Problem opóźnień w projektowaniu i realizacji obiektów mostowych jest powszechnie występujący. Identyfikacja przyczyn opóźnień w projektowaniu i realizacji obiektów mostowych i wczesna reakcja może przyczynić się do sprawnego przebiegu inwestycji ograniczając a nawet zapobiegając opóźnieniom. Celem głównym rozprawy jest budowa modeli umożliwiających prognozowanie opóźnień w realizacji obiektów mostowych w warunkach znajomości informacji ogólnych o obiekcie, jego parametrów technicznych oraz czynników powodujących opóźnienia. Na podstawie analizy literatury, materiałów badawczych oraz badań własnych podjęto rozważania budowy modeli predykcji opóźnień obiektów mostowych w oparciu o regresję wieloraką, drzewa regresyjne, maszynę wektorów nośnych (nuSVR), perceptron wielowarstwowy (MLP) oraz radialną sieć neuronową (RBF). Praca składa się z 7 rozdziałów. W rozdziale 1 przedstawiono problem badawczy dysertacji wraz z celami oraz tezą pracy. Rozdział 2 stanowi analizę stanu wiedzy w zakresie tematu pracy, przytoczenie definicji i uwarunkowań prawnych problematyki opóźnień oraz omówienie przyczyn powstawania opóźnień w budownictwie. Rozdział 3 zawiera opis badań własnych w zakresie powstawania przyczyn opóźnień oraz metodologię ich prowadzenia. Rozdział 4 zawiera założenia budowy modeli oraz opracowanie bazy danych, która posłużyła do modelowania opóźnień w oparciu o zakończone realizacje obiektów mostowych. W rozdziale 5 zaprezentowano budowę modeli predykcji opóźnień w realizacji obiektów mostowych w oparciu o przyjęte założenia do modelowania. Rozdział 6 stanowi analizę wybranego modelu w zakresie uczenia i testowania oraz jakości modelu. Dokonano również weryfikacji hipotez statystycznych dotyczących wybranego modelu.
Rozdział 7 to podsumowanie badań i analiz, wyszczególniono również wkład własny autora i oryginalne elementy pracy, a także wskazano dalsze kierunki badań. W efekcie przeprowadzonych w rozprawie doktorskiej badań i analiz można wnioskować, że spośród 5 zaproponowanych modeli predykcyjnych, najlepszą jakość wykazuje model zbudowany w oparciu o radialną sieć neuronową RBF, który to charakteryzował się najlepszym dopasowaniem predykcji do danych rzeczywistych.
Oryginalne elementy rozprawy to: usystematyzowanie stanu wiedzy obejmującego występowania opóźnień w realizacji obiektów mostowych, poddanie szczegółowej analizie opóźnień w realizacji obiektów mostowych, identyfikacja przyczyn opóźnień w realizacji obiektów mostowych, przeprowadzenie badań własnych z wykorzystaniem badań ankietowych, budowę bazy danych w oparciu o pozyskane w wyniku badań i analiz informacje, dotyczące zrealizowanych inwestycji mostowych oraz wykorzystanie wybranych metod sztucznej inteligencji do budowy modeli predykcji opóźnień w realizacji obiektów mostowych.
The problem of delays in the design and implementation of bridge structures is common. Identification of the causes of delays in the design and implementation of bridge structures and early response can contribute to the smooth course of the investment, limiting or even preventing delays. The main aim of the dissertation is to build models enabling forecasting delays in the construction of bridge structures, given the knowledge of general information about the facility, its technical parameters and factors causing delays. Based on the analysis of literature, research materials and own research, considerations were given to building delay prediction models for bridge structures based on multiple regression, regression trees, support vector machine (nuSVR), multi-layer perceptron (MLP) and radial neural network (RBF). The doctoral thesis consists of 7 chapters. Chapter 1 presents the research problem of the dissertation along with the objectives and thesis of the work. Chapter 2 analyzes the state of knowledge regarding the topic of the work, provides definitions and legal conditions for the issue of delays, and discusses the causes of delays in construction. Chapter 3 contains a description of own research on the causes of delays and the methodology of conducting it. Chapter 4 contains the assumptions for building models and the development of a database that was used to model delays based on completed bridge construction projects. Chapter 5 presents the construction of models for predicting delays in the construction of bridge structures based on the adopted modeling assumptions. Chapter 6 is an analysis of the selected model in terms of training and testing and model quality. Statistical hypotheses regarding the selected model were also verified. Chapter 7 is a summary of research and analyses, the author's own contribution and original elements of the work are also detailed, and further research directions are indicated. As a result of the research and analyzes carried out in the doctoral dissertation, it can be concluded that of the 5 proposed prediction models, the model based on the RBF radial neural network has the best quality and was characterized by the best fit of predictions to real data. The original elements of the dissertation include: systematization of the state of knowledge regarding the occurrence of delays in the implementation of bridge structures, subjecting a detailed analysis to delays in the implementation of bridge structures, identifying the causes of delays in the implementation of bridge structures, conducting own research using surveys, building a database based on data obtained as a result of research and analysis, information on completed bridge investments and the use of selected artificial intelligence methods to build prediction models for delays in the construction of bridge structures.
