ПРОГНОЗИРОВАНИЕ И ОПРЕДЕЛЕНИЕ ИНДЕКСА ЭФФЕКТИВНОСТИ ЗАТРАТ ДЛЯ ПРОЕКТОВ ТУННЕЛЕЙ С ИСПОЛЬЗОВАНИЕМ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ

##plugins.themes.bootstrap3.article.main##

Одай Хаммуди
Джумаа Аль-Сомайдаии
Фаик Аль-Звайни
Гасим Хайдер

Аннотация

Строительные проекты, особенно проекты туннелей в арабском мире, страдают от плохого документирования данных и информации, и поэтому возникают трудности с оценкой бюджета, или общих затрат, или показателей заработанной стоимости. С развитием искусственных нейронных сетей становится актуальной оценка показателей заработанной стоимости для проектов тоннелей в связи с отсутствием или недостатком данных, необходимых для комплексной оценки затрат и сроков выполнения работ. Цель исследования: Основная цель настоящего исследования является внедрение искусственного интеллекта (ИИ) для применения статистического подхода к управлению заработанной стоимостью проектов строительства туннелей. Методология: В исследовании выполнено обоснование различных переменных, влияющих на управление заработанной стоимостью (EVM) проектов туннелей, которые включают исторические данные в Ираке и Иордании. Были случайным образом выбраны пять независимых переменных (фактическая стоимость AC, плановая стоимость PV, заработанная стоимость EV, фактическая продолжительность AD и планируемая продолжительность PD), которые были всесторонне охарактеризованы для каждого проекта туннеля, а также была выбрана одна зависимая переменная - индекс эффективности затрат (CPI). Была выбрана программа NEUFRAME V.5, которая является ведущей средой моделирования искусственных нейронных сетей (ANN). Методология ANN использовалась для поиска лучшей сетевой архитектуры и внутренних параметров, которые контролируют и управляют процедурой подготовки, используя параметры по умолчанию пакета программирования NEUFRAME. Результаты. Результаты экспериментов показывают, что средняя абсолютная ошибка в процентах (MAPE) и средний процент точности (AA), полученные с помощью модели ANN (CPI), составляют 9,6% и 90,368% соответственно. Таким образом, модель ANN (CPI.model.1) показывает хорошее совпадение с реальными оценками.

Скачивания

Данные скачивания пока недоступны.

##plugins.themes.bootstrap3.article.details##

Как цитировать
Хаммуди O., Аль-Сомайдаии J., Аль-Звайни F., & Хайдер G. (2022). ПРОГНОЗИРОВАНИЕ И ОПРЕДЕЛЕНИЕ ИНДЕКСА ЭФФЕКТИВНОСТИ ЗАТРАТ ДЛЯ ПРОЕКТОВ ТУННЕЛЕЙ С ИСПОЛЬЗОВАНИЕМ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ. International Journal for Computational Civil and Structural Engineering, 18(1), 51–60. https://doi.org/10.22337/2587-9618-2022-18-1-51-60
Раздел
Статьи