Методы машинного обучения для организационно-технологического проектирования капитального ремонта жилищного фонда

Исследование направлено на разработку методологии формирования индивидуальных организационно-технологических решений при выполнении капитального ремонта конструктивных элементов объектов жилищного фонда в рамках реализации массовых региональных программ. Актуальность работы обусловлена необходимостью перехода от стандартизированных подходов к персонализированным решениям, учитывающим фактическое техническое состояние каждого ремонтируемого элемента. Основное отличие предлагаемой методологии от традиционных подходов заключается в том, что в качестве исходных данных для проектирования используются не типовые технические характеристики, а реальное состояние конструкций с учетом всех имеющихся дефектов. Такой подход требует разработки принципиально новых методов анализа и принятия решений, поскольку одинаковые строительные элементы могут иметь различные дефекты и соответственно нуждаться в разных технологических решениях. В ходе исследования проведен сравнительный анализ существующих методов машинного обучения, наиболее подходящих для решения поставленной задачи. В результате выбран комбинированный метод SOM-Random Forest, сочетающий преимущества самоорганизующихся карт Кохонена и алгоритмов случайного леса. Разработанный алгоритм позволяет автоматизировать процесс кластеризации объектов по сходным признакам и подбирать оптимальные ремонтные решения. Практическая апробация метода выполнена на синтетическом массиве данных, включающем 61 объект с плоскими крышами. В результате кластерного анализа выделено пять типовых групп решений. Дополнительное тестирование проведено на примере объекта с рулонной кровлей, что подтвердило эффективность предложенного подхода и точность прогнозирования необходимых ремонтных мероприятий.