随着BIM技术的广泛应用，相关模型设计软件对于IFC标准的支持日渐完善，IFC模型的规模和语义信息更加丰富，如何高效存储IFC模型以促进模型的应用是学者们关心的热点问题。本文使用知识库的方法，阐述了如何将IFC数据模型和IFC实例文件存储在图数据库中，建立元数据知识库和实例知识库，分析两个知识库模型的关系，在实际的商业综合体模型中验证了知识库存储的时间效率和空间效率。在知识库建立的基础上，本文分析了IFC知识库上使用Cypher语言查询的案例，有效地解决了IFC版本对比、实体关系梳理、空间关系发掘相关的相关问题，对知识库与土木建筑行业的结合提供了重要参考。

随着BIM技术应用的普及，基于BIM技术进行工程项目审查审批逐渐成为业内关注的热点。清华大学自主研发的BIM模型智能检查工具BIMChecker在复杂建筑规范的结构化描述以及基于知识的智能检查方面具有特色。本文结合清华大学与中国建筑科学研究院在湖南省BIM审查系统消防审查上的创新性合作，阐述将BIM模型智能检查工具应用于BIM审查平台并实现基于机器的消防审查的应用实践。通过融合基于SNL规则的防火规范库构建、检查工具的语义推理功能及语义和几何计算融合的检查功能，审查平台可充分利用BIMChecker工具完善的审查功能提供审查服务，同时保留其在数据标准、流程管理、可视化等方面的原有特色，实现优势互补。本文为国内各省市在探索基于BIM的工程项目审查审批过程中，实现基于机器的智能规范审查提供了参考借鉴。

目前，经济社会各领域正在从数字化、网络化向智能化加速跃升。如何结合人工智能技术提升土木建筑行业的智能化水平是学者们关注的热点问题。BIM技术是该领域数字化、网络化发展的重要成果。在BIM技术进入深度应用、普及应用和规模化应用阶段，如何自动和智能地实现对BIM模型质量多方位、客观、量化评价是一项重要内容。本文结合课题组BIMChecker工具的研发实践和研究成果，阐述了如何综合应用领域特定语言设计、自然语言处理、知识图谱、数据挖掘、机器学习等重要技术，解决建筑规范理解和表示、BIM模型语义信息抽取和组织、新知识发现、图纸图元自动识别等关键问题的思路、方法及效果，并介绍了BIMChecker工具在典型项目上的应用示范。本文为探索人工智能技术在土木建筑行业的有效结合和应用点提供参考借鉴。