Постановка задачи определения технического облика и конструктивных характеристик многоквартирных жилых зданий на основе метода экспертных систем

Обложка

Цитировать

Полный текст

Аннотация

Рассмотрены различные методы создания систем поддержки принятия решений для определения технического облика и конструктивных характеристик многоквартирных жилых зданий на этапе подготовки к строительству. Для решения этой задачи используется структурная оптимизация, которая включает в себя определение количества лифтов, высоты здания и количества этажей, ориентацию здания по сторонам света, определение параметров инженерных коммуникаций и инвестиционной привлекательности нового жилья. Проанализированы преимущества и недостатки методов машинного обучения и различных типов логического вывода в экспертных системах для определения технического облика и конструктивных характеристик многоквартирных жилых зданий. На основе сравнительного анализа различных подходов сделан вывод о целесообразности использования инструментов экспертных систем, основанных на нечеткой логике. Показаны основные принципы работы нечетких экспертных систем и сделан вывод об их универсальности и перспективности в задачах проектирования строительных объектов.

Об авторах

Александр Александрович Меркулов

Российский университет дружбы народов

Автор, ответственный за переписку.
Email: amerkulov@levelgroup.ru
ORCID iD: 0009-0006-0211-808X

аспирант кафедры механики и процессов управления, инженерная академия

Москва, Россия

Юрий Николаевич Разумный

Российский университет дружбы народов

Email: yury.razoumny@gmail.com
ORCID iD: 0000-0003-1337-5672
SPIN-код: 7704-4720

доктор технических наук, директор инженерной академии, заведующий кафедрой механики и процессов управления, инженерная академия

Москва, Россия

Ольга Александровна Салтыкова

Российский университет дружбы народов

Email: saltykova-oa@rudn.ru
ORCID iD: 0000-0002-3880-6662
SPIN-код: 3969-6707

кандидат физико-математических наук, доцент кафедры механики и процессов управления, инженерная академия

Москва, Россия

Иван Викторович Степанян

Институт машиноведения им. А.А. Благонравова РАН

Email: neurocomp.pro@gmail.com
ORCID iD: 0000-0003-3176-5279
SPIN-код: 5644-6735

доктор биологических наук, кандидат технических наук, ведущий научный сотрудник

Москва, Россия

Список литературы

  1. Vasilkin AA. Integration of structural and parametric optimization at the stage of designing steel constructions. Russian journal of building construction and architecture. 2018;3(39):6-14. EDN: LXBGLR
  2. Rakov DL, Sinev AV. Parallel designing for stages of the structural synthesis and parametrical optimization for formation shape of new technical systems. Problems of mechanical engineering and automation. 2011;(4):99- 102. (In Russ.) EDN: OLQGPH
  3. Fan H, Kong G, Zhang C. An Interactive platform for low-cost 3D building modeling from VGI data using convolutional neural network. Big Earth Data. 2021;5(1): 49-65. https://doi.org/10.1080/20964471.2021.1886391
  4. Kumar S, Anbanandam R. An integrated Delphi-fuzzy logic approach for measuring supply chain resilience: an illustrative case from manufacturing industry. Measuring Business Excellence. 2019;23(3):350-375. https://doi.org/10.1108/MBE-01-2019-0001
  5. Pezeshki Z, Mazinani SM. Comparison of artificial neural networks, fuzzy logic and neuro fuzzy for predicting optimization of building thermal consumption: a survey. Artificial Intelligence Review. 2019;52(1):495-525. https://doi.org/10.1007/s10462-018-9630-6
  6. Fayek AR. Fuzzy logic and fuzzy hybrid techniques for construction engineering and management. Journal of Construction Engineering and Management. 2020;146(7): 04020064. https://doi.org/10.1061/(ASCE)CO.1943-7862. 0001854
  7. Gopi B, Ramesh G, Logeshwaran J. The fuzzy logical controller based energy storage and conservation model to achieve maximum energy efficiency in modern 5g communication. ICTACT Journal on Communication Technology. 2022;13(3):2774-2779. https://doi.org/10.21917/ijct.2022.0411
  8. Hendiani S, Bagherpour M. Developing an integrated index to assess social sustainability in construction industry using fuzzy logic. Journal of cleaner production. 2019;230: 647-662. https://doi.org/10.1016/j.jclepro.2019.05.055
  9. Hedaoo N, Pawar A. Risk Assessment Model Based on Fuzzy Logic for Residential Buildings. Slovak Journal of Civil Engineering. 2021;29(4):37-48. https://doi.org/ 10.2478/sjce-2021-0026
  10. Jana DK, Pramanik S, Sahoo P, Mukherjee A. Interval type-2 fuzzy logic and its application to occupational safety risk performance in industries. Soft Computing. 2019;23(1):557-567. https://doi.org/10.1007/s00500017-2860-8
  11. Lanbaran NM, Celik E, Yiğider M. Evaluation of investment opportunities with interval-valued fuzzy topsis method. Applied Mathematics and Nonlinear Sciences. 2020; 5(1):461-474. https://doi.org/10.2478/amns.2020.1.00044
  12. Phan D, Bab-Hadiashar A, Fayyazi M, Jazar R, Khayyam H, Hoseinnezhad R, Interval type 2 fuzzy logic control for energy management of hybrid electric autonomous vehicles. IEEE Transactions on Intelligent vehicles. 2021;6(2):210-220. https://doi.org/10.1109/TIV.2020.3011954
  13. Guðlaugsson B, FazeliIngunn R, Ingunn G, Davidsdottir B, Stefánsson G. Classification of stakeholders of sustainable energy development in Iceland: Utilizing a power-interest matrix and fuzzy logic theory. Energy for Sustainable Development. 2020;57:168-188. https://doi.org/10.1016/j.esd.2020.06.006
  14. Jain A, Sharma A. Membership function formulation methods for fuzzy logic systems: A comprehensive review. Journal of Critical Reviews. 2020;7(19):8717-8733. ISSN 2394-5125
  15. Ren X, Li Ch, Xiaojun Ma X. Design of multiinformation fusion based intelligent electrical fire detection system for green buildings. Sustainability. 2021;13(6):3405. https://doi.org/10.3390/su13063405
  16. Caiado RGG, Scavarda LF, Scavarda L. et al. A fuzzy rule-based industry 4.0 maturity model for operations and supply chain management. International Journal of Production Economics. 2021;231:107883. https://doi.org/10.1016/j.ijpe.2020.107883
  17. Dzwigol H, Dźwigoł-Barosz M, Miskiewicz R, Kwilinski A. Manager competency assessment model in the conditions of industry 4.0. Entrepreneurship and Sustainability Issues. 2020;7(4):2630-2644. https://doi.org/10.9770/jesi.2020.7.4(5)
  18. Bondarenko V.V., Kulyanytsya A.L., Litovka S.V., Chekinov G.P. Information technology for developing control actions when designing intelligent computer systems. Information technologies in design and production. 2003;(2):14-19. (In Russ.) EDN: OHINQL
  19. Iancu I. A Mamdani type fuzzy logic controller. Fuzzy logic-controls, concepts, theories and applications. 2012;15(2):325-350. https://doi.org/10.5772/36321
  20. Abadi AM. Fuzzy Decision Making with Mamdani Method and Its Aplication for Selection of Used Car in Sleman Yogyakarta. ICRIEMS. 2020. p. 35-44.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».