پیش بینی هزینه در پروژه های ساخت با ترکیب روشهای استدلال مبتنی بر موردو الگوریتم ژنتیک
محل انتشار: دهمین کنگره بین المللی مهندسی عمران
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,230
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICCE10_0743
تاریخ نمایه سازی: 19 تیر 1394
چکیده مقاله:
پیش بینی هزینه یکی از پارامترهای مهم در موفقیت یک پروژه محسوب می شود و تأثیری چشمگیر بر روی مراحل مختلف پروژه از قبیل تخصیص بودجه،برنامه ریزی،طراحی مهندسی،مدیریت مالی،مدیریت ساخت و همچنین استراتژی شرکت در مناقصات دارد. همچنین با داشتن تقریبی مناسب از هزینه پروژه ها در مرحله امکان سنجی، می توان سیاست مناسبی را در تعریف ابعاد و خصوصیات پروژه ها با در نظر گرفتن منابع مالی موجود در پیش گرفت. در این مقاله یک مدل پیش بینی هزینه با استفاده از روش استدلال مبتنی بر مورد توسعه یافته با الگوریتم ژنتیک ارائه گردیده است. در این مدل روش استدلال مبتنی بر مورد با ترکیب الگوریتم ژنتیک، برای افزایش دقت پیش بینی هزینه توسعه داده شده است. این روش با استفاده از اطلاعات پروژه های پیشین و شناسایی ویژگی های مؤثر بر هزینه،به پیش بینی هزینه پروژه های جدید با دقت بالا در مراحل اولیه پروژه و قبل از طراحی تفصیلی می پردازد. مدل پیشنهادی بر روی پروژه های ساختمانی در حال اجرای دانشگاه پیام نور در سراسر کشور پیاده گردیده و قابلیتهای آن ارزیابی شده است. نتایج حاصل از این تحقیق توانایی مدل پیشنهادی را در پیش بینی دقیق هزینه ها در مراحل اولیه پروژه تایید می نماید.
کلیدواژه ها:
نویسندگان
امید عظمتی
کارشناس ارشد مدیریت ساخت، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران،دانشکده فنی و مهندسی
فرناد نصیرزاده
دکترای مدیریت ساخت، دانشیار، دانشکده مهندسی،گروه مهندسی عمران، دانشگاه پیام نور،
آرمین منیرعباسی
دکترای مدیریت ساخت، استادیار، دانشکده مهندسی،گروه مهندسی عمران، دانشگاه پیام نور،
مجتبی حسینعلی پور
استادیار، عضو هیئت علمی دانشگاه شهید بهشتی، دانشکده معماری و شهرسازی، گروه فن ساختمان،بخش مدیریت پروژه و ساخت
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 :