ارسل ملاحظاتك

ارسل ملاحظاتك لنا







Predicting Construction labour Productivity Using Optimal Artificial Neural Network, Multiple Linear Regression Models: Comparative Study

العنوان بلغة أخرى: التنبؤ بإنتاجية العماله الإنشائية بإستخدام النماذج المثلى للشبكات العصبية الإصطناعية، الانحدار الخطي المتعدد: دراسة مقارنة
المؤلف الرئيسي: الأعمر، حمزة محمد (مؤلف)
مؤلفين آخرين: الزويني، فائق محمد سرحان (مشرف)
التاريخ الميلادي: 2018
موقع: عمان
الصفحات: 1 - 93
رقم MD: 903572
نوع المحتوى: رسائل جامعية
اللغة: الإنجليزية
الدرجة العلمية: رسالة ماجستير
الجامعة: جامعة الاسراء الخاصة
الكلية: كلية الهندسة
الدولة: الاردن
قواعد المعلومات: Dissertations
مواضيع:
رابط المحتوى:
صورة الغلاف QR قانون

عدد مرات التحميل

96

حفظ في:
LEADER 04294nam a22003497a 4500
001 1488384
041 |a eng 
100 |9 484155  |a الأعمر، حمزة محمد  |e مؤلف 
245 |a Predicting Construction labour Productivity Using Optimal Artificial Neural Network, Multiple Linear Regression Models: Comparative Study 
246 |a التنبؤ بإنتاجية العماله الإنشائية بإستخدام النماذج المثلى للشبكات العصبية الإصطناعية، الانحدار الخطي المتعدد: دراسة مقارنة 
260 |a عمان  |c 2018 
300 |a 1 - 93 
336 |a رسائل جامعية 
502 |b رسالة ماجستير  |c جامعة الاسراء الخاصة  |f كلية الهندسة  |g الاردن  |o 0052 
520 |a تعتبر الإنتاجية الإنشائية عنصر مهم جداً في إدارة المشاريع، وبالتالي فأن توقع معدل الإنتاجية الإنشائية للعامل مهمه صعبه، ولكن تطور الأدوات التكنولوجية ستمكن المخطط من فهم أفضل لعمليات التقدير والتنبؤ في مختلف مراحل المشاريع الإنشائية. الهدف من هذه الدراسة تطوير نموذج رياضي جديد لتوقع معدلات الإنتاجية الإنشائية بسبب أن النماذج الرياضية والمعادلات الرياضية المستخدمة لتوقع الإنتاجية الإنشائية لفقرة تغليف الحجر تتسم بعدم تأكديتها وضعف موثوقيتها وفشل الطرق التقليدية لحساب الإنتاجية الإنشائية لبطئها وضعف دقتها. في هذا البحث استخدم تقنيتين لحساب الإنتاجية الإنشائية افقرة تغليف الحجر، التقنية الأولى هي الانحدار الخطي المتعدد والتقنية الثانية هي الشبكات العصبية الاصطناعية. جمعت البيانات من ثلاث مشاريع سكنيه إنشائية في المملكة الأردنية الهاشمية بالعاصمة عمان من شهر يوليو 2017 إلى شهر ديسمبر 2017. النتائج وضحت بأن تقنية الانحدار الخطي المتعدد هو أفضل من تقنية الشبكات العصبية الاصطناعية للإنتاجية الإنشائية لفقرة تغليف الحجر بالاعتماد على متوسط الخطأ المطلق ومعدل الدقة حيث كانت تساوي 18.615 % و81.3846 % على الترتيب، وفي تقنية الشبكات العصبية الاصطناعية كان معدل الخطأ المطلق يساوي 27.06 % ومعدل الدقة يساوي 72.94 %. هذه النتائج تعبر على انه يجب استخدام تقنية الانحدار الخطي المتعدد بدلا من تقنية الشبكات العصبية الاصطناعية في توقع وتخمين الإنتاجية الإنشائية عندما تكون البيانات متجانسة وغير ذلك يستخدم تقنية الشبكات العصبية الاصطناعية. 
653 |a الشبكات العصبية الإصطناعية  |a الانحدار الخطي المتعدد  |a العمال الإنشائية  |a الانتاجية  |a استشراف المستقبل 
700 |a الزويني، فائق محمد سرحان  |g Al-Zwainy, Faiq M.S  |e مشرف  |9 484156 
856 |u 9802-021-004-0052-T.pdf  |y صفحة العنوان 
856 |u 9802-021-004-0052-A.pdf  |y المستخلص 
856 |u 9802-021-004-0052-C.pdf  |y قائمة المحتويات 
856 |u 9802-021-004-0052-F.pdf  |y 24 صفحة الأولى 
856 |u 9802-021-004-0052-1.pdf  |y 1 الفصل 
856 |u 9802-021-004-0052-2.pdf  |y 2 الفصل 
856 |u 9802-021-004-0052-3.pdf  |y 3 الفصل 
856 |u 9802-021-004-0052-4.pdf  |y 4 الفصل 
856 |u 9802-021-004-0052-5.pdf  |y 5 الفصل 
856 |u 9802-021-004-0052-O.pdf  |y الخاتمة 
856 |u 9802-021-004-0052-R.pdf  |y المصادر والمراجع 
856 |u 9802-021-004-0052-S.pdf  |y الملاحق 
930 |d y 
995 |a Dissertations 
999 |c 903572  |d 903572