$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

[국내논문] 피처 스케일링과 타겟변수 로그변환에 따른 건축 공사비 예측 성능 분석
Analysis of the Construction Cost Prediction Performance according to Feature Scaling and Log Conversion of Target Variable 원문보기

한국건축시공학회지 = Journal of the Korea Institute of Building Construction, v.22 no.3, 2022년, pp.317 - 326  

강윤호 (Graduate School, GyeongSang National University) ,  윤석헌 (Department of Architectural Engineering, GyeongSang National University)

초록
AI-Helper 아이콘AI-Helper

건설 분야에서 머신러닝(Machine learning)에 필요한 방대한 공사비 자료를 확보하는 데 어려움이 있어, 아직은 실용적으로 활용되지는 못하고 있다. 본 연구에서는 이러한 공사비 예측을 위하여 최신의 인공신경망(ANN) 방법을 사용하여, 공사비 예측성능을 향상 시키기 위한 방법을 제시하고자 한다. 특히 타겟변수를 로그 변환하는 방식, 피처스케일링 방식을 적용하고자 하였으며, 이들의 공사비 예측성능을 비교 분석하고자 한다. 이는 향후 다양한 조건을 갖는 공사비 예측과 적정 공사비 검증에 도움을 줄 수 있을 것으로 예측된다.

Abstract ▼ AI-Helper 아이콘AI-Helper

With the development of various technologies in the area of artificial intelligence, a number of studies to application of artificial intelligence technology in the construction field are underway. Diverse technologies have been applied to the task of predicting construction costs, and construction ...

주제어

#머신러닝   #로그변환   #공사비예측   #타겟변수   #피처스케일링  

표/그림 (12)

참고문헌 (7)

  1. Seo YG. A model study for predicting construction costs in the planning and design stages through performance construction cost analysis [master's thesis]. [Seoul (Korea)]: Korea University. 2009. 62 p. 

  2. Jung SH, Kwon OB, Son JH. A study on the analysis and estimation of the construction cost by using deep learning in the SMART educational facilities -Focused on planning anf design stage-. Journal of Korean Institute of Educational Facilities. 2018 Nov;25(6):35-44. https://doi.org/10.7859/kief.2018.25.6.035 

    원문보기 상세보기 crossref

  3. Oh JH, Kim JS. Prediction of housing price using machine learning:Focusing on MARS. Korean Association for Housing Policy Studies Symposium; 2017 Nov; Seoul, Korea. Seoul (Korea): Korean Association for Housing Policy Studies; 2017. p. 153-71. 

  4. Hyun CT, Hong TH, Son MJ, Kim YS, Jang DW. Development of the construction cost prediction model based on case-based reasoning in the planning phase of mega-project. Journal of the Architectural Institute of Korea Structure & Construction. 2009 May;25(9):181-90. 

  5. Tayefeh Hashemi S, Ebadati OM, Kaur H. Cost estimation and prediction in construction projects: a systematic review on machine learning techniques. SN Applied Sciences. 2020 Sep;2:1703. https://doi.org/10.1007/s42452-020-03497-1 

    상세보기 crossref

  6. Pham TQD, Quang NH, Vo ND, Bui VS, Tran VX. Fast and Accurate Estimation of Building Cost Using Machine Learning. Research in Intelligent and Computing in Engineering. 2021 Jan;1254:515-25. https://doi.org/10.1007/978-981-15-7527-3_49 

    crossref

  7. Zhirui Z. Analysis and prediction of housing prices in shenyang city based on elman neural network. Scholars Journal of Engineering and Technology. 2021 Nov;9(10):159-63. https://doi.org/10.36347/sjet.2021.v09i10.001 

    crossref

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로