СИСТЕМИ ПІДТРИМКИ ПРИЙНЯТТЯ РІШЕНЬ В БУДІВЕЛЬНИХ ПРОЕКТАХ НА ОСНОВІ МЕРЕЖ БАЙЄСА
DOI:
https://doi.org/10.31649/2311-1429-2024-1-96-102Ключові слова:
Будівництво, прийняття рішень, ймовірність, графова модель, BIM моделювання, мережі Байєса, штучний інтелектАнотація
У роботі представлено системи підтримки прийняття рішень в умовах невизначеності або неповної інформації в будівельних проектах. За допомогою інтегрованих баз даних визначається мінімальний рівень інформації, який можна використовувати як для екстраполяції даних так і заповнення моделей прийняття рішення, Щоб оцінити ймовірність параметрів, наприклад вартості чи тривалості їх зведення при застосуванні BIM моделювання проведено розрахунок гіпотези, який базуються на ймовірнісній графовій моделі мережах Байєса.
З одного боку BIM є необхідною методикою як для будівництва нових будівель, так і з іншого боку, вона отримує особливо увагу та інтерес власників великих будівельних фондів, які хочуть скористатися перевагами інформаційного моделювання будівель, щоб мати скоординовану систему для спільного використання при будівництві, модернізації та експлуатації будівель та споруд.
Особливо в процесі, який стосується управління та обслуговування великих будівельних запасів, передбачає обробку невизначеної інформації в BIM. При роботі з існуючими будівлями, через відсутність та/або неповна наявність документації, що тягне за собою значні інвестиції з точки зору часу та додаткових витрат.
Тому представляти надійність існуючих даних, варто запровадити інструмент на основі графової ймовірнісної моделі мережі Байєса, яка пропонує дійсну підтримку прийняття рішень в умовах невизначеності.
Посилання
Marcher, C., Giusti, A., & Matt, D. (2020). Decision Support in Building Construction: A Systematic Review of Methods and Application Areas. Buildings.
Szafranko, E. (2017). Decision problems in management of construction projects. IOP Conference Series: Materials Science and Engineering.
Ning, X., Lam, K., & Lam, M. (2011). A decision-making system for construction site layout planning. Automation in Construction, 20, 459-473.
Haidar, A. (2016). Techniques for Intelligent Decision Support Systems.
Lam, K., So, A., Hu, T., Ng, T. W. H., Yuen, R., Lo, S., Cheung, S., & Yang, H. (2001). An integration of the fuzzy reasoning technique and the fuzzy optimization method in construction project management decision-making. Construction Management and Economics, 19, 63-76.
Ozcan-Deniz, G., & Zhu, Y. (2016). A system dynamics model for construction method selection with sustainability considerations. Journal of Cleaner Production, 121, 33-44.
Yoon, Y., Jung, J.-H., & Hyun, C.-t. (2016). Decision-making Support Systems Using Case-based Reasoning for Construction Project Delivery Method Selection: Focused on the Road Construction Projects in Korea. The Open Civil Engineering Journal, 10, 500-512.
Książek, M., Nowak, P., Kıvrak, S., Rosłon, J., & Ustinovichius, L. (2015). Computer-aided decision-making in construction project development. Journal of Civil Engineering and Management, 21, 248-259.
Korb, K., & Nicholson, A. (2004). Bayesian Artificial Intelligence. Pattern Analysis and Applications, 7(4), 221-223.
Premchaiswadi, W., & Jongsawat, N. (2012). Building a Bayesian Network Model Based on the Combination of Structure Learning Algorithms and Weighting Expert Opinions Scheme. Journal of Computational Intelligence and Electronic Systems.
Flores, M., Nicholson, A., Brunskill, A., Korb, K., & Mascaro, S. (2011). Incorporating Expert Knowledge When Learning Bayesian Network Structure: A Medical Case Study. Artificial Intelligence in Medicine, 53(3), 181-204.
Kjærulff, U., & Madsen, A. (2007). Bayesian Networks and Influence Diagrams: A Guide to Construction and Analysis. Journal of the American Statistical Association, 104.
McCabe, B., Abourizk, S., & Goebel, R. (1998). Belief Networks for Construction Performance Diagnostics. Journal of Computing in Civil Engineering, 12(2), 93-100.
Pinto, F. J. (2019). Application of the Bayesian Model in Expert Systems. Journal of Applied Mathematics and Computation.
Gamez, J. A., & Puerta, J. M. (2002). Searching for the Best Elimination Sequence in Bayesian Networks by Using Ant Colony Optimization. Pattern Recognition Letters, 23(2), 261-277.
Thirumuruganathan, S., & Huber, M. (2011). Building Bayesian Network Based Expert Systems from Rules. 2011 IEEE International Conference on Systems, Man, and Cybernetics, 3002-3008.
Pan, Y., & Zhang, L. (2021). Roles of Artificial Intelligence in Construction Engineering and Management: A Critical Review and Future Trends. Automation in Construction, 122, 103517.
##submission.downloads##
-
pdf
Завантажень: 0
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
