Предметной областью статьи является управление жизненным циклом объектов малоэтажного жилищного строительства, где предмет рассмотрения представляет собой специальные задачи на основе нейросетей в технологиях управления жизненным циклом объектов малоэтажного жилищного строительства. Объектом исследования данной статьи выступает задача применения нейросетей для снижения энергозатратности строительных систем объектов малоэтажного жилищного строительства, используя методику функционально-энергетического анализа для выявления резервов энергозатратности в конструкциях строительных систем. Данная задача рассматривается авторами как важнейшая специальная задача применения алгоритмов искусственного интеллекта в строительной сфере. Цель и основной вывод статьи заключен в формулировке тезиса, что специализированный искусственный интеллект, являясь инновацией, направленной на совершенствование производства основной строительной продукции через повышение скорости принятия решений, будет способствовать переходу производства объектов малоэтажного жилищного строительства в новый технологический уклад. Авторы используют методологию К-процессов и показывают, что среда больших данных для обучения и управления качеством нейросетей обеспечивается множеством информационных моделей вариантов объектов строительства и практически формируется на основе методологии К-процессов автоматизированных технологий в жизненном цикле таких объектов. Авторы предлагают тип архитектуры нейросети и реляционную модель весовых коэффициент энергозатрат конструкций по вариантам объектов малоэтажного строительства для алгоритма специальной задачи искусственного интеллекта по снижению энергозатратности авторской строительной системы «Экодом», основанной на применении в конструкциях монолитных композиционных гипсобетонов. Авторами делается вывод о том, приоритетный резерв снижения энергозатратности в строительстве в условиях роста стоимости энергии с высокой долей вероятности заключен в снижении этажности жилья.
The domain area of the article is life cycle management of low-rise housing construction facilities, where the subject of consideration are special tasks based on neural networks in technologies for managing the life cycle of low-rise housing construction facilities. The object of the article’s research is the task to reduce energy consumption of low-rise housing construction facilities based on methodology of functional and energy analysis to identify energy consumption reserves in the of construction system structures using neural networks. This task is considered by the authors as the most important special task of applying artificial intelligence algorithms in the construction sector. The purpose and main conclusion of the article is to formulate the thesis that specialized artificial intelligence, being an innovation aimed at improving the production of main construction products by increasing the speed of decision-making, will facilitate the transition of low-rise housing construction facilities to a new technological order. The authors use the K-process methodology and show that the big data environment for training and quality management of neural networks is provided by a variety of buildings information models and is practically formed on the base of automated technologies K-process in the lifecycle of such facilities. The authors propose a type of neural network architecture and a relational model of the low-rise construction options structures energy consumption weighting coefficients for an algorithm for a special artificial intelligence task to reduce the structures energy consumption of the author's «Eco-house» construction system based on the use of monolithic composited gypsum concrete. The authors conclude the priority reserve for reducing energy consumption in construction in the face of rising energy costs is likely to consist in reducing the number of floors of housing.