کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
10687998 1017969 2016 10 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Estimating water treatment plants costs using factor analysis and artificial neural networks
ترجمه فارسی عنوان
برآورد هزینه های گیاهان تصفیه آب با استفاده از تحلیل عامل و شبکه های عصبی مصنوعی
کلمات کلیدی
ترجمه چکیده
هزینه ساخت و ساز پروژه، یک منبع اساسی برای تصمیم گیری توسط مالک در مرحله تهیه است. در این مقاله رانندگان هزینه هایی که در مدل تخمینی هزینه های پارامتری برای گیاهان تصفیه آب استفاده می شود، مشخص می شود. برآورد هزینه در مرحله برنامه ریزی پروژه ها برای موفقیت مراحل بعدی پروژه ها مهم است. همچنین در مرحله طراحی پروژه بسیار مفید است، زمانی که اطلاعات ناقص و طراحی دقیق در چنین مراحل اولیه محدود می شود. ادبیات مورد بررسی قرار گرفته است و مصاحبه با کارشناسان و مقامات در تأسیسات تصفیه آب برای بررسی همه متغیرهایی که بر هزینه ساخت و ساز گیاهان تصفیه آب تأثیر می گذارد، انجام شد. سپس برای سنجش تأثیر عوامل شناسایی شده بر روی هزینه های ساخت و ساز گیاهان تصفیه آب، از پرسشنامه استفاده شد. مجموعه داده هایی که از 160 پروژه تصفیه خانه آب در مصر تشکیل شده است جمع آوری شد. رانندگان هزینه ساخت و ساز توسط دو روش متفاوت معرفی شده اند. روش اول، رتبه بندی توصیفی متغیرها از طریق ارزیابی شاخص های میانگین و شاخص های نسبی بر مبنای بازخورد پاسخ دهندگان در انجام پرسشنامه است. تکنیک دوم با استفاده از تجزیه و تحلیل عامل اکتشافی در مجموعه داده جمع آوری شده است. این رانندگان هزینه برای ساخت دو مدل پیش بینی برای تخمین هزینه ساخت و ساز مدل های تصفیه آب با استفاده از شبکه های عصبی مصنوعی استفاده می شود. تجزیه و تحلیل نتایج به منظور تایید مدل ها و اثربخشی آنها انجام شد. روش پیشنهادی به مقامات دولتی کمک می کند تا تجزیه و تحلیل تطبیقی ​​و جایگزین های مختلف پروژه های تصفیه آب را ارزیابی کنند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی انرژی انرژی های تجدید پذیر، توسعه پایدار و محیط زیست
پیش نمایش مقاله
برآورد هزینه های گیاهان تصفیه آب با استفاده از تحلیل عامل و شبکه های عصبی مصنوعی
چکیده انگلیسی
The cost of construction project is a fundamental input for decision making process set by owner during procurement stage. The paper identifies the cost drivers that are used in parametric cost estimation model for water treatment plants. Cost estimation at planning stage of projects is important for the success of the next stages in the projects. It is also very useful at the design stage of a project when information is incomplete and detailed designs are limited in such an early stage. Literature has been reviewed and interviews were conducted with experts and officials in water treatment plants to explore all variables that influence the construction cost of water treatment plants. A questionnaire survey was then conducted to assess the impact of the identified factors on construction costs of water treatment plants. Datasets that consist of 160 water treatment plant projects in Egypt were collected. Construction cost drivers have been nominated through two different procedures. The first technique is descriptive statistics ranking of variables by evaluating Mean Score and Relative Importance Index based on respondents' feedback in conducting questionnaire. The second technique utilizes exploratory factor analysis on the collected dataset. These cost drivers are used to construct two predictive models for estimating the construction cost of water treatment plants models using artificial neural networks. Analysis of results was performed to validate the models and demonstrate their effectiveness. The proposed methodology aids public authorities to perform comparative analysis and evaluate the different alternatives of water treatment plant projects.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Cleaner Production - Volume 112, Part 5, 20 January 2016, Pages 4540-4549
نویسندگان
, ,