Volume 4,Issue 2
基于BIM+机器学习的建筑工程成本风险预测模型构建与实证分析
建筑工程成本风险兼具不确定性、复杂性与传导性，传统预测方法因难精准捕捉风险因素间非线性关联，精度不足。为提升预测科学性与可靠性，本文提出BIM与机器学习融合的成本风险预测模型方案。首先梳理二者技术特性，明确融合理论基础；其次构建“风险识别-BIM提取-特征工程-模型训练-验证”全流程框架，重点解析风险体系及特征优化；最后通过理论实证验证模型适应性。研究表明，BIM实现风险信息全生命周期集成，机器学习挖掘隐藏关联，二者融合使预测误差降15%-20%，为成本风险管理提供新支撑。
[1] 王要武, 刘长滨. 建筑工程成本管理[M]. 北京: 中国建筑工业出版社, 2020: 124-136.
[2] 张建平, 李丁, 林敏. BIM技术在建筑工程成本控制中的应用研究[J]. 建筑经济, 2019, 40(3): 56-60.
[3] 刘贵应, 陈勇强, 吕文学. 基于BP神经网络的建筑工程成本估算模型构建[J]. 工程管理学报, 2020, 34(2): 38-43.
[4] 卜一德. BIM理论与实践[M]. 北京: 机械工业出版社, 2018: 89-102.
[5] 王辉, 赵雪峰, 王清标. 基于BIM的建筑工程全生命周期成本风险识别[J]. 建筑技术, 2021, 52(5): 612-615.
[6] 李宏男, 伊廷华. 机器学习在土木工程中的应用[J]. 土木工程学报, 2019, 52(1): 1-12.
[7] 周志华. 机器学习[M]. 北京: 清华大学出版社, 2016: 203-218.
[8] 张水波, 范志清, 刘洪磊. BIM与机器学习融合的工程管理研究进展[J]. 管理现代化, 2022, 42(3): 115-120.
[9] 陈立文, 王迎超. 工程风险预测与决策分析[M]. 北京: 科学出版社, 2017: 78-91.
[10] 住房和城乡建设部. 建筑工程成本管理规范(GB/T 51269-2017)[S]. 北京: 中国建筑工业出版社, 2017.