Prédiction de l'emplacement optimal d'un bâtiment à l'aide d'un réseau neuronal auto-apprenant

L'urbanisation rapide et les conceptions complexes poussent l'industrie du bâtiment à adopter l'IA et la ML pour des solutions plus rapides, plus sûres et plus rentables. Dans ce livre de recherche, des rapports d'étude du sol ont été utilisés pour définir des paramètres spécifiques au site et 10 cas de construction distincts ont été analysés à l'aide d'un logiciel d'analyse de la construction, chacun avec une rigidité de ressort individuelle (K). Une approche ML basée sur Python a été développée pour prédire les configurations structurelles optimales à plusieurs étages en se concentrant sur la force axiale des colonnes. Le code AI-ML, qui comprend deux étapes, identifie les entrées, génère des graphiques à l'aide de Matplotlib v3.10.3 et compare les valeurs prédites par rapport aux valeurs réelles afin d'évaluer MSE et R². Le prétraitement des données a utilisé Pandas v2.0.3 et NumPy v1.26.4, tandis que les modèles de régression linéaire et ANN (TensorFlow v2.16.1, sklearn v1.3.0) ont été entraînés sur une répartition 80:20. L'ANN a atteint un MSE de 0 et un R² de 1, marquant une précision et une efficacité supérieures pour l'optimisation de la conception structurelle.