Home
Giới thiệu
Tài khoản
Đăng nhập
Quên mật khẩu
Đổi mật khẩu
Đăng ký tạo tài khoản
Liệt kê
Công trình khoa học
Bài báo trong nước
Bài báo quốc tế
Sách và giáo trình
Thống kê
Công trình khoa học
Bài báo khoa học
Sách và giáo trình
Giáo sư
Phó giáo sư
Tiến sĩ
Thạc sĩ
Lĩnh vực nghiên cứu
Tìm kiếm
Cá nhân
Nội dung
Góp ý
Hiệu chỉnh lý lịch
Thông tin chung
English
Đề tài NC khoa học
Bài báo, báo cáo khoa học
Hướng dẫn Sau đại học
Sách và giáo trình
Các học phần và môn giảng dạy
Giải thưởng khoa học, Phát minh, sáng chế
Khen thưởng
Thông tin khác
Tài liệu tham khảo
Hiệu chỉnh
Số người truy cập: 112,298,152
ỨNG DỤNG TRÍ TUỆ NHÂN TẠO ĐỂ DỰ ĐOÁN TIẾN ĐỘ THI CÔNG NHÀ LẮP GHÉP
Tác giả hoặc Nhóm tác giả:
TS. Phạm Anh Đức*
Nơi đăng:
Tạp chí Tạp chí Khoa học và Công nghệ;
S
ố:
11(132).2018, Quyển 1;
Từ->đến trang
: 45;
Năm:
2018
Lĩnh vực:
Xã hội nhân văn;
Loại:
Bài báo khoa học;
Thể loại:
Trong nước
TÓM TẮT
Xác định tiến độ thi công lắp ghép là một vấn đề quan trọng đối với chủ đầu tư lẫn nhà thầu thi công lắp ghép. Về đặc trưng công trình, có nhiều yếu tố ảnh hưởng đến tiến độ thi công lắp ghép nên các thuật toán CART (Classification and Regression Trees), ANN (Artificial Neural Networks), SVM (Support Vector Machine) và Ensemble được sử dụng để giải quyết vấn đề này. Trong nghiên cứu này, bốn mô hình đã được xây dựng để dự báo tiến độ thi công lắp ghép. Năm mươi dữ liệu công trình đã được thu thập, phương pháp Cross Validation được áp dụng để kết quả dự báo được khách quan. Với bốn mô hình được xây dựng, mô hình SVM cho kết quả tốt nhất với khả năng khái quá hóa và hội tụ để xác định tiến độ thi công lắp ghép.
ABSTRACT
Determining construction schedule of Prefabricated construction is an important issue for investors and Prefabricated Contractors. In terms of Construction characteristics, there are many factors that affect the progress of assembly, so Classification and Regression Trees (CARTs), ANN (Artificial Neural Networks), SVM (Support Vector Machine) and Ensemble are used to solve this problem. In this study, four models are constructed to forecast the progress of the assembly. Fifty data Constructions have been collected. The Cross Validation method is applied to predict the result. With four models built, the SVM model gives the best results with low error and convergence capability to determine the progress of assembly.
© Đại học Đà Nẵng
Địa chỉ: 41 Lê Duẩn Thành phố Đà Nẵng
Điện thoại: (84) 0236 3822 041 ; Email: dhdn@ac.udn.vn