Издаётся с сентября 1923 года
DOI: 10.33622/0869-7019
Russian Science Citation Index (RSCI) на платформе Web of Science


  • ИНФОРМАЦИОННЫЕ СИСТЕМЫ В СТРОИТЕЛЬСТВЕ
  • «Большие данные» и машинное обучение при управлении рисками невыполнения обязательств по контрактам в строительной отрасли
  • УДК 004.62:004.85 DOI: 10.33622/0869-7019.2019.05.81-87
    Николай Александрович ИВАНОВ, кандидат технических наук, доцент, e-mail: IvanovNA@mgsu.ru
    ФГБОУ ВО «Национальный исследовательский Московский государственный строительный университет», 129337 Москва, Ярославское ш., 26
    Марина Леонидовна ВАЛПЕТЕРС, бизнес-аналитик, e-mail: mvalpeters@gmail.com
    OOO «САС Институт», 109004 Москва, ул. Станиславского, 21, стр. 1
    Иван Александрович КИРЕЕВ, старший системный аналитик, e-mail: ivkireev@yandex.ru
    АО «Райффайзенбанк», 129090 Москва, ул. Троицкая, 17, стр. 1
    Аннотация. Технологии "больших данных" (Big Data) в настоящее время находят применение в различных отраслях экономики. В строительной сфере технологии больших данных могут быть использованы для определения вероятности исполнения контракта на этапе его заключения. Подрядчик не может гарантировать выполнение контракта. Это накладывает определенные риски на заказчика. В статье рассматривается применимость методов машинного обучения к задаче определения вероятности успешного завершения контракта. Предпринята попытка выявить факторы, влияющие на возможность срыва контракта и формирования корректирующих действий. Для решения поставленной задачи использовались линейные и нелинейные алгоритмы, осуществлялся выбор и преобразование классификационных признаков. Результатом исследования стали разработанные авторами статьи прогностические модели с предсказательной силой, в основу которых легли такие алгоритмы машинного обучения, как логистическая регрессия, дерево решений, случайный лес решений. Проведена проверка адекватности моделей на данных официального сайта единой информационной системы в сфере закупок. Установлена возможность использования полученной модели для решения поставленной задачи, а также выполнена обобщенная оценка основных результатов. Предложенные модели имеют потенциал для практического использования в строительных организациях на этапе заключения контрактов.
    Ключевые слова: большие данные, машинное обучение, управление рисками, контракт, строительство.
  • ЛИТЕРАТУРА
    1. Гневанов М. В., Иванов Н. А. Технологии "больших данных" (Big Data) и их применение в градостроительном планировании // Промышленное и гражданское строительство. 2018. № 4. С. 83-87.
    2. Konikov A., Konikov G. Big Data is a powerful tool for environmental improvements in the construction business [Big Data - мощный инструмент для улучшения окружающей среды в строительном бизнесе] // IOP Conference. Series: Earth and Environmental Science. 2017. Vol. 90. № 1. Pp. 012184. DOI: 10.1088/1755-1315/90/1/012184.
    3. Youseok Kang, Jiayan Yu, Jiarui Chang. Big Data analytics in civil engineering: the case of china [Анализ больших данных в строительстве] // SSRG International Journal of Civil Engineering. 2017. Vol. 4. Iss. 10. Pp. 1-6. DOI: 10.14445/23488352/IJCE-V4I10P101.
    4. Староверов В. В. Открытые данные // International Journal of Open Information Technologies. 2016. № 4(10). С. 62-68.
    5. FTP-сервер. URL: ftp://free:free@zakupki.gov.ru (дата обращения: 28.01.2019).
    6. Маккинни У. Python и анализ данных. М. : ДМК Пресс, 2015. 482 с.
    7. Портал знаний StatSoft Russia. URL: http://statistica.ru/theory/lognormalnoe-raspredelenie/ (дата обращения: 28.01.2019).
    8. Открытый курс машинного обучения компании OPEN DATA SCIENCE. Тема 6. Построение и отбор признаков. URL: https://m.habrahabr.ru/company/ods/blog/325422/ (дата обращения: 28.01.2019).
    9. Софронова В. В. Оценка дефолта заемщика // Финансовая аналитика: проблемы и решения. 2016. № 3. C. 39-48.
  • Для цитирования: Иванов Н. А., Валпетерс М. Л., Киреев И. А. "Большие данные" и машинное обучение при управлении рисками невыполнения обязательств по контрактам в строительной отрасли // Промышленное и гражданское строительство. 2019. № 5. С. 81-87. DOI: 10.33622/0869-7019.2019.05.81-87.

НАЗАД