Název:
Klasifikace ocelových styčníků v aplikaci IDEA StatiCa
Překlad názvu:
Classification of Steel Connections in IDEA StatiCa Application
Autoři:
Nekut, Tomáš ; Rozman, Jaroslav (oponent) ; Zbořil, František (vedoucí práce) Typ dokumentu: Bakalářské práce
Rok:
2020
Jazyk:
cze
Nakladatel: Vysoké učení technické v Brně. Fakulta informačních technologií
Abstrakt: [cze][eng]
Cílem práce bylo navrhnout a implementovat aplikaci schopnou predikovat nejvhodnější typ spojení dvou ocelových prvků. Tato informace by mohla sloužit jako nápověda pro statika a zjednodušit mu tak návrh ocelové konstrukce. Vytvořená aplikace umožňuje automatické zpracovávání hotových projektových souborů, na kterých statikové pracovali, a přípravu datové sady extrakcí příznaků ze získaných dat. Dále je schopna na datové sadě natrénovat neuronovou síť a použít ji k predikci vhodného typu spojení doposud nespojených ocelových prvků. Během práce se podařilo dospět k nejvyšší úspěšnosti natrénovaného modelu 81 %. Predikce typu spojení pomocí umělé inteligence se zatím běžně nepoužívá, ale jak ukazuje i tato práce, tento postup by mohl fungovat a mohl by být použitelný.
The goal of this thesis was to design and implement application which would be able to predict the most suitable connection type of two steel members. This information could be used as a clue by a structural engineer and so make design of steel construction easier for him. Implemented application is able to automatically process finished project files that were created by structural engineers and prepare a data set by extracting features from them. The application is then able to train a neural network on this data set and using it predict suitable connection type of unconnected steel members. The precision of model finally reached 81 %. Prediction of connection types using artificial intelligence is not widely used yet but could work and could be possibly usable as is shown also in this thesis.
Klíčová slova:
klasifikace; neuronová síť; ocelový styčník; predikce spoje; classification; joint prediction; neural network; steel connection
Instituce: Vysoké učení technické v Brně
(web)
Informace o dostupnosti dokumentu:
Plný text je dostupný v Digitální knihovně VUT. Původní záznam: http://hdl.handle.net/11012/191542