МЕТОД ОЦІНЮВАННЯ СТАНУ ЕЛЕМЕНТУ ІНЖЕНЕРНОЇ КОНСТРУКЦІЇ З ВИКОРИСТАННЯМ ПОЯСНЮВАЛЬНОГО ШТУЧНОГО ІНТЕЛЕКТУ ТА МУЛЬТИМОДАЛЬНИХ ДАНИХ

Анотація

У сучасних умовах розвитку технологій штучного інтелекту особливої актуальності набуває розробка інтелектуальних методів оцінювання технічного стану елементів інженерних конструкцій, здатних забезпечувати не лише автоматизовану класифікацію, а й інтерпретованість отриманих результатів. Це є важливим для задач моніторингу трубопроводів, будівельних конструкцій та інших відповідальних об’єктів, де своєчасне виявлення дефектів дозволяє знизити ризик аварійних ситуацій. Метою роботи є розробка підходу до оцінювання стану елемента інженерної конструкції з використанням методів машинного навчання та пояснювального штучного інтелекту на основі мультимодальних даних. У роботі сформовано набір даних, що включає частку дефектної області поверхні (DefectRatio), а також параметри вологості та температури. На основі цих ознак здійснювалося визначення технічного стану конструкції за трьома класами: «Норма», «Попередження» та «Критичний». Для побудови моделей класифікації використано алгоритми Random Forest, XGBoost, LightGBM, Support Vector Machine та Logistic Regression із застосуванням гіперпараметричної оптимізації та перехресної валідації. Експериментальні результати показали, що найвищу точність класифікації на тестовій вибірці забезпечили моделі Random Forest та XGBoost (0,90), тоді як Logistic Regression, SVM та LightGBM продемонстрували нижчі результати (0,80, 0,70 та 0,60 відповідно). Аналіз важливості ознак підтвердив домінуючу роль показника DefectRatio у формуванні класифікаційного рішення, тоді як параметри зовнішнього середовища мають допоміжний контекстний вплив. Для підвищення прозорості прийняття рішень застосовано підходи пояснювального штучного інтелекту, зокрема Permutation Importance, SHAP-аналіз та правило-орієнтовані пояснення, що дозволило отримати як глобальну, так і локальну інтерпретацію результатів роботи моделей. Отримані результати підтверджують доцільність використання поєднання машинного навчання, мультимодального аналізу та XAI для побудови інтелектуальних систем моніторингу технічного стану інженерних конструкцій.