Данная работа посвящена исследованию применения методов машинного обучения к задаче классификации элементов BIM. Цель: предложить способ категоризации в соответствии с классификатором строительной информации компонентов BIM по их характеристикам. Задачи, которые решались в ходе исследования: 1. Проведение анализа существующих методов. 2. Выделение особенностей в данных по компонентам информационной модели зданий и сооружений. 3. Разработка собственного подхода к классификации элементов BIM. 4. Проведение экспериментов и выполнение сравнительного анализа результатов предложенного метода и существующих. В ходе работы были исследованы методы машинного обучения, применимые для решения задачи классификации компонентов информационной модели зданий и сооружений. Был проведен анализ данных по элементам BIM. В результате работы было разработано решение, способное к инкрементному обучению и обеспечивающее лучшее качество классификации, по сравнению с другими рассмотренными методами. Был сделан вывод, что можно определить класс элемента BIM с высокой точностью по его характеристикам. Предложенный в работе подход интегрирован в разработку Инженерно-строительного института Санкт-Петербургского политехнического университета Петра Великого – проект «IMPulse».

The given work is devoted to the analysis of the application of machine learning methods to the problem of classifying BIM elements. Goal of the work: to propose a solution for categorizing BIM elements according to their characteristics in accordance with the building information classifier. Tasks that were solved in the work: 1. Analysis of existing solutions. 2. Highlighting the features of data about the components of the building information model. 3. Development of our own approach to the classification of BIM elements. 4. Conducting experiments and performing a comparative analysis of the results of the proposed method and existing ones. In the work, machine learning methods were studied that are applicable to solving the problem of classifying the components of a building information model. The analysis of data on BIM-elements was carried out. As a result of the work, a solution was developed that is capable of incremental learning and provides better classification quality compared to other considered methods. It was concluded that it is possible to determine the class of a BIM element with high accuracy from its characteristics. The approach proposed in the work is integrated into the development of the Institute of Civil Engineering of Peter the Great St. Petersburg Polytechnic University – the IMPulse project.