過學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，同步完成網(wǎng)絡(luò)知識(shí)表示與獲取，根據(jù)網(wǎng)絡(luò)的取值特點(diǎn)，將決策事實(shí)或假設(shè)劃分成非順序取值與順序取值。在影響決策支持的多個(gè)因素中，非順序取值中包括建筑模型結(jié)構(gòu)精細(xì)度、知識(shí)完整度、結(jié)構(gòu)性能表現(xiàn)、結(jié)構(gòu)創(chuàng)新技術(shù)以及結(jié)構(gòu)構(gòu)件質(zhì)量、整體施工工藝等，順序取值中則含有結(jié)構(gòu)施工價(jià)格、結(jié)構(gòu)各部分物理參數(shù)等影響因素。神經(jīng)網(wǎng)絡(luò)的知識(shí)處理過程如圖4所示。

圖4 知識(shí)處理過程示意圖

3 實(shí)驗(yàn)驗(yàn)證

3.1 裝配式建筑結(jié)構(gòu)工程概況與結(jié)構(gòu)相關(guān)技術(shù)參數(shù)

從占地面積約為十萬平方米的一個(gè)建筑項(xiàng)目中，選取一個(gè)建筑面積2 165 m2的單體9層裝配式建筑結(jié)構(gòu)作為研究對(duì)象，此建筑項(xiàng)目建設(shè)工期近三年，合同金額約為兩個(gè)億。經(jīng)實(shí)地調(diào)查后，選取三種主要建筑結(jié)構(gòu)展開智能決策支持方法的有效性驗(yàn)證，即：框架-剪力墻、剪力墻以及鋼筋混凝土框架等結(jié)構(gòu)。各結(jié)構(gòu)主要參數(shù)如表1所示。

表1 三種建筑結(jié)構(gòu)技術(shù)參數(shù)

3.2 智能決策支持方法性能研究

將相關(guān)建筑信息、項(xiàng)目時(shí)間、合同金額以及實(shí)地調(diào)查結(jié)果輸入至所提智能決策方法內(nèi)，經(jīng)數(shù)據(jù)處理輸入神經(jīng)網(wǎng)絡(luò)中訓(xùn)練求解，輸出結(jié)果為框架-剪力墻結(jié)構(gòu)是最佳方案。為檢驗(yàn)本文方法選型結(jié)果是否正確，先從結(jié)構(gòu)位移反應(yīng)驗(yàn)證所提決策支持方法下框架-剪力墻結(jié)構(gòu)抗震性優(yōu)劣，再結(jié)合價(jià)值指數(shù)加強(qiáng)驗(yàn)證結(jié)果的可靠性與說服性。

3.2.1 抗震性分析

圖5所示為地震作用下三種結(jié)構(gòu)不同方向上的最大層間位移情況，根據(jù)表2所示的不同結(jié)構(gòu)限值規(guī)范[10]要求可以看出，三類結(jié)構(gòu)均無薄弱層，符合安全設(shè)計(jì)理念，但框架-剪力墻結(jié)構(gòu)的層間位移角較其他兩種結(jié)構(gòu)遠(yuǎn)小于規(guī)定限值，且最大層間位移量也更低。該實(shí)驗(yàn)從結(jié)構(gòu)的抗震角度驗(yàn)證了本文方法選定的框架-剪力墻結(jié)構(gòu)是最佳方案。

圖5 三種結(jié)構(gòu)最大層間位移示意圖

表2 三種建筑結(jié)構(gòu)對(duì)應(yīng)規(guī)范限值

3.2.2 價(jià)值指數(shù)分析

經(jīng)分析圖6中三類結(jié)構(gòu)全生命周期的價(jià)值指數(shù)可知，鋼筋混凝土框架結(jié)構(gòu)成本系數(shù)極高，而且功能系數(shù)與價(jià)值指數(shù)兩項(xiàng)指標(biāo)極低，而框架-剪力墻結(jié)構(gòu)的成本系數(shù)雖然不是最低的，但另外兩指標(biāo)數(shù)值均為最大值，故從綜合角度可知，框架-剪力墻結(jié)構(gòu)為最佳結(jié)構(gòu)。該實(shí)驗(yàn)進(jìn)一步全面性地驗(yàn)證了本文方法決策的準(zhǔn)確性。

圖6 全生命周期價(jià)值指數(shù)柱形圖

4 結(jié) 論

建筑業(yè)正朝著綠色化與現(xiàn)代化方向發(fā)展轉(zhuǎn)型，作為建筑優(yōu)化的關(guān)鍵環(huán)節(jié)，結(jié)構(gòu)選型對(duì)建筑整體性能起著規(guī)范、控制等重要作用，近年來，裝配式建筑也逐漸成為建筑領(lǐng)域的關(guān)注焦點(diǎn)。為此，本文面向此類建筑，得到一種具備有效擇優(yōu)能力的智能決策支持方法，其有待完善之處主要有以下幾個(gè)方面：應(yīng)深入學(xué)習(xí)建筑結(jié)構(gòu)的相關(guān)知識(shí)，獲取更全面的決策影響因素，讓此方法適用于更多類型建筑；基于Web-BIM平臺(tái)建立決策支持系統(tǒng)，通過建筑全生命周期信息的追蹤功能，滿足信息化的技術(shù)需求；下一階段應(yīng)增加平臺(tái)交互性，實(shí)現(xiàn)建筑模型的移動(dòng)拆解等功能；針對(duì)多種建筑結(jié)構(gòu)展開實(shí)驗(yàn)，優(yōu)化方法性能，拓展其市場(chǎng)應(yīng)用前景。