Abstract
This paper applies the back-propagation network (BPN) model incorporating genetic algorithms (GAs) to cost estimation. GAs were adopted in the BPN to determine the BPN's parameters and to improve the accuracy of construction cost estimation. Previously, there have been no appropriate rules to determine these parameters. The construction cost data for 530 residential buildings constructed in Korea between 1997 and 2000 were used for training and evaluating the performance of the model. This study showed that a BPN model incorporating a GA was more effective and accurate in estimating construction costs than the BPN model using trial and error
چکیده
این مقاله به کاربرد مدل شبکه پس انتشاری (BPN) با لحاظ الگوریتم های ژنتیک (GAها) برای تخمین هزینه می پردازد. GA ها به منظور تعیین پارامترهای BPN و افزایش دقت تخمین هزینه ساخت، در BPN بکاربسته شدند. پیش از این قوانین مناسبی برای تعیین این پارامترها وجود نداشته است. برای آموزش و ارزیابی عملکرد مدل از داده های ساخت مربوط به 530 ساختمان مسکونی ساخته شده در کره در بین سالهای 1997 تا 2000 استفاده شد. این مطالعه نشان داد که ادغام یک GA در یک مدل BPN موجب افزایش کارایی و دقت مدل BPN در تخمین هزینه های ساختمانی نسبت به زمانی می شود که از مدل BPN با رهیافت آزمون و خطا استفاده می شود.
-1مقدمه
در پروژه های ساختمانی، تخمین دقیق هزینه ساخت برای بودجه ریزی، برنامه ریزی و نظارت در جهت انطباق با بودجه در دسترس، زمان و کار معوق کارفرما، حیاتی است. در تخمین هزینه، تجربه فرد تخمین زننده و اطلاعات پروژه جزو فاکتورهای مهم بشمار می روند. بنابراین مدلهای تخمین هزینه پارامتری در مراحل ابتدایی چرخه عمری پروژه که اطلاعات اندکی درباره پروژه در اختیار داریم، بسیار مفیدند [1]. این مدلهای تخمین هزینه پارامتری، هم شامل داده های تاریخچه ای هستند که در حال حاضر عملاً مورد استفاده می باشند و هم داده های مختص به پروژه جدید را در بر می گیرند…