Детальная информация

Работа посвящена формированию методики классификации автоматическим методом информационных моделей зданий с использованием технологий искусственного интеллекта. Задачи, которые решались в ходе исследования: 1. Анализ существующих классификаторов в строительстве; 2. Оценка возможностей применения технологий искусственного интеллекта для решения задач классификации информационных моделей зданий; 3. Разработка системы подготовки информационных моделей зданий перед классификацией; 4. Создание методики автоматической классификации информационных моделей зданий с использованием технологий искусственного интеллекта на основе CatBoost и нейронной сети CNN_1; В ходе исследования был проведен анализ существующих классификационных систем, а также рассмотрены сценария использования информационных моделей. Проведена оценка возможностей применения машинного обучения при текстовой классификации ЦИМ. Получен численный сравнительный анализ моделей классификации, в результате которого выбраны CatBoost и нейронная сеть CNN_1. В результате исследования была сформирована методика автоматической классификации информационных моделей зданий с использованием технологий искусственного интеллекта на основе CatBoost и нейронной сети CNN_1. Методика применялась при реализации 3 сценариев: подготовка файла к прохождению государственной экспертизы, формирование ВОР, формирование 4Д модели. Полученная методика позволила снизить время классификации в среднем в более 10 раз, средняя точность прогнозирования стала равной 99,4%, с увеличением числа элементов в модели скорость классификации возрастала с 2 до 5 раз. Полученная методика может быть успешно применена специалистами в различных сценариях использования информационных моделей зданий, таких как подготовка файлов к государственной экспертизе, формирование ведомости оборудования и формирование 4D моделей.

The work is dedicated to the development of a methodology for the automatic classification of building information models using artificial intelligence technologies. Tasks addressed during the research: 1. Analysis of existing classifiers in construction. 2. Evaluation of the potential application of artificial intelligence technologies for the classification of building information models. 3. Development of a system for preparing building information models for classification. 4. Creation of a methodology for automatic classification of building information models using CatBoost and the CNN_1 neural network. The research involved an analysis of existing classification systems and scenarios for the use of building information models. An evaluation of the potential of machine learning for text classification of building information models was conducted, resulting in the selection of CatBoost and the CNN_1 neural network. As a result of the research, a methodology for automatic classification of building information models using artificial intelligence technologies based on CatBoost and the CNN_1 neural network was developed. The methodology was applied in three scenarios: preparing a file for state examination, generating a bill of quantities, and creating a 4D model. The developed methodology allowed to reduce the classification time by an average of more than 10 times, with the average prediction accuracy reaching 99.4%. With an increase in the number of elements in the model, the classification speed increased from 2 to 5 times. The developed methodology can be successfully applied by specialists in various scenarios of using building information models, such as preparing files for state examination, generating equipment lists, and creating 4D models.