Please use this identifier to cite or link to this item: http://hdl.handle.net/11527/7304
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorHaznedaroğlu, Feyzitr_TR
dc.contributor.authorBahadır, Yavuztr_TR
dc.date2013tr_TR
dc.date.accessioned17.06.2013tr_TR
dc.date.accessioned2015-07-10T11:33:23Z-
dc.date.available2015-07-10T11:33:23Z-
dc.date.issued13.09.2013tr_TR
dc.identifier.urihttp://hdl.handle.net/11527/7304-
dc.descriptionTez (Yüksek Lisans) -- İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, 2013tr_TR
dc.descriptionThesis (M.Sc.) -- İstanbul Technical University, Institute of Science and Technology, 2013en_US
dc.description.abstractĠnşaat firmaları açısından teklif aşamasında doğru maliyet analizi, kar zarar analizi yapabilmek için çok önemlidir. Teklif stratejileri konusunda karar verici konumda bulunan kişiler birtakım yöntemlerden yararlanarak verecekleri kararların doğruluk oranını artırabilirler. Bu yöntemlerden biri de Yapay Sinir Ağları dır. Bu çalışmada öğretmenli öğrenme algoritmasını kullanan çok katmanlı ve ileri beslemeli yapay sinir ağları yapısı tercih edilmiştir._x000D_ Tahmin modelinde 2011 yılını kapsayan 100 adet farklı işe ait proje verileri kullanılmıştır. Bu projelerden 80 adedi ile ağ eğitilmiş ve 20 adedi ile de test edilmiştir. Oluşturulan maliyet havuzundaki ögelerden kayıtlı verilerine ulaşılan metraj bilgileri, yapı yüksekliği, nakliye gideri ve m2 malzeme maliyeti girdi parametreleri olarak kullanılmıştır. Ağ performansı değerlendirme kriterleri olarak Ortalama Mutlak Yüzde Hata (OMYH) kullanılmıştır._x000D_ Deneme yanılma metoduyla değişik katman sayıları ve nöron sayıları denenmiş ve elde edilen en iyi sonuçlar tablolar yardımıyla sunulmuştur. Buna göre oluşturulan farklı yapılardaki tek ve çok katmanlı yapay sinir ağlarından en iyi sonucu veren 11 adet nörona sahip tek ara katman ve çıktıdan oluşan, sigmoid aktivasyon fonksiyonunun kullanıldığı model olmuştur. 20 adet test verisine ait en iyi modelde, OMYH değeri %4,10 olarak hesaplanmıştır._x000D_ YSA yöntemiyle tahmin edilen teklif fiyatı Regresyon Analizi (RA) yöntemiyle de belirlenmeye çalışılmış ve OMYH değeri %38,87 olarak bulunmuştur._x000D_ Sonuç olarak, YSA ve RA yöntemleri kullanılarak yapılan tahminlerde belirlenen hata oranları dahilinde başarılı sonuçlara ulaşıldığı, ancak iki yöntem kıyaslandığında YSA modellemesiyle, belirsizliklerin fazla olduğu teklif oluşturma aşamasında daha başarılı sonuçlar elde edildiği anlaşılmaktadır.tr_TR
dc.description.abstractThe accurate cost analysis is very important for construction companies to make profit loss analysis. Decision makers about bid strategies can improve the accuracy of their decisions by using some methods. Artificial Neural Networks are one of these methods. In this study, feed forward back propagation neural networks that have multilayered and supervised learning manner are preferred. Project data, which is belonging 100 different works in 2011, has been used in forecasting model. Network has been trained by 80 projects and tested by 20 projects. Quantity survey data, building height, shipping charges and cost of materials per square meter have been used as input parameters. Mean Absolute Percentage Error (MAPE) has been used as evaluation criteria. Different layer and neuron quantities have been attempted by trial and error method and the best results have been represented by tables. Accordingly, the model, which has 11 neurons, one hidden layer and output, sigmoid activation function, is the best result of different structures. MAPE value is calculated as 4,10% in the best model consisted of 20 test data. The bid price has been determined by Regression Analysis method also and performance evaluation of methods have been made and MAPE value has been computed as 38,87%. As a result of this study, It is understood that succesful forecasts have been achieved by using ANN and RA methods, however when two methods are compared, more successful results are obtained by ANN method in bidding period that has too much uncertainty.en_US
dc.publisherFen Bilimleri Enstitüsütr_TR
dc.publisherInstitute of Science and Technologyen_US
dc.rightsİTÜ tezleri telif hakkı ile korunmaktadır. Bunlar, bu kaynak üzerinden herhangi bir amaçla görüntülenebilir, ancak herhangi bir biçimde yeniden oluşturulması veya dağıtılması yazılı izin alınmadan yasaklanmıştır.tr_TR
dc.rightsİTÜ theses are protected by copyright. They may be viewed from this source for any purpose, but reproduction or distribution in any format is prohibited without written permission.en_US
dc.subjectHücresel yapay sinir ağlarıtr_TR
dc.subjectCellular artificial neural networksen_US
dc.subjectCam elyaftr_TR
dc.subjectFiyat tahminitr_TR
dc.subjectGlass fiberen_US
dc.subjectPrice forecastingen_US
dc.titleCam Elyaf Katkılı Cephe Kaplama Elemanlarına Yönelik Teklif Fiyatı Tahmininde Yapay Sinirt Ağlarının (Ysa) Kullanılmasıtr_TR
dc.title.alternativeUsing Artifical Neural Networks (Ann) For Estimation Of The Bid Price Of Glass Fibre Reinforced Cladding Elementsen_US
dc.typeThesisen_US
dc.typeTeztr_TR
dc.contributor.authorID10003441tr_TR
dc.contributor.departmentYapı İşletmesitr_TR
dc.contributor.departmentConstruction Managementen_US
dc.description.degreeYüksek Lisanstr_TR
dc.description.degreeM.Sc.en_US
Appears in Collections:Yapı İşletmesi Lisansüstü Programı - Yüksek lisans

Files in This Item:
File Description SizeFormat 
13601.pdf2.01 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.