تلفن: ۰۴۱۴۲۲۷۳۷۸۱
تلفن: ۰۹۲۱۶۴۲۶۳۸۴

ترجمه مقاله پیش بینی هزینه نگه داری تجهیزات ساخت و ساز – نشریه الزویر

عنوان فارسی: پیش بینی هزینه نگه داری تجهیزات ساخت و ساز: مقایسه بین شبکه عصبی رگرسیون عمومی و مدل های سری های زمانی باکس-جنکینز
عنوان انگلیسی: Predicting the maintenance cost of construction equipment: Comparison between general regression neural network and Box–Jenkins time series models
تعداد صفحات مقاله انگلیسی : 9 تعداد صفحات ترجمه فارسی : 18
سال انتشار : 2014 نشریه : الزویر - Elsevier
فرمت مقاله انگلیسی : PDF فرمت ترجمه مقاله : ورد تایپ شده
کد محصول : F583 رفرنس : دارد ✓
محتوای فایل : zip حجم فایل : 1.83Mb
رشته های مرتبط با این مقاله: معماری
گرایش های مرتبط با این مقاله: مدیریت پروژه و ساخت
مجله: اتوماسیون در ساخت و ساز - Automation in Construction
دانشگاه: گروه ساختمان و املاک، دانشگاه پلی تکنیک هنگ کنگ
کلمات کلیدی: تجهیزات ساخت و ساز، مدیریت نگه داری، تحلیل سری های زمانی، شبکه عصبی رگرسیون عمومی
وضعیت ترجمه عناوین تصاویر و جداول: ترجمه شده است ✓
وضعیت ترجمه متون داخل تصاویر و جداول: ترجمه شده است ✓
وضعیت ترجمه منابع داخل متن: درج نشده است ☓
وضعیت فرمولها و محاسبات در فایل ترجمه: به صورت عکس، درج شده است ✓
ترجمه این مقاله به صورت خلاصه و با کیفیت متوسط انجام شده است.
فهرست مطالب

چکیده

1- مقدمه

2- مرور منابع

3- تحلیل سری های زمانی

4- شبکه عصبی رگرسیون عمومی

4-1 مرور اجمالی

5- بیان مسئله

6- مدل سازی و تحلیل هزینه های نگه داری تجهیزات ساخت

6-1 داده ها

6-2 تست ایستایی

6-3 مدل سازی سری های زمانی تک متغیره

6-4 مدل سازی سری های زمانی چند متغیره بامصرف سوخت

6-5 اعتبار سنجی مدل

7- مقایسه ARMA، VAR و GRNN

8- اثر مصرف سوخت بر روی مدل سازی سری های زمانی

9- بحث در خصوص پیش بینی هزینه های نگه داری تجهیزات ساخت و ساز

10- نتیجه گیری

نمونه متن انگلیسی

Abstract

This paper presents a comparative study on the applications of general regression neural network (GRNN) models and conventional Box–Jenkins time series models to predict the maintenance cost of construction equipment. The comparison is based on the generic time series analysis assumption that time-sequenced observations have serial correlations within the time series and cross correlations with the explanatory time series. Both GRNN and Box–Jenkins time series models can describe the behavior and predict the maintenance costs of different equipment categories and fleets with an acceptable level of accuracy. Forecasting with multivariate GRNN models was improved significantly after incorporating parallel fuel consumption data as an explanatory time series. An accurate forecasting of equipment maintenance cost into the future can facilitate decision support tasks such as equipment budget and resource planning, equipment replacement, and determining the internal rate of charge on equipment use.

نمونه متن ترجمه

چکیده

این مقاله یک مطالعه قیاسی را در خصوص کاربرد مدل های شبکه عصبی رگرسیون عمومی و مدل های سری های زمانی باکس جنکینز برای پیش بینی هزینه نگه داری تجهیزات ساخت و ساز ارایه می کند. مقایسه فوق بر اساس فرض تحلیل سری های زمانی عمومی می باشد که بر اساس آن مشاهدات سری های زمانی دارای همبستگی های سریالی در سری های زمانی و همبستگی های متقابل با سری های زمانی توضیحی می باشد. هر دو مدل های شبکه عصبی رگرسیون عمومی و مدل های سری های زمانی باکس-جنکینز قادر به توصیف رفتار و پیش بینی هزینه های نگه داری تجهیزات و ناوگان های مختلف با سطوح قابل قبول صحت می باشند. پیش بینی با مدل های شبکه عصبی رگرسیون عمومی چند متغیره به طور معنی داری پس از استفاده از داده های مصرف سوخت موازی به صورت سری های زمانی توضیحی بهبود یافت. پیش بینی دقیق هزینه های نگه داری تجهیزات در آینده موجب تسهیل کار های پشتیبان تصمیم گیری نظیر برنامه ریزی منبع و بودجه، تعویض تجهیزات و تعیین نرخ درونی هزینه استفاده از تجهیزات می شود.