چطور این مقاله مهندسی عمران و نقشه برداری را دانلود کنم؟
فایل انگلیسی این مقاله با شناسه 2006751 رایگان است. ترجمه چکیده این مقاله مهندسی عمران و نقشه برداری در همین صفحه قابل مشاهده است. شما می توانید پس از بررسی این دو مورد نسبت به خرید و دانلود مقاله ترجمه شده اقدام نمایید
حجم فایل انگلیسی :
266 Kb
حجم فایل فارسی :
698 کیلو بایت
نوع فایل های ضمیمه :
Pdf+Word
کلمه عبور همه فایلها :
www.daneshgahi.com
عنوان فارسي
[کاربرد] مدل شبکه عصبی با یک الگوریتم ژنتیک در تخمین هزینه های ساخت
عنوان انگليسي
Neural network model incorporating a genetic algorithm in estimating construction costs
این مقاله چند صفحه است؟
این مقاله ترجمه شده مهندسی عمران و نقشه برداری شامل 8 صفحه انگلیسی به صورت پی دی اف و 14 صفحه متن فارسی به صورت ورد تایپ شده است
چکیده
این مقاله به کاربرد مدل شبکه پس انتشاری (BPN) با لحاظ الگوریتم های ژنتیک (GAها) برای تخمین هزینه می پردازد. GA ها به منظور تعیین پارامترهای BPN و افزایش دقت تخمین هزینه ساخت، در BPN بکاربسته شدند. پیش از این قوانین مناسبی برای تعیین این پارامترها وجود نداشته است. برای آموزش و ارزیابی عملکرد مدل از داده های ساخت مربوط به 530 ساختمان مسکونی ساخته شده در کره در بین سالهای 1997 تا 2000 استفاده شد. این مطالعه نشان داد که ادغام یک GA در یک مدل BPN موجب افزایش کارایی و دقت مدل BPN در تخمین هزینه های ساختمانی نسبت به زمانی می شود که از مدل BPN با رهیافت آزمون و خطا استفاده می شود.
-1مقدمه
در پروژه های ساختمانی، تخمین دقیق هزینه ساخت برای بودجه ریزی، برنامه ریزی و نظارت در جهت انطباق با بودجه در دسترس، زمان و کار معوق کارفرما، حیاتی است. در تخمین هزینه، تجربه فرد تخمین زننده و اطلاعات پروژه جزو فاکتورهای مهم بشمار می روند. بنابراین مدلهای تخمین هزینه پارامتری در مراحل ابتدایی چرخه عمری پروژه که اطلاعات اندکی درباره پروژه در اختیار داریم، بسیار مفیدند [1]. این مدلهای تخمین هزینه پارامتری، هم شامل داده های تاریخچه ای هستند که در حال حاضر عملاً مورد استفاده می باشند و هم داده های مختص به پروژه جدید را در بر می گیرند…
شبکه های عصبی الگوریتم های ژنتیک تخمین هزینه ساخت
:کلمات کلیدی
Abstract
This paper applies the back-propagation network (BPN) model incorporating genetic algorithms (GAs) to cost estimation. GAs were adopted in the BPN to determine the BPN's parameters and to improve the accuracy of construction cost estimation. Previously, there have been no appropriate rules to determine these parameters. The construction cost data for 530 residential buildings constructed in Korea between 1997 and 2000 were used for training and evaluating the performance of the model. This study showed that a BPN model incorporating a GA was more effective and accurate in estimating construction costs than the BPN model using trial and error
Keywords:
Neural networks Genetic algorithms Construction cost estimating
سایر منابع مهندسی عمران و نقشه برداری-مهندسی عمران ـ عمران در زمینه پروژه ساخت و ساز