Please use this identifier to cite or link to this item:
https://hdl.handle.net/10316/106053
Title: | Bridge Cost Forecast | Other Titles: | Previsão do Custo de Pontes | Authors: | Sousa, Gonçalo Manuel Oliveira e | Orientador: | Correia, João Nuno Gonçalves Costa Cavaleiro Martins, Tiago Filipe dos Santos |
Keywords: | Machine Learning; Estimativa de Custos; Bill of Materials; Análise de Regressão; Redes Neuronais Artificiais; Machine Learning; Cost estimation; Bill of Materials; Regression Analysis; Artificial Neural Networks | Issue Date: | 26-Jan-2023 | Serial title, monograph or event: | Bridge Cost Forecast | Place of publication or event: | Coimbra | Abstract: | A previsão de um projeto de construção é uma tarefa de grande importância quando se trata da gestão de um tal projeto. A construção de pontes é uma tarefa muito complexa, com muitos fatores imprevisíveis que podem atrasar os prazos e aumentar os custos finais.Esta tese visa formular dois modelos diferentes de previsão baseados na Inteligência Artificial (IA) que podem ajudar a aliviar e acelerar um processo que é, na sua maioria, manual e enfadonho. Estes dois modelos têm objetivos diferentes. O primeiro objetivo é o de estimar o custo de uma ponte, dadas as múltiplas características. O segundo é prever o custo de um item específico para uma determinada data.O primeiro objetivo foi alcançado com resultados aceitáveis, dada a qualidade dos dados, com um R2 de 0,878, usando um Multilayer Perceptron. Foi realizada uma pesquisa exaustiva para encontrar os seus melhores parâmetros. O segundo objetivo foi apoiado por um conjunto de dados do BERD de um orçamento real de uma ponte entre as cidades do Porto e Gaia, utilizado em conjunto com os custos mensais do Reino Unido de materiais de construção para criar um sistema de previsão. Não é ideal utilizar os valores de custos do Reino Unido em vez dos portugueses, mas faltam bons dados de custos e isto é apenas uma prova de conceito.No entanto, os resultados foram um sucesso. A versão final deste sistema passou por uma pesquisa exaustiva dos melhores parâmetros de um TCNN e teve uma MAPE de 2,972 para um determinado item.Estes resultados provam ser possível, e útil, utilizar a Inteligência Artificial (IA) para a previsão de custos de pontes. Na sua maioria, estes modelos mostram uma colaboração promissora entre especialistas em orçamentação e Inteligência Artificial (IA) The forecast of a construction project is a task of great importance when it comes to the management of a said project. Bridge construction is a very complex task with many unpredictable factors that can delay deadlines and increase final costs.This thesis aims to formulate two different predicting models based on Artificial Intelligence (AI) that may help to alleviate and accelerate a process that is mostly manual and tedious. Those two models have different goals. The goal of the first is to estimate the cost of a bridge given multiple features. The second is to forecast the cost of a specific item for a given date.The first goal was achieved with acceptable results, given the quality of the data, with an R2 of 0.878, using a Multi-layer Perceptron. An exhaustive search to find its best parameters was performed. The second goal was supported by a BERD's dataset of a real budget of a bridge between the cities of Porto and Gaia, used in conjunction with the UK's monthly costs of building materials to create a forecasting system. It is not ideal to use UK's cost values instead of Portuguese ones, but, there is a lack of good cost data and this is a merely a proof of concept.Nevertheless, the results were a success. The final version of this system underwent an exhaustive search for the best parameters of a TCNN and had a MAPE of 2.972 for a given item.These results prove that it is possible, and useful, to use Artificial Intelligence (AI) for bridge cost forecasting. For the most part, these models show a promising collaboration between experts in budgeting and Artificial Intelligence (AI) |
Description: | Dissertação de Mestrado em Engenharia e Ciência de Dados apresentada à Faculdade de Ciências e Tecnologia | URI: | https://hdl.handle.net/10316/106053 | Rights: | openAccess |
Appears in Collections: | UC - Dissertações de Mestrado |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Bridge_Cost_Forecast__Thesis_Final.pdf | 2.64 MB | Adobe PDF | View/Open |
Page view(s)
59
checked on Aug 13, 2024
Download(s)
94
checked on Aug 13, 2024
Google ScholarTM
Check
This item is licensed under a Creative Commons License