국내 건설산업의 공공 발주자는 사업의 초기단계의 사업비관리에 대한 중요성을 충분히 인식하고 있음에도 불구하고 체계화된 공사비 산정시스템을 보유하고 있지 못한 실정이다. 이에 신규 공공 건설공사를 기획하고 사업비를 책정하는 단계에서는 예산을 수립하는 담당자가 기존의 실적데이터와 경험을 바탕으로 공사비를 추정하고 있으며, 기본설계단계와 실시설계단계 이후 산정된 공사비를 책정된 예산과 비교 후 사업의 추진여부를 검토하거나 설계내용을 예산에 맞도록 변경하고 있다. 이에 본 연구에서는 공공아파트의 사업초기단계에서 공사비를 산정할 수 있는 공공아파트 계획설계단계에서의 공사비 예측모델을 개발하고자 하였다. 본 연구의 결과를 바탕으로 계획설계단계에서 공사비를 예측하고 사업비 및 전반적인 설계를 관리한다면 지금보다 더 효율적인 방법으로 국가의 재원을 적절하게 책정하고 집행할 수 있을 것으로 판단된다.
국내 건설산업의 공공 발주자는 사업의 초기단계의 사업비관리에 대한 중요성을 충분히 인식하고 있음에도 불구하고 체계화된 공사비 산정시스템을 보유하고 있지 못한 실정이다. 이에 신규 공공 건설공사를 기획하고 사업비를 책정하는 단계에서는 예산을 수립하는 담당자가 기존의 실적데이터와 경험을 바탕으로 공사비를 추정하고 있으며, 기본설계단계와 실시설계단계 이후 산정된 공사비를 책정된 예산과 비교 후 사업의 추진여부를 검토하거나 설계내용을 예산에 맞도록 변경하고 있다. 이에 본 연구에서는 공공아파트의 사업초기단계에서 공사비를 산정할 수 있는 공공아파트 계획설계단계에서의 공사비 예측모델을 개발하고자 하였다. 본 연구의 결과를 바탕으로 계획설계단계에서 공사비를 예측하고 사업비 및 전반적인 설계를 관리한다면 지금보다 더 효율적인 방법으로 국가의 재원을 적절하게 책정하고 집행할 수 있을 것으로 판단된다.
Public institutions recognize the importance of cost management from the planning stage but they do not have an organized construction cost estimation and management system. Thus, at the stage of planning a new public construction project and estimating the cost, those in charge of budgeting estimat...
Public institutions recognize the importance of cost management from the planning stage but they do not have an organized construction cost estimation and management system. Thus, at the stage of planning a new public construction project and estimating the cost, those in charge of budgeting estimate construction cost based on existing data and experiences, compare construction cost estimated after the basic design stage and the execution design stage with budgets, and then decide whether to continue the project or change the design according to the budgets. Therefore, we would develop the cost prediction model through regression analysis that can predict construction cost in Schematic Design Phase of the Public Multi-Family housing. Accordingly, if public institutions have a construction cost prediction model and management system that can estimate the optimum construction cost, they can make and execute budgets in a more efficient way than they do at present.
Public institutions recognize the importance of cost management from the planning stage but they do not have an organized construction cost estimation and management system. Thus, at the stage of planning a new public construction project and estimating the cost, those in charge of budgeting estimate construction cost based on existing data and experiences, compare construction cost estimated after the basic design stage and the execution design stage with budgets, and then decide whether to continue the project or change the design according to the budgets. Therefore, we would develop the cost prediction model through regression analysis that can predict construction cost in Schematic Design Phase of the Public Multi-Family housing. Accordingly, if public institutions have a construction cost prediction model and management system that can estimate the optimum construction cost, they can make and execute budgets in a more efficient way than they do at present.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 본 연구에서는 공공아파트의 특성을 반영하고 국내 주택정책의 일환으로 시행되고 있는 서울시 분양가 공개양식 항목 등을 고려하여 개발된 서울시립대학교 (2007)의 공간별 분류체계를 바탕으로 분석을 실시하였다.
본 연구에서는 공공아파트의 건축공사비를 예측함에 있어 회귀분석을 기반으로 한 총공사비 기반 예측모델과 공종별 공사비 기반 예측모델을 개발하였다. 사례분석 결과 총공사비에 따른 모델의 오차율은 각각 3.
있다. 본 연구에서는 공공아파트의 계획설계단계에서 의 공사비를 합리적으로 예측하고 시공관리의 전반에 걸친 공사비의 정확성 검토에 활용할 수 있는 공공아파트 계획설계단계에서의 공사비예측모델을 개발하고자 한다.
본 연구에서는 공사비 분석을 실시하여, 공공아파트 계획설계단계에서의 건축공사비를 예측하고 공사비의 변동에 영향을 미치는 요인을 파악해 보고자 하였다. 한편 기존의 공사비 분류체계는 공종별 분류체계를 따르고 있어 현행 공사비 산정 체계가설계 중심이라기보다는 시공 시 하도급을 주는 공종 중심이다.
공공 아파트 주택 부문의 건축공사 공사비 구성을 살펴보면 표 5와 같다. 본 연구에서는 이상의 내용을 바탕으로 총공사비를 예측하기 위하여 대표공종을 도출하였다. 대표공종은 총공사비의 2.
여기에서는 사례적용을 통하여 총공사비 기반 예측모델과 공종별 공사비 기반 예측모델을 검증하고자 하였다. 검증은 본 연구 과정에서 적용된 47개 동에 포함되어 있지 않은 2개 동을 사례로 분석을 실시하였다.
이에 본 연구에서는 공공아파트 계획설계단계에서의 공사비예측모델을 개발하고자 하였다.
또한 이러한 영향요인들 중에서사업의 계획설계단계에서 사용될 수 있는 요인들은 한정되어 있다. 이에 본 연구에서는 이러한 문제점을 보완하기 위해서 계획설계단계에서의 건축공사비에 직접적인 영향을 주는 공사비 영향요인을 도출하기 위하여 기존의 선행연구결과를 분석하고 공공아파트를 발주하는 발주기관의 담당자와의 면담을 실시하였다. 선행연구 분석과 담당자와의 면담결과에 따른 계획설계단계에서의 공사비 영향요인은 표 7과 같다.
제안 방법
공공아파트의 공간별 공사비를 파악하기 위하여 서울시립대학교 (2007)의 공간별 분류체계를 바탕으로 공공아파트 47개 동에 대한 건축공사비 분석을 실시하였다.
공사비 예측모델을 개발하기 위하여 앞서 선행연구와 면담을통하여 공사비 영향요인을 도출하고 공공아파트의 공사비 내역서를 분석하였다. 이후 분석결과는 후보 독립변수와 종속변수의상관관계를 분석하는데 활용되었다.
따라 분석하였다. 그리고 계획설계단계에서 확인이 가능하고 건축공사비에 영향을 주는 영향요인을 도출하였다.
분석은 공공아파트 47개 동을 대상으로 하였다. 그리고 공공아파트의 공사비 예측모델 개발에 기초자료가 되는 공간별 건축공사비 구성비와 공사비 변동에 영향을 미치는 영향요인들을 파악하였다. 분석은 주택부문으로 한정하였으며, 본 연구의 흐름은 다음과 같다
두 가지의 공사비 예측모델을 검증하기 위하여 2개 동의 사례를 바탕으로 검증을 하였으며, 분석결과 총공사비 기반 예측모델이 오차율 측면에서 우수한 것으로 나타나 본 연구에서 제안하고자 하는 공사비 예측모델로 제안하였다.
둘째, 본 연구에서 적용하고자 하는 공간별 건축공사비 분류체계를 분석한 후 공공아파트의 건축공사비 실적데이터를 분류체계에 따라 분석하였다. 그리고 계획설계단계에서 확인이 가능하고 건축공사비에 영향을 주는 영향요인을 도출하였다.
기존의 공종별 분류체계는 공사비 분류체계가 설계중심이 아니라 시공 시 하도급을 주는 공종 중심으로 구성이 되어 있기 때문에 설계단계에서는 활용하는데 문제가 많다. 따라서 이러한 문제를 개선하고자 공사비 분석은 공종별 분류체계를 적용하였다. 분석결과, 공공아파트의 공간별 평균 구성비는 주택부문 (공공아파트 지상 부문)의 공사비가 총공사비 대비 79.
마지막으로, 개발된 두 가지의 모델을 실제 사례를 바탕으로 사례분석을 실시하고, 결과를 분석하여 공공아파트에 적절한 공사비 산정모델을 본 연구의 결과로 제안하였다.
본 연구에서는 계획설계단계에서 확인이 가능하고 공사비에 영향을 미치는 영향요인을 독립변수로 설정하였으며, 간접비를 제외한 직접공사파트를 대상으로 실시한 공공아파트의 47개 동의 공사비 내역서 분석결과를 종속변수로 설정하였다. 그리고 분석은 통계프로그램인 SPSS verl2.
셋째, 공공아파트 건축공사비와 영향요인간의 상관관계를 분석하고, 분석결과에 따라 독립변수를 설정 후 공공아파트 계획설계단계에서의 공사비 예측모델을 개발하였다. 이 모델은 총공사비 기반 예측모델과 공종별 공사비 기반 예측모델로 구분하여개발되었다.
분석결과 대지면저 연면적 용적률, 건축면저건폐율, 지상면적, 지하면적, 지하층수, 조경면적, 필로티 규모, 층당세대수, 총세대수, 평균평수, 주차장면적, 단위주차면적, 주차대수, 주동특성, 둘레길이, 외장면적, 최고층수 지상층수, 지상높이, 지하층수, 지하깊이 등이 영향요인으로 도출되었다. 실적데이터의 공사비 분석결과와 영향요인간의 상관관계 분석, 영향요인간의 상관관계 분석 등을 통하여 다중회귀분석을 실시하여 총공사비 기반 예측모델과 공종별 공사비 기반 예측모델을 개발하였다.
여기에서는 회귀모델을 개발하기 위하여 독립변수를 설정하고자 후보독립변수와 종속변수간의 상관관계를 분석하였다. 그리고 분석결과를 바탕으로 회귀분석 시 독립변수를 선정하였다.
예측모델을 개발하기 위해서 공공아파트의 실적데이터를 분석하였다. 기존의 공종별 분류체계는 공사비 분류체계가 설계중심이 아니라 시공 시 하도급을 주는 공종 중심으로 구성이 되어 있기 때문에 설계단계에서는 활용하는데 문제가 많다.
있다. 이러한 문제를 보완하기 위하여 앞의 3.2절에서 살펴보았던 공공아파트 공간별 공사비 구성요소 및 구성비를 바탕으로 공사비보정지수를 산정하였다. 이상의 내용을 바탕으로 분석한 결과, 주택부문 건축공사의 보정지수는 1.
9 이상에서는 독립변수들 간에 매우 강한 상관관계가 존재하는 경우이므로 (다중)공선성의 문제를 야기할 수 있다고 판단하여 독립 변수에서 제외하였다. 이상의 분석내용을 바탕으로 후보 독립변수 중 건축면적, 층당세대수, 총세대수, 둘레길이, 조경면적, 주차장면적, 주차대수를 공사비 회귀식 모델의 독립변수로 설정하여 분석을 실시하였다.
이에 독립변수 중 공공아파트의 둘레길이, 조경면적, 주차장면적, 주차대수는 총공사비를 예측하는데 유의성 측면에서 미비하다고 판단하였고 표 10과 같이 후진방식에 의한 총공사비 기반 예측모델 중 수정된 R2값이 높은 것을 회귀식 모델로 채택하였다.
분석하였다. 이후 분석결과는 후보 독립변수와 종속변수의상관관계를 분석하는데 활용되었다. 그리고 각 후보 독립변수들간의 상관관계를 분석하였으며, 분석내용을 바탕으로 다중회귀분석을 실시하였다.
지금까지 많은 연구를 통해 건축공사비 예측모델이 제시되었다 그러나 본 연구는 공종별 공사비 분류체계에 의한 방식에서벗어나 현재 많은 이슈화가 되고 있는 서울시 분양가 공개양식등을 반영한 공간별 분류체계를 활용하였으며, 계획설계단계에서 활용가능한 공사비 영향요인을 체계적으로 정리하였다. 그리고 이러한 연구결과를 바탕으로 공사비와 영향요인간의 상관관계를 파악한 후 공사비 예측모델을 제안하였다는 것에 의미가 있다.
첫째, 국내에서 적용하고 있는 설계단계 프로세스를 확인하고, 선행연구를 통하여 건축공사의 공사비 예측기법과 본 연구에서 활용하고자 하는 회귀분석에 대해서 살펴보았다.
한편 계획설계단계에서 확인할 수 있고 공사비에 영향을 주는 영향요인을 파악하기 위하여 선행연구를 분석하고 전문가 면담을 실시하였다. 분석결과 대지면저 연면적 용적률, 건축면저건폐율, 지상면적, 지하면적, 지하층수, 조경면적, 필로티 규모, 층당세대수, 총세대수, 평균평수, 주차장면적, 단위주차면적, 주차대수, 주동특성, 둘레길이, 외장면적, 최고층수 지상층수, 지상높이, 지하층수, 지하깊이 등이 영향요인으로 도출되었다.
대상 데이터
공사비 기반 예측모델을 검증하고자 하였다. 검증은 본 연구 과정에서 적용된 47개 동에 포함되어 있지 않은 2개 동을 사례로 분석을 실시하였다.
본 연구에서는 이상의 내용을 바탕으로 총공사비를 예측하기 위하여 대표공종을 도출하였다. 대표공종은 총공사비의 2.5% 이상을 차지하는 공종들을 바탕으로 선정하였으며, 도출된 대표공종은 예측모델을 개발하는데 활용하였다.
분석은 공공아파트 47개 동을 대상으로 하였다. 그리고 공공아파트의 공사비 예측모델 개발에 기초자료가 되는 공간별 건축공사비 구성비와 공사비 변동에 영향을 미치는 영향요인들을 파악하였다.
분석은 주택부문 중 건축부문의 골조공사의 철근콘크리트, 조적공사, 마감공사의 미장공사, 가구공사, 주동창호공사, 수장공사를 대상으로 실시하였다. 또한 기타공사에서는 공통가설공사, 가설공사, 전기공사를 분석 에 적용하였으며 , 설비부문의 옥내공사에서는 기계공사와 정보통신공사를 분석에 반영하였다.
데이터처리
이후 분석결과는 후보 독립변수와 종속변수의상관관계를 분석하는데 활용되었다. 그리고 각 후보 독립변수들간의 상관관계를 분석하였으며, 분석내용을 바탕으로 다중회귀분석을 실시하였다.
공사비 내역서 분석결과를 종속변수로 설정하였다. 그리고 분석은 통계프로그램인 SPSS verl2.0을 이용하여 상관관계 분석과 다중회귀분석을 실시하였다.
다중회귀분석에서는 회귀식에 포함되는 독립변수의 수가 늘■어나면 다중결정계수 日의 값은 높아지게 마련이다. 다중회귀분석에서는 이러한 결정계수의 단점을 보완하기 위하여 수정 결정계수(adjusted coefficient of determination, ) 를 이용한다.
이론/모형
2004). 이에 본 연구에서는 서울시립대학교 (2007)에서 개발한 공간별 공사비 분류체계를 적용하여 공사비를 분석하였다. 서울시립대학교의 공간별 공사비 분류체계는 공공아파트를 발주하고 있는공공기관의 공사비 분류체계와 서울시에서 정책적으로 시행하고있는 아파트 분양원가 공개서식 등을 바탕으로 개발한 것이다.
총공사비를 예측하는 모델이다. 회귀식 모델은 후진제거법을 적용하여 개발되었다. 후진제거법은 모든 독립변수를 사용해 하나의 회귀방정식을 수립하여 회귀식에 유의적으로 기여하지 못하는 독립변수 값 검정을 실시한 뒤, 그 값이 가장 작은 변수부터 하나씩 제거하고 남은 나머지 독립변수를 활용해서 회귀모형을 재추정하는 방법이다.
성능/효과
공종별 공사비 기반 예측모델을 바탕으로 사례적용을 한 결과, 표 13과 같이 중분류를 기준으로 A동의 오차율은 골조공사 8.1%, 마감공사 2.8%, 기타공사 24.2%, 옥내공사가 10.8%로나타났으며, B동의 오차율은 골조공사 5.5%, 마감공사 0.7%, 기타공사 5.4%, 옥내공사가 6.1%로 나타났다.
그리고 사례기반추론은 충분한 데이터의 수가 존재해야 하고, 가중치를 결정하는 과정이 명확히 정립되지 못한다는 단점이 있다. 따라서 본 연구에서는 분석데이터의 수가 47개로 그 수가 적음을 감안할 때, 회귀분석을 이용한 예측모델을 개발하는 것이 타당할 것으로 판단되었다.
41%로 나타났다. 또한 건축부문에서는 골조공사가 31.48%, 마감공사가 26.52%, 기타공사가 7.39%로 나타나, 골조공사와 마감공사가 매우 큰 비중을 차지하는 것으로 분석되었다.
또한 공공아파트 47개 동의 주택부문 건축공사 공사비 내 역을 세세 분류 측면에서 분석한 결과, 철근 CONC공사와 조적 공사는 각각 21.98%. 7.
또한 독립변수들 간의 상관분석을 실시한 결과, 건축면적, 둘레길이, 대지면적 등은 서로 강한 상관관계를 나타내고 있다. 여기서 주의할 점은 독립변수들 간의 강한 상관관계가 있는 것으로 나타나는 것으로 보아 다중회귀분석 시 이 변수들을 그대로적용하여 회귀분석을 실시하게 된다면 (다중)공선성의 문제가생길 수 있다는 것이다.
보정지수에 의해 보정된 예측공사비와 실제공사비와의 오차율을 분석한 결과 표 14와 같이 A동 오차율은 7.42%, B동 오차율은 3.88%로 나타났다.
실시하였다. 분석결과 대지면저 연면적 용적률, 건축면저건폐율, 지상면적, 지하면적, 지하층수, 조경면적, 필로티 규모, 층당세대수, 총세대수, 평균평수, 주차장면적, 단위주차면적, 주차대수, 주동특성, 둘레길이, 외장면적, 최고층수 지상층수, 지상높이, 지하층수, 지하깊이 등이 영향요인으로 도출되었다. 실적데이터의 공사비 분석결과와 영향요인간의 상관관계 분석, 영향요인간의 상관관계 분석 등을 통하여 다중회귀분석을 실시하여 총공사비 기반 예측모델과 공종별 공사비 기반 예측모델을 개발하였다.
분석결과 후보 독:립변수 중에서 연면적, 건축면적, 지상면적, 층당세대수, 총세대수, 둘레길이, 외장면적, 대지면적, 조경면적, 주차장면적, 지하주차장층수, 주차대수가 전반적으로 종속변수와의 상관성이 높은 것으로 나타났다.
따라서 이러한 문제를 개선하고자 공사비 분석은 공종별 분류체계를 적용하였다. 분석결과, 공공아파트의 공간별 평균 구성비는 주택부문 (공공아파트 지상 부문)의 공사비가 총공사비 대비 79.16%로 가장 많은 부분을 차지하는 것으로 분석되었다.
분석결과, 주택부문(공공아파트 지상부문)의 건축공사는 전체총공사비용에서 79.16%를 차지하였다. 그리고 주택외부문(부대시설 및 단지조성 부문)은 5.
분석결과에 따라서 총공사비에 대한 회귀모델은 Y=199, 441+3.559A-384.545B+83.984C (Y: 공사비(백만 원) A: 건축면적(m?) B: 층당세대수 C: 총세대수)가 도출되었다.
예측모델을 개발하였다. 사례분석 결과 총공사비에 따른 모델의 오차율은 각각 3.3%, 1.2%로 나타났으며, 공종별 공사비에 따른 모델의 오차율은 각각 7.42%, 3.88%로 나타나, 총공사비 기반 예측모델을 적용하는 것이 오차율 측면에서 우수한 것으로 판단되었다. 따라서 본 연구에서 제안하고자 하는 공공아파트 계획설계단계에서의 공사비 예측모델은 다음과 같다.
이상의 내용과 같이 계획설계단계에서 확인할 수 있는 영향요인은 대지면적, 연면적, 용적률, 건축면적, 건폐율, 지상면적, 지하면 저 지하층수, 조경면적, 필로티 규모, 층당세대수, 총 세대수, 평균평수, 주차장면적, 단위주차면적, 주차대수, 주동특성, 둘레길이, 외장면적, 최고층수 지상층수, 지상높이, 지하층수, 지하깊이 등이 있는 것으로 분석되었다.
2절에서 살펴보았던 공공아파트 공간별 공사비 구성요소 및 구성비를 바탕으로 공사비보정지수를 산정하였다. 이상의 내용을 바탕으로 분석한 결과, 주택부문 건축공사의 보정지수는 1.26(주택부문 공사비 비율 79.16% : 대표공종의 공사비 비율 62.85% = 1.26), 각각의 공종에 따른 보정지수는 1.59 (총공사비 100% J 대표공종의 공사비 62.85% = 1.59)로 나타났다.
주택 부문의 중분류 및 세분류 측면에서 분석한 공사비 구성비는 총공사비 대비 건축부문이 65.75%, 설비부문이 13.41%로 나타났다. 또한 건축부문에서는 골조공사가 31.
다중회귀분석에서 결정계수 (coefficient of determination, R) 의 값은 종속변수의 총 변동에 대한 독립변수들의 설명력의 크기를 나타내는 척도이기 때문에 01의 범위를 갖게 된다. 즉 R의 값이 1에 가까울수록 독립변수의 설명력이 크고 추정된 회귀식의 적합도가 높다는 것을 의미하며, 0에 가까울수록 설명력이 약해지고 적합도가 떨어진다는 것을 의미한다. 다중회귀분석에서는 회귀식에 포함되는 독립변수의 수가 늘■어나면 다중결정계수 日의 값은 높아지게 마련이다.
총공사비 기반 예측모델을 바탕으로 사례적용을 실시한 결과표 12와 같이 A동의 오차율은 총공사비 대비 3.3%, B동의 오차율은 총공사비 대비 1.2%가 나는 것으로 분석되었다.
후속연구
그리고 이러한 연구결과를 바탕으로 공사비와 영향요인간의 상관관계를 파악한 후 공사비 예측모델을 제안하였다는 것에 의미가 있다. 또한 본 연구의 결과를 바탕으로 공공아파트 건설사업의 사업초기부터 적정 공사비를 정확하게 예측할 수 있게 된다면 국가의 예산을 적절하게 집행할 수 있다.
분석 가능한 실적데이터의 수가 많지 않아 유효성 있는 다양한분석방법을 활용할 수는 없었으나, 향후 충분한 실적데이터가 축적된다면 유효성 있는 다양한 분석방법 등을 활용하여 좀 더 유의성 있고 신뢰성 있는 공사비 예측모델을 개발할 수 있을 것으로 판단된다
참고문헌 (24)
건설교통부 (2003), 설계도서 작성기준, 건설교통부고시 제2003-11호, 주거환경팀
김기동, 김선국, 김문한 (1990), "계획 초기단계에서 공동주택의 코스트 모델에 관한 연구", 대한건축학회논문집, 대한건축학회, 6(3), pp.291-298
김광희, 강경인 (2003), "공동주택 프로젝트의 초기 공사비 예측을 위한 신경망 학습에 유전자 알고리즘을 적용한 모델에 관한 연구", 대한건축학회 논문집, 대한건축학회, 19(10), pp.133-142
김광희, 강경인 (2004), "유전자 알고리즘에 의한 신경망 학습의 최적화를 이용한 공동주택의 초기 공사비 예측에 관한 연구", 대한건축학회 논문집, 대한건축학회, 20(2), pp.81-88
진정수 (2006)," 국민임대주택 100만호 건설 의의와 향후 과제", 국토정책 Brief, 국토연구원
Attalla, M., and Hegazy, T. (2003), "Predicting cost Deviation in Reconstruction Project: Artificial Neural Networks versus Regression", Journal of Construction Engineering and Management, ASCE, 129(4), pp.405-411
Dogan, S. Z., Arditi, D., and Gunadin, H. M. (2006), "Determining Attribute Weights in a CBR Model for Early Cost Prediction of Structural Systems", Journal of Construction Engineering and Management, ASCE, 132(10), pp.1,092-1,098
Kamal M. I., Johnston, D. W., and Fayadh, H. (1994), "Building construction Detailed Estimating Practices in Saudi Arabia", Journal of construction Engineering and Mangement, ASCE, 120(4), pp.774-784
Karshenas, S., and Tse, J. (2002), "A Case-Based Reasoning Approach to Construction Cost Estimating", Conference Proceeding Paper, Computing in Civil Engineering, ASCE, pp.113-123
Kim, G. H., Seo, D. S., and Kang, K. I. (2005), "Hybrid Models of Neural Networks and Genetic Algorithms for Predicting Preliminary cost Estimates", Journal of Computing in Civil Engineering, ASCE, 208(19), pp.208-211
Lowe, D. J., Emsley, M. W., and Harding, A. (2006), "Predicting construction cost Using Multiple Repression Techniques", Journal of Construction Engineering and Management, ASCE, 132(7), pp.750-758
Oberlender, G. D., and Trost, S. M. (2001), "Predicting Accuracy of Early Cost Estimates Based on Estimate Quality", Journal of Construction Engineering and Management, ASCE, 127(3), pp.173-182
Soutos, M., and Lowe, D. J. (2005), "ProCost - Towards a Powerful Early Stage Cost Estimating Tool", Conference Proceeding Paper, Computing in Civil Engineering, ASCE
Trost, S. M., and Oberlender, G. D. (2003), "Predicting Accuracy of Early cost Estimates Using Factor Analysis and Multivariate Regression", Journal of Construction Engineering and Management, ASCE, 129(2), pp.198-204
※ AI-Helper는 부적절한 답변을 할 수 있습니다.