ΜΟΝΤΕΛΑ ΠΡΟΒΛΕΨΗΣ ΜΕΓΕΘΩΝ ΚΟΣΤΟΥΣ ΚΑΙ ΧΡΟΝΟΥ ΚΑΤΑΣΚΕΥΗΣ ΚΤΙΡΙΑΚΩΝ ΕΡΓΩΝ ΜΕ ΤΗ ΧΡΗΣΗ ΝΕΥΡΩΝΙΚΩΝ ΔΙΚΤΥΩΝ

PREDICTION MODELS FOR CONSTRUCTION COST AND TIME OF BUILDING PROJECTS WITH THE USE OF ARTIFICIAL NEURAL NETWORKS (Αγγλική)

  1. MSc thesis
  2. ΜΠΑΛΑΤΣΟΥΚΑΣ, ΠΑΝΑΓΙΩΤΗΣ
  3. Διαχείριση Τεχνικών Έργων (ΔΧΤ)
  4. 08 Σεπτεμβρίου 2018 [2018-09-08]
  5. Ελληνικά
  6. 174
  7. ΑΡΕΤΟΥΛΗΣ, ΓΙΩΡΓΟΣ
  8. ΑΡΕΤΟΥΛΗΣ, ΓΙΩΡΓΟΣ | ΚΗΡΥΤΤΟΠΟΥΛΟΣ, ΚΩΝΣΤΑΝΤΙΝΟΣ
  9. διαχείριση έργων | FANN TOOL | μεγάλα κτιριακά έργα | τεχνητά νευρωνικά δίκτυα | τεχνητή νοημοσύνη | νευρωνικά δίκτυα | μοντέλα πρόβλεψης συμβατικών μεγεθών | κόστος κατασκευής | χρόνος κατασκευής
  10. 3
  11. 14
  12. 8
  13. ΕΙΚΟΝΕΣ 4.2.1 Ο Νευρώνας 4.2.2 Νευρώνες και Σύναψη μεταξύ Νευρώνων 4.3.1 Ο στοιχειώδης αισθητήρας (elementary perceptron). 4.3.2 Ο πολλαπλός αισθητήρας (multilayer perceptron) 5.4.1 Μετατροπή αρχείου σε csv comma delimited 5.4.2 Μετατροπή αρχείου σε text tab delimited 5.4.3 Εντολή data processing 6.3.2.1 Μέσο τετραγωνικό σφάλμα μοντέλου 01 (MSE) 6.3.2.2 Πληροφορίες νευρωνικού δικτύου 01 6.3.3.1 Μέσο τετραγωνικό σφάλμα μοντέλου 02 (MSE) 6.3.3.2 Πληροφορίες νευρωνικού δικτύου 02 6.3.4.1 Μέσο τετραγωνικό σφάλμα μοντέλου 03 (MSE) 6.3.4.2 Πληροφορίες νευρωνικού δικτύου 03 6.3.5.1 Μέσο τετραγωνικό σφάλμα μοντέλου 04 (MSE) 6.3.5.2 Πληροφορίες νευρωνικού δικτύου 04 6.3.6.1 Μέσο τετραγωνικό σφάλμα μοντέλου 05 (MSE) 6.3.6.2 Πληροφορίες νευρωνικού δικτύου 05 6.3.7.1 Μέσο τετραγωνικό σφάλμα μοντέλου 06 (MSE) 6.3.7.2 Πληροφορίες νευρωνικού δικτύου 06 6.3.8.1 Μέσο τετραγωνικό σφάλμα μοντέλου 07 (MSE) 6.3.8.2 Πληροφορίες νευρωνικού δικτύου 07 6.3.9.1 Μέσο τετραγωνικό σφάλμα μοντέλου 08 (MSE) 6.3.9.2 Πληροφορίες νευρωνικού δικτύου 08 6.3.10.1 Μέσο τετραγωνικό σφάλμα μοντέλου 09 (MSE) 6.3.10.2 Πληροφορίες νευρωνικού δικτύου 09 6.3.11.1 Μέσο τετραγωνικό σφάλμα μοντέλου 10 (MSE) 6.3.11.2 Πληροφορίες νευρωνικού δικτύου 10 75 6.3.12.1 Μέσο τετραγωνικό σφάλμα μοντέλου 11 (MSE) 6.3.12.2 Πληροφορίες νευρωνικού δικτύου 11 6.3.13.1 Μέσο τετραγωνικό σφάλμα μοντέλου 01 (MSE) 6.3.13.2 Πληροφορίες νευρωνικού δικτύου 01 6.3.14.1 Μέσο τετραγωνικό σφάλμα μοντέλου 01 (MSE) 6.3.14.2 Πληροφορίες νευρωνικού δικτύου 01 6.3.15.1 Μέσο τετραγωνικό σφάλμα μοντέλου 01 (MSE) 6.3.15.2 Πληροφορίες νευρωνικού δικτύου 01 6.3.16.1 Μέσο τετραγωνικό σφάλμα μοντέλου 01 (MSE) 6.3.16.2 Πληροφορίες νευρωνικού δικτύου 01 6.3.17.1 Μέσο τετραγωνικό σφάλμα μοντέλου 01 (MSE) 6.3.17.2 Πληροφορίες νευρωνικού δικτύου 01 6.3.18.1 Μέσο τετραγωνικό σφάλμα μοντέλου 01 (MSE) 6.3.18.2 Πληροφορίες νευρωνικού δικτύου 01 6.3.19.1 Μέσο τετραγωνικό σφάλμα μοντέλου 01 (MSE) 6.3.19.2 Πληροφορίες νευρωνικού δικτύου 01 ΣΧΗΜΑΤΑ 1.7.1 Σχήμα ταξινόμησης των μεθόδων εκτίμησης 6.2.1 Μεθοδολογία κατασκευής, εκπαίδευσης και αξιολόγησης νευρωνικού δικτύου με τη χρήση του FANN TOOL ΓΡΑΦΗΜΑΤΑ 5.3.1 Πλήθος ορόφων 5.3.2 Τυπικό εμβαδόν ορόφου 5.3.3 Συνολικό εμβαδόν κτιρίου 5.3.4 Αρχικός συμβατικός χρόνος (Ημέρες) 5.3.5 Προϋπολογισμός δημοπράτησης και αρχικό συμβατικό αντικείμενο μετά την εφαρμογή της έκπτωσης 5.3.6 Αρχικός συμβατικός χρόνος και πραγματικός συμβατικός χρόνος 5.3.7 Αρχικό συμβατικό αντικείμενο και συνολικός προϋπολογισμός δαπάνης 5.3.8 Πραγματικό συμβατικό αντικείμενο και τελικό κέρδος ΠΙΝΑΚΕΣ 4.4.1 Σύγκριση Βιολογικών και Τεχνητών Νευρωνικών Δικτύων 6.3.1.1 Βαθμός συσχέτισης μεταβλητών με το πραγματικό κόστος 7.2.1 Συγκριτικος πίνακας αποτελεσμάτων και δομής μοντέλων 4.4 ΤΕΧΝΗΤΑ ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ 4.5 ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ ΚΑΙ ΥΠΟΛΟΓΙΣΤΕΣ 4.6 ΣΥΓΧΡΟΝΕΣ ΕΦΑΡΜΟΓΕΣ ΤΩΝ ΝΕΥΡΩΝΙΚΩΝ ΔΙΚΤΥΩΝ
    • ΠΕΡΙΛΗΨΗ Η κατασκευή τεχνικών έργων αποτελούσε εκάστοτε την αιχμή του δόρατος στην ανάπτυξη των εγχώριων οικονομιών αλλά και ένα εργαλείο σημαντικό στην βελτίωση του επιπέδου ζωής των ανθρώπινων κοινωνιών. Η κατασκευή κτιριακών έργων αποτελεί αναπόσπαστο κομμάτι αυτής της διαδικασίας, καθώς πρόκειται για ένα είδος τεχνικού έργου το οποίο καλύπτει ποικίλες ανάγκες του πληθυσμού, από την στέγαση οικογενειών, την στέγαση δημόσιων υπηρεσιών και εγκαταστάσεων υγείας και αποκατάστασης και την κατασκευή κτιρίων ιδιωτικής χρήσης και πολλαπλών άλλων χρήσεων. Με την πάροδο του χρόνου και την ανάπτυξη της επιστήμης και της τεχνολογίας, η βελτιστοποίηση των συνθηκών εκτέλεσης τέτοιου είδους έργων έγινε και θα παραμείνει συνεχής στόχος της κατασκευαστικής βιομηχανίας. Στα πλαίσια της παρούσας διπλωματικής εργασίας αναπτύσσονται μοντέλα πρόβλεψης συμβατικών μεγεθών κόστους και χρόνου σε ότι αφορά την κατασκευή μεγάλων κτιριακών έργων με την βοήθεια της τεχνολογίας των Τεχνητών Νευρωνικών Δικτύων. Αρχικά γίνεται μία εισαγωγή στην έννοια του έργου και την επιστήμη της διαχείρισης έργων, ενώ γίνεται αναφορά και σε κάποια βασικά κομμάτια της διαχείρισης έργων όπως η διαχείριση χρόνου και κόστους. Στην πορεία ακολουθεί μία παρουσίαση των συνθηκών που επικρατούν γενικά στον κατασκευαστικό κλάδο στην Ελλάδα και παρατίθενται συγκεκριμένες απόψεις και προτάσεις για την έξοδό του από την κρίση. Παρουσιάζεται η αλληλουχία εργασιών οι οποίες απαιτούνται για την πραγματοποίηση ενός κτιριακού έργου και περιγράφονται οι εργασίες με ειδικές αναφορές στους παράγοντες που διαφοροποιούν ένα μικρό κτιριακό έργο από ένα μεγάλο. Ακολουθεί μία εκτενής αναφορά στα Νευρωνικά Δίκτυα από την σύλληψη της ιδέας και τα βιολογικά νευρωνικά δίκτυα, έως την τεχνητή νοημοσύνη και τα τεχνητά νευρωνικά δίκτυα. Στην πορεία γίνεται παρουσίαση και επεξήγηση των δεδομένων που συλλέχθηκαν και του προγράμματος FANN TOOL μέσω του οποίου γίνεται η εφαρμογή των δεδομένων στο τεχνητό νευρωνικό δίκτυο για την παραγωγή μοντέλων πρόβλεψης. Ακολουθεί περιγραφή της μεθοδολογίας επιλογής μεταβλητών και δημιουργία δεκαοκτώ μοντέλων νευρωνικών δικτύων με στόχο τον υπολογισμό του πραγματικού κόστους κατασκευής. Τέλος, γίνεται διεξοδική ανάλυση των αποτελεσμάτων των υπό δοκιμή μοντέλων, εξάγονται χρήσιμα συμπεράσματα για τον τρόπο λειτουργίας και την αξιοπιστία τους στην παραγωγή προβλέψεων και γίνονται συγκεκριμένες προτάσεις για προσαρμογές και βελτιώσεις πάνω στην διαδικασία και την συνέχεια της έρευνας πάνω στον τομέα των τεχνητών νευρωνικών δικτύων ως εργαλείο πρόβλεψης συμβατικών μεγεθών τεχνικών έργων.
    • ABSTRACT The construction of engineering projects was always the spearhead of the countries’ economies and an important tool for the improvement of the quality of life for the human societies. The construction of buildings is an integral part of this procedure, as it covers various needs of the human population from housing of families, to the accommodation of health and other state facilities, the construction of private use buildings and generally the accommodation of various other installations. As the time went by, through the development of science and the technological breakthroughs that took place, the improvement of the engineering projects’ execution became a matter of constant concern for the construction industry. The aim of this dissertation is the development of models that use the technology of Artificial Neural Networks (ANN) for the prediction of contractual amounts of large-scale building projects. Initially, there is an introduction to some basic concepts regarding the project management science such as the project, the time management and the cost management. The current circumstances of the Greek construction industry are presented and certain opinions and measures are proposed for the end of the financial and developmental crisis of the construction sector. There is a thorough description of the breakdown and the series of successive activities that take place for the construction of a building project nowadays. Then, Neural Networks are discussed extensively, starting from the initial conception of the idea from the Biological Neural Networks, to the Artificial Intelligence and the Artificial Neural Networks. Next, there is a presentation of the collected data and the FANN TOOL program which is used for the application of the data in the Artificial Neural Networks. The methodology of the variable selection is explained and then eighteen models aiming to the prediction of the contractual cost of large-scale building projects are constructed. The results of the tested models are analyzed thoroughly and useful conclusions about the function and reliability of the models are drawn. Finally, certain proposals for adjustments and improvements in the procedure and the continuation of the research on the field of the use of Artificial Neural Networks as a prediction tool for contractual amounts in the construction of engineering projects are made.
  15. Items in Apothesis are protected by copyright, with all rights reserved, unless otherwise indicated.