Gelžbetoninių surenkamų sienų brėžinių darymo laiko nustatymas naudojant mašinų mokymąsi

Abstract

Baigiamajame magistro darbe nagrinėjamas mašinų mokymosi taikymas BIM srityje. Pirmojoje darbo dalyje apžvelgta mokslinė litaratūra, kurioje aprašyti mašinų mokymosi pagrindiniai principai, tipinės problemos ir uždaviniai. Antrojoje dalyje išnagrinėti literatūroje aptinkamų mašinų mokymosi pritaikymo BIM srityje pavyzdžiai. Trečiojoje dalyje aprašytas išmokytas mašinų mokymosi modelis sienos brėžinio braižymo laikui nustatyti. Tam panaudoti „python scikit-learn“ paketo tiesinės regresijos ir atsitiktinių miškų mašinų mokymosi modeliai. Gautas modelio rezultatų tikslumas nepakankamas praktiniam panaudojimui. Pateikiami pasiūlymai, kaip pagerinti modelio tikslumą. Darbą sudaro 6 dalys: įvadas, mašinų mokymosi principų apžvalga, mašinų mokymosi pritaikymo BIM literatūros apžvalga, mašinų mokymosi modelio projektavimas, išvados ir literatūros sąrašas. Darbo apimtis – 63 p. teksto be priedų, 34 iliustr., 17 lent., 44 bibliografiniai šaltiniai.

In this master thesis the application of machine learning when working with BIM is examined. The scientific literature concerning machine learning principles, usual problems and tasks is analyzed. Practical applications of machine learning models using BIM information, which were found in scientific literature, are described. A machine learning model, predicting drafting time of concrete panel drawings, was designed. Python “scikit-learn“ package was used to create linear regression and random forest machine learning models. Created machine learning model showed poor results. Suggestions for model improvement are presented. Thesis consists of 6 parts: introduction, review of machine learning principles, review application of machine learning using BIM, designing of machine learning model, conclusion, references. Thesis consists of 63 p. of text without appendixes, 34 pictures, 17 tables, 44 bibliographical entries.