Previsione della posizione ottimale dell'edificio con ANN ad autoapprendimento

La rapida urbanizzazione e le progettazioni complesse spingono il settore edilizio ad adottare l'IA e il ML per ottenere soluzioni più rapide, sicure ed efficienti dal punto di vista dei costi. In questo libro di ricerca, sono stati utilizzati i rapporti di indagine del suolo per definire i parametri specifici del sito e sono stati analizzati 10 casi distinti di edifici utilizzando un software di analisi degli edifici, ciascuno con una rigidità della molla (K) individuale. È stato sviluppato un approccio ML basato su Python per prevedere le configurazioni strutturali ottimali a più piani, concentrandosi sulla forza assiale delle colonne. Il codice AI-ML, composto da due fasi, identifica gli input, genera grafici utilizzando Matplotlib v3.10.3 e confronta i valori previsti con quelli effettivi per valutare MSE e R². La pre-elaborazione dei dati ha utilizzato Pandas v2.0.3 e NumPy v1.26.4, mentre i modelli di regressione lineare e di RNA (TensorFlow v2.16.1, sklearn v1.3.0) sono stati addestrati su una ripartizione 80:20. La RNA ha ottenuto un MSE pari a 0 e un R² pari a 1, dimostrando un'accuratezza e un'efficienza superiori per l'ottimizzazione della progettazione strutturale.