مقاله ترجمه شده ارزیابی اثرات عوامل اقتصادی بر برآورد هزینه ساخت با استفاده از شبکه‌های عصبی عمیق

سال نشر: ۲۰۲۲

نوع مقاله: علمی پژوهشی (Research articles)

تعداد صفحه انگلیسی: ۱۰ صفحه PDF

تعداد صفحه ترجمه فارسی:  ۳۳  صفحه WORD

دانلود رایگان مقاله انگلیسی

کد محصول: H779

نام ناشر (پایگاه داده): الزویر

نام مجله:   Automation in Construction

عنوان کامل فارسی:

مقاله انگلیسی ترجمه شده ۲۰۲۲ :  ارزیابی اثرات عوامل اقتصادی بر برآورد هزینه ساخت با استفاده از شبکه‌های عصبی عمیق

عنوان کامل انگلیسی:

Assessing effects of economic factors on construction cost estimation using deep neural networks

چکیده فارسی:

مدل های متعددی برای برآورد هزینه های ساخت ارائه شده است. اکثر آنها تنها بر اساس ویژگی های پروژه ها هستند و در عین حال عوامل خارجی اقتصادی را نادیده می گیرند. این موضوع ممکن است تا حدی به دلیل عدم وجود اتفاق نظر در مورد اثرات عوامل اقتصادی بر برآورد هزینه ساخت باشد و همچنین ناشی از عدم توجه به گنجاندن روند عوامل اقتصادی در برآورد هزینه می باشد و مهمتر از همه، ناشی از فقدان تحلیل کمی می باشد. این مطالعه برای بررسی کمی این اثرات، از شبکه‌های عصبی عمیق (DNN) به‌عنوان برآوردگر و توضیحات تکمیلی  شپلی (SHAP) به‌عنوان مفسر مدل استفاده می‌کند و بدین منظور داده‌های مربوط به ۹۸ پروژه مدرسه دولتی در هنگ کنگ SAR را بکار می گیرد. همچنین این تجزیه و تحلیل از طریق آنالیز تطبیقی با استفاده از چندین مدل یادگیری ماشینی که در برآورد هزینه ساخت متداول هستند تأیید می شود. نتایج نشان می‌دهد که عوامل اقتصادی نقش مهمی در کاهش خطاهای برآورد هزینه ساخت دارند و حتی از ویژگی‌های پروژه مهم‌تر هستند. این یافته ها برای ذینفعان در زمینه مهندسی و مدیریت ساخت برای اتخاذ تصمیمات مناسب و برای محققان برای آشکار کردن میزان واقعی اثرات سایر عوامل تأثیرگذار بر برآورد هزینه ساخت مفید خواهند بود.

کلیدواژگان: عوامل اقتصادی خارجی، برآورد هزینه ساخت، پروژه های مدارس دولتی، شبکه های عصبی عمیق، شپلی، توضیحات تکمیلی

Abstract

There are numerous models proposed for construction cost estimation. Most of them are based on projects’ characteristics only while neglecting the external economic factors. This may be partially because there is no consensus on the effects of the economic factors on construction cost estimation and little attention has been paid to incorporating the trend of economic factors into cost estimation. More importantly, there is a general lack of quantitative analysis. To explore those effects quantitatively, this study uses deep neural networks (DNN) as an estimator and SHapley Additive exPlanations (SHAP) as a model interpreter, adopting the data on 98 public school projects in Hong Kong SAR. The analysis is also verified by a comparison analysis using several machine learning models popular in construction cost estimation. The results indicate that the economic factors do play an important role in reducing the construction cost estimation errors and are even more important than projects’ characteristics. The findings would be helpful for stakeholders in the field of construction engineering and management to make appropriate decisions and for researchers to unveil the actual degree of the effects of other influential factors on construction cost estimation.

Keywords: External economic factors, Construction cost estimation, Public school projects, Deep neural networks, SHapley ,Additive exPlanations