Resumen

En los últimos años, las predicciones del índice de costos de proyectos de ingeniería de construcción se están convirtiendo en temas de investigación importantes en el campo de la gestión de la construcción. Los métodos anteriores tienen limitaciones para reflejar de manera razonable la actualidad de los índices de costos de ingeniería. La red neuronal recurrente (RNN) pertenece a una red de series temporales, y el propósito del cálculo de transferencia de actualidad se logra a través de la compartición de pesos de pasos temporales. La red neuronal de memoria a largo y corto plazo (LSTM NN) resuelve las limitaciones de la RNN de la desaparición del gradiente y la incapacidad de abordar la dependencia a largo plazo bajo la premisa de tener las ventajas mencionadas anteriormente. El presente estudio propuso un nuevo marco basado en LSTM, para explorar la aplicabilidad y el mecanismo de optimización del algoritmo en el campo de la predicción de índices de costos. Se realizó una encuesta en Shenzhen, China

• Materias:Modelo de rigidez Desempeño estructural Fallas estructurales Estructuras de membrana
• Subjects:Stiffness model Structural performance Structural failures Membrane structures
• Palabras claves:Proyectos de ingeniería de construcción; Predicciones de índices de costos; Marco LSTM; Red de series temporales; índices de costos de ingeniería; Mecanismo de optimización
• Keywords:Construction engineering projects; Cost index predictions; LSTM framework; Time series network; Engineering cost indexes; Optimization mechanism