طراحی مدل شبکه های عصبی جهت پیش بینی هزینه در پروژه های ساختمانی
- سال انتشار: 1391
- محل انتشار: اولین همایش منطقه ای مهندسی عمران با رویکرد توسعه پایدار
- کد COI اختصاصی: RCCESDA01_017
- زبان مقاله: فارسی
- تعداد مشاهده: 4481
نویسندگان
کارشناس ارشد مدیریت اجرایی، دانشگاه آزاد اسلامی واحد اراک
دکتری مدیریت صنعتی، استادیار دانشکده مدیریت، دانشگاه آزاد اسلامی واح
دکتری مدیریت صنعتی، استادیار دانشکده مدیریت، دانشگاه آزاد اسلامی واح
چکیده
یکی از مهم ترین مشکلات جاری مدیریت پروژه در حوزه های مختلف (در این پژوهش صنعت ساختمان)عدم بکارگیری شیوه های مدون و منسجم در پیش بینی هزینه پروژه ها است. اتمام هر پروژه یا طرح با هزینه هایپیش بینی شده از جمله معیارهای اصلی موفقیت آن محسوب می شود. بنابراین دستیابی به روشی جهت پیش بینی صحیح هزینه پروژه، برای مدیران پروژه اهمیت بسزایی دارد. در این پژوهش ابتدا عوامل مؤثر بر هزینه پروژه هایساختمانی با استفاده از تحقیقات میدانی، مصاحبه و تشکیل جلسات با کارشناسان بررسی می شود. سپس با بهره گیری از دیدگاه خبرگان مدیریت پروژه، عوامل اساسی موثر بر افزایش هزینه استخراج و به صورت پرسشنامه با استفاده از طیف لیکرت، اولویت بندی می شوند. در نهایت از ارتباط دادن این پارامترها با تابع هدف یعنی هزینه با استفاده از شبکه های عصبی، مدلی ارائه می شود که به کمک آن می توانیم هزینه واقعی اجرای پروژه های ساختمانی را پیش بینی نماییم. مدل حاصل با اطلاعات هزینه ای چند پروژه مورد آزمون قرار گرفت که بیانگر نتایج مطلوب و قابل قبول بودکلیدواژه ها
شبکه های عصبی، پیش بینی هزینه، پروژه های ساختمانیمقالات مرتبط جدید
- مروری بر بررسی نقش موزه ها در توسعه زیست محیطی گردشگری پایدار
- مروری بر بررسی ساز و کار تعامل فناوری های نوین و معماری معاصر ایران
- سنجش مولفه های مشارکت اجتماعی درساماندهی بافت های فرسوده شهر (نمونه موردی:محلهمهدی آباد قصرالدشت شیراز)
- بهینه سازی مصرف انرژی در ساختمان با استفاده از پنل های خورشیدی
- الهام از معماری سنتی در معماری مدرن و پایدار
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.