BIM技术在工业化住宅建设中的应用

许瑾璐

（福州外语外贸学院理工学院，福州350200）

0 引言

工业化住宅建设需结合建筑施工成本控制，进行工业化住宅建设的管理进度优化。提高工业化住宅建设管理的自适应性，研究工业化住宅建设管理方法，在提高建筑工程的质量，控制工业化住宅建设施工成本方面具有重要意义，相关的工业化住宅建设工程管理优化模型研究受到人们的极大关注[1]。

工业化住宅建设管理建立在建筑信息的融合调度和分类识别基础上，采用建筑信息管理模型（Building information management，BIM）进行工业化住宅建设管理的优化调度设计[2]，提取工业化住宅建设管理的统计特征量，结合相关的信息管理和综合调度模型，实现工业化住宅建设管理优化。传统方法中，对工业化住宅建设管理的工程信息调度方法主要采用模糊关联规则挖掘方法和PID控制方法[3]，上述方法进行工业化住宅建设工程管理存在自适应性差和模糊度高的问题。

针对上述问题，提出基于BIM技术的工业化住宅建设管理优化模型。最后进行仿真实验分析，展示了本文方法在提高工业化住宅建设工程管理能力方面的优越性能。

1 工业化住宅建设管理的大数据分析

1.1 工业化住宅建设管理的BIM信息采样

在构建工业化住宅建设工程管理模型中，采用BIM信息的优化分类方法，进行工程管理的信息调度设计，建立BIM信息管理模型。根据模糊决策调度方法模型，进行工业化住宅建设工程管理的BIM信息分类融合调度。提取工业化住宅建设工程管理BIM信息特征量，采用关联规则特征提取方法，进行工业化住宅建设工程管理的大数据自适应分类[4]。采用模糊信息融合方法进行工业化住宅建设管理信息的特征融合和自适应调度，提取工业化住宅建设工程管理BIM信息的状态特征，得到状态特征方程为

式中，ub表示工业化住宅建设工程管理BIM信息的刚度因子，cs表示工程管理的效益评估模型参数，采用分组样本回归分析方法构建工业化住宅建设工程管理的模糊决策模型，得到工业化住宅建设工程管理的弹性模量分布为

预先设定工业化住宅建设工程的成本开销，结合模糊粗糙集映射方法进行工业化住宅建设工程的工程管理设计[5]，输出工程管理的模糊决策函数为

式中，ρ表示工业化住宅建设工程结构体系的材料密度，xi为工业化住宅建设工程结构体系中构件层面的特征系数，通过关联规则分层调度方法进行工业化住宅建设工程集成体系的模糊相关性检测，得到安全允量满足工业化住宅建设工程管理集成体系的分层BIM信息融合方程为

在工业化住宅建设工程结构的特征分布模型中，根据工业化住宅建设工程结构的应力模型进行参数辨识分析，提取工业化住宅建设工程结构的信息特征量，采用决策树模型，构建工业化住宅建设工程管理BIM信息的空间聚类模型，结合融合调度方法，进行工业化住宅建设管理的BIM信息采样。

1.2 工业化住宅建设管理信息的特征融合

结合模糊信息融合方法进行工业化住宅建设管理信息的特征融合和自适应调度，提取工业化住宅建设工程管理BIM信息的关联规则特征量,将工业化住宅建设工程的BIM信息进行分层融合，得到工业化住宅建设工程集成的分层BIM评价规则如下：

在BIM信息库中进行工业化住宅建设工程的分区域调度[6]，得到建设工程的成本控制参数T和施工进度评价参数V

结合大数据的特征融合和分布式聚类处理方法，进行工业化住宅建设工程的优化调度，得到特征方程为

式中，z1,z2是工业化住宅建设工程管理BIM信息的模糊度，y为BIM信息集成的维数，建立工业化住宅建设工程管理的模糊度方程为

取工业化住宅建设工程管理BIM信息的关联规则特征量，采用逻辑回归分析方法进行工业化住宅建设工程管理的BIM信息融合，实现建筑工程的分层BIM推进和融合控制[7]。

2 工业化住宅建设工程管理的优化

2.1 工业化住宅建设工程管理BIM信息分类

本文提出基于BIM技术的工业化住宅建设管理优化模型，采用粗糙集聚类分析方法，得到工业化住宅建设工程管理的BIM信息融合的判决统计量为

式中，K为工业化住宅建设的BIM信息的统计特征值，α1＞0，α2＞0，λmax是最大回归分析的量化值，结合簇内数据的融合聚类分析方法，进行工业化住宅建设工程管理的过程寻优控制，采用BIM主成分特征检测方法，得到工业化住宅建设工程的BIM信息融合的均方根误差满足MSE=E[(|e(n)|2)]＞K，建立工业化住宅建设工程管理BIM信息的模糊聚类模型，实现工业化住宅建设工程管理BIM信息的统计特征检测，得到检测统计量为

构建工业化住宅建设工程管理BIM信息统计分布模型，工业化住宅建设工程管理的BIM信息融合特征分布集为

在分散子空间中进行工业化住宅建设工程管理BIM信息融合调度，提高工业化住宅建设工程管理BIM信息分类能力[8]。

2.2 工业化住宅建设管理的综合决策

采用逻辑回归分析方法进行工业化住宅建设工程管理的BIM信息融合和自适应调度，结合模糊C均值聚类方法[9]，得到工业化住宅建设工程管理BIM信息主成分分布为

构建工业化住宅建设工程管理BIM信息模糊聚类的回归分析模型，根据工业化住宅建设工程管理BIM信息的特征分布集进行线性结构重组，得到工业化住宅建设工程管理BIM信息的多元决策模型，对工业化住宅建设工程管理BIM信息进行分布式检测和自适应聚类分析[10]，得到工业化住宅建设工程管理BIM信息的相关性概率密度特征为

在关联规则特征分布集中，工业化住宅建设工程管理BIM信息融合的互信息量为

建立工业化住宅建设工程管理BIM信息的特征提取和大数据融合聚类分析模型，得到工程管理的可靠性评估函数表述为

采用多队列调度方法，建立工业化住宅建设工程管理BIM信息的决策调度模型，得到特征训练集si={xj：d(xj,yi)≤d(xj,yl)}，工业化住宅建设工程管理BIM信息的显著性特征权重为

建立模糊度核函数模型，采用相空间结构重组方法，构建工业化住宅建设工程管理BIM信息空间融合模型，得到Nj*的几何邻域NEj*(t)，采用离散序列调度方法，构建工业化住宅建设工程管理BIM信息的特征匹配模型，实现对工业化住宅建设工程管理优化。

3 仿真实验与性能分析

为了验证本文方法在实现工业化住宅建设工程管理及BIM信息融合调度中的应用性能，进行仿真实验分析。采用Matlab和C++进行工业化住宅建设工程管理的融合聚类，对BIM信息采集的样本数为2400，模糊聚类的权系数为0.46，对工业化住宅建设工程管理的迭代次数为120，工业化住宅建设工程管理BIM信息采样周期为T=0.86s，统计采样率为fs=10*f0Hz=10KHz，根据上述仿真环境和参数设定，进行工业化住宅建设工程管理，得到工业化住宅建设工程管理BIM信息的大数据集采样分布如图1所示。

图1 工业化住宅建设工程管理的BIM信息采样

以图1的数据为研究对象，提取工业化住宅建设工程管理BIM信息的关联规则特征量，采用逻辑回归分析方法进行工业化住宅建设工程管理的BIM信息融合和自适应调度，得到特征提取结果如图2所示。

图2 工业化住宅建设工程BIM信息特征提取结果

分析图2得知，采用本文方法进行工业化住宅建设工程管理的BIM信息特征提取聚类性较好。测试不同方法进行工业化住宅建设工程管理的信息融合度水平，得到收敛性测试结果如图3所示，分析得知，采用该方法进行工业化住宅建设的BIM信息分类的准确性较好，有效指导了工业化住宅建设管理和建设，提高了工业化住宅建设工程管理的可靠性。

图3 工业化住宅建设工程管理BIM信息分类的收敛性结果

4 结语

结合建筑施工成本控制，进行工业化住宅建设的管理进度优化，提高工业化住宅建设管理的自适应性，本文提出基于BIM技术的工业化住宅建设管理优化模型。采用建筑信息模型进行工业化住宅建设管理的大数据信息采样，结合模糊信息融合方法进行工业化住宅建设管理信息的特征融合和自适应调度，提取工业化住宅建设工程管理BIM信息的关联规则特征量，采用逻辑回归分析方法进行工业化住宅建设工程管理的BIM信息融合和自适应调度，实现工业化住宅建设工程管理BIM信息分类。分析得知，本文方法工业化住宅建设的BIM信息分类的准确性较好，可以有效指导工业化住宅建设管理和建设，提高工业化住宅建设工程管理的可靠性，具有很好的应用价值。