Enhancing conceptual cost estimation in the construction industry: A bagging-based ensemble approach
İnşaat sektoründe kavramsal maliyet tahminini geliştirme: Torbalama tabanlı toplu yaklaşım
- Tez No: 830111
- Danışmanlar: PROF. DR. RİFAT SÖNMEZ
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 141
Özet
Doğru kavramsal maliyet tahminleri, inşaat projelerinin fizibilitesini ve bütçelerini değerlendirmede önemlidir. Bu tahminlerde iyi bir doğruluk aralığı elde etmek, inşaatın ilk aşamalarında sağlanan yetersiz bilgiler nedeniyle zordur. İnşaat projelerinde maliyet tahmini için çeşitli metodolojiler ve prosedürler kullanılmıştır; ancak, çouğu zaman kısıtlı proje verisi olduğu için bu yönetemlerle sınırlı başarı elde edilmiştir. Son yıllarda, topluluk makine öğrenimi yöntemleri, özelilkle verilerin kısıtlı olduğu bu gibi durumlar için umut verici bir yaklaşım sunmuştur. Bu tez, inşaat projelerinde kavramsal maliyetleri tahmin etmek için Destek Vektör Regresyonu (SVR) ve Çok Katmanlı Perceptron Sinir Ağları (MLP NN) modelleri için torbalama yöntemi yararlanan torbalama ile bir toplu öğrenme yaklaşımı önermektedir. Önerilen çerçevenin, örnekler üzerinde eğitilmiş birden çok modeli birleştirerek kavramsal maliyet tahminlerinin doğruluğunu artırması hedeflenmiştir. Önerilen yöntemin değerlendirilmesinde gerçek inşaat proje verileri ve Ortalama Mutlak Yüzde Hatası (MAPE) değerlendirme ölçütü kullanılmıştır. Torbala topluluk öğrenme yöntemi kullanılan ve kullanılmayan modeller arasındaki karşılaştırmalı analiz yapılmış, ve sonuçlar topluluk tekniğinin tahmin hatalarını azaltmadaki üstün performansını göstermiştir. Bulgular, özellikle SVR ve MLP NN modelleri için maliyet tahmini doğruluğunu artırmada torbalama yönteminin potansiyelini göstermektedır. Bununla birlikte, daha büyük veri kümeleri ve alternatif topluluk yöntemleri hakkında daha fazla araştırma yapılması topluluk yöntemlerinin katkılarının daha ayrıntılı bir şekilde ortaya çıkmasını sağlayacaktır. Bu araştırmanın temel katkıları; inşaat projelerinin maliyet tahmininin geliştirilmesi, gelecekteki topluluk yöntemi makine öğrenmesi çalışmalar için yol göstermesi ve uygulayıcılara maliyet tahmin modellerini geliştirmesinde rehberlik etmesi olarak özetlenebilir.
Özet (Çeviri)
Accurate conceptual cost estimates are significant in assessing the feasibility and budgets of construction projects. Achieving a good accuracy range in these estimations is still difficult, though, because of the scant information provided at the initial stages of construction. For cost estimation in construction, a variety of methodologies and procedures have been used; however, they often suffer from inherent limitations. In recent years, ensemble methods in machine learning have emerged as a promising approach for addressing this issue. This thesis proposes an ensemble learning approach with bagging, leveraging Support Vector Regression (SVR) and Multi-Layer Perceptron Neural Networks (MLP NN) models, to estimate conceptual costs in construction projects. By combining multiple models trained on bootstrap samples, the main objective of the proposed framework is to enhance the accuracy of conceptual cost estimates. Real-world construction datasets are used in the evaluation of the suggested method, and the evaluation metric used is the Mean Absolute Percentage Error (MAPE). Comparative analysis between the ensemble models and models without ensemble learning demonstrates the superior performance of the ensemble technique in reducing prediction errors. The findings highlight the potential of bagging in enhancing cost estimation accuracy, specifically for SVR and MLP NN models. However, limitations include the need for further research on larger datasets and alternative ensemble methods. Overall, this research contributes to advancing cost estimation in construction, providing insights for future studies and guiding practitioners in enhancing cost estimation models.
Benzer Tezler
- Developing of a groundwater flow model for the area between Terkos lake and Canal Istanbul using GIS, remote sensing and numeric groundwater modelling
Terkos gölü ile Kanal İstanbul arasındaki bölge için CBS, uzaktan algılama ve sayısal yöntemlerle yeraltı suyu akış modelinin geliştirilmesi
KHANSAA ABDULELAH AHMED AHMED
Doktora
İngilizce
2020
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ABDÜSSELAM ALTUNKAYNAK
- Türk denizcilik eğitimi için sistem planlaması
A System planning for Turkish maritime education
ÖZKAN POYRAZ
- Enhancing petroleum recovery from heavy oil fields by microwave heating
Ağır petrollü sahaların petrol kurtarımının mikro dalga ısıtımı yoluyla arttırımı
ÇAĞDAŞ ACAR
Yüksek Lisans
İngilizce
2007
Petrol ve Doğal Gaz MühendisliğiOrta Doğu Teknik ÜniversitesiPetrol ve Doğal Gaz Mühendisliği Ana Bilim Dalı
DOÇ. DR. SERHAT AKIN
PROF. DR. BİROL DEMİRAL
- İktisadi büyüme ve dış ticaret bağlamında doğrudan yabancı yatırım: ECOWAS için analiz
Foreign direct investment in the context of economic growth and foreign trade: Analysis for ECOWAS
MOUSSA CAMARA
