В данном исследовании обоснована необходимость ресурсосберегающих решений в отрасли строительства и жилищно-коммунального хозяйства. Представлены ключевые понятия в сфере энергосбережения в соответствии со стратегическими документами Российской Федерации. Обозначена концепция энергетической политики государства. Сформулированы основные причины низкого уровня энергоэффективности в строительстве и ЖКХ. Аргументирована целесообразность использования нейросетевых технологий в целях повышения энергоэффективности. Дана характеристика инновационных составляющих искусственных нейросетей. Рассмотрены видовая и типовая классификация нейросетей. Предложены варианты применения нейросетевых решений в строительстве и жилищно-коммунальном хозяйстве. Обозначены прогнозируемые эффекты от внедрения и использования нейросетей в практику деятельности управляющих компаний, ресурсопоставляющих организаций, государственных и муниципальных систем управления городским хозяйством; доказана возможность оптимизации проектных решений в строительстве. Установлены основные препятствия массового внедрения нейросетей.
This study substantiates the need for resource-saving solutions in the construction and housing and utilities sectors. It presents key concepts in the field of energy conservation in accordance with the strategic documents of the Russian Federation. The concept of the state's energy policy is outlined. The main reasons for the low level of energy efficiency in construction and housing and communal services are formulated. The expediency of using neural network technologies to improve energy efficiency is argued. The characteristics of the innovative components of artificial neural networks are given. The species and type classification of neural networks is considered. Options for the application of neural network solutions in construction and housing and communal services are proposed. The predicted effects of the introduction and use of neural networks in the practice of management companies, resource-supplying organisations, state and municipal urban management systems are indicated; the possibility of optimising design solutions in construction is proven. The main obstacles to the mass implementation of neural networks are identified.