27691

پيش‌بيني هزينه‌هاي نگهداري و تعمير شهرك‌هاي مسكوني سازه بتني در شهر تهران

كارشناسي ارشد

مهندسي عمران- مديريت ساخت

1399

1401/7/18

علي اكبر شيرزادي جاويد

مهندسي عمران

محدوديت‌هاي بودجه و منابع، تمركز بر مديريت نگهداري را به جاي ساخت‌هاي جديد و نوسازي افزايش داده كه در كشور ايران حداقل در عمل مورد توجه جدي قرار نگرفته است. اولين گام در مديريت نگهداري، برآورد درست و اصولي هزينه‌ها و مديريت آنها با هدف بهبود برنامه‌ريزي و مديريت صحيح پروژه‌ها، بررسي اقتصادي، تخصيص بودجه و... مي‌باشد كه نياز به روشي مناسب براي پيش‌بيني هزينه‌ها دارد. به همين منظور هدف اين پايان‌نامه بررسي مدل‌هاي برآورد هزينه‌ي نگهداري به همراه روش‌ها و كاربردهاي هر يك مي‌باشد. در اينجا با طراحي و استفاده از سه مدل پركاربرد و معتبر شامل مدل‌هاي پارامتري(رگرسيون)، شبكه عصبي مصنوعي و استدلال مبتني بر مورد، هزينه‌هاي نگهداري در 10 شهرك مسكوني سازه بتني در شهر تهران پيش‌بيني شده است. براي روش رگرسيون از نرم افزار ميني تب استفاده شد و يك رابطه‌ي خطي بر اساس عوامل موثر به دست آمد. الگوريتم شبكه عصبي با نرم افزار متلب و به صورت دو لايه و تابع فعالسازي لگاريتمي طراحي گرديد. در نهايت الگوريتم استدلال مبتني بر مورد با نرم افزار پايتون طراحي شد و از الگوريتم ازدحام ذرات براي وزن‌دهي عوامل در آن استفاده گرديد. شبكه عصبي با ضريب همبستگي 0.924 از دقت بيشتري در پيش‌بيني برخوردار بود. با اين حال روش استدلال مبتني بر مورد نيز با مقدار 0.903 دقت مشابهي را نشان مي‌دهد و از آنجايي كه نياز به داده‌هاي كمتري نسبت به شبكه عصبي دارد مي‌تواند جايگزين بسيار مناسبي در اين زمينه باشد. كمترين ضريب مربوط به روش رگرسيون به مقدار 0.805 بود كه اگرچه ميزان قابل قبولي است ولي نسبت به دو روش ديگر دقت كمتري دارد. نتايج نشان مي‌دهد كاربرد مدل‌هاي پيش‌بيني هزينه نگهداري قابل توسعه بوده و در خصوص مدل‌هاي نوين فراكاوشي با دقت مطلوبي امكان‌پذير است.

1401/10/20

Maintenance Cost Prediction of Concrete Structural Residential Towns in TEHRAN

10/10/2023 12:00:00 AM

Budget and resource limitations have increased consentration on maintenance and repair management instead of new constructions, which has not been seriously considered in Iran, at least in practical issues. The first step in maintenance management is the correct and principled estimation of costs and manage them with the aim of improving the planning and proper management of projects, economic review, budget allocation, etc., which requires a suitable method for costs prediction. Therefore, the aim of this thesis is to examine the maintenance cost estimation models along with the methods and applications of each one. Here, by designing and using three widely useful and valid models including parametric models (regression), artificial neural network and case-based reasoning, the maintenance costs in 10 concrete structural residential towns in Tehran have been predicted. Minitab software was used for the regression method and a linear model was obtained based on the effective factors. The neural network algorithm was designed with MATLAB software, with two layers and a logarithmic activation function. Finally, the case-based reasoning algorithm was designed with Python software and the particle swarm algorithm was used for weighting. The neural network with a correlation coefficient of 0.924 was more accurate in prediction. However, the case-based reasoning method also shows a similar accuracy with a value of 0.903, and since it requires less data than the neural network, it can be a very suitable alternative in this field. The lowest coefficient would be related to the regression method with the value of 0.805, which is less accurate than the other two methods although it is acceptable. The results have shown that the application of maintenance cost prediction models is possible and can be developed by modern meta-exploration models with a satisfy accuracy.

Hossein Jannatmakan

Aliakbar Shirzadi Javid