يجب تسجيل الدخول أولا
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: |
عدد مرات التحميل
97
| المستخلص: |
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. |
|---|
عناصر مشابهة
-
Prediction Model of Construction Labor Production Rates in Gaza Strip using Artificial Neural Networks
بواسطة: Mady, Mohammed منشور: (2013) -
Forecasting of Cement Sales Demand For Oman Cement Company By Using Linear Regression and Artificial Neural Network (ANN)
بواسطة: Al Abri, Emad Humood Salim منشور: (2011) -
Estimating Models and Evaluating their Efficiency under Multicollinearity in Multiple Linear Regression: A Comparative Study
بواسطة: محمود، سامان حسين منشور: (2024) -
Prediction and Factors Affecting of Chronic Kidney Disease Diagnosis Using Artificial Neural Networks Model and Logistic Regression Model
بواسطة: Alshebly, Omar Qusay منشور: (2019) -
Cost Estimation for Building Construction Projects in Gaza Strip Using Artificial Neural Network (ANN)
بواسطة: Shehatto, Omar M. منشور: (2013)
