Evaluación de redes neuronales artificiales y otros métodos de aprendizaje automático para la predicción de costos en proyectos de consultoría de obras fluviales

En la presente investigación, se hace uso de redes neuronales artificiales (RNA) y otros métodos de Machine Learning (ML) como instrumento de lecciones aprendidas en la predicción de los costos de ejecución para proyectos de consultoría de obras fluviales. Para ello, se plantearon diferentes modelos...

Full description

Autores:: Coronado Herrera, Johan

Tipo de recurso:: Trabajo de grado de pregrado

Fecha de publicación:: 2024

Institución:: Universidad Militar Nueva Granada

Repositorio:: Repositorio UMNG

Idioma:: spa

Description
Summary:	En la presente investigación, se hace uso de redes neuronales artificiales (RNA) y otros métodos de Machine Learning (ML) como instrumento de lecciones aprendidas en la predicción de los costos de ejecución para proyectos de consultoría de obras fluviales. Para ello, se plantearon diferentes modelos de RNA modificando, arquitecturas, funciones de entrenamiento y activación con optimización de hiperparámetros, hallando que el mejor desempeño según las métricas Huber Loss y error cuadrático medio se da para la función de activación Relu y optimizador RMSprop, no obstante, se evidencia que los modelos RNA no generalizaron correctamente, lo que llevó a la implementación de modelos menos robustos como Random Forest (RF), y más robustos por medio del ensamble entre RNA y RF. El estudio reveló que para una base de datos real y limitada, no es conveniente la aplicación de RNA o ensambles, puesto que, en el proceso de entrenamiento para la captura de los patrones de los datos, los modelos no tienen información suficiente, lo que limita su aprendizaje, en consecuencia, para aplicar este tipo de modelos se requiere de un gran volumen de datos para capturar los patrones representativos y diferenciarlos de los ruidos. Desde la gerencia de proyectos, al hacer uso de referentes de ML se reconocen las lecciones aprendidas de proyectos anteriores a partir de datos históricos de costos de los proyectos, con los cuales, se pretenden optimizar presupuestos, recursos, sobrecostos, facilitar la toma de decisiones y ampliar la base de datos para que, a largo plazo, los nuevos proyectos de consultoría se integren y mejoren la capacidad predictiva por medio de RNA.

Evaluación de redes neuronales artificiales y otros métodos de aprendizaje automático para la predicción de costos en proyectos de consultoría de obras fluviales

Publicaciones similares