مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

84
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

25
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

پیش بینی مسائل مربوط به زمان بندی پروژه های عمرانی با استفاده از شبکه عصبی LSTM (حافظه طولانی کوتاه مدت)

صفحات

 صفحه شروع 1753 | صفحه پایان 1764

چکیده

 از آنجایی که هدفِ نظارت بر پروژه, تصمیم گیری دقیق بوده که می تواند تأثیرات به سزایی بر موفقیت پروژه داشته باشد, پیش بینی ویژگی های پروژه از اهمیت بیشتری برخوردار می گردد. متخصصان بر این باورند که قریب به اتفاق پروژه های عمرانی از تاخیرات رنج می برند. لذا یکی از مهمترین ویژگی پروژه های عمرانی, مسائل مربوط به زمان است. این پژوهش مدلی را پیشنهاد می کند تا بتوان مشکلات زمان بندی پروژه ها را تا حدودی مرتفع نمود. برای این منظور, این پژوهش کاربردهای جدید مدل های پیش بینی حافظه ی کوتاه مدت بلند مدت (LSTM) را که یک معماری از شبکه عصبی بازگشتی است, ارائه می کند. از سوی دیگر به منظور مقایسه و اعتبار سنجی روش LSTM مدل یادگیری دروازه ای(GRU) مورد بررسی قرار می گیرد. متعاقب آن, نتایج پیش بینی مدل های ارائه شده, با داده های یک پروژه ی واقعی مقایسه و راست آزمایی می شود. در این مطالعه برای پیش بینی از داده های پروژه ی توسعه جنوبی خط شش مترو تهران که در سال 97 به پایان رسیده است, استفاده شده و جهت سنجش دقت از معیار ریشه میانگین مربعات استفاده شده است. مدت زمان در نظر گرفته شده برای مدل سازی 17 ماه بوده به طوری که اطلاعات  چهارده ماه ابتدایی به عنوان داده ی آموزش (معادل 83 درصد کل داده ها)  و سه ماه آتی پروژه (معادل 17 درصد کل داده ها) به عنوان داده ی آزمون استفاده شده است. متغیر پیش بینی کننده در این پژوهش درصد پیشرفت فیزیکی پروژه می باشد. نتایج نشان می دهد که حافظه ی کوتاه مدت بلند مدت و کاربردهای پیشنهادی مدل , می تواند با دقت خوبی پیشرفت پروژه را پیش بینی کند.

چندرسانه ای

  • ثبت نشده است.

    • استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    مقالات مرتبط نشریه ای

  • ثبت نشده است.

    • مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button