Earticle

초록

한국어

건설사업 초기단계에서 제한된 사업정보를 가지고 개략적인 공사비를 예측하는 것은 사업의 수익성과 다른 사업 추진을 위한 자금의 여유 등을 고려할 때 발주처나 사업주체 같은 건설사업 관계자에게 중요하다. 이에 통계적인 방법과 인공지능기법을 이용하여 사업 초기단계에서의 공사비 예측에 관한 많은 연구가 이루어졌다. 본 논문은 새나 물고기 무리의 군집행동에 영감을 얻은 최적의 해를 찾아가는 진화형 계산기법인 PSO방법을 이용하여 공동주택 건설사업 초기단계에서의 공사비를 예측하는 새로운 방법을 제시한다. NeuroShell Predictor 소프트웨어를 이용하여 219개 공동주택 건설사업자료를 가지고 예측모델을 제안하였다. 소프트웨어에서 제공하는 성능에 대한 통계치와 기존의 연구방법으로 많이 적용된 신경망모델과의 직접적인 비교를 통해서 제안된 PSO기반 예측모델의 성능은 좋은 것으로 판명되었다. 또한, 본 연구에서의 성공적인 적용을 통해서 다른 예측문제의 해결에 있어서 PSO방법의 잠재능력을 보여주었다.

영어

At the initial stage of construction projects, predicting approximate cost with limited information about projects is important to project participants such as owners and developers in that they can estimate expected profits from projects and available funds for other organizational activities. From this point, many researches to predict construction costs at the initial stage have been performed using statistical methods and artificial intelligence methods. This paper proposes a new approach to predict construction costs at the initial stage of apartment housing projects using a PSO(Particle Swarm Optimization) method, a population-based stochastic optimization one inspired by social behaviors of bird flocking or fish schooling. Using the NeuroShell Predictor software, the PSO-based prediction model was suggested with 219 apartment housing projects whose data were obtained from bidding announcements for construction supervisors in the Korea Construction Consulting Engineers Association. From high R-squared and correlation coefficient values provided by the software and in comparison with an artificial neural network(ANN) model, the performance of the suggested prediction model was found to be good. And the results showed that the PSO method can have the potential to provide valuable solutions to other prediction problems.

목차

Abstract
 1. 서론
  1.1 연구배경 및 목적
  1.2 연구범위 및 방법
 2. 공동주택의 초기 단계 공사비 예측에 관한 기존 연구 현황
 3. PSO (Particle Swarm Optimization)의 이론적 고찰
  3.1 PSO의 개요
  3.2 PSO의 탐색 알고리즘
  3.3 PSO기법의 적용 분야
 4. PSO기반 공사비 예측모델 개발
  4.1 사례 수집 방법
  4.2 PSO기반 예측모델의 제안
  4.3 예측모델의 학습 과정 및 입력 변수의 기여도 조사
  4.4 예측모델의 평가
  4.5 ANN 예측모델과의 비교
 5. 결론
 참고문헌

저자

• 이상춘 [ Lhee, Sang-Choon | (사)한국환경건축연구원 책임연구원, 건설관리학 박사 ] 교신저자

참고문헌