Resumen

La predicción científica y efectiva del consumo de agua de la ingeniería de construcción es de gran importancia para la gestión de los costos de construcción. Para abordar el alto consumo de agua y la alta incertidumbre de la demanda de agua en la construcción de proyectos, en el presente trabajo se propuso un modelo de predicción basado en la red neuronal de retropropagación (BP) mejorada por la optimización por enjambre de partículas (PSO). Para reducir la complejidad de las variables de entrada redundantes, este modelo determinó los principales factores influyentes en la demanda de agua mediante análisis de relación gris. La red neuronal BP optimizada por PSO se utilizó para obtener el valor predicho del intervalo de salida, lo que resolvió de manera efectiva las deficiencias del modelo de red neuronal BP, incluida su lenta velocidad de convergencia y su facilidad para caer en problemas de óptimos locales. Además, se simuló la data del intervalo de consumo de agua del Proyecto Taiyangchen ubicado en Xinyang, provincia de Henan, China

• Materias:Modelo de rigidez Desempeño estructural Fallas estructurales Estructuras de membrana
• Subjects:Stiffness model Structural performance Structural failures Membrane structures
• Palabras claves:Consumo de agua; Ingeniería de la construcción; Modelo de predicción; Red neuronal; Optimización de enjambre de partículas; Factores influyentes
• Keywords:Water consumption; Construction engineering; Prediction model; Neural network; Particle swarm optimization; Influencing factors