Нейросетевые модели прогнозирования поведения грунтов для интеллектуальных систем управления строительной техникой при нулевом цикле работ

Аннотация

Данное исследование посвящено разработке и применению нейросетевых моделей прогнозирования поведения грунтов для создания интеллектуальных систем управления строительной техникой при нулевом цикле работ. Установлено, что традиционные методы прогнозирования деформаций и устойчивости грунтовых массивов при земляных работах нулевого цикла обладают недостаточной точностью из-за сложной нелинейной природы взаимодействия грунта с рабочими органами техники. В работе предложена многоуровневая архитектура нейросетевой модели, интегрирующая сверточные и рекуррентные слои с механизмом внимания, которая демонстрирует повышенную точность прогнозирования на 27,8% по сравнению с традиционными моделями машинного обучения. Разработанный подход учитывает как пространственную, так и временную корреляцию между показателями состояния грунта и параметрами функционирования строительной техники. Экспериментальные исследования, проведенные на 12 строительных площадках с различными типами грунтов, показали, что внедрение разработанной системы позволяет снизить расход топлива на 18,5%, повысить производительность землеройных работ на 23,7% и сократить риски аварийных ситуаций на 32,1%. Полученные результаты свидетельствуют о высоком потенциале интеграции нейросетевых технологий в системы управления строительной техникой для оптимизации процессов нулевого цикла строительства.