Модель оценки изменения продолжительности строительства крупнопанельных жилых зданий
- Авторы: Сафин А.Ф.1, Ибрагимов Р.А.1, Лапидус А.А.2, Олейник П.П.2
-
Учреждения:
- Казанский государственный архитектурно-строительный университет
- Национальный исследовательский Московский государственный строительный университет
- Выпуск: № 10 (2025)
- Страницы: 28-38
- Раздел: СТАТЬИ
- URL: https://rjmseer.com/0044-4472/article/view/695873
- DOI: https://doi.org/10.31659/0044-4472-2025-10-28-38
- ID: 695873
Цитировать
Полный текст
Аннотация
Факторы, оказывающие влияние на продолжительность строительства, выявлены в процессе строительства крупнопанельных жилых домов и систематизированы по шести группам: технические, технологические, организационные, природно-климатические, проектные, экономические. Построена матрица планирования эксперимента и выполнена экспертная оценка групп факторов в соответствующих точках плана. Получены коэффициенты уравнения регрессии для оценки влияния групп факторов на продолжительность строительства. В результате анализа полученной модели по критерию Фишера выявлена ее неадекватность. В ходе исследования выполнен обзор моделей машинного обучения, предназначенных для решения задач прогнозирования в строительной сфере. Проведена экспертная оценка значимых факторов для двадцати крупнопанельных жилых зданий. С целью получения наиболее адекватной модели исследуемого процесса обработка данных выполнена с применением искусственных нейронных сетей. В результате проведенных исследований получена модель машинного обучения для определения изменения продолжительности строительства крупнопанельных жилых зданий в условиях влияния дестабилизирующих факторов. Модель может быть полезна как техническому заказчику при принятии решений о строительстве объекта, так и генеральному проектировщику при обосновании принятой продолжительности строительства.
Ключевые слова
Полный текст
Об авторах
А. Ф. Сафин
Казанский государственный архитектурно-строительный университет
Автор, ответственный за переписку.
Email: pobedadel99@mail.ru
аспирант
Россия, 420043, г. Казань, ул. Зеленая, 1Р. А. Ибрагимов
Казанский государственный архитектурно-строительный университет
Email: rusmag007@yandex.ru
канд. техн. наук, доцент
Россия, 420043, г. Казань, ул. Зеленая, 1А. А. Лапидус
Национальный исследовательский Московский государственный строительный университет
Email: lapidus58@mail.ru
д-р техн. наук, профессор
Россия, 129337, г. Москва, Ярославское ш., 26П. П. Олейник
Национальный исследовательский Московский государственный строительный университет
Email: cniomtp@mail.ru
д-р техн. наук, профессор
Россия, 129337, г. Москва, Ярославское ш., 26Список литературы
- Кабанов В.Н., Шилов Д.В. Оценка достоверности расчетного значения продолжительности строительного процесса // Научный журнал строительства и архитектуры. 2025. № 1 (77). С. 91–101. EDN: LQCJVU. https://doi.org/10.36622/2541-7592.2025.77.1.009
- Розанцева Н.В., Золотарев В.В. Формирование эффективного графика производства работ при строительстве монолитного железобетонного дома // Вестник МГСУ. 2024. Т. 19. № 10. С. 1676–1686. EDN: FFNXIM. https://doi.org/10.22227/1997-0935.2024.10.1676-1686
- Олейник П.П. Основные тенденции развития организации строительного производства // Строительное производство. 2022. № 2. С. 21–-25. EDN: VEAEP. https://doi.org/10.54950/26585340_2022_2_21
- Лапидус А.А. Метод повышения производительности труда в строительстве // Вестник МГСУ. 2024. Т. 19. № 8. С. 1365–1372. EDN: FAHXKA. https://doi.org/10.22227/1997-0935.2024.8.1365-1372
- Сальников К.Е. Сокращение продолжительности строительства в результате роста производительности труда // Финансы и управление. 2021. № 4. С. 38–49. EDN: XOEDDW. https://doi.org/10.25136/2409-7802.2021.4.34480
- Lapidus A., Abramov I., Kuzmina T., Abramova A., AlZaidi Z.A.K. Sustainable activity of construction companies under the influence of destabilizing factors on the duration of implementation of investment-construction projects. Buildings 2023. No. 11. Vol. 13. P. 2696. EDN: BSWHQV. https://doi.org/10.3390/buildings13112696
- Бидов Т.Х., Хубаев А.О., Помытко Е.А., Котельникова А.Д. Методика оценки факторов, влияющих на эффективность реализации строительного проекта генподрядной организацией в направлении Fit-out // Вестник МГСУ. 2024. Т. 19. Вып. 9. С. 1562–1569. EDN: WYRLVI. https://doi.org/10.22227/1997-0935.2024.9.1562-1569
- Saha Saibal Kumar, Patil Anchal, Dwivedi Ashish, Pamucar Dragan, Pillai Aparna. Analyzing the interactions among delay factors in construction projects: A multi criteria decision analysis. Reports in Mechanical Engineering. 2023. Vol. 4. No. 1, pp. 241–255. EDN: WYRLVI. https://doi.org/10.31181/rme040116112023s
- Секисов А.Н., Коженко Н.В., Папоян А.А., Кристя Н.Г., Прозорова А.С. Основные тенденции и направления применения искусственного интеллекта в строительном секторе национального хозяйства: организационные и экономические аспекты // Экономика: вчера, сегодня, завтра. 2023. Т. 13. № 10А. С. 357–366. EDN: KLWUYE. https://doi.org/10.34670/AR.2023.20.36.039
- Park D.; Yun S. Construction cost prediction using deep learning with BIM properties in the schematic design phase. Applied Sciences. 2023, 13, 7207. EDN: QVBSEM. https://doi.org/10.3390/app13127207
- Al-Sinan M.A., Bubshait A.A., Aljaroudi Z. Generation of construction scheduling through machine learning and BIM: A blueprint. Buildings. 2024. Vol. 14. No. 4. EDN: DFOIRD. https://doi.org/10.3390/buildings14040934
- Wu Zhijiang, Ma Guofeng. Automatic generation of BIM based construction schedule: Combining an ontology constraint rule and a genetic algorithm. Engineering, Construction and Architectural Management. 2023, No. 30 (3). https://doi.org/10.1108/ECAM-12-2021-1105
- Ahmad Kueh, Sim Nee Ting, Yee Yong Lee, Chee Khoon Ng. Data-driven artificial neural network formulated multi-factored expression for predicting construction duration in government projects. Engineering, Construction and Architectural Management. 2025. https://doi.org/10.1108/ECAM-10-2024-1426
- Gopinath Selvam, Kamalanandhini Mohan, Muthuvel Velpandian, Sheema Shah. Duration and resource constraint prediction models for construction projects using regression machine learning method. Engineering, Construction and Architectural Management. 2024. https://doi.org/10.1108/ECAM-06-2023-0582
- Kelly Clement C. De Guzman, Patricia Anne L. Fernando, Emmanuel Aldrin R. Garcia, Patrick Kleyn M. Gegante, John Paul T. GenuiNo. Predictive modeling for cost and duration estimation in residential construction projects using machine learning algorithms. International Journal of Scientific Research and Engineering Development. 2024. Vol. 7. Iss. 3.
- Сафин А.Ф., Ибрагимов Р.А., Олейник П.П. Методика моделирования продолжительности проектирования крупнопанельных жилых зданий // Промышленное и гражданское строительство. 2025. № 4. С. 51–59. EDN: QZKZNM. https://doi.org/10.33622/0869-7019.2025.04.51-59
- Загорская А.В., Лапидус А.А. Применение методов экспертной оценки в научном исследовании. Необходимое количество экспертов // Строительное производство. 2020. № 3. С. 21–34. EDN: TKKKCO. https://doi.org/10.54950/26585340_2020_3_21
- Свидетельство о государственной регистрации программы для ЭВМ № 2025668548. Программа для определения продолжительности строительства крупнопанельных жилых зданий серии АБД-9000К / Сафин А.Ф., Ибрагимов Р.А., Воробьев Е.С. Заявл. 20.06.2025. Опубл. 17.07.2025.
Дополнительные файлы










