SHAKEELA SHAIKH / ZIYA UL HAQUE
Szybka urbanizacja i złożone projekty skłaniają branżę budowlaną do stosowania sztucznej inteligencji i uczenia maszynowego w celu uzyskania szybszych, bezpieczniejszych i bardziej opłacalnych rozwiązań. W tej książce badawczej wykorzystano raporty z badań gleby do zdefiniowania parametrów specyficznych dla danego miejsca, a 10 różnych przypadków budynków przeanalizowano za pomocą oprogramowania do analizy budynków, każdy z indywidualną sztywnością sprężyny (K). Podejście ML oparte na Pythonie zostało opracowane w celu przewidywania optymalnych wielopiętrowych konfiguracji strukturalnych, koncentrując się na sile osiowej słupa. Kod AI-ML, składający się z dwóch etapów, identyfikuje dane wejściowe, generuje wykresy przy użyciu Matplotlib v3.10.3 i porównuje wartości przewidywane z rzeczywistymi w celu oceny MSE i R². Do wstępnego przetwarzania danych wykorzystano Pandas v2.0.3 i NumPy v1.26.4, a modele regresji liniowej i sieci neuronowej (TensorFlow v2.16.1, sklearn v1.3.0) zostały wytrenowane w podziale 80:20. Sieć ANN osiągnęła MSE równe 0 i R² równe 1, co oznacza doskonałą dokładność i wydajność optymalizacji projektu konstrukcyjnego.