[論文レビュー] A Neural Network Model for Construction Projects Site Overhead Cost Estimating in Egypt

Ismaail ElSawy, Hossam Hosny+1 more|arXiv (Cornell University)|Jun 8, 2011

BIM and Construction Integration被引用数 27

ひとこと要約

本論文は、エジプトにおける建築プロジェクトの現場管理費を、総工事費の割合として推定するためのフィードフォワードバックプロパゲーション型人工ニューラルネットワーク（ANN）モデルを提案する。52件の実際の建設プロジェクト（2002年〜2009年）を用いて訓練された本モデルは、現場管理費の予測において高い精度を達成し、人的による推定手法に代わるデータ駆動型の代替手段を提供する。

ABSTRACT

Estimating of the overhead costs of building construction projects is an important task in the management of these projects. The quality of construction management depends heavily on their accurate cost estimation. Construction costs prediction is a very difficult and sophisticated task especially when using manual calculation methods. This paper uses Artificial Neural Network (ANN) approach to develop a parametric cost-estimating model for site overhead cost in Egypt. Fifty-two actual real-life cases of building projects constructed in Egypt during the seven year period 2002-2009 were used as training materials. The neural network architecture is presented for the estimation of the site overhead costs as a percentage from the total project price.

研究の動機と目的

• エジプトの建設プロジェクトにおける現場管理費を、信頼性がありデータ駆動型の方法で推定するための手法を開発すること。
• 誤差や主観的要因に起因しやすい、人的および伝統的な推定手法の限界を克服すること。
• 歴史的プロジェクトデータを活用して、より高いコスト予測精度を実現するための人工ニューラルネットワークを訓練すること。
• 現場管理費を総工事費の割合として表すパラメトリックモデルを確立すること。
• 2002年から2009年までのエジプトにおける実際の建設データを用いて、モデルの予測性能を検証すること。

提案手法

• 現場管理費とプロジェクト特徴との関係をモデル化するために、フィードフォワードバックプロパゲーション型ニューラルネットワークアーキテクチャを選定した。
• 入力特徴には、建物面積、階数、立地などプロジェクト固有の変数を含め、訓練用に正規化した。
• 出力層は、現場管理費を総工事費の割合として出力し、パラメトリック推定を可能にした。
• ネットワークは、2002年から2009年までのエジプトの52件の実際の建設プロジェクトを用いて訓練された。
• 訓練中に予測値と実際の管理費割合の誤差を最小化するために、バックプロパゲーションアルゴリズムが使用された。
• 汎化性能と予測精度を評価するために、データのテストサブセットを用いてモデルを検証した。

実験結果

リサーチクエスチョン

• RQ1 人工ニューラルネットワークは、エジプトの建設プロジェクトにおける現場管理費推定を効果的にモデル化できるか？
• RQ2 従来の推定手法と比較して、ANNモデルは現場管理費の予測においてどの程度の精度を示すか？
• RQ3 プロジェクト特徴と現場管理費（総工事費に対する割合）との関係は何か？
• RQ4 本モデルは、エジプトの未観測の建設プロジェクトにどの程度一般化できるか？
• RQ5 多様なエジプトの建築プロジェクトから得た歴史的データは、信頼性のあるコスト推定モデルを訓練するために効果的に利用できるか？

主な発見

• 訓練されたニューラルネットワークモデルは、現場管理費を総工事費の割合として推定する際に、高い予測精度を達成した。
• 未観測データに対しても強力な汎化能力を示したため、実用的応用においても信頼性が確認された。
• 52件の実際の建設プロジェクトからの歴史的データを活用することで、コスト行動における複雑な非線形関係を捉えることができた。
• 一貫性と正確性の面で、従来の人的推定手法に比べ、ANNアプローチが優れていた。
• 7年間にわたる実プロジェクトデータから学習することで、推定の不確実性が著しく低減された。
• 結果から、ANNはエジプトの建設セクターにおけるパラメトリックコスト推定のための実用的で効果的なツールであることが確認された。