Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "project schedule" wg kryterium: Temat


Wyświetlanie 1-1 z 1
Tytuł:
Predicting index to complete schedule performance indicator in highway projects using artificial neural network model
Autorzy:
Jasim, Nidal A.
Maruf, Shelan M.
Aljumaily, Hadi S. M.
Al-Zwainy, Faiq M. S.
Powiązania:
https://bibliotekanauki.pl/articles/230165.pdf
Data publikacji:
2020
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
projekt autostrady
sztuczna sieć neuronowa
wskaźnik wykonania
harmonogram
GMDH
oprogramowanie powłoki
budżet na zakończenie
wartość wypracowana
wartość planowania
highway project
artificial neural network
complete performance indicator
schedule
shell software
budget to completion
earned value
planning value
Opis:
Inaccurate estimation in highway projects represents a major problem facing planners and estimators, especially when data and information about the projects are not available, and therefore the need to use modern technologies that addresses the problem of inaccuracy of estimation arises. The current methods and techniques used to estimate earned value indexes in Iraq are weak and inefficient. In addition, there is a need to adopt new and advanced technologies to estimate earned value indexes that are fast, accurate and flexible to use. The main objective of this research is to use an advanced method known as artificial neural networks to estimate the TSPI of highway buildings. The application of artificial neural networks as a new digital technology in the construction industrial in Republic of Iraq is absolutely necessary to ensure successful project management. One model built to predict the TCSPI of highway projects. In this current study, artificial neural network model were used to model the process of estimating earned value indexes, and several cases related to the construction of artificial neural networks have been studied, including network architecture and internal factors and the extent of their impact on the performance of artificial neural network models. Easy equation was developed to calculate that TSPI. It was found that these networks have the ability to predict the TSPI of highway projects with a very outstanding saucepan of reliability (97.00%), and the accounting coefficients (R) (95.43%).
Źródło:
Archives of Civil Engineering; 2020, 66, 3; 541-554
1230-2945
Pojawia się w:
Archives of Civil Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-1 z 1

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies