Штучні нейронні мережі в оцінці вартості будівельних проектів

Abstract

UK: Мета. Сформувати уявлення про застосування нейронних мереж для оцінки вартості будівельних проектів. Штучні нейронні мережі успішно використовуються у вирішенні численних комплексних нелінійних проблем, пов'язаних з прогнозуванням, оцінкою, прийняттям рішень, оптимізацією, систематизацією та вибором в областях будівництва та його управлінням. Штучні нейронні мережі особливо ефективні для вирішення складних задач, таких як проблеми оцінки витрат, коли взаємозв'язок між змінними не може бути виражений простими математичними відносинами. Методика. Метод параметричної оцінки - це метод, при якому для вартісної оцінки використовується статистична залежність між історичними даними та іншими змінними. За допомогою даного методу можна отримати більш точну оцінку вартості, завдяки тому, що даний підхід потребує меншого рівня деталізації в порівнянні з іншими методологіями. Рівень точності оцінки залежить від складності, кількості ресурсів, виділених для такої роботи і даних про вартість, вбудованих в модель. Результати. Оцінка вартості є одним із найважливіших факторів в управлінні будівельними проектами. Будь-яке техніко-економічне обґрунтування для проекту вимагає точної оцінки витрат, для того щоб прийняти правильне рішення щодо майбутньої долі проекту. Наукова новизна. Вдосконалення методів оцінки вартості сприяє більш ефективному контролю за часом та витратами у будівництві. Практична значимість. Застосування штучних нейронних мереж може потенційно усувати деякі основні недоліки традиційних методів оцінки. Це надає великі перспективи для підвищення надійності та обґрунтованості методу параметричної оцінки вартості.

RU: Цель. Сформировать представление о применении нейронных сетей для оценки стоимости строительных проектов. Искусственные нейронные сети успешно используются в решении многочисленных комплексных нелинейных проблем, связанных с прогнозированием, оценке, принятием решений, оптимизацией, систематизацией и выбором в областях строительства и его управлением. Искусственные нейронные сети особенно эффективны для решения сложных задач, таких как проблемы оценки затрат, когда взаимосвязь между переменными не может быть выражен простыми математическими отношениями. Методика. Метод параметрической оценки - это метод, при котором для стоимостной оценки используется статистическая зависимость между историческими данными и другими переменными. С помощью данного метода можно получить более точную оценку стоимости, благодаря тому, что данный подход требует меньшего уровня детализации по сравнению с другими методологиями. Уровень точности оценки зависит от сложности, количества ресурсов, выделенных для такой работы и данных о стоимости, встроенных в модель. Результаты. Оценка стоимости является одним из важнейших факторов в управлении строительными проектами. Любое технико-экономическое обоснование для проекта требует точной оценки затрат, для того чтобы принять правильное решение относительно будущей судьбы проекта. Научная новизна. Совершенствование методов оценки стоимости способствует более эффективному контролю времени и расходов в строительстве. Практическая значимость. Применение искусственных нейронных сетей может потенциально устранять некоторые основные недостатки традиционных методов оценки. Это дает большие перспективы для повышения надежности и обоснованности метода параметрической оценки стоимости.

EN: Purpose. To form an idea about the use of neural networks for estimating the cost of construction projects. Artificial neural networks are successfully used in solving numerous complex non-linear problems associated with forecasting, evaluation, decision-making, optimization, systematization, and choice in the fields of construction and its management. Artificial neural networks are particularly effective for solving complex problems, such as cost estimation problems, when the relationship between variables cannot be expressed by simple mathematical relationships. The technique. The parametric estimation method is a method in which the statistical evaluation between historical data and other variables is used for valuation. Using this method, you can get a more accurate estimate of the cost, due to the fact that this approach requires a lower level of detail compared to other methodologies. The level of accuracy of the assessment depends on the complexity, the amount of resources allocated for such work and the cost data embedded in the model. Results. Cost estimation is one of the most important factors in the management of construction projects. Any feasibility study for a project requires an accurate cost estimate in order to make the right decision about the future fate of the project. Scientific novelty. Improving cost estimation methods contributes to more efficient control of time and expenses in construction. Practical value. The use of artificial neural networks can potentially eliminate some of the main disadvantages of traditional evaluation methods. This gives great prospects for improving the reliability and validity of the method of parametric valuation.