Model strojnega učenja za analizo hitrosti propadanja premostitvenih objektov na podlagi realnih podatkovRojec, Katarina Ana (Avtor) Kušar, Matej (Mentor) Brelih, Anja (Komentor) strojno učenjeumetna inteligencaOrange Data Miningupravljanje s cestno infrastrukturopremostitveni objektinapovedovanje propadanjaUmetna inteligenca v zadnjih letih pomembno spreminja številna področja, saj omogoča učinkovito analizo velikih količin podatkov, avtomatizacijo procesov in podporo pri sprejemanju odločitev. Čeprav njena uporaba hitro narašča, je v gradbeništvu še vedno manj razširjena kot v številnih drugih gospodarskih panogah. To predstavlja pomembno priložnost za razvoj novih pristopov, ki med drugim lahko izboljšajo načrtovanje, upravljanje in vzdrževanje infrastrukturnih objektov. Premostitveni objekti so med najpomembnejšimi elementi prometne infrastrukture, njihovo stanje pa neposredno vpliva na varnost, zanesljivost in učinkovitost prometnega omrežja. Zaradi staranja konstrukcij, naraščajočih prometnih obremenitev ter omejenih finančnih sredstev postaja pravočasno napovedovanje propadanja vse pomembnejše. Cilj diplomskega dela je bil razviti model umetne inteligence za analizo hitrosti propadanja premostitvenih objektov na podlagi realnih podatkov. Za pripravo in vrednotenje napovednih modelov je bila uporabljena programska oprema Orange Data Mining, kjer smo na podlagi izbranih atributov uporabili različne modele za napovedovanje. Rezultati kažejo, da lahko metode strojnega učenja podpirajo analizo propadanja premostitvenih objektov in predstavljajo pomemben del nove dobe gradbeništva.20262026-09-19 08:46:08Diplomsko delo/naloga188235sl