برآورد هزینه های ساختمان با روش های هوشمند داده مبنا و مشخص کردن عوامل تاثیرگذار بر هزینه های ساخت ( مطالعه موردی شرق استان تهران)

سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 203

فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JSEC-8-41_010

تاریخ نمایه سازی: 21 فروردین 1401

چکیده مقاله:

امروزه اهمیت هزینه های ساخت در پروژه های عمرانی روز به روز افزایش می یابد و لازم می گردد تا به بررسی برآورد هزینه های ساخت و عوامل تاثیرگذار در هزینه ی ساخت و ساز مورد مطالعه قرار گیرد. این پژوهش با موضوع برآورد هزینه های ساختمان با روش های هوش مصنوعی، مشخص کردن عوامل تاثیرگذار بر هزینه و بهینه سازی هزینه ها در شرق استان تهران انجام گردیده است. برای برآورد هزینه های ساختمانهای مسکونی در این پژوهش از ۴۶ ساختمان مسکونی که در سالهای ۱۳۹۳-۱۳۹۶ در منطقه ی شرق استان تهران اجرا شده اند، استفاده شده است و از روش های هوش مصنوعی جهت برآورد و مدل سازی ها که از روش های ANN، روش شبکه ی عصبی مصنوعی، GEP الگوریتم ژنتیک و SVM بردار پشتیبان استفاده شده است و همچنین برای تشخیص عوامل تاثیرگذار بر هزینه از پرسشنامه و روش آزمون فریدمن جهت اولویت بندی عوامل استفاده گردید تا با داشتن این دو فاکتور یعنی عوامل تاثیرگذار بر هزینه و برآورد هزینه های ساختمان بتوانیم هزینه ها را بهینه سازی کنیم. پس از بررسی ها و مطالعات نتایجی که بدست آمد، برآورد هزینه ها با روش های ANN,GEP,SVM انجام شد و با مقایسه های این روش ها، روش GEP به علت خطای کمتر و دقت پیش بینی بالاتر روشی برتر نسبت به دو روش دیگر بوده است. عوامل تاثیرگذار بر هزینه نیز با روش آزمون فریدمن تعیین شد که با بررسی این فاکتورها هزینه های ساخت بهینه سازی گردید.

کلیدواژه ها:

روشهای هوش مصنوعی ، برآورد ، عوامل تاثیرگذار بر هزینه ، بهینه سازی ، شبکه عصبی مصنوعی ، ماشین های بردار پشتیبان ، برنامه نویسی بیان ژن

نویسندگان

رضا لطفی کاظمی

دانشجوی کارشناسی ارشد مهندسی و مدیریت ساخت موسسه آموزش عالی پردیسان فریدونکنار

محمدجواد طاهری امیری

استادیار موسسه آموزش عالی پردیسان، فریدونکنار، ایران

علی اشرفیان

دپارتمان مهندسی عمران،موسسه آموزش عالی طبری بابل،بابل،ایران

حسین پهلوان

استادیار گروه عمران دانشگاه صنعتی شاهرود

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Toh, T. C., Ting, C., Ali, K. N., Aliagha, G. ...
  • Cheng, Y. M. (۲۰۱۴). An exploration into cost-influencing factors on ...
  • Juszczyk, M. (۲۰۱۷). The challenges of nonparametric cost estimation of ...
  • Guerrero, M. A., Villacampa, Y., & Montoyo, A. (۲۰۱۴). Modeling ...
  • Kim, H. J., Seo, Y. C., & Hyun, C. T. ...
  • Barg, S., Flager, F., & Fischer, M. (۲۰۱۸). An analytical ...
  • Cheng, M. Y., Tsai, H. C., & Sudjono, E. (۲۰۱۰). ...
  • Bateni, S. M., Borghei, S. M., & Jeng, D. S. ...
  • Ince, (۲۰۰۴), "Prediction of fracture parameters of concrete by artificial ...
  • Cortes, C., & Vapnik, V. (۱۹۹۵). Support-vector networks. Machine learning, ...
  • Uysal, M., & Tanyildizi, H. (۲۰۱۲). Estimation of compressive strength ...
  • Ashrafian, A., Amiri, M. J. T., Rezaie-Balf, M., Ozbakkaloglu, T., ...
  • LeCun, Y., Jackel, L. D., Bottou, L., Brunot, A., Cortes, ...
  • Ferreira, C. (۲۰۰۱). Gene expression programming: a new adaptive algorithm ...
  • Ashrafian, A., Gandomi, A. H., Rezaie-Balf, M., & Emadi, M. ...
  • Rezaie-Balf, M., Maleki, N., Kim, S., Ashrafian, A., Babaie-Miri, F., ...
  • GeneXproTools version ۵.۰ [Computer software]. Gepsoft Limited, Bristol, U.KTropsha, P. ...
  • Asteris, P. G., Ashrafian, A., & Rezaie-Balf, M. (۲۰۱۹). "Prediction ...
  • Ashrafian, A., Shokri, F., Amiri, M. J. T., Yaseen, Z. ...
  • نمایش کامل مراجع