Η παρούσα διπλωματική εργασία αφορά τη διερεύνηση της μέχρι σήμερα εφαρμογής Νευρωνικών Δικτύων, καθώς και της εφαρμογής Τεχνητών Νευρωνικών Δικτύων στην πρόβλεψη κόστους και ειδικότερα της προσφερόμενης έκπτωσης δημόσιων τεχνικών έργων οδοποιίας. Επιχειρείται η τεκμηρίωση της προτίμησης, απόρριψης ή αποδοχής των τεχνητών νευρωνικών δικτύων ως μεθόδου πρόβλεψης του κόστους τεχνικών έργων οδοποιίας έναντι χρησιμοποιούμενων παραδοσιακών μεθόδων.
Για το σκοπό αυτό επιχειρείται μια λεπτομερής ανάλυση του εννοιολογικού πλαισίου που ορίζει :
- Τα Δημόσια Τεχνικά Έργα και ειδικότερα τα έργα οδοποιίας.
- Τα Νευρωνικά Δίκτυα, με τη περιγραφή του ορισμού των νευρωνικών δικτύων και της δομής τους, την αναφορά στην ιστορική τους εξέλιξη και τις εφαρμογές τους και της παρουσίασης των πλεονεκτήματων και των ορίων χρήσης τους.
Γίνεται επεξήγηση του τρόπου λειτουργίας των μοντέλων πρόβλεψης συμβατικού κόστους κατασκευής τεχνικών έργων οδοποιίας, χρησιμοποιώντας μία βάση δεδομένων πραγματικών στοιχείων έργων που εκτέλεσε ο δημόσιος τομέας και εξαγωγή συμπερασμάτων σχετικά με τα αποτελέσματα που αυτά μας δίνουν. Τα εργαλεία που χρησιμοποιήθηκαν για τη έρευνα είναι το FannTool, το SPSS και το WEKA.
Πραγματοποιείται σύγκριση των διαθέσιμων πραγματικών δεδομένων για το κόστος κατασκευής των τεχνικών έργων οδοποιίας με τα αποτελέσματα των προβλέψεων των μοντέλων που αναπτύχθηκαν μέσω μελέτης υποθέσεων εργασίας.
Στην προσπάθεια αυτή χρησιμοποιούνται στατιστικά δεδομένα που προέκυψαν από άλλες σχετικές έρευνες του παρελθόντος αλλά και σχετική με το αντικείμενο αυτό βιβλιογραφία.
Η συνέχιση της έρευνας στον εν λόγω τομέα και η ανάπτυξη ολοένα και πιο αξιόπιστων μοντέλων Τεχνητών Νευρωνικών Δικτύων, αποτελεί βασική πρόταση της παρούσας εργασίας καθώς όπως προκύπτει η μέθοδος αυτή είναι σαφώς πιο αξιόπιστη από τις παραδοσιακές μεθόδους διαχείρισης κόστους.
The present dissertation concerns the investigation of the application of Neural Networks to date, as well as the application of Artificial Neural Networks in forecasting the cost of technical road construction projects. An attempt is made to document the preference, rejection or acceptance of artificial neural networks as a method of estimating the cost of road construction over traditional methods used.
For this purpose, a detailed analysis of the conceptual framework is attempted, which states:
- Public technical projects and in particular road construction projects.
-The Neural Networks, with the description of the definition of the neural networks and their structure, the reference to their historical evolution and their applications and the presentation of their advantages and limits of use.
The operation of the neural networks models for forecasting the conventional cost of construction of road construction projects is explained, and using data of real project performed by the public sector conclusions are drawn about the results they give us. The tools used for the research are Fann Tool, SPSS and WEKA.
A comparison of the available real data on the construction cost of road construction projects with the results of the forecasts of the models developed through a study of working hypotheses is made.
This effort uses statistical data that emerged from other relevant research in the past but also relevant literature on this subject.
The continuation of research in this field and the development of increasingly reliable models of artificial neural networks is a key proposal of the present work as it appears that this method is clearly more reliable than traditional cost management methods.
Εφαρμογή Νευρωνικών Δικτύων στην πρόβλεψη των εκπτώσεων σε έργα οδοποιίας του Δημόσιου Τομέα