Using machine learning technigues for early cost prediction of structural systems of buildings
Otomatik öğrenme teknikleriyle binaların strüktürel sisteminin erken maliyet tahmini
- Tez No: 197809
- Danışmanlar: DOÇ. DR. MURAT GÜNAYDIN, PROF. DR. GÖKMEN TAYFUR
- Tez Türü: Yüksek Lisans
- Konular: Mimarlık, İnşaat Mühendisliği, İşletme, Architecture, Civil Engineering, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2005
- Dil: İngilizce
- Üniversite: İzmir Yüksek Teknoloji Enstitüsü
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mimarlık Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 122
Özet
Maliyet tahmini, yapım projesinin tasarım sürecine ait erken evre için çokönemlidir. Bu çalışmada, otomatik öğrenme tekniklerinden ikisinin, yapay sinirağları (YSA) ve vaka tabanlı gerekçeleme (VTG)'nin, bina tasarım sürecinin erkenevresinde yapılan maliyet tahmini için uygunluğu ve başarısı araştırılmıştır. HemYSA hem de VTG'nin elektronik tablo simülasyonları geliştirilmiş ve maliyet tahminmodelleri oluşturulmuştur. İnşaa edilmiş konut projelerine ait maliyet verisimodellerin örnek uygulamasında kullanılmıştır. Çeşitli ağırlık üretim yöntemlerininYSA ve VTG modellerinin tahmin doğruluğu üzerindeki etkisi konut projelerine aitmaliyet tahmini örneğinde araştırılmıştır. YSA için geriye yayılma eğitiminealternatif olarak, genetik algoritmalar ve simpleks optimizasyonu metodu; VTG içinise özellik sayma, genetik algoritmalar ve gradyan iniş metodları ile kararağaçlarından türetilen üç farklı yöntem kullanılmıştır. YSA modeli ağ ağırlıklarınınbelirlenmesinde simpleks optimizasyonunu kullandığında %96 başarı oranı; VTGmodeli özelliklerin ağırlıklarını genetik algoritmaları kullanarak seçtiğinde %84başarı oranı yakalamıştır.YSA ve VTG'nin elektronik tablo şeklinde geliştirilen maliyet tahminmodelleri işlem öncesi çaba, açıklanabilirlik değeri, doğruluk oranı, gelişmepotansiyeli ve kullanım kolaylığı açısından karşılaştırılmıştır. Modellerin elektroniktablo simülasyonları şeklinde geliştirilmiş olması modellerdeki ağırlık üretimdeğişiklilerini yapabilmek için esneklik sağlamış ve modellerinin daha fazla gelişimineolanak vermiştir.
Özet (Çeviri)
It is desirable to predict construction costs in the early design stages in orderto make sure that target costs are met and competitive prices are realized. This studyinvestigates the possibility of predicting the cost of construction early in the designphase by using machine learning (ML) techniques. To achieve this objective, artificialneural network (ANN) and case based reasoning (CBR) prediction models weredeveloped in a spreadsheet-based format. An investigation of the impacts of weightgeneration methods on the ANN and CBR models was conducted. The performanceof the ANN model was enhanced by experimenting with the weight generationmethods of simplex optimization, back propagation training, and genetic algorithmswhile the CBR model was augmented by feature counting, gradient descent, geneticalgorithms (GA), decision tree methods of binary-dtree, info-top and info-dtree.Cost data belonging to the superstructure of low-rise residential buildingswere used to test these models. It was found that both approaches were capable ofproviding high prediction accuracy, 96% for ANN using simplex optimization forweight determination, and 84% for CBR using GA for attribute weight selection. Acomparison of the Excel-based ANN and CBR models was made in terms ofprediction accuracy, preprocessing effort, explanatory value, improvement potentialsand ease of use. The study demonstrated the practicality of using spreadsheets indeveloping ANN and CBR models for use in construction management as well as thepotential benefits of enhancing ANN and CBR models by using different weightgeneration methods.
Benzer Tezler
- Core network anomaly detection using the LSTM model and comparison with various unsupervised learning methods
Telekomünikasyon merkezi şebekelerinde LSTM model ile anomali tespiti ve bazı denetimsiz öğrenme metotları ile kıyaslanması
SAMED ÇALIK
Yüksek Lisans
İngilizce
2025
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiBüyük Veri ve İş Analitiği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET ALİ ERGÜN
- Endüstriyel yapılarda ön tasarım aşamasında makine öğrenmesi metodları ile kaba inşaat maliyetlerinin tahmini ve performans analizi
Estimation and performance analysis of rough construction costs with machine learning methods at the pre-design stage of industrial buildings
MUHAMMET EMİR KILIÇ
Yüksek Lisans
Türkçe
2021
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
DOÇ. DR. FATMA PINAR ÇAKMAK
- Betonarme kirişlerin dış ardgerme uygulanarak rehabilitasyonu: Taşıma limit durumu için yapay zekâ tahmin modellerinin geliştirilmesi
Rehabilitation of reinforced concrete beams by applying external post-tension: Developing artificial intelligence prediction models for ultimate limit state
AHMED BADNJKI
Yüksek Lisans
Türkçe
2024
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. TURGUT ÖZTÜRK
- Yapılarda kullanılan betonun basınç dayanımı deney sonuçlarının makine öğrenme teknikleri ile tahmin edilmesi
Prediction of compressive strength experiment results of concrete used in buildings using machine learning techniques
MELİKE DEMİR
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiEkobilişim Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET ŞENPINAR
- Dikkat eksikliği ve hiperaktivite bozukluğu olan çocukların el yazılarının görüntü işleme teknikleri ile analizi
Analysis of handwriting of children with attention deficit hyperactivity disorder using image processing techniques
ÖZLEM YILDIZ BUDAK
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMED FATİH ADAK