Modelowanie kosztów realizacji budynków mieszkalnych z zastosowaniem sztucznych sieci neuronowych
Wariant tytułu
The cost modeling of residential buildings' realization using artificial neural networks
Autor
Juszczyk, Michał
Promotor
dr hab. inż. Janusz Biernacki, prof. PK
Data wydania
2009
Wydawca
[s.n.]
Język
polski
Abstrakt
Celem pracy było opracowanie modelu regresyjnego, wykorzystującego sztuczne sieci neuronowe, pozwalającego szacować koszty realizacji budynków mieszkalnych wielorodzinnych i budynków mieszkalnych wielorodzinnych z wydzieloną częścią usługową, w dopuszczalnym przedziale błędu, w warunkach znajomości podstawowych danych o funkcji, formie i konstrukcji obiektu, a także podstawowych założeń technologicznych i organizacyjnych procesu budowlanego. Zakres oszacowania przy pomocy proponowanej metody obejmował: koszty robót przygotowawczych placu budowy, koszty robót budowlanych, koszty robót instalacyjnych wewnątrz budynku oraz koszty urządzeń pierwszego wyposażenia. W pracy przedstawiono studium identyfikacji zmiennych modelu, wyniki badań ilościowych oraz wyniki modelowania neuronowego. W wyniku doświadczeń eksperymentalnych wyłoniono sztuczną sieć neuronową realizującą regresję w proponowanym modelu. W opracowaniu problemu zastosowano wielokryterialną analizę porównawczą, analizę głównych składowych (PCA), modelowanie neuronowe oraz uniwersalne metody statystyczne i ekonometryczne w zakresie weryfikacji modelu. Opracowany w rozprawie model oparty o jednokierunkową sztuczną sieć neuronową wykazuje większą dokładność od stosowanych tradycyjnie metod wskaźnikowych. Dokładność oszacowania kosztów za pomocą opracowanego modelu jest zadowalająca dla wczesnej fazy budowlanego procesu inwestycyjnego.
The purpose of the thesis was to develop a regression model, using artificial neural network, enabling costs estimation of residential buildings and residential buildings with a dedicated part for the services, with an acceptable error, on the basis of basic information about the function, form and structure of the building, and fundamental technological and organizational assumptions of construction process. Range of cost estimation with proposed method included: costs of construction site preparatory works, costs of construction, costs of installations inside the building and the costs of the first equipment of the building. The study of identification of model variables, quantitative findings and results of the neural modeling are presented in the thesis. As a result of experimental neural modeling feedforward network was identified to implement regression in the developed model. Multicriterial comparative analysis, principal component analysis (PCA), neural modeling and universal statistical and econometric methods for model verification were applied in problem solution. Proposed neural model based on feedforward network appeared to be more accurate than the traditionally applied methods based on cost indices. Regression implemented with accuracy acceptable in the early stage of project. The accuracy of the costs estimates by the developed model is satisfying for the early stage of construction investment process.
Klasyfikacja PKT
630000 Budownictwo
636700 Ekonomika i organizacja budownictwa
Wydział
Wydział Inżynierii Lądowej
Licencja
Licencja PK. Brak możliwości edycji i druku.
Prawa dostępu
Zasób dostępny dla zalogowanych użytkowników lub z komputerów w domenie PK
