Chulalongkorn University Theses and Dissertations (Chula ETD)

การศึกษาแนวทางการประมาณเนื้องานก่อสร้างอาคาร ด้วยแบบจำลองโครงข่ายประสาทเทียม

Other Title (Parallel Title in Other Language of ETD)

A study on quantity estimation of building construction using neural network models

Year (A.D.)

2000

Document Type

Thesis

First Advisor

ธนิต ธงทอง

Faculty/College

Faculty of Engineering (คณะวิศวกรรมศาสตร์)

Degree Name

วิศวกรรมศาสตรมหาบัณฑิต

Degree Level

ปริญญาโท

Degree Discipline

วิศวกรรมโยธา

DOI

10.58837/CHULA.THE.2000.1089

Abstract

การประมาณราคางานก่อสร้างอาคารเป็นขั้นตอน ที่มีความสำคัญเป็นอย่างมากในการบริหารงานก่อสร้าง งานวิจัยนี้มีจุดประสงค์ที่จะศึกษาความสัมพันธ์เชิงสัดส่วน ของปริมาณเนื้องานที่เป็นองค์ประกอบในการก่อสร้างอาคาร เพื่อที่จะนำไปใช้ประโยชน์ในการประมาณราคางานก่อสร้างเบื้องต้น ให้มีความแม่นยำสูงขึ้น โดยขอบเขตการวิจัยนี้ศึกษาเฉพาะอาคารประเภทพักอาศัยเท่านั้น ขั้นตอนการวิจัยที่สำคัญ ประกอบด้วย การศึกษาวิธีการแบ่งประเภทอาคารพักอาศัย ความสัมพันธ์เชิงสัดส่วนของประมาณเนื้องานก่อสร้าง และความเหมาะสมในการประยุกต์ใช้แบบจำลองโครงข่ายประสาทเทียม ในการประมาณเนื้องานก่อสร้าง โดยใช้ข้อมูลอาคารพักอาศัยในการวิเคราะห์จำนวน 54 โครงการ ผลการวิเคราะห์สัดส่วนความสัมพันธ์ของเนื้องาน แสดงให้เห็นว่าเมื่อแยกประเภทข้อมูลอาคารออกเป็นกลุ่ม โดยพิจารณาจากพารามิเตอร์ของอาคารที่มีความคล้ายคลึงกัน ได้แก่ ระบบโครงสร้างหรืองานตกแต่งฝ้าเพดาน สัดส่วนความสัมพันธ์ของเนื้องานส่วนใหญ่จะมีความแปรปรวนต่ำลง เช่น สัดส่วนไม้แบบต่อคอนกรีต สัดส่วนคอนกรีตต่อพื้นที่หรือสัดส่วนงานทาสีต่องานผนัง เป็นต้น โดยสัดส่วนเหล่านี้มีความคลาดเคลื่อนต่ำกว่า 20% และผลที่ได้แสดงให้เห็นว่าอาคารแต่ละกลุ่ม จะมีค่าสัดส่วนอยู่ในช่วงที่แตกต่างกัน ยกเว้นสัดส่วนเนื้องานในหมวดงานระบบวิศวกรรม ซึ่งส่วนใหญ่จะยังมีความแปรปรวนสูงอยู่ ในการพัฒนาแบบจำลองโครงข่ายประสาทเทียม Backpropagation Neural Networks เป็นรูปแบบโครงข่ายที่นำมาศึกษาการจำลองความสัมพันธ์ ระหว่างประมาณเนื้องานก่อสร้างที่เป็นปัจจัยหลัก กับพารามิเตอร์ของอาคาร ผลการเปรียบเทียบประสิทธิภาพในการจำลองความสัมพันธ์ ของข้อมูลชุดพัฒนาแบบจำลองและความคลาดเคลื่อนของข้อมูล ชุดทดสอบแบบจำลองระหว่างวิธีแบบจำลองโครงข่ายประสาทเทียม และวิธีวิเคราะห์สมการถดถอยเชิงซ้อนแบบเส้นตรง พบว่า แบบจำลองโครงข่ายประสาทเทียมสามารถจำลองความสัมพพันธ์ ของข้อมูลได้ดีกว่าและแบบบจำลองที่ได้ สามารถนำไปใช้ประมาณปริมาณเนื้องานก่อสร้างได้แม่นยำสูงกว่า โดยมีความคลาดเคลื่อนเฉลี่ยต่ำกว่า 20%

Other Abstract (Other language abstract of ETD)

Cost estimation is one of the most important tasks in the quality management of construction projects. The objective of this thesis is to develop a method of cost estimation that can provide quick and more accurate preliminary estimate by studying the relationships of the quantities of materials used in building construction. The study focuses only on residential buildings. The research method consists of three parts: a) identify how to suitably classify residential buildings, b) identify the relationships of the quantities of major materials in terms of component-ratio, and c) apply the technology of artificial neural networks to represent the cost estimation models. Data of 54 building construction projects are collected and divided in two groups, 44 for training sets and 10 for testing the models. The analysis in this research shows that when buildings are classified into appropriate groups based on some characteristics such as structural systems or types of interior-finishing, the results are numbers ofratios of quantities of work with low variation. However, this is not included ratios found for mechanical and electrical works. The development of artificial neural network models is based on the backpropagation network model. The eficiency and accuracy of the predicted results from artificial neural network models are compared with the results from multiple linear regression method. The artificial neural network models present better results of quantity estimation of building construction. The average absolute percent error of the output from neural network models is lower than 20%.

Link to Full Text

Share

COinS