文献

J-GLOBAL ID：202202228439460769   整理番号：22A0948807

高層住宅建設プロジェクトにおける機械学習支援エンジニアリングサービスコスト超過予測:ランダム森林回帰の適用【JST・京大機械翻訳】

Machine learning-aided engineering services’ cost overruns prediction in high-rise residential building projects: Application of random forest regression

著者 (5件)： Shoar Shahab (Department of Project and Construction Management, Mehralborz Institute of Higher Education, Tehran, Islamic Republic of Iran) ,  Chileshe Nicholas (UniSA STEM, Sustainable Infrastructure and Resource Management (SIRM), University of South Australia, Adelaide, Australia) ,  Chileshe Nicholas (Faculty of Engineering and the Built Environment, University of Johannesburg, Johannesburg, South Africa) ,  Edwards John David (Faculty of Computing, Engineering and the Built Environment, Birmingham City University, Birmingham, UK) ,  Edwards John David (Faculty of Engineering and the Built Environment, University of Johannesburg, Johannesburg, South Africa)
資料名： Journal of Building Engineering  (Journal of Building Engineering)
巻： 50  ページ： Null  発行年： 2022年 
JST資料番号： W3072A  ISSN： 2352-7102  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： コスト推定を自動化する現在のアプローチは,主に建設コストに焦点を合わせる。しかし,設計企業が提供する2つの主なサービス,すなわち,プロジェクトを計画し,エンジニアリングサービスとしてラベル付けされた建設運用の「望は,それらの比較的低コストにもかかわらず,プロジェクト参加者のその後の段階の間に,プロジェクト参加者の復興,変化,および議論を,それらのように,建設プロジェクトの総コストに著しい影響を与えることができる。工学サービスのコストオーバーラン(ESCO)の連続評価は,プロジェクトの開発と使用におけるその後の問題を防止するために,本質的に重要である。従って,本研究は,プロジェクト関連および組織的関連変数の両方を考慮して,ESCOsを予測するためのロバストランダムフォレスト(RF)回帰モデルを提案した。イランで過去8年間に設計された95の高層住宅建築プロジェクトからなるデータベースを12の関連する変数と共に収集し,モデルを開発して検証した。結果はまた,サポートベクトル回帰(SVR)および多重線形回帰(MLR)のそれらと比較し,R2値が0.8680および平均絶対誤差(MAE)が3.88で,RF回帰モデルは,ベースラインモデル,すなわちSVRおよびMLRより良好に機能することを示した。本研究は,知識の既存の物体に対する2つの主な貢献を示した。実用的観点から,設計企業は,コストオーバーランの観点から彼らのプロジェクトをスクリーニング,優先順位付けすることを可能にし,また,それらに対する偶発計画を考案する設計企業のための効率的なツールを提供する。理論的観点から,ESCOを緩和するために,3つの重要な要因は,徹底的考察,すなわち,コンピュータ支援設計技術採用の水準を挙げるべきであることを明らかにした。プロジェクトチーム間のコミュニケーションの「レベル;そして,範囲定義適切性,これらの3つの因子は,ESCO変動の52.35%に寄与する。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： CAD【計算機】 ,  自動化 ,  *原価 ,  データベース ,  *プロジェクト ,  プロジェクトチーム ,  建設費 ,  総原価 ,  モデル ,  回帰モデル ,  *機械学習
準シソーラス用語： *ランダムフォレスト ,  *建設プロジェクト ,  サポートベクトル回帰 ,  多重線形回帰 , 【Automatic Indexing@JST】

著者キーワード (5件)： エンジニアリングサービス ,  コスト超過 ,  高層住宅建築 ,  機械学習 ,  ランダム森林回帰

分類 (4件)： 建設施工一般  (RA07010Z) ,  化学プラントの設計・建設  (XB02020K) ,  建設工学一般  (RA01011A) ,  建設管理  (RA01096R)

タイトルに関連する用語 (8件)： 高層住宅 ,  建設プロジェクト ,  機械学習 ,  支援 ,  エンジニアリング ,  サービス ,  予測 ,  森林