Сравнительный анализ интеллектуальных систем оценки технического состояния строительных конструкций
Сравнительный анализ интеллектуальных систем оценки технического состояния строительных конструкций
DOI:
https://doi.org/10.22337/2077-9038-2026-3-160-170Ключевые слова:
оценка технического состояния, строительные конструкции, системы поддержки принятия решений, искусственный интеллект, гибридные системыАннотация
Статья посвящена проблеме объективной оценки технического состояния конструкций и зданий. Традиционные методы диагностики опираются на опыт эксперта и часто приводят к субъективным и несопоставимым результатам. В статье исследуются возможности интеллектуальных технологий для создания объективных автоматизированных систем поддержки принятия решений. Такие системы способны выступать в роли интеллектуальных ассистентов, предоставляя эксперту аналитически обоснованные рекомендации о техническом состоянии обследуемых конструкций.
В статье представлен обзор пяти ключевых подходов: экспертные системы, вероятностно-статистические методы, теории нечётких множеств и нечёткой логики, искусственные нейронные сети и гибридные системы. На основе анализа научных публикаций выполнено сравнение методов по восьми критериям (работа с данными, объективность, объяснимость, гибкость и др.). Установлено, что наиболее перспективными являются гибридные системы, сочетающие нейронные сети с нечёткой логикой, которые обеспечивают высокую точность, адаптивность и интерпретируемость результатов.
Библиографические ссылки
1. Тонков, И.Л. Актуальные проблемы оценки технического состояния строительных конструкций / И.Л. Тонков, Ю.Л. Тонков. DOI: 10.15593/2409-5125/2017.03.07 // Вестник Пермского национального исследовательского политехнического университета. Прикладная экология. Урбанистика.
2017. № 3. С. 94–104.
Tonkov I., Tonkov Yu. Actual Problems Of Technical Evaluation Of Building Constructions. In: Bulletin of PERM National Research Polytechnic University. Applied Ecology. Urban Development, 2017, no. 3, pp. 94–104. DOI: 10.15593/2409-5125/2017.03.07. (In Russ., abstr. in Engl.)
2. Крылов, С.А. Автоматизация диагностирования причин возникновения дефектов на фасадах кирпичных зданий с применением технологий искусственного интеллекта / С.А. Крылов, Г.Г. Кашеварова. DOI: 10.15593/2409-5125/2023.04.05 // Вестник Пермского национального исследовательского политехнического университета. Прикладная экология. Урбанистика. – 2023. – № 4. С. 51–62.
Krylov S., Kashevarova G. Automation of Diagnosing the Causes of Defects on the Facades of Brick Buildings Using Artificial Intelligence Technologies. In: Bulletin of PERM National Research Polytechnic University. Applied Ecology. Urban Development, 2023, no. 4, pp. 51–62. DOI: 10.15593/2409- 5125/2023.04.05.
3. Кашеварова, Г.Г. «Искусственный интеллект», или «логические рассуждения и разумные решения» в технической диагностике объектов строительства / Г.Г. Кашеварова. DOI: 10.22337/2077-9038-2023-4-166-180 // Academia. Архитектура и строительство. 2023. № 4. С. 166–180.
Kashevarova G.G. "Artificial Intelligence" or "Logical Discussion and Reasonable Solutions" in Technical Diagnostics of Construction Projects. In: Academia. Architecture and Construction, 2023, no. 4, pp. 166–180. DOI: 10.22337/2077-9038-2023-4-166-180. 4. Кашеварова, Г.Г. Автоматизированный поиск чёткого значения категории технического состояния строительных конструкций в задачах экспертного заключения / Г.Г. Кашеварова, Ю.Л. Тонков // Строительство и реконструкция. 2016. № 6 (68). С. 57–70. Kashevarova G., Tonkov Yu. Automated Search of Clear-Cut Value Category Technical Condition of Constructions in Problems of Expert Opinions. In: Building and Reconstruction, 2016, no. 6 (68), pp. 57–70. (In Russ., abstr. in Engl.)
5. Хальясмаа, А.И. А. Разработка интеллектуальной системы оценки технического состояния электросетевого оборудования / А.И. Хальясмаа, С.А. Дмитриев // Электроэнергетика глазами молодёжи : труды VI международной научно-технической конференции. Иваново, 09–13 ноября 2015 г. Иваново : Ивановский государственный энергетический университет им. В.И. Ленина, 2015. С. 610–615.
Khalyasmaa A., Dmitriev S. Development of Intellectual System of Electrical Grid Equipment Technical State Assessment. In: Electric Power Engineering through the Eyes of Youth, Ivanovo, November 9–13, 2015. Ivanovo, Ivanovo State Power Engineering University named after V.I. Lenin Publ., 2015, pp. 610–615. (In
Russ., abstr. In Engl.)
6. Marcher, C. Decision Support in Building Construction : A Systematic Review of Methods and Application Areas / C. Marcher, A. Giusti, D.T. Matt. DOI:10.3390/buildings10100170 // Buildings. 2020. № 10 (10). P. 170. URL: https://clck.ru/3VLChw (дата обращения 20.08.2026).
Marcher C., Giusti A., Matt D.T. Decision Support in Building Construction: A Systematic Review of Methods and Application Areas. In: Buildings, 2020, no. 10 (10), p. 170. DOI: 10.3390/buildings10100170. URL: https://clck.ru/3VLChw (Accessed 08/20/2026). (In Engl.)
7. Artificial Neural Network Application in Construction and the built Environment: a Bibliometric Analysis / A.K. Kaushik, R. Islam, S. ElBahy [и др.]. DOI: 10.3390/buildings14082423 // Buildings. 2024. №14. P. 2423. URL: https://clck.ru/3VLDLY (дата обращения 20.08.2026).
Kaushik, A.K., Islam, R., ElBahy, S. et al. Artificial Neural Network Application in Construction and the Built Environment: a Bibliometric Analysis. In: Buildings, 2024, no. 14, p. 2423. DOI:10.3390/buildings14082423. URL: https://clck.ru/3VLDLY (Accessed 08/20/2026). (In Engl.)
8. Кашеварова, Г.Г. Экспертная система для практической диагностики строительных конструкций / Г.Г. Кашеварова, Ю.Л. Тонков. DOI: 10.22337/2077-9038-2022-1-85-91 // Academia. Архитектура и строительство. 2022. № 2. С. 85–91.
Kashevarova G.G., Tonkov Y.L. Expert System for Practical Diagnostics of Building Structures. In: Academia. Architecture and Construction, 2022, no. 2, pp. 85–91. DOI: 10.22337/2077-9038-2022-1-85-91. (In Russ., abstr. in Engl.)
9. Maher, M.L. Expert Systems for Structural Design. In: Journal of Computing in Civil Engineering, 1987, no. 1 (4), pp. 270–283.
Maher M.L. Expert Systems for Structural Design / M.L. Maher. In: Journal of Computing in Civil Engineering, 1987, № 1 (4), P. 270–283. (In Engl.)
10. Соколов, В.А. Вероятностный анализ технического состояния кирпичных стен зданий старой городской застройки / В.А. Соколов // Строительство и реконструкция. 2015. № 1 (57). С. 65–73.
Sokolov V. Probabilistic Analysis of the Technical State of the Brick Walls of the Old City Building. In: Building and Reconstruction, 2015, no. 1 (57), pp. 65–73. (In Russ., abstr. in Engl.)
11. Соколов, В.А. Оценка технического состояния строительных конструкций зданий на основе многоуровневого вероятностного анализа / В.А. Соколов // Инженерно-строительный журнал. 2011. № 7 (25). С. 45–51.
Sokolov V.A. Building Systems Technical Condition Assessment Based on the Multilevel Probabilistic Analysis. In: Magazine of Civil Engineering, 2011, № 7 (25), pp. 45–51. (In Russ., abstr. in Engl.)
12. Биргер, И.А. Техническая диагностика / И.А. Биргер. М. : Машиностроение, 1978. 240 с.
Birger I.A. Technical Diagnostics. Moscow, Mashinostroenie Publ., 1978, 240 p. (In Russ.)
13. Кофман, А. Введение в теорию нечётких множеств / А. Кофман ; пер. с франц. М. : Радио и связь, 1982. 432 c.
Kofman A. Introduction to the Theory of Fuzzy Sets, trans. from French. Moscow, Radio i Svyaz' Publ., 1982, 432 p. (In Russ.)
14. Конышева, Л.K. Основы теории нечётких множеств : учебное пособие / Л.K. Конышева, Д.М. Назаров. СПб. : Питер, 2011. 192 с.
Konysheva L.K., Nazarov D.M. Fundamentals of the Theory of Fuzzy Sets. St. Petersburg, Piter Publ., 2011, 192 p. (In Russ.)
15. Заде, Л.А. Понятие лингвистической переменной и её применение к понятию приближенных решений / Л. Заде. М. : Мир, 1976. 165 с.
Zade L.A. The Concept of a Linguistic Variable and Its Application to the Concept of Approximate Solutions. Moscow, Mir Publ., 1976, 165 p. (In Russ.)
16. Солдатенко, Т.Н. Модель идентификации и прогноза дефектов строительной конструкции на основе результатов её обследования / Т.Н. Солдатенко // Инженерно-строительный журнал. 2011. № 7 (25). С. 52–61.
Soldatenko T.N. Model of Identification and Prediction of Building Design Defects on the basis of Its Inspection Results. In: Magazine of Civil Engineering, 2011, №7 (25), pp. 52–61. (In Russ., abstr. in Engl.)
17. Malek, M. Fuzzy Logic Approach to Risk Assessment Associated with Concrete Deterioration / Mag Malek, M. Tumeo, J. Saliba. DOI: 10.1061/AJRUA6.0000811 // ASCE-ASME Journal of Risk and Uncertainty in Engineering Systems. 2015. №1 (1). P. 04014004. URL: https://ascelibrary.org/doi/10.1061/
AJRUA6.0000811 (дата обращения 20.08.2026).
Malek M., Tumeo M., Saliba J. Fuzzy Logic Approach to Risk Assessment Associated with Concrete Deterioration. In: ASCE-ASME Journal of Risk and Uncertainty in Engineering Systems, 2015, № 1 (1), p 04014004. DOI:10.1061/AJRUA6.0000811. URL: https://ascelibrary.org/doi/10.1061/AJRUA6.0000811 (Accessed 08/20/2026). (In Engl.)
18. Кашеварова, Г.Г. Интеллектуальные технологии в обследовании строительных конструкций / Г.Г. Кашеварова, Ю.Л. Тонков. DOI:10.22337/2077-9038-2018-1-92-99 // Academia. Архитектура и Строительство. 2018. № 1. С. 92–99.
Kashevarova G.G., Tonkov Y.L. Intelligent Technologies in the Examination of Construction Structures. In: Academia. Architecture and Construction, 2018, no. 1, pp. 92–99. DOI:10.22337/2077-9038-2018-1-92-99. (In Russ., abstr. in Engl.)
19. Тур, В.В. Экспертная система оценки существующих конструкций, основанная на элементах нечеткой логики / В.В. Тур, Ю.С. Яловая. DOI:10.18720/CUBS.81.1 // Строительство уникальных зданий и сооружений. 2019. № 6 (81). С. 7–17. URL: https://elibrary.ru/item.asp?id=42582638 (дата обращения 20.08.2026).
Tur V.V., Yalavaya Y.S. Fuzzy Logic – Based Expert System for Assessment of Existing Concrete Structures. In: Construction of Unique Buildings and Structures, 2019, no. 6 (81), pp. 7–17. DOI:10.18720/CUBS.81.1. URL: https://elibrary.ru/item.asp?id=42582638 (Accessed 08/20/2026). (In Engl., abstr. in Russ.)
20. Buildings, Causalities, and Injuries Innovative Fuzzy Damage Model during Earthquakes / Shahmirani M.R.A., Rashti A.A.N., Ramezani M., Golafshani E.M. DOI:10.1155/2022/4746587 // Shock and Vibration. 2022. P. 4746587. URL: https://clck.ru/3VLKBo (дата обращения 20.08.2026).
Shahmirani, M.R.A., Rashti, A.A.N., Ramezani, M., Golafshani, E.M. Buildings, Causalities, and Injuries Innovative Fuzzy Damage Model during Earthquakes. In: Shock and Vibration, 2022, p. 4746587. DOI:10.1155/2022/4746587. URL: https://clck.ru/3VLKBo (Accessed 08/20/2026). (In Engl.)
21. Assessment of the Technical Condition of Heritage Buildings with the Use of Fuzzy Logic / M. Lendo-Siwicka, R. Trach, P. Katarzyna [и др.] // Archives of Civil Engineering. 2023. № 69 (2). P. 123 –140. DOI:10.24425/ace.2023.145257. URL: https://clck.ru/3VLKJD (дата обращения 20.08.2026).
Lendo-Siwicka, M., Trach, R., Katarzyna, P. et al. Assessment of the Technical Condition of Heritage Buildings with the Use of Fuzzy Logic. In: Archives of Civil Engineering, 2023, no. 69 (2), pp. 123–140. DOI:10.24425/ace.2023.145257. URL: https://clck.ru/3VLKJD (Accessed 08/20/2026). (In Engl.)
22. A Hybrid BIM-Fuzzy Model for Enhanced Assessment of Building Element Conditions / M.A. Hosseini, M. Ravanshadnia, M. Rahimzadegan, S. Ramezani. DOI: 10.1061/JCCEE5.CPENG-6254// Journal of Computing in Civil Engineering. 2025. № 39 (3). P. 04025029. URL: https://clck.ru/3VLKYm (дата обращения 20.08.2026).
Hosseini M.A., Ravanshadnia M., Rahimzadegan M., Ramezani S. A Hybrid BIM-Fuzzy Model for Enhanced Assessment of Building Element Conditions. In: Journal of Computing in Civil Engineering, 2025, no. 39 (3), p. 04025029. DOI: 10.1061/JCCEE5.CPENG-6254. URL: https://clck.ru/3VLKYm (Accessed 08/20/2026). (In Engl.)
23. Крылов, С.А. Автоматизация процесса оценки технического состояния наружных стен кирпичных зданий с использованием технологии машинного обучения / С.А. Крылов, Г.Г. Кашеварова. DOI:10.21822/2073-6185-2025-52-3-61-70 // Вестник Дагестанского государственного технического университета. Технические науки. 2025. Т. 52, № 3. С. 61–70.
Krylov S., Kashevarova G. Automating the Process of Assessing the Technical Condition of Exterior Walls of Brick Buildings Using Machine Learning. In: Herald of Daghestan State Technical University. Technical Sciences, 2025, Vol. 52, no. 3, pp. 61–70. (In Russ., abstr. in Engl.)
24. Jia, J. Deep Learning for Structural Health Monitoring: Data, Algorithms, Applications, Challenges, and Trends / J. Jia, Y. Li. DOI:10.3390/ s23218824 // Sensors. 2023. № 23. P. 8824. URL: https://clck.ru/3VLL7q (дата обращения 20.08.2026).
Jia J., Li Y. Deep Learning for Structural Health Monitoring: Data, Algorithms, Applications, Challenges, and Trends. In: Sensors, 2023, no. 23, p. 8824. DOI:10.3390/ s23218824. URL: https://clck.ru/3VLL7q (Accessed 08/20/2026). (In Engl.)
25. Chomacki, L. Selected Artificial Intelligence Methods in the Risk Analysis of Damage to Masonry Buildings Subject to Long-Term Underground Mining Exploitation / L. Chomacki, J. Rusek, L. Słowik. DOI:10.3390/min11090958// Minerals. 2021. № 11. P. 958. URL: https://clck.ru/3VLLFW (дата обращения 20.08.2026).
Chomacki L., Rusek J., Słowik L. Selected Artificial Intelligence Methods in the Risk Analysis of Damage to Masonry Buildings Subject to Long-Term Underground Mining Exploitation. In: Minerals, 2021, no. 11, p. 958. / L. Chomacki, J. Rusek, L. Słowik.
DOI:10.3390/min11090958// Minerals. 2021. № 11. P. 958. URL: https://clck.ru/3VLLFW (Accessed 08/20/2026). (In Engl.)
26. Condition Prediction for Existing Educational Facilities Using Artificial Neural Networks and Regression Analysis / A.M. Hassan, K. Adel, A. Elhakeem, M.I.S. Elmasry. DOI:10.3390/buildings12101520 // Buildings. 2022. № 12. P. 1520. URL: https://clck.ru/3VLLQR (дата обращения 20.08.2026).
Hassan A.M., Adel K., Elhakeem A., Elmasry M.I.S. Condition Prediction for Existing Educational Facilities Using Artificial Neural Networks and Regression Analysis. In: Buildings, 2022, 12, p. 1520. DOI:10.3390/buildings12101520. URL: https://clck.ru/3VLLQR (Accessed 08/20/2026). (In Engl.)
27. Кашеварова, Г.Г. Определение категории технического состояния строительных конструкций зданий перегрузочных узлов калийных солей на основе многолетнего мониторинга с использованием нейронных сетей / Г.Г. Кашеварова, В.Ю. Платунов, С.А. Крылов // Вестник Приволжского территориального отделения Российской академии архитектуры и строительных наук : Сборник научных трудов. Нижний Новгород. 2024. Вып. 27.С. 212–218. URL: https://clck.ru/3VLLdh (дата обращения 20.08.2026).
Kashevarova G.G., Platunov V.Yu., Krylov S.A. Determination of the Category of Technical Condition of Building Structures of Potassium Salt Handling Units Based on Long-Term Monitoring Using Neural Networks. In: Bulletin of the Volga Territorial Branch of the Russian Academy of Architecture and Construction
Sciences, Collection of scientific papers. Nizhny Novgorod. 2024. Issue 27. pp. 212–218. URL: https://clck.ru/3VLLdh (Accessed 08/20/2026). (In Russ.)
28. Платунов, В.Ю. Определение остаточного ресурса зданий перегрузочных узлов в стальном каркасе, эксплуатирующихся в агрессивной среде предприятия калийной промышленности / В.Ю. Платунов, Г.Г. Кашеварова // Вестник Пермского национального исследовательского политехнического университета. Прикладная экология. Урбанистика. 2023. № 1(49). С. 41–52. DOI:10.15593/2409-5125/2023.01.04.
Platunov V., Kashevarova G. Determination of Residual Life of Steel-Framed Transshipment Unit Buildings Operated in the Aggressive Environment of the Potash Industry Enterprise. In: Bulletin of PERM National Research Polytechnic University. Applied Ecology. Urban Development, 2023, no. 1(49), pp. 41-52. DOI:10.15593/2409-5125/2023.01.04. (In Russ., abstr. in Engl.)
29. Begić Jurićić, H. Developing a Framework for Building Condition Assessment of Schools in Osijek-Baranja County /
H. Begić Jurićić, H. Krstić. DOI:10.3390/buildings15091511 // Buildings. 2025. № 15. P. 1511. URL: https://www.mdpi.com/2075-5309/15/9/1511 (дата обращения 20.08.2026).
Begić Jurićić, H., Krstić, H. Developing a Framework for Building Condition Assessment of Schools in Osijek-Baranja County. In: Buildings, 2025, no. 15, p. 1511. DOI:10.3390/buildings15091511. URL: https://www.mdpi.com/2075-5309/15/9/1511 (Accessed 08/20/2026). (In Engl.)
30. Explainable AI (XAI): Core Ideas, Techniques, and Solutions / R. Dwivedi, D. Dave, H. Naik [ и др.]. DOI:10.1145/3561048 // ACM Comput. Surv. 2023. № 55 (9). DOI: 10.1145/3561048. URL: https://clck.ru/3VLPrV (дата обращения 20.08.2026).
Dwivedi R., Dave D., Naik H. et al. Explainable AI (XAI): Core Ideas, Techniques, and Solutions. In: ACM Comput. Surv., 2023, no. 55 (9). DOI:10.1145/3561048. URL: https://clck.ru/3VLPrV (Accessed 08/20/2026). (In Engl.)
31. Making the black Box Transparent: State of the Art in Explainable Machine Learning for Structural Design and Assessment : [Preprint] / M.Z. Esteghamati, J. Wang, X. Wang, [и др.]. 2025. DOI:10.31224/5141. URL: https://clck.ru/3VLPvn (дата обращения 20.08.2026).
Esteghamati, M.Z., Wang, J., Wang, X. et al. Making the Black Box Transparent: State of the Art in Explainable Machine Learning for Structural Design and Assessment [Preprint], 2025. DOI: 10.31224/5141. URL: https://clck.ru/3VLPvn (Accessed 08/20/2026). (In Engl.)
32. Khan, S.A. Comprehensive Comparative Study of DGA Based Transformer Fault Diagnosis Using Fuzzy Logic and ANFIS Models / S.A. Khan, M.D. Equbal, T. Islam. DOI:10.1109/TDEI.2014.004478 // IEEE Transactions on Dielectrics and Electrical Insulation. 2015. № 22 (1). P. 590–596. URL: https://
clck.ru/3VLQ7k (дата обращения 20.08.2026). DOI:10.1109/TDEI.2014.004478.
Khan, S.A., Equbal, M.D., Islam, T.A Comprehensive Comparative Study of DGA Based Transformer Fault Diagnosis Using Fuzzy Logic and ANFIS Models. In: IEEE Transactions on Dielectrics and Electrical Insulation, 2015, no. 22 (1), pp. 590–596. DOI:10.1109/TDEI.2014.004478.URL: https://clck.ru/3VLQ7k (Accessed 08/20/2026). (In Engl.)
33. Хальясмаа, А.И. Система управления рисками электросетевой компании на основе адаптивного нейро-нечёткого вывода / А.И. Хальясмаа, Р.Т. Валиев, С.А Дмитриев // Материалы Международной конференции по мягким вычислениям и измерениям. Санкт-Петербург. : СПбГЭТУ «ЛЭТИ», 2017. Т.
2. С. 544–547.
Khalyasmaa A.I., Valiev R.T., Dmitriev S.A. GRId Company Risk Management System Based on Adaptive Neuro-Fuzzy Inference. In: Proceedings of the International Conference on Soft Computing and Measurement. St. Petersburg, ETU "LETI" Publ., 2017, Vol. 2, pp. 544–547. (In Russ., abstr. in Engl.)
34. Хальясмаа, А.И. Оценка эффективности методов искусственного интеллекта для оценки эффективности и реализуемости научно-технических решений и технологий / А.И. Хальясмаа, С.А. Ерошенко // Материалы Международной конференции по мягким вычислениям и измерениям. Санкт-
Петербург. : СПбГЭТУ «ЛЭТИ», 2017. Т 2. С. 526–529.
Khalyasmaa A.I., Eroshenko S.A. The Analysis of Efficiency of Artificial Intelligence Methods Application for an Assessment of Feasibility of Scientific and Technical Decisions and Technologies. In: Proceedings of the International Conference on Soft Computing and Measurement. St. Petersburg, ETU "LETI"
Publ., 2017, Vol. 2, pp. 526–529. (In Russ., abstr. in Engl.)
35. Using Hybrid Artificial Intelligence Approaches to Predict the Fracture Energy of concrete Beams / Qinghua Xiao, Congming Li, Shengxiang Lei [и др.]. DOI:10.1155/2021/6663767 // Advances in Civil Engineering. 2021. № 2. P. 1–12. URL: https://clck.ru/3VLQMS (дата обращения 20.08.2026).
Qinghua Xiao, Congming Li, Shengxiang Lei, et al. Using Hybrid Artificial Intelligence Approaches to Predict the Fracture Energy of Concrete Beams. In: Advances in Civil Engineering, 2021, no. 2, pp. 1–12. DOI:10.1155/2021/6663767. URL: https://clck.ru/3VLQMS (Accessed 08/20/2026). (In Engl.)
36. Нейро-нечёткая сеть для оценки остаточного ресурса тракторных двигателей / В.В. Побединский, Г.А. Иовлев, С.В. Ляхов, И.И. Голдина. DOI:10.18698/2542-1468-2022-2-120-130 // Лесной вестник. 2022. Т. 26, № 2. С. 120–130. URL: https://clck.ru/3VLQTK (дата обращения 20.08.2026).
Pobedinsky V.V., Iovlev G.A., Lyakhov S.V., Goldina I.I. Neuro-Fuzzy Network for Evaluating Tractor Engines Residual Life. In: Forestry Bulletin, 2022, Vol. 26, no. 2, pp. 120–130. DOI:10.18698/2542-1468-2022-2-120-130. URL: https://clck.ru/3VLQTK (Accessed 08/20/2026). (In Russ., abstr. in Engl.)
37. Monitor the Strength Status of Buildings Using Hybrid Machine Learning Technique / M.V.V. Rao, A. Chaparala, P.K. Jain [и др.]. DOI:10.1109/ACCESS.2023.3247499 // IEEE Access.2023. № 11. P. 26441–26458. URL: https://clck.ru/3VLQUv (дата обращения 20.08.2026).
Rao M.V.V., Chaparala A., Jain P.K., Karamti H., Karamti W. Monitor the Strength Status of Buildings Using Hybrid Machine Learning Technique. In: IEEE Access. 2023. №11. P. 26441-26458. DOI:10.1109/ACCESS.2023.3247499. URL: https://clck.ru/3VLQUv (Accessed 08/20/2026). (In Engl.)
Загрузки
Опубликован
Выпуск
Раздел
Лицензия
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-ShareAlike» («Атрибуция — Некоммерческое использование — На тех же условиях») 4.0 Всемирная.
