本发明专利技术属于建筑规范合规性检查技术领域，涉及一种基于IFC和深度学习的建筑设计自动合规性检查方法，包括规范条文结构化表达、模型信息提取、信息完整性检查、模型语义丰富和模型合规性检查。本发明专利技术通过BERT‑BiLSTM‑CRF模型及SPARQL查询语言将规范条文自动转换为计算机可读语言，并提出模型信息提取算法，以解决传统合规性检查方法效率较低、准确性较差的问题。
【技术实现步骤摘要】
本专利技术属于建筑规范合规性检查，涉及一种基于ifc和深度学习的建筑设计自动合规性检查方法。本专利技术通过bert-bilstm-crf模型及sparql查询语言将规范条文自动转换为计算机可读语言，并提出模型信息提取算法，以解决传统合规性检查方法效率较低、准确性较差的问题。
技术介绍
1、作为工程建设过程中重要的一环，设计合规性检查的目的是在工程设计阶段审查出工程设计模型或图纸中与国家或地方规范不符合的设计缺陷并予以纠正，以此来减少因设计不当带来的财产及人员损失。目前我国合规性检查多以二维图纸及相关文件为基础，依靠人工进行检查，该方法效率低，准确性较差且无法保障合规性检查的全面性。随着建筑领域新技术的不断发展，各种超高层、大型综合体等复杂建筑逐渐涌现，此类工程图纸繁多、构造复杂，人工审图模式难以满足高效率、高准确度的检查需求，传统建筑设计合规性检查工作面临巨大挑战。
2、近年来，建筑信息模型(building information modeling,bim)发展迅速，受到建筑领域的广泛关注。但bim模型数据量庞大，为实现快速、有效的合规性检查工作带来了挑战。因此，有必要在执行审查之前对bim模型进行预处理，抽取检查所需信息，以提高检查效率。此外，作为自动合规性检查的重要一环，规范结构化表达的自动化程度也有待提升。自然语言处理(natural language processing,nlp)、深度学习(deep learning,dl)等技术的快速发展与应用，为实现规范条文自动结构化表达提供了新的思路。
/>技术实现思路
1、为解决传统模式下合规性检查不全面、效率低等问题，本专利技术结合深度学习和ifc标准，提供了一种建筑设计自动合规性检查方法。通过将深度学习应用于规范条文结构化过程，获取规范条文中主要检查对象及属性，并自动形成计算机可读取的sparql查询语言，构建相应规范规则库，从而代替传统模式下对规范进行人工阅读和处理的过程。同时，对bim模型中的概念及属性等信息进行提取及丰富，利用规范规则库进行检查，从而确定模型是否符合相应规范要求。本专利技术实现建筑设计模型的自动合规性检查，以提高建筑设计合规性检查的准确性、科学性和规范性。
2、本专利技术的技术方案：
3、基于ifc和深度学习的建筑设计自动合规性检查方法，包括以下步骤：
4、(1)规范条文结构化表达
5、首先，对规范文本进行预处理，将长规范条文转换为单句，并进行人工标注，形成数据集；数据集采用bio标注策略，并将规范条文分为条件部分和要求部分，每个部分均包含sub、prop、cmp、value四类语义标签，分别用于表示检查对象、检查属性、比较词或存在关系及属性值；为了进一步区分条件和要求中的语义标签，对条件部分的语义标签加入前缀r。所述的bio标注策略，b(beginning)标记的位置表明某一实体开头的第一个汉字，i(inside)标记的位置代表除开头第一个汉字以外该实体的其他汉字，o(outside)用于表明不属于任何实体类型的汉字；当实体仅由一个汉字构成时，仅用b进行标注。
6、其次，使用标注后的数据集训练一个由bert模块、bilstm模块及crf模块构成的bert-bilstm-crf神经网络模型，将训练好的模型用于规范条文的命名实体识别，并返回识别结果。其中，bert利用其包含的多层编码器提取句子的语义特征，将输入的文本输出为向量序列；bilstm通过双向循环的神经网络，进一步捕捉bert提取到的向量特征之间的顺序关系，将特征根据上下文信息进行调整，处理双向语义信息，解决长期依赖与梯度消失问题；将bilstm的输出作为crf层的输入，对序列中各个标签的转移概率和依赖关系进行学习和推断，通过crf全局优化标注结果，避免了bilstm局部最优解问题，得到更为准确和稳定的标注效果。
7、最后，采用基于关键字的分类方法将规范条文分为直接属性类、间接属性约束类和其他类，由于sparql语言对隐式信息有较强的推理能力，因此设置了针对不同类型规范条文的sparql审查规则模板，通过命名实体识别结果与规则模板的对应关系完成规范条文的结构化表达。此外，依据建筑类型等分类标准将规范条文分类存储在mysql数据库，形成规范规则库。
8、(2)模型信息提取
9、以ifc文件为数据源，为针对性提取模型信息，以ifcopenshell为开发工具设计模型信息提取算法；所述的模型信息提取算法具体如下：首先获取所有检查对象实体类型，并遍历所有实体类型，然后按实体类型确定某一种类下的全部实例；之后对所有实例遍历，对于每一个实例分别提取其globalid、导出属性及反属性的各属性名及属性值，提取后的信息以三元组格式存储在turtle文件中，其中以globalid作为三元组中的主语(subject)，以属性名作为谓语(predicate)，以属性值作为宾语(object)。提取后的文件可在一定程度上减少信息冗余、提高检查效率。
10、(3)信息完整性检查
11、建筑信息模型bim完整性检查主要针对构件属性的完整性进行检查，用于判断模型中构件的属性信息是否缺失。本专利技术通过分析规范检查需求构建信息需求模板，从而根据模板对bim模型进行完整性检查，即基于模板匹配的完整性检查方法，利用命名实体识别结果中的sub及prop实体创建模型信息需求匹配模板，主要包括检查对象(sub实体)和检查属性(prop实体)；对于一个检查对象，首先，提取模板中的该待检查对象及其所有待检查属性；其次，在经步骤(2)后储存的turtle文件中，提取该检查对象的所有实例及每个实例对应的所有属性；最后，遍历所有实例，判断该实例属性与检查对象的待检查属性是否匹配，若匹配成功则提取该属性的属性值，并判断属性值是否存在。
12、(4)模型语义丰富
13、bim模型语义丰富主要实现以下两个目标：第一，通过语义丰富对步骤(3)中缺失信息进行补充，实现模型的精确、全面检查；第二，推理模型中的隐式信息，以辅助模型合规性检查。具体步骤如下：
14、首先，丰富缺失属性信息。通过在revit中创建项目参数实现缺失属性的批量补充。其次，丰富缺失属性值。依据完整性检查输出的构件id对构件进行查询，从而实现缺失属性值的快速补充。最后，对未明确表明但可以通过其他信息推断得到的隐式信息进行丰富。本专利技术依据获得的规范检查对象及提取的模型信息设计了适用的推理规则集。jena推理为面向语义web的应用开发包，提供了多种推理引擎，因此利用jena推理，根据对应的规则来推断出新的知识，实现隐式信息的丰富。
15、(5)模型合规性检查
16、依据规则库分类标准确定模型类型，从步骤(1)中建立的数据库中选取待检查的规则集，逐条读取规则集中的检查规则，再依次经过步骤(2)、步骤(3)、步骤(4)处理后的语义丰富turtle文件中依次进行查询，对于不符合规则的构件，输出构件id。
本文档来自技高网...
【技术保护点】
1.基于IFC和深度学习的建筑设计自动合规性检查方法，其特征在于，包括以下步骤：
【技术特征摘要】
1.基于ifc和深度学习的建筑设计自动合...
【专利技术属性】
技术研发人员：姜韶华，冯雪，刘吉龙，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。