一个研究团队已经证明，BIM数据可以与机器学习相结合，以预测设计变更的影响
研究团队（来自诺森布里亚大学、埃及亚历山大大学和伦敦大学巴特利特可持续建筑学院，加上BIM国际负责人兼梅斯副主任Marzia Bolpagni博士）着手设计一个概念模型，证明机器学习（ML）软件可以分析BIM数据，从而预测设计变更的影响
在《建筑自动化》11月刊上发表的一篇论文中，研究人员指出：“尽管ML开始应用于基于BIM的建筑项目，但在预测设计变化所造成的后果方面，它仍然没有得到有效的应用。因此，预测影响的过程，特别是与成本和时间有关的影响，会在项目的后期进行。
“因此，这种拖延无助于按计划和在预算内执行项目，甚至可能导致争议。ML和BIM应该也可以在这些预测中发挥作用。”
研究人员的概念模型利用每个设计变更所具有的众多特征来创建设计变更数据集。研究人员表示：“这些特征包括对变更的几乎全面的描述，以及对变更对项目预算和进度的影响的评估。”
这些特征包括几何结构、位置、规格和组件之间的依赖性，以及对成本、进度和质量的记录影响
研究人员的概念要求ML软件根据历史数据进行训练，以开发分析新数据所需的算法
研究人员还创建了一个用例（带有建筑和结构组件的单层建筑）来测试模型。
他们得出结论：“该模型在用例中的实施表明，ML可以通过BIM生成和结构化数据来预测设计变更的影响，而目前该行业的许多从业者似乎并不采用这种方法。
“BIM-ML模型的实施可以显著提高建设项目设计变更的决策可信度。“
他们补充说，该模型可用于跨行业合作：“这项研究为在ML环境中利用BIM数据开辟了一条新的途径，其中设计变更属性以增强数据结构的方式进行注册，允许ML算法将其用作训练数据。这可以通过类似项目的组织内或组织间合作来实现，因为它们将共享ML可以识别为模式的相似之处。“
- 模型需要在真实世界的数据上进行测试
- 数据需要结构化，以便ML算法能够有效地使用它；
- 需要一个用户友好的界面
- 人工智能可以被信任来识别项目责任风险吗
- Atkins-Jacobs JV测试人工智能和ML，以实现自我监控桥梁
- 人工智能和机器学习如何改变建筑
- How AI and machine learning can transform construction
