Модель прогнозирования материальных ресурсов и сметной стоимости на ранних этапах жизненного цикла объектов строительства

Введение. Строительная цифровизация предполагает возможность прогнозирования материальных ресурсов (МР) с заданной степенью точности на ранних этапах жизненного цикла (ЖЦ) объекта строительства (ОС), что позволит формировать стоимостные показатели, а также объемы МР и оборудования — одних из ключевых элементов управления и планирования различных стадий ЖЦ объекта. Возможность создания на основе технологий искусственного интеллекта (ИИ) и машинного обучения (МО) инструмента прогнозирования указанных параметров представляется перспективным направлением развития, позволяющим достичь высокого уровня точности планирования бюджета и продолжительности проекта на предпроектной стадии инвестиционно-строительного проекта.Материалы и методы. Рассмотрена проектная документация для 37 многоквартирных жилых домов с выделенными и нормализованными параметрами: технико-экономические показатели, материально-технические ресурсы, стоимость и др. Для подготовки и обучения моделей ИИ на базе Python выбраны методы библиотеки scikit-learn для сравнения следующих математических моделей: деревья решений, регрессии и алгоритмы, основанные на бустинге.Результаты. Обучение и исследование проводилось с применением способа автоматизированного машинного обучения (AutoML). На основе сравнения коэффициента детерминации R² и среднеквадратичного отклонения (RMSE) выбраны ансамбли моделей, формирующие прогноз для объемов МР и оборудования, а также для сметной стоимости с диапазоном погрешности ±8 %. Входными значениями моделей являлись 11 количественно-качественных параметров, описывающих характеристики планируемого объекта, формирование которых возможно на ранних этапах ЖЦ объекта без разработки проектной документации.Выводы. Результаты исследования демонстрируют возможность получения на предпроектной стадии фактически проектных данных с точностью, соответствующей этапу разработки рабочей документации для объекта строительства. Значительно повышается точность прогнозов общей сметной стоимости, а также появляется возможность прогнозирования с заданной точностью объемов материалов и оборудования на ранних этапах ЖЦ ОС для оптимизации всего процесса строительства.

ранние этапы жизненного цикла объекта, модель прогнозирования сметной стоимости, ансамбли моделей машинного обучения, проектные решения, объекты жилой недвижимости