کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6694692 1428214 2018 10 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Prediction of site overhead costs with the use of artificial neural network based model
ترجمه فارسی عنوان
پیش بینی هزینه های سربار سایت با استفاده از مدل مبتنی بر شبکه عصبی مصنوعی
کلمات کلیدی
هزینه سربار سایت، شبکه های عصبی مصنوعی، مدیریت هزینه ساخت و ساز،
ترجمه چکیده
هزینه های سربار، به ویژه هزینه های سربار محل، جزء مهمی از بودجه پیمانکار در پروژه ساخت و ساز هستند. برآورد هزینه های سربار سایت بر مبنای رویکرد سنتی، دقیق و زمان گیر است (در صورت استفاده از روش های تحلیل دقیق) یا سریع اما نادرست (در صورت استفاده از روش های شاخص). هدف از تحقیق ارائه شده در این مقاله، توسعه یک مدل جایگزین است که امکان برآورد سریع و قابل اعتماد هزینه های سربار سایت را فراهم می کند. این مقاله نتایج کار نویسندگان را در زمینه توسعه یک مدل رگرسیون مبتنی بر شبکه های عصبی مصنوعی ارائه می دهد که پیش بینی شاخص هزینه سربار سایت را که در ارتباط با سایر داده های هزینه ای استفاده می شود، امکان برآورد هزینه های سربار سایت را ارزیابی می کند. برای توسعه مدل، یک پایگاه داده شامل 143 مورد پروژه های ساختمانی تکمیل شده مورد استفاده قرار گرفت. مدل سازی شامل تعدادی از شبکه های عصبی مصنوعی نوع پرپرترون چند لایه است که هر کدام با ساختارهای متفاوت، توابع فعال سازی و الگوریتم های آموزش هستند. شبکه عصبی انتخاب شده به عنوان هسته ای از مدل توسعه یافته، امکان پیش بینی شاخص های هزینه و کمک در تخمین هزینه های سربار سایت در مراحل اولیه یک پروژه ساخت و ساز با دقت مطلوب را دارد.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی مهندسی عمران و سازه
پیش نمایش مقاله
پیش بینی هزینه های سربار سایت با استفاده از مدل مبتنی بر شبکه عصبی مصنوعی
چکیده انگلیسی
Overheads, especially site overhead costs, constitute a significant component of a contractor's budget in a construction project. The estimation of site overhead costs based on traditional approach is either accurate but time consuming (in case of the use of detailed analytical methods) or fast but inaccurate (in case of the use of index methods). The aim of the research presented in this paper was to develop an alternative model which allows fast and reliable estimation of site overhead costs. The paper presents the results of the authors' work on development of a regression model, based on artificial neural networks, that enables prediction of the site overhead cost index, which used in conjunction with other cost data, allows to estimate site overhead costs. To develop the model, a database including 143 cases of completed construction projects was used. The modelling involved a number of artificial neural networks of the multilayer perceptrons type, each with varying structures, activation functions and training algorithms. The neural network selected to be the core of developed model allows the prediction of the costs' index and aids in the estimation of the site overhead costs in the early stages of a construction project with satisfactory precision.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Archives of Civil and Mechanical Engineering - Volume 18, Issue 3, July 2018, Pages 973-982
نویسندگان
, ,