Predicting the Earned Value for TunnelsProjects Using Artificial Neural Network Approach
| العنوان بلغة أخرى: |
التنبؤ بالقيمة المكتسبة لمشاريع الأنفاق باستخدام أسلوب الشبكات العصبية الاصطناعية |
|---|---|
| المؤلف الرئيسي: | عبدالقادر، محمد عبدالرزاق (مؤلف) |
| مؤلفين آخرين: | الجبوري، عبدالكريم محمد (مشرف) |
| التاريخ الميلادي: |
2018
|
| موقع: | عمان |
| الصفحات: | 1 - 74 |
| رقم MD: | 957540 |
| 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: |
تعد إدارة القيمة المكتسبة EVM منهجية لإدارة المشاريع تدمج النطاق Scope والجدول Schedule والتكلفة Cost. وهو إطار يسمح لمتخصصي إدارة المشروع بمراقبة هذه المكونات الثلاثة بحيث يكون لديهم مقياس موضوعي لصحة المشروع. الهدف هو تحسين قياس التقدم. قد يكون هناك ضعف في إدارة القيمة المكتسبة لمشاريع الأنفاق لأن التقنيات المتاحة الحالية ضعيفة وغير مؤكدة. ومع ذلك، يتركز اليوم الكثير من الجهد على تطوير الشبكة العصبية للتنبؤ بالقيمة المكتسبة في مشاريع البناء بشكل عام، ومشاريع الأنفاق بشكل خاص. الهدف الرئيسي من هذه الدراسة هو تقديم الذكاء الاصطناعي في إجراء النهج الإحصائي لإدارة القيمة المكتسبة لمشاريع الأنفاق. تعتمد المنهجية بشكل رئيسي على تحديد العوامل المختلفة التي تؤثر على إدارة القيمة المكتسبة لمشاريع الأنفاق، والتي تتضمن بيانات تاريخية في العراق والأردن. تم اختيار خمسة متغيرات مستقلة عشوائيا (التكلفة الفعلية AC)، (قيمة التخطيط PV)، (القيمة المكتسبة EV)، (المدة الفعلية AD) و(مدة التخطيط PD) والتي تم تحديدها بشكل جيد لكل مشروع نفق، وتم اختيار متغير تابع واحد وهو مؤشر أداء الجدول الزمني SPI. تم اختيار برنامج Neuframe، وهو بيئة المحاكاة الشبكية العصبية وهو الإجراء المعتمد لإيجاد بنية الشبكة المثلى والمعايير الداخلية التي تتحكم في عملية التدريب التي نفذت باستخدام المحددات الافتراضية لحزمة برمجيات Neuframe. وتكشف نتائج التجارب أن متوسط النسبة المئوية لمعدل الخطأ المطلق MAPE% ونسبة الدقة المتوسطة AA% الناتجة عن نموذج الشبكة العصبية الاصطناعية ANN لمؤشر الأداء الزمني SPI وجد أنها (11% و89%) على التوالي. لذلك، يمكن استنتاج أن نموذج الشبكة العصبية لمؤشر الأداء الزمني يظهر تطابق ممتاز مع القياسات الفعلية. |
|---|
عناصر مشابهة
-
Cost Estimation for Iraqi School Building Projects Using Artificial Neural Network
بواسطة: داود، مصطفى عدنان منشور: (2019) -
Predicting the Project Costs of Religious School Buildings and their Duration Using Neural Networks
بواسطة: الحياني، مهند هادي جواد منشور: (2022) -
Banking Customer Churn Prediction System Using Artificial Neural Network Technique
بواسطة: يونس، هاني إبراهيم جميل منشور: (2020) -
Prediction of Chronic Kidney Diseases Using Artificial Neural Network
بواسطة: Benzrieg, Ashraf M. Saeid منشور: (2022) -
Earned Value Management and Neural Network to Estimate Cost of Project in Jordan
بواسطة: أبو حصوه، شريهان محمد منشور: (2022)
