Levenberg–marquardt algoritması kullanılarak kamu inşaatprojelerinde mühendislik hizmet maliyetlerinin yapay sinirağı tabanlı tahmini
Neural network–based estimation of engineering service costsin public construction projects using the levenberg–marquardt algorithm
- Tez No: 1002057
- Danışmanlar: DR. ÖĞR. ÜYESİ BURAK ÖZ
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Zonguldak Bülent Ecevit Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
İhale aşamasında mühendislik hizmeti maliyetlerinin doğru biçimde tahmin edilmesi, etkin rekabet ortamının sağlanması ve kamu kaynaklarının verimli kullanımı açısından kritik bir öneme sahiptir. Ancak kamu bina projelerinde, yaklaşık maliyetler ile gerçekleşen sözleşme bedelleri arasında gözlenen belirgin sapmalar, geleneksel maliyet tahmin yaklaşımlarının önemli sınırlılıklar içerdiğini göstermektedir. Bu çalışmanın amacı, Levenberg–Marquardt geri yayılım algoritması ile eğitilmiş çok katmanlı algılayıcı yapay sinir ağına dayalı, mühendislik hizmetleri için geliştirilmiş bir maliyet tahmin çerçevesi sunmaktır. Bu kapsamda, kamu bina projelerine ait 205 mühendislik hizmeti sözleşmesi üzerinde ayrıntılı bir analiz gerçekleştirilmiştir. Model girdileri, ihale ilanı aşamasında yaygın olarak erişilebilir olan beş değişkenden oluşmaktadır: toplam inşaat alanı, benzer iş deneyim belge tutarı, tekliflerin geçerlilik süresi, işin süresi ve teknik personel sayısı. Eksik veriyle başa çıkma stratejilerinin model performansı üzerindeki etkileri; gösterge (flag) değişkenlerinin kullanılması, sıfır değer iv ataması ve teknik personel değişkeninin modelden çıkarılması yaklaşımlarını içeren dört farklı ağ kurgusu aracılığıyla incelenmiştir. Elde edilen bulgular, yapay sinir ağı tabanlı modellerin, geleneksel maliyet tahmin yöntemlerine kıyasla tahmin hatalarını anlamlı ölçüde azalttığını ortaya koymaktadır. Bununla birlikte, kullanılan girdi değişkenlerinin yapısı ile eksik verilerin ele alınma biçiminin, modelin genelleme performansı üzerinde belirleyici olduğu görülmüştür. Özellikle eksik verilerin açık biçimde tanımlandığı gösterge değişkenleri içeren modellerin daha kararlı bir genelleme davranışı sergilediği; buna karşılık, güvenilir teknik personel verisinin bulunmadığı durumlarda bu değişkenin modelden çıkarılmasının uygulanabilir bir alternatif sunduğu belirlenmiştir. Çalışmanın sonuçları, Levenberg–Marquardt algoritmasıyla eğitilmiş yapay sinir ağlarının, kamu inşaat projelerinde mühendislik hizmeti maliyetlerinin tahmin edilmesinde yüksek bir potansiyele sahip olduğunu ve ihale süreçlerinde daha şeffaf, veri temelli kararların alınmasına katkı sağlayabileceğini göstermektedir.
Özet (Çeviri)
Estimating engineering service costs accurately at the tender stage is critical to ensuring effective competition and efficient resource utilization. There are, however, significant discrepancies between estimated costs and contracted prices in public building projects, indicating limitations in conventional estimation methods. The purpose of this study is to provide an improved estimation framework for engineering services based on a multilayer perceptron artificial neural network trained using the Levenberg-Marquardt backpropagation algorithm. An analysis was conducted of 205 contracts for engineering services for public building projects. Model inputs included five variables commonly available at the tender announcement stage: total construction area, similar work experience amount, bid validity period, project duration, and number of technical personnel. The effects of incomplete data handling strategies were examined by using indicator (flag) variables, zero-value substitutions, vi and excluding technical personnel variables from four different network configurations. Results demonstrate that neural network-based models reduce estimation errors significantly compared to conventional approaches, while input variables and missing data treatment have a significant impact on model performance. The models with explicit missing-data indicators displayed more stable generalization behavior, whereas excluding the technical personnel variable provided a viable alternative in cases where reliable personnel data were not available. The findings emphasize the potential of Levenberg–Marquardt-trained neural networks for estimating engineering service costs in public construction projects and contributing to more transparent and data-informed tendering.
Benzer Tezler
- Kamu kurumlarında kurulu güneş panellerinden üretilen elektrik enerjisinin yapay sinir ağları ile değerlendirilerek elde edilen sonuçların kamu yararına sunulması
Evaluation of electric energy produced from solar panels constructed in public institutions via artificial neural network and presenting the results obtained for public benefit
MEHMET AKİF YÜKSEL
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiKayseri ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ESMA UZUNHİSARCIKLI
- Yapay sinir ağları kullanılarak Türkiye gün öncesi piyasası elektrik fiyat tahmini
Turkish day ahead market electricity clearing price forecasting using artificial neural network
ASLIHAN DALGIN
Yüksek Lisans
Türkçe
2017
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilimi ve Teknolojileri Ana Bilim Dalı
DOÇ. DR. GÜLGÜN KAYAKUTLU
- Balina optimizasyon algoritması ve levenberg-marquardt yöntemi ile doğal uçlaşma verilerinin ters çözümü için ardışık melez bir yaklaşım
A sequential hybrid approach for inversion of self-potential data by whale optimization algorithm and levenberg-marquardt method
FAHRİYE ELİF AKKAŞ
Yüksek Lisans
Türkçe
2020
Jeofizik MühendisliğiSüleyman Demirel ÜniversitesiJeofizik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÇAĞLAYAN BALKAYA
- Bor katkılı metal komplekslerin üretimi, karakterizasyonu, yapısal özelliklerinin yük transferi ve delokalizasyon fenomenleri kullanılarak nodeJS platformunda yapay zeka ile incelenmesi
Production, characterization, structural properties of boron-doped metal complexes and investigation of analysis by using charge transfer and delocalization phenomenas with artifical intelligence algorithms on nodeJS platform
ÖZGÜR FIRAT ÖZPOLAT
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtatürk ÜniversitesiFizik Ana Bilim Dalı
PROF. DR. LÜTFÜ DEMİR
DOÇ. DR. BÜNYAMİN ALIM
- Çok yollu iletişim kanal parametrelerinin kestirimi
Estimation of the parameters of a multi path channel
SÜLEYMAN YALÇINKAYA
Yüksek Lisans
Türkçe
1995
Elektrik ve Elektronik MühendisliğiKaradeniz Teknik ÜniversitesiY.DOÇ.DR. TEMEL KAYIKÇIOĞLU