Buchumschlag

Integrated 4D/5D Digital-Twin Framework for Cost Estimation and Probabilistic Schedule Control: A Texas Mid-Rise Case Study

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Khoshkonesh, Atena, Mohammadagha, Mohsen, Ebrahimi, Navid
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computational Engineering, Finance, and Science
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Simulation-Based Validation of an Integrated 4D/5D Digital-Twin Framework for Predictive Construction Control
von: Khoshkonesh, Atena, et al.
Veröffentlicht: (2025)

Bayesian-Monte Carlo Schedule Updating for Construction Digital Twins: A Probabilistic Framework for Dynamic Project Forecasting
von: Khoshkonesh, Atena, et al.
Veröffentlicht: (2026)

Lean 5.0: A Predictive, Human-AI, and Ethically Grounded Paradigm for Construction Management
von: Khoshkonesh, Atena, et al.
Veröffentlicht: (2025)

Model-Based Control for Power-to-X Platforms: Knowledge Integration for Digital Twins
von: Dittler, Daniel, et al.
Veröffentlicht: (2025)

A Probabilistic Digital Twin of UK En Route Airspace for Training and Evaluating AI Agents for Air Traffic Control
von: Pepper, Nick, et al.
Veröffentlicht: (2026)

A Meshing Framework for Digital Twins for Extrusion based Additive Manufacturing
von: Gallup, Lucas, et al.
Veröffentlicht: (2025)

Scaling Digital Twin Models
von: Karanfil, Deniz, et al.
Veröffentlicht: (2025)

Contaminant Dispersion Simulation in a Digital Twin Framework for Critical Infrastructure Protection
von: von Danwitz, Max, et al.
Veröffentlicht: (2024)

Active Digital Twins via Active Inference
von: Torzoni, Matteo, et al.
Veröffentlicht: (2025)

Metrology and Manufacturing-Integrated Digital Twin (MM-DT) for Advanced Manufacturing: Insights from CMM and FARO Arm Measurements
von: Samadi, Hamidreza, et al.
Veröffentlicht: (2024)

Towards Real-Time Urban Physics Simulations with Digital Twins
von: Bonari, Jacopo, et al.
Veröffentlicht: (2024)

Capturing Lifecycle System Degradation in Digital Twin Model Updating
von: Tang, Yifan, et al.
Veröffentlicht: (2025)

Design for a Digital Twin in Clinical Patient Care
von: Nitschke, Anna-Katharina, et al.
Veröffentlicht: (2025)

ChronoLLM: A Framework for Customizing Large Language Model for Digital Twins generalization based on PyChrono
von: Wang, Jingquan, et al.
Veröffentlicht: (2025)

Towards Cost-Effective ZK-Rollups: Modeling and Optimization of Proving Infrastructure
von: Ahmadvand, Mohsen, et al.
Veröffentlicht: (2025)

Human Mobility Reimagined: Digital Twin Intelligence for Adaptive Campus Course Timetabling
von: Wu, Keshu, et al.
Veröffentlicht: (2025)

Multi-Agent Digital Twins for Strategic Decision-Making using Active Inference
von: Mancinelli, Francesco Maria, et al.
Veröffentlicht: (2026)

PMI-DT: Leveraging Digital Twins and Machine Learning for Predictive Modeling and Inspection in Manufacturing
von: Hamel, Chas, et al.
Veröffentlicht: (2024)

Towards Real-time Structural Dynamics Simulation with Graph-based Digital Twin Modelling
von: Zhang, Jun, et al.
Veröffentlicht: (2025)

Generative Multimodal Multiscale Data Fusion for Digital Twins in Aerosol Jet Electronics Printing
von: Elhambakhsh, Fatemeh, et al.
Veröffentlicht: (2025)

Improving Computational Cost of Bayesian Optimization for Controller Tuning with a Multi-stage Tuning Framework
von: Ares-Milian, Marlon J., et al.
Veröffentlicht: (2024)

4DGS-CC: A Contextual Coding Framework for 4D Gaussian Splatting Data Compression
von: Chen, Zicong, et al.
Veröffentlicht: (2025)

Cyber-physical and business perspectives using Federated Digital Twins in multinational and multimodal transportation systems
von: Czekster, Ricardo M., et al.
Veröffentlicht: (2024)

The Evolution of Digital Twins from Reactive to Agentic Systems
von: San, Omer, et al.
Veröffentlicht: (2026)

Cardiac Digital Twin Pipeline for Virtual Therapy Evaluation
von: Camps, Julia, et al.
Veröffentlicht: (2024)

A Digital Twin Framework Utilizing Machine Learning for Robust Predictive Maintenance: Enhancing Tire Health Monitoring
von: Karkaria, Vispi, et al.
Veröffentlicht: (2024)

DeTEcT: Dynamic and Probabilistic Parameters Extension
von: Sadykhov, Rem, et al.
Veröffentlicht: (2024)

Weighted Flow Matching and Physics-Informed Nonlinear Filtering for Parameter Estimation in Digital Twins
von: Yanik, Yasar, et al.
Veröffentlicht: (2026)

Differentiable Multiphysics Co-Optimization via Implicit Neural Representations: A Transient Hamburger-Cooking Benchmark
von: Zobeiry, Navid
Veröffentlicht: (2026)

Synthesis of Service Life Prediction for Bridges in Texas
von: Gao, Lu, et al.
Veröffentlicht: (2025)

Towards a Hybrid Digital Twin: Physics-Informed Neural Networks as Surrogate Model of a Reinforced Concrete Beam
von: Sahin, Tarik, et al.
Veröffentlicht: (2024)

Knowledge Graphs in the Digital Twin: A Systematic Literature Review About the Combination of Semantic Technologies and Simulation in Industrial Automation
von: Listl, Franz Georg, et al.
Veröffentlicht: (2024)

A low order, torsion deformable spatial beam element based on the absolute nodal coordinate formulation and Bishop frame
von: Ebrahimi, Mehran, et al.
Veröffentlicht: (2024)

IVE: Enhanced Probabilistic Forecasting of Intraday Volume Ratio with Transformers
von: Lee, Hanwool, et al.
Veröffentlicht: (2024)

Digital Twins and Civil Engineering Phases: Reorienting Adoption Strategies
von: Adebiyi, Taiwo A., et al.
Veröffentlicht: (2024)

Estimating Deprivation Cost Functions for Power Outages During Disasters: A Discrete Choice Modeling Approach
von: Li, Xiangpeng, et al.
Veröffentlicht: (2025)

Test-time data augmentation: improving predictions of recurrent neural network models of composites
von: Uvdal, Petter, et al.
Veröffentlicht: (2024)

DefectTwin: When LLM Meets Digital Twin for Railway Defect Inspection
von: Ferdousi, Rahatara, et al.
Veröffentlicht: (2024)

Reverse Engineering of Additively Manufactured Parts: Integrating 3D Scanning and Simulation-Driven Distortion Compensation
von: Bushra, Jannatul, et al.
Veröffentlicht: (2025)

Learning to Control PDEs with Differentiable Predictive Control and Time-Integrated Neural Operators
von: Sarkar, Dibakar Roy, et al.
Veröffentlicht: (2025)