Pregled bibliografske jedinice broj: 1023565
Procjena operativnih troškova škola primjenom umjetnih neuronskih mreža
Procjena operativnih troškova škola primjenom umjetnih neuronskih mreža // Zajednički temelji 2019 - Sedmi skup mladih istraživača iz područja građevinarstva i srodnih tehničkih znanosti / Bogdanić, Anton ; Tijanić, Ksenija ; Žiković, Laura ; Šopić, Martina ; Pajalić, Sara (ur.).
Rijeka, 2019. str. 126-131 (predavanje, domaća recenzija, cjeloviti rad (in extenso), ostalo)
CROSBI ID: 1023565 Za ispravke kontaktirajte CROSBI podršku putem web obrasca
Naslov
Procjena operativnih troškova škola primjenom
umjetnih neuronskih mreža
(Estimation of schools operating costs with the
application of artificial neural networks)
Autori
Tijanić, Ksenija ; Car-Pušić, Diana
Vrsta, podvrsta i kategorija rada
Radovi u zbornicima skupova, cjeloviti rad (in extenso), ostalo
Izvornik
Zajednički temelji 2019 - Sedmi skup mladih istraživača iz područja građevinarstva i srodnih tehničkih znanosti
/ Bogdanić, Anton ; Tijanić, Ksenija ; Žiković, Laura ; Šopić, Martina ; Pajalić, Sara - Rijeka, 2019, 126-131
ISBN
978-953-6953-51-6
Skup
Sedmi skup mladih istraživača iz područja građevinarstva i srodnih tehničkih znanosti Zajednički temelji 2019
Mjesto i datum
Rijeka, Hrvatska, 25.09.2019. - 27.09.2019
Vrsta sudjelovanja
Predavanje
Vrsta recenzije
Domaća recenzija
Ključne riječi
škole ; godišnji operativni troškovi ; umjetna neuronska mreža ; DTREG
(schools ; annual operating costs ; artificial neural network ; DTREG)
Sažetak
Rad se bavi primjenom umjetnih neuronskih mreža u planiranju godišnjih operativnih troškova škola s područja Republike Hrvatske. U tu su svrhu prikupljeni podaci za 51 hrvatsku školu te razvijene tri različite umjetne neuronske mreže: višeslojni perceptron (MLP), mreža opće regresije (GRNN) i mreža s radijalno zasnovanom funkcijom (RBFNN). Softver koji se koristio za ove potrebe se naziva DTREG - Predictive Modeling Software. Usporedbom dobivenih rezultata pokazalo se da se najveća točnost procjene postiže primjenom GRNN mreže čiji je MAPE tijekom validacije 7, 97%, a koeficijent determinacije 0, 90. U ovom se slučaju GRNN mreža pokazala optimalnom za procjenu troškova. Za potrebe planiranja troškova u konkretnim slučajevima može se ispitati veći broj mrežnih modela što mogućnosti softvera dopuštaju bez većih problema. Rezultati ovog istraživanja ukazuju da GRNN daje dobre rezultate te je treba uzeti u obzir u budućim procjenama. U praksi se uvijek želi ostvariti što točniji financijski plan, pa je svaki doprinos povećanju točnosti, od značaja.
Izvorni jezik
Hrvatski
Znanstvena područja
Građevinarstvo, Projektni menadžment
POVEZANOST RADA
Ustanove:
Građevinski fakultet, Rijeka
