建筑结构材料用量预测方法、装置、电子设备及存储介质

本发明涉及人工智能及建筑结构设计，尤其涉及一种建筑结构材料用量预测方法、装置、电子设备及存储介质。

背景技术：

1、在建筑结构的设计阶段和招投标过程中，建筑结构的工程造价是工程师和业主都关心的一项核心指标，而材料用量是工程造价的重要组成部分。因此，需要基于目标建筑结构的设计方案，高效、准确地评估其材料用量。

2、传统的材料用量评估主要依赖工程师的个人经验或者结构设计软件的计算统计。其中，前者的可靠度难以保证；后者所需的计算耗时较长，难以满足各类计算机辅助设计方法对于评估效率的要求。

3、对此，现有技术提出了一种基于神经网络的材料用量预测方法，但该方法尚无法考虑建筑结构相关领域的先验知识，导致预测的材料用量违背工程师的基本常识，预测精度较低。

4、因此，解决现有技术无法准确、高效预测目标建筑结构的材料用量的问题，显得十分必要。

技术实现思路

1、本发明提供一种建筑结构材料用量预测方法、装置、电子设备及存储介质，用以克服现有技术无法准确、高效预测目标建筑结构材料用量的缺陷，实现对目标建筑结构材料用量的准确、高效预测，且符合建筑结构相关的先验知识。

2、一方面，本发明提供一种建筑结构材料用量预测方法，包括：获取目标建筑结构的设计条件，所述设计条件包括抗震设计条件、抗风设计条件以及结构整体几何设计条件；获取目标建筑结构的结构设计方案，所述结构设计方案包括墙、柱、梁、板、支撑的空间位置和几何尺寸；将所述设计条件以及所述结构设计方案输入至预先训练的材料用量预测模型，得到所述目标建筑结构中各类材料的材料用量；其中，所述材料用量预测模型通过嵌入先验知识，以材料用量数据集为训练集，以最小材料用量损失和先验知识损失之和为目标进行优化训练得到。

3、进一步地，所述将所述设计条件以及所述结构设计方案输入至预先训练的材料用量预测模型，得到所述目标建筑结构中各类材料的材料用量，包括：提取所述结构设计方案中的第一高维特征；提取所述设计条件中的第二高维特征；拼接所述第一高维特征与所述第二高维特征，得到融合高维特征；将所述融合高维特征映射为材料用量，得到所述目标建筑结构中各类材料的材料用量。

4、进一步地，所述材料用量预测模型包括第一子模型、第二子模型以及第三子模型；所述提取所述结构设计方案中的第一高维特征，包括：将所述结构设计方案表征为结构设计图谱，所述结构设计图谱以结构构件的节点为图谱节点，以结构构件的节点坐标为节点特征，以结构构件为图谱边，以结构构件的几何尺寸为边特征；将所述结构设计图谱输入至所述第一子模型，得到所述第一高维特征。

5、进一步地，所述材料用量预测模型包括第一子模型、第二子模型以及第三子模型；所述提取所述设计条件中的第二高维特征，包括：将所述设计条件表征为设计特征向量，所述设计特征向量包含地震荷载、风荷载、建筑高度以及建筑宽度；将所述设计特征向量输入至所述第二子模型，得到所述第二高维特征。

6、进一步地，所述材料用量预测模型包括第一子模型、第二子模型以及第三子模型；所述将所述融合高维特征映射为材料用量，得到所述目标建筑结构中各类材料的材料用量，包括：将所述融合高维特征输入至所述第三子模型，得到所述目标建筑结构中各类材料的材料用量。

7、进一步地，所述先验知识包括：所述目标建筑结构的混凝土用量小于所有混凝土构件的体积之和；所述目标建筑结构中任一钢材增强构件的钢材用量大于构造要求的最小钢材用量；所述目标建筑结构的砌块用量小于所有砌体构件的体积之和；所述目标建筑结构中任一复合材料增强构件的复合材料用量大于构造要求的最小复合材料用量。

8、进一步地，训练所述材料用量预测模型的具体步骤包括：将所述材料用量数据集作为训练集，并基于先验知识，通过第一预设公式计算材料用量损失，通过第二预设公式计算先验知识损失，以最小化所述材料用量损失和所述先验知识损失之和为训练目标，完成对所述材料用量预测模型的训练。

9、进一步地，构建所述材料用量数据集的具体步骤包括：基于历史工程项目，获取相应的历史设计条件、历史建筑设计方案以及历史结构设计方案；以所述历史设计条件和所述历史建筑设计方案为输入数据，以所述历史结构设计方案为真实标签数据，构建历史结构方案数据集；将历史结构方案数据集作为训练集，训练预先构建的结构方案设计模型，并以最小化所述结构方案设计模型输出的结构设计方案与其对应真实标签数据之间的差异为训练目标；将所述历史建筑设计方案和随机生成的预设数量的增广设计条件输入至训练好的所述结构方案设计模型，得到所述预设数量的增广结构设计方案；基于构建的结构参数化建模分析流程，根据所述增广设计条件和所述增广结构设计方案，计算得到对应的材料用量数据；以所述增广结构设计方案和所述增广设计条件为输入数据，以所述材料用量数据为真实标签数据，构建得到所述材料用量数据集；其中，所述结构参数化建模分析流程包括：读取建模信息，创建结构模型，开展结构设计，输出材料用量。

10、进一步地，所述第一预设公式如下：

11、lm＝mseloss(qadjust,qreal)

12、qadjust＝qorig-λ·relu(qorig-qmax)+λ·relu(qmin-qorig)

13、其中，lm为材料用量损失，qadjust为修正材料用量，qreal为真实材料用量，qorig为初始材料用量，qmax为预期的最大材料用量，qmin为预期的最小材料用量，λ为材料损失修正权重，relu(·)为激活函数，mseloss(·)为均方差损失函数。

14、进一步地，所述第二预设公式如下：

15、lk＝μ·sum(relu(qorig-qmax))+μ·sum(relu(qmin-qorig))

16、其中，lk为先验知识损失，qorig为初始材料用量，qmax为预期的最大材料用量，qmin为预期的最小材料用量，μ为先验损失修正权重，relu(·)为激活函数，sum(·)为求和函数。

17、第二方面，本发明还提供一种建筑结构材料用量预测装置，包括：设计条件获取模块，用于获取目标建筑结构的设计条件，所述设计条件包括抗震设计条件、抗风设计条件以及结构整体几何设计条件；结构设计方案获取模块，用于获取目标建筑结构的结构设计方案，所述结构设计方案包括墙、柱、梁、板、支撑的空间位置和几何尺寸；材料用量预测模块，用于将所述设计条件以及所述结构设计方案输入至预先训练的材料用量预测模型，得到所述目标建筑结构中各类材料的材料用量；其中，所述材料用量预测模型通过嵌入先验知识，以材料用量数据集为训练集，以最小材料用量损失和先验知识损失之和为目标进行优化训练得到。

18、第三方面，本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述的建筑结构材料用量预测方法。

19、第四方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述的建筑结构材料用量预测方法。

20、本发明提供的建筑结构材料用量预测方法，通过获取目标建筑结构的设计条件，以及结构设计方案，并将获取的设计条件和结构设计方案共同作为输入数据输入至材料用量预测模型中，以得到目标建筑结构中各类材料的材料用量。该方法通过向材料用量预测模型中嵌入先验知识，克服了现有技术因无法考虑建筑结构相关领域的先验知识，导致材料用量预测值违背工程的基本常识，预测精度低的缺陷，实现了对目标建筑结构材料用量的准确、高效预测。