Εκτίμηση του κατασκευαστικού κόστους κτιρίων και ιδιαίτερα αποθηκευτικών χώρων/logistics centers με τη χρήση της πολυμεταβλητής γραμμικής παλινδρόμησης και νευρωνικών δικτύων
Estimation of construction works cost and more specifically of logistics centers by the implementation of multiple regression analysis and artificial neural networks (Αγγλική)
Ο κατασκευαστικός κλάδος υπήρξε ένας από τους κινητήριους μοχλούς της εθνικής οικονομίας για πολλές δεκαετίες. Από το 1950 μέχρι την αρχή της τελευταίας οικονομικής κρίσης του 2008, ο κλάδος συνέβαλε στην διαμόρφωση του ΑΕΠ, συμβάλλοντας στην ανάπτυξη. Μερίδα του λέοντος στις κατασκευές είχε ο οικοδομικός κλάδος (κατασκευή κατοικιών/πολυκατοικιών με σκοπό των κατασκευή κτιρίων στέγασης νοικοκυριών), αλλά και ο κλάδος των δημοσίων έργων (έργα υποδομής, έργα δημόσιου χαρακτήρα αλλά ειδικού σκοπού π.χ. έργα που εκπονήθηκαν για την πραγματοποίηση των Ολυμπιακών Αγώνων του 2004).
Με την σε εξέλιξη οικονομική / υγειονομική κρίση του COVID-19, διαφαίνεται ότι ο τρόπος που ζούμε, εργαζόμαστε, κινούμαστε θα αλλάξει ίσως για πάντα. Θα αλλάξει επίσης και ο τρόπος που προμηθευόμαστε τα βασικά και μη αγαθά/προϊόντα. Σημαντικός κλάδος που θα αναπτυχθεί είναι ο κλάδος της βιομηχανίας και ο κλάδος των αποθηκευτικών χώρων / logistics centers.
Σκοπός της παρούσας μεταπτυχιακής εργασίας είναι η δημιουργία με την εφαρμογή της πολυμεταβλητής γραμμικής παλινδρόμησης και νευρωνικών δικτύων για τον προσδιορισμό του κόστους κατασκευής αποθηκευτικών χώρων χωρίς να είναι αναγκαία η χρήση αναλυτικών υπολογισμών ή τιμών μονάδας κόστους υλικών και εργασιών και την δημιουργία αυτοματοποιημένου μοντέλου και την δημιουργία υπολογιστικών μοντέλων και αυτοματοποιημένου μοντέλου προσδιορισμού κόστους κατασκευής αυτοματοποιημένων μοντέλων αποτίμησης αξίας (Automated Valuation Models – AVMs).
Τα τελικά αποτελέσματα της εργασίας αναμένεται να είναι ιδιαίτερα χρήσιμα σε επενδυτές κυρίως από το εξωτερικό οι οποίοι σχεδιάζουν την κατασκευή αποθηκευτικών χώρων σε διάφορες περιοχές της Ελλάδας. Τελικά μέσα από την έρευνα προκύπτει ότι οι παράμετροι που απαιτούνται να είναι γνωστοί σε έναν επενδυτή προκειμένου να υπολογίσει το κόστος είναι ιδιαίτερα περιορισμένοι.
The construction industry has been key factor with a significant role on the national economy for many decades. Starting 1950 till the beginning of 2008 financial crisis, the industry has played a role on GDP, contributing to growth. The construction of houses and of residential building has the greatest contribution but also the public works sector was of main importance(infrastructure projects, public works with special purpose projects, eg projects prepared for the realization of the 2004 Olympic Games).
With the ongoing financial / health crisis of COVID-19, it is more than obvious that the way we live, work, travel will probably change forever. The way we purchase basic and non-essential goods / products will also change. Two sector that expected to grow is the industry and the logistics centers sectors.
Purpose of this postgraduate thesis is to develop an Automated Valuation Model based on multiple regression analysis and artificial neural networks in order to estimate the construction cost of logistic centers/warehouses without detailed calculation comprising material unit price, cost of work etc.
The final results of the work are expected to be particularly useful mainly to foreign investors who plan to develop logistic centers/warehouses in various areas of Greece. Finally, based on the research, the main conclusion will be that in order to estimate the construction cost the parameters needed are very limited and can be initially known to the investor.
Εκτίμηση του κατασκευαστικού κόστους κτιρίων και ιδιαίτερα αποθηκευτικών χώρων/logistics centers με τη χρήση της πολυμεταβλητής γραμμικής παλινδρόμησης και νευρωνικών δικτύων Περιγραφή: 90937_ΟΙΚΟΝΟΜΙΔΗΣ_ΝΙΚΟΛΑΟΣ.pdf (pdf)
Book Reader Άδεια: Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές Μέγεθος: 2.8 MB
Εκτίμηση του κατασκευαστικού κόστους κτιρίων και ιδιαίτερα αποθηκευτικών χώρων/logistics centers με τη χρήση της πολυμεταβλητής γραμμικής παλινδρόμησης και νευρωνικών δικτύων - Identifier: 85027
Internal display of the 85027 entity interconnections (Node labels correspond to identifiers)