Общие математические принципы определения инженерной концепции многоквартирных домов на основе экспертно-аналитических методов и систем поддержки принятия решений


Цитировать

Полный текст

Аннотация

Правильно спроектированная инженерная концепция жилого многоквартирного дома позволяет на этапе подготовки к строительству снизить имеющиеся риски и учесть факторы, которые на практике, ввиду ограниченного характера специализированных экспертных знаний, иногда остаются без должного внимания. В качестве методологической базы и основополагающих методов исследования выдвинуты теория экспертных систем и математический аппарат на основе нечеткой логики. Цель исследования - разработка математических принципов определения инженерной концепции многоквартирных домов на этапе подготовки к строительству на основе теории нечетких множеств и методов поддержки принятия решений. Задача исследования - разработка общих математических принципов решения прикладных задач с применением специализированных экспертных систем. В результате исследования разработаны математические основы многофункциональной экспертной системы для формирования концепции многоквартирных домов на этапе подготовки к строительству; создана нечеткая база знаний; восстановлена проекция многомерной функции поверхности отклика, отображающая зависимость лингвистических переменных; разработаны математические принципы определения инженерной концепции многоквартирных жилых домов на этапе подготовки к строительству.

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

Российская Федерация, 117198, г. Москва, ул. Миклухо-Маклая, д. 6

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

Российская Федерация, 101000, г. Москва, Малый Харитоньевский переулок, д. 4

Список литературы

  1. Caiado RGG, Scavarda LF, Gavião LO, Ivson P, Nascimento DL De M, Garza-Reyes JA. A fuzzy rule-based industry 4.0 maturity model for operations and supply chain management. International Journal of Production Economics. 2021;231:107883. http://doi.org/10.1016/j.ijpe.2020.107883 EDN: XZZKZY
  2. Harirchian E, Lahmer T. Developing a hierarchical type-2 fuzzy logic model to improve rapid evaluation of earthquake hazard safety of existing buildings. Structures. 2020;28:1384-1399. http://doi.org/10.1016/j.istruc.2020.09.048 EDN: GJIYKQ
  3. 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. http://doi.org/10.2478/amns.2020.1.00044 EDN: QDEPPY
  4. Kendal SL, Creen M. An introduction to knowledge engineering. Springer London, 2007. https://doi.org/10.1007/978-1-84628-667-4
  5. Wang Y, Zhao Z, Guo J, Zou L, Ma L. A survey on control for Takagi-Sugeno fuzzy systems subject to engineering-oriented complexities. Systems Science & Control Engineering. 2021;9(1):334-349. http://doi.org/10.1080/ 21642583.2021.1907259 EDN: BYNODY
  6. Lucchese LV, de Oliveira GG, Pedrollo OC. Mamdani fuzzy inference systems and artificial neural networks for landslide susceptibility mapping. Natural Hazards. 2021;106(3):2381-2405. http://doi.org/10.1007/s11069-021-04547-6 EDN: OITGPK
  7. Azar AT. (ed.) Fuzzy systems. BoD - Books on Demand, 2010. ISBN: 9537619923
  8. 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;23:557-567. http://doi.org/10.1007/s00500-017-2860-8 EDN: CRZKUJ
  9. 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. http://doi.org/10.1108/MBE-01-2019-0001
  10. Al-Ani BRK, Erkan TE. A study of load demand forecasting models in electricity using artificial neural networks and fuzzy logic model. International Journal of Engineering. 2022;35(6):1111-1118. http://doi.org/10.5829/ije.2022.35.06c.02 EDN: WOZLQP
  11. 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. http://doi.org/10.1016/j.jclepro.2019.05.055
  12. Hedaoo N, Pawar A. Risk Assessment Model Based on Fuzzy Logic for Residential Buildings. Slovak Journal of Civil Engineering. 2021;29(4):37-48. http://doi.org/10.2478/sjce-2021-0026 EDN: DQLKOL
  13. Panchalingam R, Chan KC. A state-of-the-art review on artificial intelligence for Smart Buildings. Intelligent Buildings International. 2019;13(4):203-226. http://doi.org/10.1080/17508975.2019.1613219 EDN: GVDBAU
  14. Vilela M, Oluyemi G, Petrovski A. A fuzzy inference system applied to value of information assessment for oil and gas industry. Decision Making: Applications in Management and Engineering. 2019;2(2):1-18. http://doi.org/10.31181/dmame1902001v EDN: FBRMFE
  15. Fayek AR. Fuzzy logic and fuzzy hybrid techniques for construction engineering and management. Journal of Construction Engineering and Management. 2020;146(7):04020064. http://doi.org/10.1061/(asce)co.1943-7862.0001854 EDN: AAFXLG
  16. Jain A, Sharma A. Membership function formulation methods for fuzzy logic systems: A comprehensive review. Journal of Critical Reviews. 2020;7(19):8717-8733.
  17. 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. http://doi.org/10.1007/s10462-018-9630-6 EDN: BLPALL
  18. Wang K, Ying Z, Goswami SS, Yin Y, Zhao Y. Investigating the Role of Artificial Intelligence Techno-logies in the Construction Industry Using a Delphi-ANP-TOPSIS Hybrid MCDM Concept under a Fuzzy Environ-ment. Sustainability. 2023;15(15):11848. http://doi.org/10.3390/su151511848 EDN: FSLOWM
  19. Ren X, Li C, Ma X, Chen F, Wang H, Sharma A, Gaba GS, Masud M. Design of multi-information fusion based intelligent electrical fire detection system for green buildings. Sustainability. 2021;13(6):3405. http://doi.org/10.3390/su13063405 EDN: JDNYAS

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».