BỘ KHOA HỌC VÀ CÔNG NGHỆ
HỆ THỐNG THÔNG TIN KHOA HỌC VÀ CÔNG NGHỆ

Các nhiệm vụ khác
liên kết website
Lượt truy cập
 Lượt truy cập :  14,805,702
  • Kết quả thực hiện nhiệm vụ

Ước tính hiệu quả và tối ưu hóa chi phí xây dựng bằng máy học

Trường đại học Thủ Dầu Một

UBND Tỉnh Bình Dương

Cơ sở

TS. Trần Văn Xuân

ThS. Phạm Quý Đức Thịnh; ThS. Bùi Sỹ Vương và ThS. Lê Hồng Thái;

Khoa học tự nhiên

01/06/2021

01/06/2022

2022

Bình Dương

Đề tài được thực hiện nhằm mục tiêu tối ưu hóa nguyên vật liệu và nhân công để tiết kiệm chi phí kỹ thuật và thiết kế, đồng thời cải thiện trải nghiệm của khách hàng. Trong nghiên cứu này, sử dụng phương pháp học máy để ước tính một cách nhanh chóng và chính xác về chi phí trong quá trình xây dựng. Đồng thời, tối ưu hóa chi phí xây dựng để tăng lợi nhuận cho công ty trong quá trình tư vấn, thiết kế xây dựng. Kết quả chi tiết được đưa ra ở những chương bên dưới nhiều thuật toán đã được thử nghiệm để khám phá tính phù hợp của học máy (ML) để ước tính chi phí xây dựng. Trong số 13 thuật toán hồi quy học máy (ML) được sử dụng, các mô hình Mạng nơ ron nhân tạo, Gradient Boosting và XGBoost dường như là phù hợp nhất để ước tính chi phí xây dựng và các tài nguyên cần thiết với độ chính xác 99% trong vòng chưa đầy một giây sau thời gian đào tạo. Với một căn nhà sẽ xây, số tầng, chiều sâu tầng, chiều cao tầng và chiều rộng của nhà bếp được cho là có ảnh hưởng nhất đến việc ước tính chi phí xây dựng. Các mô hình Mạng nơ ron nhân tạo cũng được phát triển để xác định các tùy chọn mà người mua có thể chi trả trong một ngân sách nhất định. Bài toán tối ưu hóa theo các ràng buộc đã được giải quyết thành công, giúp người mua xác định chi phí xây dựng tối ưu theo sở thích và nhu cầu của họ. Chi phí xây dựng được tối ưu hóa do khung tối ưu hóa sử dụng mô hình học máy (ML) thu được nhỏ hơn 7% so với chi phí của dữ liệu thực tế, do đó cải thiện khả năng cạnh tranh của công ty khi có thể chào thầu với chi phí thấp hơn đối thủ. Các kết quả thực nghiệm của nghiên cứu này chỉ ra rằng các mô hình học máy (ML) hoàn toàn có thể được sử dụng hiệu quả trong lĩnh vực xây dựng để tối ưu hóa quy trình làm việc nhằm tiết kiệm chi phí và cung cấp một số ý nghĩa thiết thực cho việc quản lý xây dựng theo hướng dữ liệu.

Máy học; Chi phí

BDG-2022-053