建筑工程造价分析方法技术

本申请涉及一种工程造价技术领域，特别涉及一种建筑工程造价分析方法，该方法包括通过获取待分析建筑工程的施工地形图片数据，并提取出初始感兴趣地形区域，进一步利用

【技术实现步骤摘要】
建筑工程造价分析方法


[0001]本申请涉及工程造价
，特别是涉及一种建筑工程造价分析方法
。

技术介绍

[0002]工程造价是指进行某项工程建设花费的全部费用，即该工程项目有计划地进行固定资产再生产
、
形成相应无形资产和流动资金的一次性费用总和
。
在建筑工程中，输变电工程是输电线路建设和变压器安装工程的统称，输变电工程的电压等级越高，输送的电力越大，损耗也越小，输送距离也越远
。
而输变电工程建设存在资金投入大
、
投入产出周期长等特点，合理地利用电力工程资金，做好输变电建设工程的造价管控已经成为了一个当今各个领域的专家和学者研究的热门课题
。
[0003]在传统技术中，专利技术人发现利用大数据进行工程造价分析得出的结果，存在准确性差的问题
。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够提高分析准确性的建筑工程造价分析方法
。
[0005]一方面，本申请提供了一种建筑工程造价分析方法，包括步骤：获取待分析建筑工程的基本属性数据
、
当前成本数据和施工地形图片数据；其中，基本属性数据包括工程类型数据
、
工程设备数据
、
工程材料数据和施工周期数据；施工地形图片数据包括施工区域的不同角度的拍摄图像；对各拍摄图像进行提取，得到初始感兴趣地形区域，并将初始感兴趣地形区域输入至校正神经网络模型，以得到校正后的感兴趣地形区域；其中，校正神经网络模型为通过
tanh
函数配置输出层的神经网络模型；基于校正后的感兴趣地形区域，生成目标地形图像；提取目标地形图像的属性特征，并基于属性特征和工程类型数据，在预设历史数据库中匹配对应的历史建筑工程信息以及历史造价数据；根据当前成本数据
、
工程设备数据
、
工程材料数据
、
施工周期数据和历史建筑工程信息，对历史造价数据进行修正，得到当前造价数据
。
[0006]上述建筑工程造价分析方法，通过获取待分析建筑工程的施工地形图片数据，并提取出初始感兴趣地形区域，进一步利用
tanh
函数配置输出层的校正神经网络模型对初始感兴趣地形区域进行进一步的校正，以实现更精密的校准
。
基于校正后的感兴趣地形区域，生成目标地形图像，并基于目标地形图像的属性特征和工程类型数据，在预设历史数据库中进行匹配得到相应的历史建筑工程信息以及历史造价数据，最后对历史造价数据进行修正，得到当前造价数据
。
在匹配历史造价数据的过程中，利用目标地形图像进行匹配，能够在地形多变的场景下，提高分析结果也即当前造价数据的准确性
。
[0007]在其中一个实施例中，属性特征包括沿高度方向的切片轮廓坐标数据；基于属性
特征和工程类型数据，在预设历史数据库中匹配对应的历史建筑工程信息以及历史造价数据的步骤，包括：在预设历史数据库中，查询与工程类型数据一致的初始建筑工程信息；根据切片轮廓坐标数据，在初始建筑工程信息中筛选出对应的历史建筑工程信息以及历史造价数据
。
[0008]在其中一个实施例中，还包括：获取历史数据；其中，历史数据包括施工企业基本数据以及市场竞争数据；基于施工企业基本数据确定企业特征要素，基于市场竞争数据确定竞争特征要素；根据企业特征要素和竞争特征要素，对当前造价数据进行预处理，并将预处理后的当前造价数据确定为目标造价数据
。
在其中一个实施例中，历史数据还包括历史报价数据；对当前造价数据进行预处理的步骤，包括：获取企业特征要素对历史报价数据的第一影响比重；获取竞争特征要素对历史报价数据的第二影响比重；获取当前的施工企业基本数据以及当前的市场竞争数据，并基于第一影响比重
、
第二影响比重
、
当前的施工企业基本数据和当前的市场竞争数据，修正当前造价数据，得到目标造价数据
。
[0009]在其中一个实施例中，施工企业基本数据包括施工企业的延期率以及施工企业的营收数据；市场竞争数据包括中标报价数据以及平均报价数据
。
[0010]在其中一个实施例中，对历史造价数据进行修正的步骤，包括：根据当前成本数据，确定与工程设备数据对应的第一单价
、
与工程材料数据对应的第二单价以及与施工周期数据对应的第三单价；基于第一单价
、
第二单价和第三单价和历史建筑工程信息，对历史造价数据进行修正
。
[0011]在其中一个实施例中，对各拍摄图像进行提取，得到初始感兴趣地形区域的步骤，包括：利用物体识别模型对各拍摄图像进行提取，得到初始感兴趣地形区域
。
[0012]在其中一个实施例中，生成目标地形图像的步骤，包括：计算各校正后的感兴趣地形区域之间的像素位移；基于像素位移，获取校正后的感兴趣地形区域的深度信息；根据深度信息，将校正后的感兴趣地形区域中的像素点转换为三维地形图像的像素点，并基于三维地形图像的像素点，生成目标地形图像；在其中一个实施例中，计算各校正后的感兴趣地形区域之间的像素位移的步骤，包括：将各校正后的感兴趣地形区域中的特征点进行匹配，得到特征点之间的对应关系；选取参考图像，并基于参考图像以及对应关系，得到各校正后的感兴趣地形区域之间的像素位移
。
[0013]在其中一个实施例中，特征点为角点
。
[0014]一方面，本申请还提供了一种建筑工程造价分析装置，包括：获取模块，用于获取待分析建筑工程的基本属性数据
、
当前成本数据和施工地形
图片数据；其中，基本属性数据包括工程类型数据
、
工程设备数据
、
工程材料数据和施工周期数据；施工地形图片数据包括施工区域的不同角度的拍摄图像；特征提取模块，用于对各拍摄图像进行提取，得到初始感兴趣地形区域，并将初始感兴趣地形区域输入至校正神经网络模型，以得到校正后的感兴趣地形区域；其中，校正神经网络模型为通过
tanh
函数配置输出层的神经网络模型；目标地形图像生成模块，用于基于校正后的感兴趣地形区域，生成目标地形图像；匹配模块，用于提取目标地形图像的属性特征，并基于属性特征和工程类型数据，在预设历史数据库中匹配对应的历史建筑工程信息以及历史造价数据；修正模块，用于根据当前成本数据
、
工程设备数据
、
工程材料数据
、
施工周期数据和历史建筑工程信息，对历史造价数据进行修正，得到当前造价数据
。
[0015]在其中一个实施例中，属性特征包括沿高度方向的切片轮廓坐标数据；匹配模块包括：查询模块，用于在预设历史数据库中，查询与工程类型数据一致的初始建筑工程信息；筛选模块，用于根据切片轮廓坐标数据，在初始建筑工程信息中筛选出对应的历史建筑工程信本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种建筑工程造价分析方法，其特征在于，包括步骤：获取待分析建筑工程的基本属性数据
、
当前成本数据和施工地形图片数据；其中，所述基本属性数据包括工程类型数据
、
工程设备数据
、
工程材料数据和施工周期数据；所述施工地形图片数据包括施工区域的不同角度的拍摄图像；对各所述拍摄图像进行提取，得到初始感兴趣地形区域，并将所述初始感兴趣地形区域输入至校正神经网络模型，以得到校正后的感兴趣地形区域；其中，所述校正神经网络模型为通过
tanh
函数配置输出层的神经网络模型；基于校正后的感兴趣地形区域，生成目标地形图像；提取所述目标地形图像的属性特征，并基于所述属性特征和所述工程类型数据，在预设历史数据库中匹配对应的历史建筑工程信息以及历史造价数据；根据所述当前成本数据
、
所述工程设备数据
、
所述工程材料数据
、
所述施工周期数据和所述历史建筑工程信息，对历史造价数据进行修正，得到当前造价数据
。2.
根据权利要求1所述的建筑工程造价分析方法，其特征在于，所述属性特征包括沿高度方向的切片轮廓坐标数据；基于所述属性特征和所述工程类型数据，在预设历史数据库中匹配对应的历史建筑工程信息以及历史造价数据的步骤，包括：在所述预设历史数据库中，查询与所述工程类型数据一致的初始建筑工程信息；根据所述切片轮廓坐标数据，在所述初始建筑工程信息中筛选出所述对应的历史建筑工程信息以及历史造价数据
。3.
根据权利要求1所述的建筑工程造价分析方法，其特征在于，还包括：获取历史数据；其中，所述历史数据包括施工企业基本数据以及市场竞争数据；基于所述施工企业基本数据确定企业特征要素，且基于所述市场竞争数据确定竞争特征要素；根据所述企业特征要素和所述竞争特征要素，对所述当前造价数据进行预处理，并将预处理后的当前造价数据确定为目标造价数据
。4.
根据权利要求3所述的建筑工程造价分析方法，其特征在于，所述历史数据还包括历史报价数据；对所述当前造价数据进行预处理的步骤，包括：获取所述企业特征要素对所述历史报价数据的第一影响...

【专利技术属性】
技术研发人员：董玲，吕广利，焦光旭，黄丽娜，李菲，刘艳民，卢小兰，温裕松，梁旭常，
申请(专利权)人：佛山电力设计院有限公司，
类型：发明
国别省市：