Prediction of estimate-at-completion for construction projects by ıntegrated adoption of artificial ıntelligence, artificial neural network and optimization algorithm
Yapay zeka, yapay sinir aği ve optimizasyon algoritmasinin entegre kullanimi ile inşaat projeleri için projenin tamamlanmada tahminlenen maliyetinin öngörülmesi
- Tez No: 929363
- Danışmanlar: PROF. DR. ASLI PELİN GÜRGÜN, DOÇ. DR. CENK BUDAYAN
- Tez Türü: Doktora
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: İnşaat Mühendisliği Bilim Dalı
- Sayfa Sayısı: 137
Özet
Yapım Proje Yönetimi sektöründe, nihai proje maliyetini belirlemek çeşitli etkenlerin dikkate alınmasını gerektirir. Farklı yöntemler arasında, Proje Tamamlama Tahmini (EAC) proje maliyetinin son durumunu öngörmede kritik bir yaklaşım olarak öne çıkmaktadır. EAC'nin temel avantajı hem projenin başarı olasılığını hem de ilişkili riskleri dikkate alma yeteneğidir. Ayrıca, EAC proje yöneticileri için oldukça faydalıdır, çünkü projenin ilerlemesi boyunca EAC hem proje yöneticilerinin kritik sorunları ve hem de bu sorunlara uygun çözümleri belirlemesine yardımcı olur. Bu çalışma, EAC'yi modellemek için Ateşböceği Optimizasyon Algoritması (FFA) ve Arşimet Optimizasyon Algoritması (AOA) ile Adaptif Ağ Yapısına Dayalı Bulanık Çıkarım Sistemi (ANFIS) ve Yapay Sinir Ağı (ANN) birleştirerek dört yenilikçi birleşik zekâ modeli önermektedir. AOA ve FFA, EAC bağımlı değişkenini etkileyen etkili özellikleri çıkarmak için kullanılmaktadır. Geliştirilen modellerin EAC tahmin performanslarını ortaya çıkarmak için aynı zamanda başka tahmin modelleri geleneksel ANN ve ANFIS ile geliştirilmiştir. Daha sonra bu modeller ile geliştirilen hibrit modeller karşılaştırılarak geliştirilen modellerin EAC tahminlerinin doğruluğu test edilmiştir. Tahmin modelleri, 2000 ile 2007 yılları arasında Tayvan'daki inşaat projelerinden alınan tarihsel bilgiler kullanılarak geliştirilmiştir. Çalışmanın amacı, EAC'yi belirlemek ve tahmin model monitöründeki eğilim değişikliğini değerlendirmektir. Birincil amaç ise proje yöneticilerine proje maliyet kontrol etkinliğini artırmada yardımcı olacak güvenilir bir EAC tahmin eğilimi oluşturmaktır. Sonuçlar, FFA-ANN modelinin klasik ANN, AOA-ANN ve geleneksel ve hibrit ANFIS modellerine göre önemli ölçüde üstün olduğunu vurgulamaktadır.
Özet (Çeviri)
In the construction project management industry, determining the final project cost involves considering various influencing factors. Among the different methods, Estimate at Completion (EAC) stands out as a crucial approach for projecting the project's final cost. The key advantage of EAC lies in its ability to incorporate both the likelihood of project performance and associated risks. Moreover, EAC proves highly beneficial for project managers as it helps identify critical issues throughout the project's progression and enables the determination of appropriate solutions. This study introduces innovative coupled intelligence models, specifically integrating the Firefly Optimization Algorithm (FFA) and the Archimedes Optimization Algorithm (AOA) with Adaptive Neuro-Fuzzy Inference Systems (ANFIS) and Artificial Neural Network (ANN) for modeling project construction estimates at completion. AOA and FFA are utilized to identify significant attributes affecting the EAC which is dependent variable. This approach underscores the efficacy of hybrid models as a novel predictive framework within this domain. A traditional ANN is designed as a benchmark to evaluate the predictive accuracy of the hybrid models. These models are built using historical data from construction projects performed in Taiwan covering the period from 2000 to 2007. The study aims to determine EAC and assess the trend change in the forecast model monitor. The primary objective is to establish a reliable trend of EAC estimates, aiding the construction companies in enhancing project cost control effectiveness. The results highlight that the FFA-ANN model shows superior performance over traditional ANN, ANFIS models and hybridized AOA-ANN, AOA-ANFIS and FFA-ANFIS models.
Benzer Tezler
- Kaya dolgu yapılar ve kaya dolgulardaki son gelişmeler
Advances in rockfill structures
EKREM GENCO GÜNAY
- Makine öğrenimi tekniklerini kullanarak inşaatta risk tabanlı maliyet tahmini
Risk-based cost estimation in construction by employing machine learning techniques
AYNUR HÜRRİYET TÜRKYILMAZ
Doktora
İngilizce
2025
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. GÜL POLAT TATAR
- 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
- Kamu özel işbirliği projeleri ön değerlendirme süreci için etüd kanvası
Etude canvas for the public private partnership projects' preliminary assessment period
KADİR KURU
Yüksek Lisans
Türkçe
2018
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. DENİZ ARTAN İLTER
- İnşaatta DBASE tabanlı bir maliyet tahmin ve kontrol programı düzenlenmesi
To Arrange a cost estimate and control program based on DBASE in construction
VOLKAN TAŞTAN
Yüksek Lisans
Türkçe
2002
İnşaat Mühendisliğiİstanbul Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. EKREM MANİSALI