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

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).