اطلاعیه

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

این مقاله علمی پژوهشی (ISI) به زبان انگلیسی از نشریه الزویر مربوط به سال ۲۰۲۲ دارای ۱۰ صفحه انگلیسی با فرمت PDF و ۳۳ صفحه ترجمه فارسی به صورت فایل  WORD قابل ویرایش می باشد در ادامه این صفحه لینک دانلود رایگان مقاله انگلیسی ، بخشی از ترجمه فارسی مقاله و  لینک خرید آنلاین ترجمه ی کامل مقاله موجود می باشد

کد محصول: H779

سال نشر: ۲۰۲۲

نام ناشر (پایگاه داده): الزویر

نام مجله:   Automation in Construction

نوع مقاله: علمی پژوهشی (Research articles)

تعداد صفحه انگلیسی: ۱۰ صفحه PDF

تعداد صفحه ترجمه فارسی: ۳۳ صفحه WORD

قیمت فایل ترجمه شده۶۶۰۰۰ تومان

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

برای دانلود رایگان مقاله انگلیسی بر روی دکمه ذیل کلیک نمایید

دانلود رایگان مقاله بیس انگلیسی

وضعیت ترجمه: این مقاله به صورت کامل ترجمه شده برای خرید ترجمه کامل مقاله بر روی دکمه ذیل کلیک نمایید (لینک دانلود بلافاصله بعد از خرید نمایش داده می شود)

خرید و دانلود ترجمه ی مقاله انگلیسی

مقالات مرتبط با این موضوع: برای مشاهده سایر مقالات مرتبط با این موضوع (با ترجمه و بدون ترجمه)  بر روی دکمه ذیل کلیک نمایید

مقالات انگلیسی مرتبط با این موضوع جدید

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

۱.مقدمه

یک پروژه ساخت و ساز موفق باید بر اساس سه محدودیت مرتبط، یعنی بودجه، زمان و کیفیت ارائه شود. کیفیت پروژه ها را می توان در مرحله ساخت و ساز کنترل و بهبود بخشید، در حالی که بودجه و زمان نیاز به برآوردهای توافق شده طبق قراردادها دارند. هم پیمانکاران و هم ذینفعان به شدت درگیر این برآوردها هستند [۱]. برآورد دقیق هزینه، ذینفعان و تصمیم گیرندگان را قادر می سازد تا مطالعات امکان سنجی منطقی تری را قبل از شروع انجام دهند، مقیاس مالی را در مرحله مناقصه مشخص کنند و بر جریان های نقدی در مرحله ساخت و ساز پروژه ها کنترل و نظارت داشته باشند[۲]. یک پروژه با برآورد هزینه کمتر معمولاً منجر به افزایش هزینه و متعاقب آن زیان مالی برای ذینفعان و/یا پیمانکاران می شود [۳]. به منظور کاهش زیان و دستیابی به اهداف سودآوری پروژه، چندین رویکرد کاربردی در ادبیات برای برآورد دقیق هزینه های ساخت و ساز پیشنهاد شده است…

۷.جمع بندی

مدل‌های برآورد هزینه های ساخت و ساز در مطالعات قبلی ،  بدون در نظر گرفتن عوامل اقتصادی ارائه شده اند که عمدتاً به دلیل عدم توافق بین محققان بوده است. مهمتر از آن، توجه کمی به ترکیب روند و ارزش شاخص های بازار در برآورد هزینه های ساخت شده است. این مطالعه از DNN به عنوان یک برآوردگر و SHAP به عنوان مفسر مدل برای بررسی اثرات عوامل اقتصادی بر برآورد هزینه های ساخت استفاده می کند. این مطالعه بر اساس داده های ۹۸ پروژه مدرسه دولتی در HKSAR می باشد. نتایج نشان می‌دهد که عوامل اقتصادی و روند آن‌ها تأثیر زیادی بر کاهش خطاهای برآورد هزینه های اولیه ساخت دارند، که نشان می‌دهد تأثیر عوامل اقتصادی را نمی‌توان در مجموعه داده‌های نسبتاً کوچکتر و در عین حال پیچیده نادیده گرفت. این مطالعه همچنین نشان داد که عوامل اقتصادی می‌توانند نقش مهم‌تری نسبت به ویژگی‌های پروژه‌ها در برآورد هزینه ساخت داشته باشند…

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

۱.Introduction

 A successful construction project needs to be delivered within three interrelated constraints, namely budget, time, and quality. Quality of projects can be monitored and improved during the construction phase whereas budget and time need to meet their agreed-upon estimations in the contracts. Both contractors and stakeholders are immensely engaged with these estimations [1]. Accurate cost estimation enables stakeholders and decision-makers to conduct more rational feasibility studies before commencement, determine the financial scale at the bidding stage, control and monitor cash flows during the construction phase of projects [2]. A project with an underestimated cost typically results in cost overrun and consequent financial losses for the stakeholders and/or contractors [3]. To mitigate the losses and to meet project profitability objectives, several approaches have been in practice and have been proposed in the literature to accurately estimate the construction costs..

۷.Conclusion

 Previous studies have developed construction cost estimation models without the consideration of economic factors mainly because of a lack of consensus among researchers. More importantly, little attention has been paid to combining the trend and value of market indexes into construction cost estimation. This study used DNN as an estimator and SHAP as a model interpreter to explore the effects of economic factors on construction cost estimation. This exploration is based on the data on 98 public school projects in HKSAR. The results show that economic factors and their trends exert much influence on reducing the errors of early construction cost estimation, indicating the effect of economic factors could not be overlooked on rather smaller yet complex datasets. This study also found that the economic factors can play a more important role than projects’ characteristics in construction cost estimation…

مقالات مرتبط با این موضوع

ترجمه مقاله در مورد حسابداری

ترجمه مقاله در مورد مدیریت

ترجمه مقاله در مورد اقتصاد

ترجمه مقاله درباره حسابداری هزینه

 ترجمه مقاله در مورد مدیریت پروژه

ترجمه مقاله در مورد  مهندسی صنایع

ترجمه مقاله در مورد شبکه های عصبی

دانلود رایگان مقاله انگلیسی با ترجمه