[发明专利]一种应用于BIM的长短时注意力机制网络的造价预测方法

权利要求书

1.一种应用于BIM的长短时注意力机制网络的造价预测方法，其特征在于：包括如下步骤：

S1、从BIM模型中提取工程量信息；

S2、从历史数据或现场数据中获取物价变化因子；

S3、将提取的工程量信息和物价变化因子作为输入序列，送入一个由多层LSTM单元组成的编码器网络；

S4、将隐藏状态向量作为输入，送入一个由多层LSTM单元组成的解码器网络；

S5、将上下文向量与解码器网络输出的隐藏状态向量相连接；

S6、将预测值与真实值进行比较，并计算出损失函数；

S7、得到最终的造价预测模型。

2.根据权利要求1所述的一种应用于BIM的长短时注意力机制网络的造价预测方法，其特征在于，所述S1中，从BIM模型中提取工程量信息，并根据工程特征进行分类和归一化处理。

3.根据权利要求1所述的一种应用于BIM的长短时注意力机制网络的造价预测方法，其特征在于，所述S2中，从历史数据或现场数据中获取物价变化因子，并根据时间序列进行插值。

4.根据权利要求1所述的一种应用于BIM的长短时注意力机制网络的造价预测方法，其特征在于，所述S3中，将提取的工程量信息和物价变化因子作为输入序列，送入一个由多层LSTM单元组成的编码器网络，得到一个隐藏状态向量。

5.根据权利要求1所述的一种应用于BIM的长短时注意力机制网络的造价预测方法，其特征在于，所述S4中，将隐藏状态向量作为输入，送入一个由多层LSTM单元组成的解码器网络，并在每个时间步使用一个注意力机制层计算出一个上下文向量。

6.根据权利要求1所述的一种应用于BIM的长短时注意力机制网络的造价预测方法，其特征在于，所述S4中，使用的注意力机制层为基于点积、加权点积、双线性或感知机方法中的一种或多种。

7.根据权利要求1所述的一种应用于BIM的长短时注意力机制网络的造价预测方法，其特征在于，所述S5中，将上下文向量与解码器网络输出的隐藏状态向量相连接，并通过一个全连接层得到一个预测值。

8.根据权利要求1所述的一种应用于BIM的长短时注意力机制网络的造价预测方法，其特征在于，所述S5中，使用的全连接层是具有激活函数和偏置项的线性变换层。

9.根据权利要求1所述的一种应用于BIM的长短时注意力机制网络的造价预测方法，其特征在于，所述S6中，将预测值与真实值进行比较，并计算出损失函数，并通过反向传播算法更新网络参数，使用的损失函数是均方误差、均方根误差、平均绝对误差或平均绝对百分比误差中的一种或多种回归损失函数。

10.根据权利要求1所述的一种应用于BIM的长短时注意力机制网络的造价预测方法，其特征在于，所述S7中，重复步骤S3-S6，直到损失函数收敛或达到预设条件，得到最终的造价预测模型，使用的反向传播算法是随机梯度下降、动量法、Nesterov加速梯度、Adagrad、RMSprop、Adam或Adamax中的一种或多种优化算法。