تعداد نشریات | 44 |
تعداد شمارهها | 1,303 |
تعداد مقالات | 16,020 |
تعداد مشاهده مقاله | 52,489,750 |
تعداد دریافت فایل اصل مقاله | 15,217,384 |
مدل بررسی میزان سهم عوامل مؤثر بر بروز ادعاهای قراردادی پیمانکاران با استفاده از شبکه عصبی شعاعی | ||
نشریه مهندسی عمران و محیط زیست دانشگاه تبریز | ||
مقاله 7، دوره 51.1، شماره 102، خرداد 1400، صفحه 73-84 اصل مقاله (1.27 M) | ||
نوع مقاله: مقاله کامل پژوهشی | ||
شناسه دیجیتال (DOI): 10.22034/jcee.2020.16254.1402 | ||
نویسندگان | ||
علی قربانی1؛ مجید قلهکی* 2؛ علی خیرالدین2 | ||
1دانشگاه سمنان و عضو هیات علمی گروه مهندسی عمران، دانشگاه پیام نور، تهران | ||
2دانشکده مهندسی عمران، دانشگاه سمنان | ||
چکیده | ||
پروژههای عمرانی پیچیده، پویا و بیهمتا هستند و حجم بالای منابع درگیر در آنها در کنار متفاوت بودن ذات و طبیعت کاری عوامل دستاندر کار پروژه اعم از کارفرما، مشاور و پیمانکار سبب میگردد تا پتانسیل بروز اختلافات و دعاوی قراردادی بین ایشان زیاد گردد. در این تحقیق مدلی مبتنی بر شبکه عصبی شعاعی (RBF) به عنوان یکی از انواع شبکههای عصبی مصنوعی (ANN) ارائه گردید تا با توجه به لزوم شناسایی سهم هر یک از دست اندرکاران پروژه در بروز ادعا (claim)، قادر به شناسایی و پیشبینی آن باشد. در این راستا پس از تعریف ادعا و نیز شناسایی 140 ادعای عمده پروژههای عمرانی سه عاملی در کشور ایران و تفکیک و دستهبندی آن در 20 مقوله ادعای متداول، رتبهبندی آنها صورت گرفت و سپس با توجه به اهمیت ادعاهای قراردادی میزان سهم هر یک از دست اندرکاران پروژه (کارفرما، مشاور و پیمانکار) در بروز ادعاهای "نقص در اسناد مناقصه و قرارداد" مورد پرسش قرار گرفت. این پاسخها در کنار شش آیتم "متراژ پروژه، مبلغ پروژه، مدت پروژه، نوع قرارداد و درصد افزایش مدت و مبلغ پروژه"، به عنوان ورودی شبکههای عصبی شعاعی (RBF) لحاظ گردیدند. خروجی این شبکه نیز درصد سهم هر یک از کارفرما، مشاور و پیمانکار در بروز ادعای قراردادی قرار گرفت. پس از آموزش و آزمایش شبکه طراحی شده، نتایج حاکی از قابلیت 82 درصدی مدل در پیشبینی صحیح خروجیها میباشد. این مدل میتواند در قضاوت تخصصی و درون پروژهای عوامل اصلی بروز ادعا در پروژهها بهکار گرفته شود. | ||
کلیدواژهها | ||
شبکه عصبی شعاعی (RBF)؛ ادعای پیمانکار؛ قرارداد؛ اختلاف؛ شبکه عصبی مصنوعی (ANN)؛ کارفرما؛ مشاور؛ پیمانکار | ||
سایر فایل های مرتبط با مقاله
|
||
مراجع | ||
Acharya N, Lee Y, Im H, “Conflicting factors in construction projects: Korean perspective Engineering”, construction and architectural management, 2006, 13 (6), 543-566. Arditi D, Oksay FE, Tokdemir OB, “Predicting the outcome of construction litigation using neural networks”, Computer‐Aided Civil and Infrastructure Engineering, 1998, 13, 75-81. S.P., & Judge, T. 2005, Organizational Behavior. New Jersey: Prentice Hall. Azeem H, “Developing a Neural Networks Model for Supporting Contractors in Bidding Decision in Egypt”, M.Sc. Thesis presented to the Faculty of Engineering, Zagazig University, 2008. Bakhary A, Adnan H, Ibrahim A, “A Study of Construction Claim Management problems in Malaysia”, Procedia Economics and Finance, 2015, 23, 63-70. Bayram S, Ocal M, Laptali E, Atis O, “Comparison of Multi-Layer Perceptron (MLP) and Radial Basis Function (RBF) for Construction Cost Estimation: The case of Turkey”, Journal of Civil Engineering and Management, 2015, 22 (4), 480-490. Bunni N, “Recent Developments in Dispute Resolution under the FIDIC”, In first international conference on engineering arbitration, Bahrain, 2000. Carmicheal DG, Disputes and International Project. Liaise: A.A. Balkema Publisher, 2002. Chaphalkar N, Lyer K, Patil P, “Prediction of outcome of Construction Dispute Claims Using Multilayer Perceptron Neural Network Model”, International Journal of Project Management, 2015, 33, 1827-1835. Cheung SO, Au-Yeung RF, Wong VWK, “A CBR based dispute resolution process selection system”, International Journal Architecture, Engineering and Construction, 2004, 2 (2), 70-79. Cheung SO, Tam CM, Harris FC, “Project dispute resolution satisfaction classification through neural network”, Journal of Management in Engineering, 2000, 16 (1), 70-79. Cheung SO, Yiu KT, “A study of construction mediator tactics-Part I: Taxonomies of dispute sources”, mediator tactics and mediation outcomes. Building and environment, 2007, 42 (2), 752-761. Chu KW, “Application of a PSO-based neural network in analysis of outcomes of construction claims”, Automation in Construction, 2007, 16, 642-646. Dikmen I, Birgonul M, “Neural Network Model to Support International Market Entry Decisions”, Journal Construction Engineering and Management, 2004, 130, 59-66. Fenn P, Lowe D, Speck C, “Conflict and dispute in construction”, Contract Management and Economics, 1997, 15, 513-518. Gajria K, “GT Gajria's Law Relating to Building and Engineering Contracts in India”, New Delhi: LexisNexis Butter worths, 2000. Ghorbani A, “Study of the major causes and origins of the claims of contractors”, Ms Thesis, Department of Civil and Environmental Engineering. Tehran: Amir Kabir University, 2005. Hall JM, “Ineffective communication: Common Causes of Construction Disputes”, Alliance’s Advisory Council Legal Notes, 2002, 13 (2). Hagan MT, Demuth HB, Beale MH, “Neural Network Design”, Boston: PWS Publishing, 1996. Harmon KMJ, “Conflicts between Owner and Contractors: Proposed Intervention Process”, Journal of Management in Engineering, 2003, 19 (3), 121-125. Hasheminasab S, Mortaheb M, Ahmadian F, “Causes of common claims in Oil, Gas and petrochemical projects in Iran”, KSCE Journal of Civil Engineering, 2014, 18, 1270-1278. Haykin S, “Neural Networks: A Comprehensive Foundation (2nd ed.)”, New Jersey: Prentice-Hall, Inc, 1999. Hosny OA, Elbarkouky MG, Elhakeem A, “Construction Claims Prediction and Decision Awareness Framework using Artificial Neural Networks and Backward optimization”, Journal of Construction Engineering and Management Project, 2015, 5, 11-19. Jaffar N, Abdol Tharim A, shuib M, “Factors of conflict in Construction Industry: A Literature Review”, the 2nd International Building Control Conference. Procedia Engineering, 2011, 20, 193-202. Kim GH, Yoon JE, An SH, Cho HH, Kang KI, “Neural Network model incorporating a genetic algorithm in estimating construction costs”, Building and Environment, 2004, 39, 1333-1340. Kohan G, “Anti Tension in Human and Management Relations. Tehran: Ettelaat Press, 1999. Levin P, “Construction Contract Claims, Changes and Dispute Resolution”, Boston: American Society of Civil Engineers (ASCE) Press, 1998. Lin JT, Bhattacharyya D, Kecman V, “Multiple Regression and Neural Networks Analyses in Composites Machining”, Composites Science and Technology, 2003, 63, 539-548. DOI: 10.1016/S0266-3538(02)00232-4. MATLAB, Version 7.9.0. The Math Works Inc., Massachusetts. Available: http://www.mathworks.com Mehani M, Grigg N, “Causes of Road and Bridge Construction Claims: Analysis of Colorado Department of Transportation Projects”, Journal of Legal Affairs and Dispute Resolution in Engineering and Construction, 2014, 7 (2). Moura H, Teixeira JC, “Types of Construction Claims: A portuguese Survey”, Proceeding of the XV Annual Conference of ARCOM, UK, 2007. Oksay FE, “Predicting the outcome of construction claims using neural networks”, MS Thesis. Illinois Institute of Technology, Department of Civil Engineering, Chicago, 1995. Patil BS, “Building and Engineering Contracts”, Pune: Mrs. S.B. Publication, 2005. Pinnell S, Partnering and the Management of Construction Disputes”, Dispute Resolution Journal, 1995, 54, 16-22. Semsar D, “Swot Analysis in Contracts”, MS thesis. Tehran: Industrial Management organization, 1996. Shin KC, “Identification of Critical Disputes Characteristic (CDCs) during Construction Project operations”, Georgia Institute of Technology, 2000. Shin K, Molenaar K, “Prediction of Construction Disputes in Change Issues”, Construction Congress VI, 2000, 534-542. Thompson RM, “Efforts to Manage Disputes in the Construction Industry: A Comparison of the New Engineering Contract and the Dispute Review Board (Doctoral dissertation”, Virginia Polytechnic Institute and State University), 1998. | ||
آمار تعداد مشاهده مقاله: 821 تعداد دریافت فایل اصل مقاله: 522 |