Please use this identifier to cite or link to this item: http://cmuir.cmu.ac.th/jspui/handle/6653943832/69279
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorชยานนท์ หรรษภิญโญ-
dc.contributor.authorวิศว์ ดวงแสงทองen_US
dc.date.accessioned2020-08-03T09:01:45Z-
dc.date.available2020-08-03T09:01:45Z-
dc.date.issued2016-04-
dc.identifier.urihttp://cmuir.cmu.ac.th/jspui/handle/6653943832/69279-
dc.description.abstractThis independent study aims to study on the efficiency of cost prediction of less than 2-story houses in Thailand using Artificial Neural Network Technique. The study done by modeling a cost predictive model by using 8 types of functional area of house as inputs of artificial neural network. Training of the model done on 50 samples of no more than 2 stories houses. Using the model to estimate house price in comparison to regression analysis technique. Results of the study showing that the Artificial Neural Network technique is more accurate than regression analysis technique. Moreover, Artificial Neural Network technique also can be uses in various size of houses. While regression analysis has limited use on specific range of sizing of houses.en_US
dc.publisherเชียงใหม่ : บัณฑิตวิทยาลัย มหาวิทยาลัยเชียงใหม่en_US
dc.subjectการประมาณราคาen_US
dc.subjectบ้านพักอาศัยen_US
dc.subjectเทคนิคโครงข่ายประสาทเทียมen_US
dc.titleการประมาณราคาก่อสร้างบ้านพักอาศัยโดยเทคนิคโครงข่ายประสาทเทียมen_US
dc.title.alternativeResidential building cost estimation using artificial neural network approachen_US
dc.typeIndependent Study (IS)
thailis.classification.ddc692.5-
thailis.controlvocab.thashการก่อสร้าง -- การประมาณราคา-
thailis.controlvocab.thashอุตสาหกรรมการก่อสร้าง -- การจัดการ-
thailis.controlvocab.thashนิวรัลเน็ตเวิร์ค (วิทยาการคอมพิวเตอร์)-
thailis.manuscript.callnumberว 692.5 ว387ก-
thesis.degreemasteren_US
thesis.description.thaiAbstractการศึกษานี้จัดทำขึ้นโดยมีวัตถุประสงค์เพื่อศึกษาประสิทธิภาพของแบบจำลองในการประมาณราคาบ้านพักอาศัยขนาดไม่เกิน 2 ชั้นในประเทศไทย โดยนำเทคนิคโครงข่ายประสาทเทียมมาใช้ในการสร้างแบบจำลองร่วมกับการจำแนกประเภทพื้นที่ตามลักษณะการใช้สอย โดยแบบจำลองใช้ตัวแปรนำเข้าของโครงข่ายเป็นประเภทของพื้นที่ใช้สอยจำนวน 8 ชนิด ได้แก่ ขนาดของ 1) ห้องนอน 2) ห้องครัว 3) ห้องน้ำ 4) ห้องนั่งเล่น 5) โถงและบันได 6) ระเบียง 7) พื้นที่ซักล้าง และ8) พื้นที่จอดรถ การฝึกสอนโครงข่ายประสาทเทียมใช้รูปแบบโครงข่ายประสาทเทียมแบบแพร่ย้อนกลับ (Feedforward Backpropagation) และใช้ระเบียบวิธีในการฝึกแบบ Levenberg - Marquardt Algorithm โดยใช้ข้อมูลในการฝึกและทดสอบจำนวน 50 รายการ เพื่อเปรียบเทียบผลลัพธ์การประมาณการของแบบจำลองกับการประมาณการด้วยเทคนิคการวิเคราะห์ถดถอยเชิงเส้น จากการศึกษาพบว่าการใช้เทคนิคโครงข่ายประสาทเทียมนั้นมีความแม่นยำมากกว่าการใช้เทคนิคการวิเคราะห์การถดถอยเชิงเส้น และยังสามารถใช้ประมาณการราคากับบ้านที่มีขนาดต่างๆกันมากกว่าการใช้เทคนิคการวิเคราะห์การถดถอยเชิงเส้นอีกด้วยen_US
Appears in Collections:ENG: Independent Study (IS)

Files in This Item:
File Description SizeFormat 
Full.pdf3.54 MBAdobe PDFView/Open    Request a copy


Items in CMUIR are protected by copyright, with all rights reserved, unless otherwise indicated.