A review of metaheuristic optimized machine learning regression with applications in construction engineering

The article "A review of metaheuristic optimized machine learning regression with applications in construction engineering" aims at reviewing state-of-the-art research works involving the use of metaheuristic optimized machine learning regression models. Recent research articles published in the time period of 2019-2021 are surveyed. Research areas of construction material, construction management, structural engineering, geotechnical engineering, hydraulic engineering, and structural health monitoring are taken into account.
Nội dung trích xuất từ tài liệu:
A review of metaheuristic optimized machine learning regression with applications in construction engineering Hoang Nhat Duc, Ng. Quoc Lam, T. Văn Duc / Tạp chí Khoa học và Công nghệ Đại học Duy Tân 5(54) (2022) 43-49 43 5(54) (2022) 43-49 A review of metaheuristic optimized machine learning regression with applications in construction engineering Khảo sát các mô hình học máy được tối ưu hóa bởi các thuật toán tìm kiếm với ứng dụng cho phân tích hồi quy trong ngành xây dựng Hoang Nhat Duca,b*, Nguyen Quoc Lama,b, Tran Van Ducb,c Hoàng Nhật Đứca,b*, Nguyễn Quốc Lâma,b, Trần Văn Đứcb,c a Institute of Research and Development, Duy Tan University, Da Nang, 550000, Vietnam a Viện Nghiên cứu và Phát triển Công nghệ Cao, Đại học Duy Tân, Đà Nẵng, Việt Nam b Faculty of Civil Engineering, Duy Tan University, Da Nang, 550000, Vietnam b Khoa Xây dựng, Trường Đại học Duy Tân, Đà Nẵng, Việt Nam c International School, Duy Tan University, Da Nang, 550000, Vietnam c Viện Đào tạo Quốc tế, Trường Đại học Duy Tân, Đà Nẵng, Việt Nam (Ngày nhận bài: 09/12/2021, ngày phản biện xong: 25/5/2022, ngày chấp nhận đăng: 10/8/2022) Abstract Regression analysis is an essential task in construction engineering. This article aims at reviewing state-of-the-art research works involving the use of metaheuristic optimized machine learning regression models. Recent research articles published in the time period of 2019-2021 are surveyed. Research areas of construction material, construction management, structural engineering, geotechnical engineering, hydraulic engineering, and structural health monitoring are taken into account. It is expected that the present review would enhance interest among the new users in the application of metaheuristic optimized machine learning regression approaches. Keywords: Machine learning; regression analysis; metaheuristics; hybrid intelligence; construction engineering. Tóm tắt Phân tích hồi quy là một nhiệm vụ quan trọng trong kỹ thuật xây dựng. Bài báo này khảo sát các công trình nghiên cứu liên quan đến việc sử dụng các mô hình hồi quy dựa trên máy học được tối ưu hóa bởi thuật toán tìm kiếm hiện đại. Các bài báo nghiên cứu gần đây được xuất bản trong khoảng thời gian 2019-2021 được khảo sát. Các lĩnh vực nghiên cứu về vật liệu xây dựng, quản lý xây dựng, kỹ thuật kết cấu, địa kỹ thuật, kỹ thuật thủy lực và giám sát sức khỏe kết cấu được xem xét. Bài khảo sát của chúng tôi có mục đích nâng cao sự quan tâm của những nhà nghiên cứu mới đối với việc áp dụng các phương pháp hồi quy máy học được tối ưu hóa bởi các thuật toán siêu tìm kiếm. Từ khóa: Máy học; Phân tích hồi quy; thuật toán tìm kiếm; trí tuệ lai ghép; kỹ thuật xây dựng. 1. Introduction interest. This mathematical relationship is then highly useful for various modeling tasks in Regression analysis is employed for construction engineering [1]. Recent works identifying the mathematical relationship involving machine learning (ML) applications between a set of predictors and a variable of * Corresponding Author: Hoang Nhat Duc, Institute of Research and Development, Duy Tan University, Da Nang, 550000, Vietnam; Faculty of Civil Engineering, Duy Tan University, Da Nang, 550000, Vietnam Email: hoangnhatduc@duytan.edu.vn 44 Hoang Nhat Duc, Ng. Quoc Lam, T. Văn Duc / Tạp chí Khoa học và Công nghệ Đại học Duy Tân 5(54) (2022) 43-49 have generated data-driven methods that are areas of construction material, construction shown to be more capable than traditional management, structural engineering, statistical approaches [2-5]. Accordingly, machine geotechnical engineering, hydraulic engineering, learning methods such as artificial neural network and structural health monitoring is found to be 9, (ANN), support vector machine (SVM), least 4, 10, 14, 6, and 3 (refer to Fig. 1). squares SVM (LSSVM), extreme gradient boosting machine (XGBoost), adaptive neural fuzzy inference system (ANFIS), multivariate adaptive regression splines (MARS), etc. have been extensively employed for regression analysis in construction engineering [6]. The effective applications of ML methods highly depend on the setting of their hyper- parameters. This task is generally known as Fig. 2.1. Percentages of application areas model selection. The problem of ML model selection is not trivial because each ML method may require its own appropriate setting of 2.1. Construction material multiple hyper-parameters. Moreover, these The application area of construction material hyper-parameters are often real-valued. This accounts for 19.6% of the reviewed papers. fact makes an exhaustive search for the best Herein, Chou and Nguyen [8] employs combination of hyper-parameters infeasible. forensic-based investigation optimization Conventional grid search method [7] can be algorithm, the radial basis function neural employed for parameter setting. However, this network, and the LSSVM to estimate the method also suffers from the difficulty of grid mechanical strength of rei ...