一种建筑信息模型BIM的数据生成方法及系统

技术领域

本发明涉及数据处理技术领域，具体而言，涉及一种建筑信息模型BIM的数据生成方法及系统。

背景技术

BIM(Building Information Modeling，建筑信息模型)技术是一种应用于工程设计、建造、管理的数据化工具，通过对建筑的数据化、信息化模型整合，在项目策划、运行和维护的全生命周期过程中进行共享和传递，使工程技术人员对各种建筑信息作出正确理解和高效应对，为设计团队以及包括建筑、运营单位在内的各方建设主体提供协同工作的基础，在提高生产效率、节约成本和缩短工期方面发挥重要作用。其中，在现有应用中，需要确定出目标建筑信息模型数据的标识数据，以描述目标建筑信息模型数据，但是，现有技术中，依据人工经验进行标注，使得其可靠度不佳。

发明内容

有鉴于此，本发明的目的在于提供一种建筑信息模型BIM的数据生成方法及系统，以在一定程度上提高确定出目标建筑信息模型数据的标识数据的可靠度。

为实现上述目的，本发明实施例采用如下技术方案：

一种建筑信息模型BIM的数据生成方法，包括：

依据示例性建筑信息模型数据簇包括的示例性建筑信息模型数据，将搭建的建筑信息分析神经网络进行至少两个阶段的优化，以形成对应的目标建筑信息模型数据；

提取到目标建筑信息模型数据；

对所述目标建筑信息模型数据进行加载，以利用第一建筑信息分析神经网络，分析生成所述目标建筑信息模型数据对应的模型描述数据，所述模型描述数据作为所述目标建筑信息模型数据的标识数据。

在一些优选的实施例中，在上述建筑信息模型BIM的数据生成方法中，所述依据示例性建筑信息模型数据簇包括的示例性建筑信息模型数据，将搭建的建筑信息分析神经网络进行至少两个阶段的优化，以形成对应的目标建筑信息模型数据的步骤，包括：

提取到示例性建筑信息模型数据簇，所述示例性建筑信息模型数据簇包括至少两个优化阶段对应的示例性建筑信息模型数据；

提取到第一优化阶段对应的第一示例性建筑信息模型数据，以及，依据所述第一示例性建筑信息模型数据，将搭建的建筑信息分析神经网络包括的特征挖掘子网络进行优化，以形成对应的候选建筑信息分析神经网络；

提取到后一个优化阶段对应的第二示例性建筑信息模型数据，以及，依据所述第二示例性建筑信息模型数据，将所述候选建筑信息分析神经网络包括的特征挖掘子网络进行优化，以形成对应的优化建筑信息分析神经网络；

分别对所述第二示例性建筑信息模型数据对应的已使用建筑信息模型数据加载到所述候选建筑信息分析神经网络和所述优化建筑信息分析神经网络包括的特征挖掘子网络中，以输出对应的候选建筑信息特征挖掘结果和优化建筑信息特征挖掘结果；

依据相同的示例性建筑信息模型数据对应的候选建筑信息特征挖掘结果和优化建筑信息特征挖掘结果，将所述优化建筑信息分析神经网络包括的数据转换输出子网络进行优化，以形成对应的优化的候选建筑信息分析神经网络；

回转执行所述提取到后一个优化阶段对应的第二示例性建筑信息模型数据，以及，依据所述第二示例性建筑信息模型数据，将所述候选建筑信息分析神经网络包括的特征挖掘子网络进行优化的步骤，在优化结束的情况下，将优化结束时对应的候选建筑信息分析神经网络进行标记，以标记形成对应的第一建筑信息分析神经网络。

在一些优选的实施例中，在上述建筑信息模型BIM的数据生成方法中，所述提取到示例性建筑信息模型数据簇的步骤，包括：

提取到多个初始示例性建筑信息模型数据，每一个所述初始示例性建筑信息模型数据具有初始标识数据；

对相同的初始标识数据对应的每一个初始示例性建筑信息模型数据进行数据聚合操作，形成每一个所述初始标识数据对应的建筑信息模型数据聚合结果；

依据所述初始标识数据，分析出每一个初始示例性建筑信息模型数据对应的阶段排序关系信息；

对建筑信息模型数据聚合结果进行标记，以形成对应的优化子阶段，对相同的阶段排序关系信息对应的每一个优化子阶段进行数据聚合操作，以形成每一个阶段排序关系信息对应的优化阶段聚合结果，所述优化阶段聚合结果包括相同优化阶段对应的每一个示例性建筑信息模型数据；

依据每一个所述优化阶段聚合结果，形成对应的示例性建筑信息模型数据簇。

在一些优选的实施例中，在上述建筑信息模型BIM的数据生成方法中，所述示例性建筑信息模型数据簇中的示例性建筑信息模型数据具有优化用标识数据，需优化建筑信息分析神经网络属于所述搭建的建筑信息分析神经网络或所述候选建筑信息分析神经网络，将所述需优化建筑信息分析神经网络包括的特征挖掘子网络进行优化，包括以下步骤：

利用所述需优化建筑信息分析神经网络，将加载的示例性建筑信息模型数据进行建筑信息模型分析操作，以分析生成所述加载的示例性建筑信息模型数据对应的分析标识数据；

依据所述加载的示例性建筑信息模型数据对应的所述优化用标识数据和对应的所述分析标识数据之间的标识数据区别信息，对所述需优化建筑信息分析神经网络包括的特征挖掘子网络的子网络参数进行优化，使得完成需优化建筑信息分析神经网络的优化。

在一些优选的实施例中，在上述建筑信息模型BIM的数据生成方法中，目标建筑信息分析神经网络属于所述搭建的建筑信息分析神经网络、所述候选建筑信息分析神经网络、所述优化建筑信息分析神经网络或所述第一建筑信息分析神经网络，所述目标建筑信息分析神经网络包括的特征挖掘子网络用于将加载的示例性建筑信息模型数据进行特征挖掘操作，以输出对应的第一建筑信息特征挖掘结果，所述目标建筑信息分析神经网络包括的数据转换输出子网络用于将所述第一建筑信息特征挖掘结果进行数据转换输出操作，以输出对应的第二建筑信息特征挖掘结果。

在一些优选的实施例中，在上述建筑信息模型BIM的数据生成方法中，所述特征挖掘子网络包括至少两个特征挖掘单元，所述数据转换输出子网络包括至少两个数据转换输出单元，至少两个所述特征挖掘单元和至少两个所述数据转换输出单元之间具有一一对应的关系，所述第一建筑信息特征挖掘结果包括每一个特征挖掘单元挖掘出的局部第一建筑信息特征挖掘结果，所述第二建筑信息特征挖掘结果的数据转换输出操作包括：

分别对每一个所述特征挖掘单元挖掘出的局部第一建筑信息特征挖掘结果加载至对应的数据转换输出单元中，以利用所述数据转换输出单元转换输出每一个数据转换输出单元对应的局部第二建筑信息特征挖掘结果；

依据每一个所述局部第二建筑信息特征挖掘结果，确定出对应的第二建筑信息特征挖掘结果。

在一些优选的实施例中，在上述建筑信息模型BIM的数据生成方法中，所述特征挖掘子网络包括至少两个特征挖掘单元，所述数据转换输出子网络包括至少两个数据转换输出单元，至少两个所述特征挖掘单元和至少两个所述数据转换输出单元之间具有一一对应的关系，所述候选建筑信息特征挖掘结果包括所述候选建筑信息分析神经网络的每一个特征挖掘单元挖掘出的局部候选建筑信息特征挖掘结果，所述优化建筑信息特征挖掘结果包括所述优化建筑信息分析神经网络的每一个特征挖掘单元挖掘出的局部优化建筑信息特征挖掘结果；

所述依据相同的示例性建筑信息模型数据对应的候选建筑信息特征挖掘结果和优化建筑信息特征挖掘结果，将所述优化建筑信息分析神经网络包括的数据转换输出子网络进行优化，以形成对应的优化的候选建筑信息分析神经网络的步骤，包括：

分别对所述已使用建筑信息模型数据对应的每一个局部优化建筑信息特征挖掘结果加载到所述优化建筑信息分析神经网络中对应的数据转换输出单元，以转换输出对应的每一个局部优化建筑信息特征转换结果；

将相对应的特征挖掘单元和数据转换输出单元进行标记，以标记为对应的第一特征挖掘单元和第一数据转换输出单元；

依据相同的示例性建筑信息模型数据对应的第一特征挖掘单元挖掘出的局部候选建筑信息特征挖掘结果和第一数据转换输出单元转换出的局部优化建筑信息特征转换结果，分析出对应的数据学习代价指标，以确定出每一个数据转换输出单元对应的数据学习代价指标；

依据每一个所述数据学习代价指标，将所述优化建筑信息分析神经网络中对应的数据转换输出单元进行优化，以形成对应的优化的候选建筑信息分析神经网络。

本发明实施例还提供一种建筑信息模型BIM的数据生成系统，包括：

建筑信息分析神经网络优化模块，用于依据示例性建筑信息模型数据簇包括的示例性建筑信息模型数据，将搭建的建筑信息分析神经网络进行至少两个阶段的优化，以形成对应的目标建筑信息模型数据；

模型数据提取模块，用于提取到目标建筑信息模型数据；

模型描述数据分析模块，用于对所述目标建筑信息模型数据进行加载，以利用第一建筑信息分析神经网络，分析生成所述目标建筑信息模型数据对应的模型描述数据，所述模型描述数据作为所述目标建筑信息模型数据的标识数据。

在一些优选的实施例中，在上述建筑信息模型BIM的数据生成系统中，所述建筑信息分析神经网络优化模块具体用于：

提取到示例性建筑信息模型数据簇，所述示例性建筑信息模型数据簇包括至少两个优化阶段对应的示例性建筑信息模型数据；

提取到第一优化阶段对应的第一示例性建筑信息模型数据，以及，依据所述第一示例性建筑信息模型数据，将搭建的建筑信息分析神经网络包括的特征挖掘子网络进行优化，以形成对应的候选建筑信息分析神经网络；

提取到后一个优化阶段对应的第二示例性建筑信息模型数据，以及，依据所述第二示例性建筑信息模型数据，将所述候选建筑信息分析神经网络包括的特征挖掘子网络进行优化，以形成对应的优化建筑信息分析神经网络；

分别对所述第二示例性建筑信息模型数据对应的已使用建筑信息模型数据加载到所述候选建筑信息分析神经网络和所述优化建筑信息分析神经网络包括的特征挖掘子网络中，以输出对应的候选建筑信息特征挖掘结果和优化建筑信息特征挖掘结果；

依据相同的示例性建筑信息模型数据对应的候选建筑信息特征挖掘结果和优化建筑信息特征挖掘结果，将所述优化建筑信息分析神经网络包括的数据转换输出子网络进行优化，以形成对应的优化的候选建筑信息分析神经网络；

回转执行所述提取到后一个优化阶段对应的第二示例性建筑信息模型数据，以及，依据所述第二示例性建筑信息模型数据，将所述候选建筑信息分析神经网络包括的特征挖掘子网络进行优化，在优化结束的情况下，将优化结束时对应的候选建筑信息分析神经网络进行标记，以标记形成对应的第一建筑信息分析神经网络。

在一些优选的实施例中，在上述建筑信息模型BIM的数据生成系统中，所述提取到示例性建筑信息模型数据簇，包括：

提取到多个初始示例性建筑信息模型数据，每一个所述初始示例性建筑信息模型数据具有初始标识数据；

对相同的初始标识数据对应的每一个初始示例性建筑信息模型数据进行数据聚合操作，形成每一个所述初始标识数据对应的建筑信息模型数据聚合结果；

依据所述初始标识数据，分析出每一个初始示例性建筑信息模型数据对应的阶段排序关系信息；

对建筑信息模型数据聚合结果进行标记，以形成对应的优化子阶段，对相同的阶段排序关系信息对应的每一个优化子阶段进行数据聚合操作，以形成每一个阶段排序关系信息对应的优化阶段聚合结果，所述优化阶段聚合结果包括相同优化阶段对应的每一个示例性建筑信息模型数据；

依据每一个所述优化阶段聚合结果，形成对应的示例性建筑信息模型数据簇。

本发明实施例提供的一种建筑信息模型BIM的数据生成方法及系统，可以依据示例性建筑信息模型数据簇包括的示例性建筑信息模型数据，将搭建的建筑信息分析神经网络进行至少两个阶段的优化，以形成对应的目标建筑信息模型数据；提取到目标建筑信息模型数据；对目标建筑信息模型数据进行加载，以利用第一建筑信息分析神经网络，分析生成目标建筑信息模型数据对应的模型描述数据，模型描述数据作为目标建筑信息模型数据的标识数据。基于前述的内容，由于目标建筑信息模型数据是经过至少两个阶段的优化形成的，使得其分析精度更高，从而在一定程度上提高确定出目标建筑信息模型数据的标识数据的可靠度。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

图1为本发明实施例提供的建筑信息模型BIM的数据生成平台的结构框图。

图2为本发明实施例提供的建筑信息模型BIM的数据生成方法包括的各步骤的流程示意图。

图3为本发明实施例提供的建筑信息模型BIM的数据生成系统包括的各模块的示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例只是本发明的一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本发明实施例提供了一种建筑信息模型BIM的数据生成平台。其中，所述建筑信息模型BIM的数据生成平台可以包括存储器和处理器，还可以包括其它器件或组件等。

详细地，所述存储器和处理器之间直接或间接地电性连接，以实现数据的传输或交互。例如，相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述存储器中可以存储有至少一个可以以软件或固件(firmware)的形式，存在的软件功能模块(计算机程序)。所述处理器可以用于执行所述存储器中存储的可执行的计算机程序，从而实现本发明实施例(如后文所述)提供的建筑信息模型BIM的数据生成方法。

可以选择的是，在一些实施方式中，所述存储器可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-Only Memory，PROM)，可擦除只读存储器(Erasable ProgrammableRead-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable ProgrammableRead-Only Memory，EEPROM)等。所述处理器可以是一种通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)、片上系统(System on Chip，SoC)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

可以选择的是，在一些实施方式中，所述建筑信息模型BIM的数据生成平台可以是一种具备数据处理能力的服务器。

结合图2，本发明实施例还提供一种建筑信息模型BIM的数据生成方法，可应用于上述建筑信息模型BIM的数据生成平台。其中，所述建筑信息模型BIM的数据生成方法有关的流程所定义的方法步骤，可以由所述建筑信息模型BIM的数据生成平台实现。

下面将对图2所示的具体流程，进行详细阐述。

步骤S110，依据示例性建筑信息模型数据簇包括的示例性建筑信息模型数据，将搭建的建筑信息分析神经网络进行至少两个阶段的优化，以形成对应的目标建筑信息模型数据。

在本发明实施例中，所述建筑信息模型BIM的数据生成平台可以依据示例性建筑信息模型数据簇包括的示例性建筑信息模型数据，将搭建的建筑信息分析神经网络进行至少两个阶段的优化，以形成对应的目标建筑信息模型数据(使得具有可靠的标识数据生成功能)。

步骤S120，提取到目标建筑信息模型数据。

在本发明实施例中，所述建筑信息模型BIM的数据生成平台可以提取到目标建筑信息模型数据(即待处理的模型数据)。

步骤S130，对所述目标建筑信息模型数据进行加载，以利用第一建筑信息分析神经网络，分析生成所述目标建筑信息模型数据对应的模型描述数据。

在本发明实施例中，所述建筑信息模型BIM的数据生成平台可以对所述目标建筑信息模型数据进行加载，以利用第一建筑信息分析神经网络，分析生成所述目标建筑信息模型数据对应的模型描述数据。所述模型描述数据作为所述目标建筑信息模型数据的标识数据(所述标识数据可以用于反映所述目标建筑信息模型数据具有的标签或概括性的描述数据)。

基于前述的内容，由于目标建筑信息模型数据是经过至少两个阶段的优化形成的，使得其分析精度更高，从而在一定程度上提高确定出目标建筑信息模型数据的标识数据的可靠度，进而改善现有技术的不足。

可以选择的是，在一些实施方式中，所述依据示例性建筑信息模型数据簇包括的示例性建筑信息模型数据，将搭建的建筑信息分析神经网络进行至少两个阶段的优化，以形成对应的目标建筑信息模型数据的步骤，可以进一步包括以下可以实现的子步骤：

提取到示例性建筑信息模型数据簇，所述示例性建筑信息模型数据簇包括至少两个优化阶段对应的示例性建筑信息模型数据；

提取到第一优化阶段对应的第一示例性建筑信息模型数据(所述第一优化阶段可以是指后文中的后一个优化阶段的前一个优化阶段，即在进行至少两个阶段的优化的过程中，任意相邻的两个阶段中，在前的为所述第一优化阶段，在后的为所述后一个优化阶段)，以及，依据所述第一示例性建筑信息模型数据，将搭建的建筑信息分析神经网络包括的特征挖掘子网络进行优化，以形成对应的候选建筑信息分析神经网络；

提取到后一个优化阶段对应的第二示例性建筑信息模型数据，以及，依据所述第二示例性建筑信息模型数据，将所述候选建筑信息分析神经网络包括的特征挖掘子网络进行优化，以形成对应的优化建筑信息分析神经网络；

分别对所述第二示例性建筑信息模型数据对应的已使用建筑信息模型数据加载到所述候选建筑信息分析神经网络和所述优化建筑信息分析神经网络包括的特征挖掘子网络中，以输出对应的候选建筑信息特征挖掘结果和优化建筑信息特征挖掘结果；

依据相同的示例性建筑信息模型数据对应的候选建筑信息特征挖掘结果和优化建筑信息特征挖掘结果，将所述优化建筑信息分析神经网络包括的数据转换输出子网络进行优化，以形成对应的优化的候选建筑信息分析神经网络；

回转执行所述提取到后一个优化阶段对应的第二示例性建筑信息模型数据，以及，依据所述第二示例性建筑信息模型数据，将所述候选建筑信息分析神经网络包括的特征挖掘子网络进行优化的步骤，在优化结束的情况下，将优化结束时对应的候选建筑信息分析神经网络进行标记，以标记形成对应的第一建筑信息分析神经网络。

可以选择的是，在一些实施方式中，所述提取到示例性建筑信息模型数据簇的步骤，可以进一步包括以下可以实现的子步骤：

提取到多个初始示例性建筑信息模型数据，每一个所述初始示例性建筑信息模型数据具有初始标识数据(即对应的实际模型描述数据)；

对相同的初始标识数据对应的每一个初始示例性建筑信息模型数据进行数据聚合操作，形成每一个所述初始标识数据对应的建筑信息模型数据聚合结果；

依据所述初始标识数据，分析出每一个初始示例性建筑信息模型数据对应的阶段排序关系信息(可以预先进行定义或配置)；

对建筑信息模型数据聚合结果进行标记，以形成对应的优化子阶段，对相同的阶段排序关系信息对应的每一个优化子阶段进行数据聚合操作，以形成每一个阶段排序关系信息对应的优化阶段聚合结果，所述优化阶段聚合结果包括相同优化阶段对应的每一个示例性建筑信息模型数据；

依据每一个所述优化阶段聚合结果，形成对应的示例性建筑信息模型数据簇。

可以选择的是，在一些实施方式中，所述示例性建筑信息模型数据簇中的示例性建筑信息模型数据具有优化用标识数据，需优化建筑信息分析神经网络属于所述搭建的建筑信息分析神经网络或所述候选建筑信息分析神经网络，基于此，将所述需优化建筑信息分析神经网络包括的特征挖掘子网络进行优化，可以进一步包括以下可以实现的子步骤：

利用所述需优化建筑信息分析神经网络，将加载的示例性建筑信息模型数据进行建筑信息模型分析操作，以分析生成所述加载的示例性建筑信息模型数据对应的分析标识数据；

依据所述加载的示例性建筑信息模型数据对应的所述优化用标识数据和对应的所述分析标识数据之间的标识数据区别信息，对所述需优化建筑信息分析神经网络包括的特征挖掘子网络的子网络参数进行优化，使得完成需优化建筑信息分析神经网络的优。

可以选择的是，在一些实施方式中，目标建筑信息分析神经网络属于所述搭建的建筑信息分析神经网络、所述候选建筑信息分析神经网络、所述优化建筑信息分析神经网络或所述第一建筑信息分析神经网络，基于此，所述目标建筑信息分析神经网络包括的特征挖掘子网络用于将加载的示例性建筑信息模型数据进行特征挖掘操作(示例性地，可以先将所述示例性建筑信息模型数据映射至特征空间，以利用对应的连续的向量进行表示，然后，可以通过卷积核或滤波矩阵进行处理，以挖掘出其中的关键信息，即得到对应的第一建筑信息特征挖掘结果)，以输出对应的第一建筑信息特征挖掘结果，所述目标建筑信息分析神经网络包括的数据转换输出子网络用于将所述第一建筑信息特征挖掘结果进行数据转换输出操作(示例性地，可以通过对所述第一建筑信息特征挖掘结果进行线性和非线性的转换处理，以得到对应的第二建筑信息特征挖掘结果，如通过全连接网络实现)，以输出对应的第二建筑信息特征挖掘结果(在此基础上，所述目标建筑信息分析神经网络还可以包括分析输出单元，所述分析输出单元可以对所述第二建筑信息特征挖掘结果进行处理，以得到所述示例性建筑信息模型数据对应的分析标识数据，所述分析输出单元可以包括激励映射输出函数)。

可以选择的是，在一些实施方式中，所述特征挖掘子网络包括至少两个特征挖掘单元，所述数据转换输出子网络包括至少两个数据转换输出单元，至少两个所述特征挖掘单元和至少两个所述数据转换输出单元之间具有一一对应的关系，所述第一建筑信息特征挖掘结果包括每一个特征挖掘单元挖掘出的局部第一建筑信息特征挖掘结果，基于此，所述第二建筑信息特征挖掘结果的数据转换输出操作，可以包括以下可以实现的子步骤：

分别对每一个所述特征挖掘单元挖掘出的局部第一建筑信息特征挖掘结果加载至对应的数据转换输出单元中，以利用所述数据转换输出单元转换输出每一个数据转换输出单元对应的局部第二建筑信息特征挖掘结果；

依据每一个所述局部第二建筑信息特征挖掘结果，确定出对应的第二建筑信息特征挖掘结果。

可以选择的是，在一些实施方式中，所述特征挖掘子网络包括至少两个特征挖掘单元，所述数据转换输出子网络包括至少两个数据转换输出单元，至少两个所述特征挖掘单元和至少两个所述数据转换输出单元之间具有一一对应的关系，所述候选建筑信息特征挖掘结果包括所述候选建筑信息分析神经网络的每一个特征挖掘单元挖掘出的局部候选建筑信息特征挖掘结果，所述优化建筑信息特征挖掘结果包括所述优化建筑信息分析神经网络的每一个特征挖掘单元挖掘出的局部优化建筑信息特征挖掘结果，基于此，所述依据相同的示例性建筑信息模型数据对应的候选建筑信息特征挖掘结果和优化建筑信息特征挖掘结果，将所述优化建筑信息分析神经网络包括的数据转换输出子网络进行优化，以形成对应的优化的候选建筑信息分析神经网络的步骤，可以进一步包括以下可以实现的子步骤：

分别对所述已使用建筑信息模型数据对应的每一个局部优化建筑信息特征挖掘结果加载到所述优化建筑信息分析神经网络中对应的数据转换输出单元，以转换输出对应的每一个局部优化建筑信息特征转换结果；

将相对应的特征挖掘单元和数据转换输出单元进行标记，以标记为对应的第一特征挖掘单元和第一数据转换输出单元；

依据相同的示例性建筑信息模型数据对应的第一特征挖掘单元挖掘出的局部候选建筑信息特征挖掘结果和第一数据转换输出单元转换出的局部优化建筑信息特征转换结果，分析出对应的数据学习代价指标，以确定出每一个数据转换输出单元对应的数据学习代价指标(示例性地，可以通过交叉熵误差来计算数据学习代价指标。举例来说，一个特征挖掘单元对应一个数据转换输出单元，使得一个局部候选建筑信息特征挖掘结果对应一个局部优化建筑信息特征转换结果。基于此，可以基于同一示例性建筑信息模型数据对应的第一特征挖掘单元输出的局部候选建筑信息特征挖掘结果和第一数据转换输出单元输出的局部优化建筑信息特征转换结果计算数据学习代价指标，得到各个数据转换输出单元分别对应的数据学习代价指标。其中，第一特征挖掘单元和第一数据转换输出单元是指存在对应关系的特征挖掘单元和数据转换输出单元)；

依据每一个所述数据学习代价指标，将所述优化建筑信息分析神经网络中对应的数据转换输出单元进行优化，以形成对应的优化的候选建筑信息分析神经网络。

示例性地，优化建筑信息分析神经网络包括存在对应关系的特征挖掘单元A和数据转换输出单元A，存在对应关系的数据转换输出单元B和数据转换输出单元B。基于此，可以将示例性建筑信息模型数据分别加载到候选建筑信息分析神经网络和优化建筑信息分析神经网络的特征挖掘子网络，候选建筑信息分析神经网络的特征挖掘单元A输出局部候选建筑信息特征挖掘结果X1，候选建筑信息分析神经网络的数据转换输出单元B输出局部候选建筑信息特征挖掘结果X2，优化建筑信息分析神经网络的特征挖掘单元A输出局部优化建筑信息特征挖掘结果Y1，优化建筑信息分析神经网络的数据转换输出单元B输出局部优化建筑信息特征挖掘结果Y2。之后，可以将局部优化建筑信息特征挖掘结果Y1加载至优化建筑信息分析神经网络的数据转换输出单元A，得到数据转换输出单元A输出的第一局部优化建筑信息特征转换结果Z1，依据局部候选建筑信息特征挖掘结果X1和第一局部优化建筑信息特征转换结果Z1计算数据学习代价指标W1，依据数据学习代价指标W1调整优化建筑信息分析神经网络的数据转换输出单元A的参数。可以将局部优化建筑信息特征挖掘结果Y2加载至优化建筑信息分析神经网络的数据转换输出单元B，得到第一局部优化建筑信息特征转换结果Z2，依据局部候选建筑信息特征挖掘结果X2和第一局部优化建筑信息特征转换结果Z2计算数据学习代价指标W2，依据数据学习代价指标W2调整优化建筑信息分析神经网络的数据转换输出单元B的参数。当数据转换输出单元的参数优化后，重复上述步骤可以计算得到新的数据学习代价指标W1和数据学习代价指标W2，当更新后的数据学习代价指标W1和数据学习代价指标W2小于阈值时，可以得到优化的候选建筑信息分析神经网络。

结合图3，本发明实施例还提供一种建筑信息模型BIM的数据生成系统，可应用于上述建筑信息模型BIM的数据生成平台。其中，所述建筑信息模型BIM的数据生成系统可以包括如下所述的模块：

建筑信息分析神经网络优化模块，用于依据示例性建筑信息模型数据簇包括的示例性建筑信息模型数据，将搭建的建筑信息分析神经网络进行至少两个阶段的优化，以形成对应的目标建筑信息模型数据；

模型数据提取模块，用于提取到目标建筑信息模型数据；

模型描述数据分析模块，用于对所述目标建筑信息模型数据进行加载，以利用第一建筑信息分析神经网络，分析生成所述目标建筑信息模型数据对应的模型描述数据，所述模型描述数据作为所述目标建筑信息模型数据的标识数据。

可以选择的是，在一些实施方式中，所述建筑信息分析神经网络优化模块具体用于：

提取到示例性建筑信息模型数据簇，所述示例性建筑信息模型数据簇包括至少两个优化阶段对应的示例性建筑信息模型数据；提取到第一优化阶段对应的第一示例性建筑信息模型数据，以及，依据所述第一示例性建筑信息模型数据，将搭建的建筑信息分析神经网络包括的特征挖掘子网络进行优化，以形成对应的候选建筑信息分析神经网络；提取到后一个优化阶段对应的第二示例性建筑信息模型数据，以及，依据所述第二示例性建筑信息模型数据，将所述候选建筑信息分析神经网络包括的特征挖掘子网络进行优化，以形成对应的优化建筑信息分析神经网络；分别对所述第二示例性建筑信息模型数据对应的已使用建筑信息模型数据加载到所述候选建筑信息分析神经网络和所述优化建筑信息分析神经网络包括的特征挖掘子网络中，以输出对应的候选建筑信息特征挖掘结果和优化建筑信息特征挖掘结果；依据相同的示例性建筑信息模型数据对应的候选建筑信息特征挖掘结果和优化建筑信息特征挖掘结果，将所述优化建筑信息分析神经网络包括的数据转换输出子网络进行优化，以形成对应的优化的候选建筑信息分析神经网络；回转执行所述提取到后一个优化阶段对应的第二示例性建筑信息模型数据，以及，依据所述第二示例性建筑信息模型数据，将所述候选建筑信息分析神经网络包括的特征挖掘子网络进行优化，在优化结束的情况下，将优化结束时对应的候选建筑信息分析神经网络进行标记，以标记形成对应的第一建筑信息分析神经网络。

可以选择的是，在一些实施方式中，所述提取到示例性建筑信息模型数据簇，包括：提取到多个初始示例性建筑信息模型数据，每一个所述初始示例性建筑信息模型数据具有初始标识数据；对相同的初始标识数据对应的每一个初始示例性建筑信息模型数据进行数据聚合操作，形成每一个所述初始标识数据对应的建筑信息模型数据聚合结果；依据所述初始标识数据，分析出每一个初始示例性建筑信息模型数据对应的阶段排序关系信息；对建筑信息模型数据聚合结果进行标记，以形成对应的优化子阶段，对相同的阶段排序关系信息对应的每一个优化子阶段进行数据聚合操作，以形成每一个阶段排序关系信息对应的优化阶段聚合结果，所述优化阶段聚合结果包括相同优化阶段对应的每一个示例性建筑信息模型数据；依据每一个所述优化阶段聚合结果，形成对应的示例性建筑信息模型数据簇。

综上所述，本发明提供的一种建筑信息模型BIM的数据生成方法及系统，可以依据示例性建筑信息模型数据簇包括的示例性建筑信息模型数据，将搭建的建筑信息分析神经网络进行至少两个阶段的优化，以形成对应的目标建筑信息模型数据；提取到目标建筑信息模型数据；对目标建筑信息模型数据进行加载，以利用第一建筑信息分析神经网络，分析生成目标建筑信息模型数据对应的模型描述数据，模型描述数据作为目标建筑信息模型数据的标识数据。基于前述的内容，由于目标建筑信息模型数据是经过至少两个阶段的优化形成的，使得其分析精度更高，从而在一定程度上提高确定出目标建筑信息模型数据的标识数据的可靠度。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。