DSCostPred: un modelo de doble apilamiento para la predicción de costos de construcción

Área de la Ciencia:

• Ingeniería
• Gestión de la Construcción
• Ciencia de Datos

Sus antecedentes:

• La predicción de costos de construcción es crucial pero se complica por variables multidimensionales y dinámicas.
• Las relaciones no lineales y las interacciones entre las variables reducen la precisión de la predicción.

Objetivo del estudio:

• Desarrollar un método avanzado para la predicción precisa de los costos de proyectos de construcción.
• Abordar los desafíos que plantean las complejas interacciones de las variables y las diferencias funcionales.

Principales métodos:

• Se propuso un método de predicción de costos de construcción de doble apilamiento (DSCostPred).
• Se implementó el apilamiento de variables para la preclasificación para evitar interferencias.
• Se utilizó el apilamiento de modelos con diversos algoritmos para capturar interacciones complejas.
• Se integró el apilamiento de variables y modelos para predicciones colaborativas.

Principales resultados:

• DSCostPred demostró un rendimiento superior en comparación con los métodos clásicos en datos del mundo real.
• Los experimentos de ablación confirmaron la efectividad del enfoque de doble apilamiento.
• El análisis SHAP validó la viabilidad e interpretabilidad del método propuesto.

Conclusiones:

• El enfoque de doble apilamiento maneja eficazmente las complejas relaciones de variables en la predicción de costos de construcción.
• DSCostPred ofrece una solución robusta y precisa para proyectos de ingeniería y construcción.
• La clasificación de variables y la modelización de conjuntos son clave para mejorar la precisión de la predicción.