Resumen

Entre las recientes técnicas de minería de datos disponibles, el enfoque boosting ha atraído una gran atención debido a su eficaz algoritmo de aprendizaje y a sus fuertes límites en términos de rendimiento de generalización. Sin embargo, el enfoque boosting aún no se ha utilizado en problemas de regresión dentro del ámbito de la construcción, incluyendo las estimaciones de costes, pero se ha utilizado activamente en otros ámbitos. Por lo tanto, se aplica un árbol de regresión boosting (BRT) a las estimaciones de costes en la fase inicial de un proyecto de construcción para examinar la aplicabilidad del enfoque boosting a un problema de regresión en el ámbito de la construcción. Para evaluar el rendimiento del modelo BRT, se comparó su rendimiento con el de un modelo de red neuronal (NN), que ha demostrado tener un alto rendimiento en los dominios de estimación de costes. El modelo BRT ha mostrado resultados similares a los del modelo NN utilizando 234 conjuntos de datos de costes reales de un proyecto de construcción de edificios. Además, el modelo BRT puede proporcionar información adicional, como el gráfico de importancia y el modelo de estructura, que puede ayudar a los estimadores a comprender el proceso de toma de decisiones. En consecuencia, el enfoque de refuerzo tiene una potencial aplicabilidad en las estimaciones de costes preliminares en un proyecto de construcción de edificios.

• Materias:Inteligencia artificial Algoritmos genéticos Ingeniería civil Neurociencia Cognitiva
• Subjects:Artificial intelligence Genetic algorithms Civil engineering Cognitive Neuroscience
• Palabras claves:modelo brt, proyecto de construcción de edificios, dominio de la construcción, problema de regresión, enfoque, estimación de costes, técnicas de minería de datos, estimación preliminar de costes, dominio de estimación de costes, algoritmo de aprendizaje efectivo
• Keywords:brt model, building construction project, construction domain, regression problem, approach, cost estimation, data mining techniques, preliminary cost estimation, cost estimation domain, effective learning algorithm