Please use this identifier to cite or link to this item: https://hdl.handle.net/10316/106053
DC FieldValueLanguage
dc.contributor.advisorCorreia, João Nuno Gonçalves Costa Cavaleiro-
dc.contributor.advisorMartins, Tiago Filipe dos Santos-
dc.contributor.authorSousa, Gonçalo Manuel Oliveira e-
dc.date.accessioned2023-03-16T23:00:53Z-
dc.date.available2023-03-16T23:00:53Z-
dc.date.issued2023-01-26-
dc.date.submitted2023-03-16-
dc.identifier.urihttps://hdl.handle.net/10316/106053-
dc.descriptionDissertação de Mestrado em Engenharia e Ciência de Dados apresentada à Faculdade de Ciências e Tecnologia-
dc.description.abstractA previsão de um projeto de construção é uma tarefa de grande importância quando se trata da gestão de um tal projeto. A construção de pontes é uma tarefa muito complexa, com muitos fatores imprevisíveis que podem atrasar os prazos e aumentar os custos finais.Esta tese visa formular dois modelos diferentes de previsão baseados na Inteligência Artificial (IA) que podem ajudar a aliviar e acelerar um processo que é, na sua maioria, manual e enfadonho. Estes dois modelos têm objetivos diferentes. O primeiro objetivo é o de estimar o custo de uma ponte, dadas as múltiplas características. O segundo é prever o custo de um item específico para uma determinada data.O primeiro objetivo foi alcançado com resultados aceitáveis, dada a qualidade dos dados, com um R2 de 0,878, usando um Multilayer Perceptron. Foi realizada uma pesquisa exaustiva para encontrar os seus melhores parâmetros. O segundo objetivo foi apoiado por um conjunto de dados do BERD de um orçamento real de uma ponte entre as cidades do Porto e Gaia, utilizado em conjunto com os custos mensais do Reino Unido de materiais de construção para criar um sistema de previsão. Não é ideal utilizar os valores de custos do Reino Unido em vez dos portugueses, mas faltam bons dados de custos e isto é apenas uma prova de conceito.No entanto, os resultados foram um sucesso. A versão final deste sistema passou por uma pesquisa exaustiva dos melhores parâmetros de um TCNN e teve uma MAPE de 2,972 para um determinado item.Estes resultados provam ser possível, e útil, utilizar a Inteligência Artificial (IA) para a previsão de custos de pontes. Na sua maioria, estes modelos mostram uma colaboração promissora entre especialistas em orçamentação e Inteligência Artificial (IA)por
dc.description.abstractThe forecast of a construction project is a task of great importance when it comes to the management of a said project. Bridge construction is a very complex task with many unpredictable factors that can delay deadlines and increase final costs.This thesis aims to formulate two different predicting models based on Artificial Intelligence (AI) that may help to alleviate and accelerate a process that is mostly manual and tedious. Those two models have different goals. The goal of the first is to estimate the cost of a bridge given multiple features. The second is to forecast the cost of a specific item for a given date.The first goal was achieved with acceptable results, given the quality of the data, with an R2 of 0.878, using a Multi-layer Perceptron. An exhaustive search to find its best parameters was performed. The second goal was supported by a BERD's dataset of a real budget of a bridge between the cities of Porto and Gaia, used in conjunction with the UK's monthly costs of building materials to create a forecasting system. It is not ideal to use UK's cost values instead of Portuguese ones, but, there is a lack of good cost data and this is a merely a proof of concept.Nevertheless, the results were a success. The final version of this system underwent an exhaustive search for the best parameters of a TCNN and had a MAPE of 2.972 for a given item.These results prove that it is possible, and useful, to use Artificial Intelligence (AI) for bridge cost forecasting. For the most part, these models show a promising collaboration between experts in budgeting and Artificial Intelligence (AI)eng
dc.language.isoeng-
dc.rightsopenAccess-
dc.rights.urihttp://creativecommons.org/licenses/by/4.0/-
dc.subjectMachine Learningpor
dc.subjectEstimativa de Custospor
dc.subjectBill of Materialspor
dc.subjectAnálise de Regressãopor
dc.subjectRedes Neuronais Artificiaispor
dc.subjectMachine Learningeng
dc.subjectCost estimationeng
dc.subjectBill of Materialseng
dc.subjectRegression Analysiseng
dc.subjectArtificial Neural Networkseng
dc.titleBridge Cost Forecasteng
dc.title.alternativePrevisão do Custo de Pontespor
dc.typemasterThesis-
degois.publication.locationCoimbra-
degois.publication.titleBridge Cost Forecasteng
dc.peerreviewedyes-
dc.identifier.tid203250125-
thesis.degree.disciplineInformática-
thesis.degree.grantorUniversidade de Coimbra-
thesis.degree.level1-
thesis.degree.nameMestrado em Engenharia e Ciência de Dados-
uc.degree.grantorUnitFaculdade de Ciências e Tecnologia - Departamento de Engenharia Informática-
uc.degree.grantorID0500-
uc.contributor.authorSousa, Gonçalo Manuel Oliveira e::0000-0003-3107-0581-
uc.degree.classification14-
uc.degree.presidentejuriSimões, Marco António Machado-
uc.degree.elementojuriCosta, Ernesto Jorge Fernandes-
uc.degree.elementojuriCorreia, João Nuno Gonçalves Costa Cavaleiro-
uc.contributor.advisorCorreia, João Nuno Gonçalves Costa Cavaleiro::0000-0001-5562-1996-
uc.contributor.advisorMartins, Tiago Filipe dos Santos-
item.openairetypemasterThesis-
item.fulltextCom Texto completo-
item.languageiso639-1en-
item.grantfulltextopen-
item.cerifentitytypePublications-
item.openairecristypehttp://purl.org/coar/resource_type/c_18cf-
Appears in Collections:UC - Dissertações de Mestrado
Files in This Item:
File Description SizeFormat
Bridge_Cost_Forecast__Thesis_Final.pdf2.64 MBAdobe PDFView/Open
Show simple item record

Page view(s)

54
checked on Jul 16, 2024

Download(s)

78
checked on Jul 16, 2024

Google ScholarTM

Check


This item is licensed under a Creative Commons License Creative Commons