سایپرز، باشگاه دانش - ارائه دهنده مقالات ژورنالهای خارجی

اطلاعات و مشخصات مقاله

explorer iconلينك‌ها

[ بازگشت | جستجو | فهرست کلمات کلیدی | فهرست موضوعات | فهرست نویسندگان | فهرست ناشران | فهرست ژورنالها ]

info iconاطلاعات مقاله

[ 179 بار مشاهده چكيده]

عنوان مقاله:سانتریفوژ مدل سازی پایه های بادی دریایی تحت بارگذاری زلزله
ناشر: [ Elsevier BV ]
ژورنال
دوره (شماره): (0)
سال انتشار:March 2014
شماره صفحات: 303830-38
نشانگر دیجیتالی شیء:[ 10.1016/j.autcon.2013.10.024 ]
شما اینجا هستید:
  1. Scipers, the Knowledge ClubScipers »
  2. Elsevier BV »
  3. Automation In Construction »
  4. Predicting the maintenance cost of construction equipment: Comparison between general regression neural network and Box–Jenkins time series models

report iconنمايش خلاصه مقاله

Predicting The Maintenance Cost Of Construction Equipment: Comparison Between General Regression Neural Network And Box–Jenkins Time Series Models


مقاله: سانتریفوژ مدل سازی پایه های بادی دریایی تحت بارگذاری زلزله

نويسند‌گان:


خلاصه مقاله:


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.


این مقاله یک مطالعه تطبیقی ​​در برنامه های کاربردی از رگرسیون عمومی شبکه عصبی (GRNN) مدل ها و مدل های سری زمانی جعبه-جنکینز معمولی برای پیش بینی هزینه های تعمیر و نگهداری از تجهیزات ساخت و ساز. مقایسه بر سری های زمانی کلی فرض تجزیه و تحلیل است که مشاهدات در زمان تعیین توالی داشته همبستگی سریال در سری زمانی و ارتباط متقابل با سری های زمانی توضیحی است. مدل های سری زمانی هر دو GRNN و جعبه-جنکینز می توانید رفتار توصیف و پیش بینی هزینه های نگهداری از دسته ها و ناوگان تجهیزات مختلف با سطح قابل قبولی از دقت و صحت. پیش بینی با مدل های GRNN چند متغیره پس از ترکیب داده های مصرف سوخت موازی به عنوان یک سری زمانی توضیحی قابل توجهی بهبود یافته بود. پیش بینی دقیق هزینه های تعمیر و نگهداری تجهیزات به آینده می تواند وظایف پشتیبانی تصمیم گیری مانند بودجه تجهیزات و برنامه ریزی منابع، جایگزینی تجهیزات و تعیین نرخ های داخلی از اتهام در مورد استفاده از تجهیزات را تسهیل میکند.


كلمات كليدي:

Construction equipment, General regression neural network, Maintenance management, Time series analysis
تجهیزات ساخت و ساز, رگرسیون عمومی شبکه عصبی , مدیریت تعمیر و نگهداری, تجزیه و تحلیل سری زمان


موضوعات:

Building and Construction, Civil and Structural Engineering, Control and Systems Engineering



[ ]

 

دسترسی بین المللی

اگر شما در داخل کشور (ایران) هستید و این صفحه را مشاهده می کنید، نشان می دهد که IP شما به هر دلیلی در لیست IP های ایران ثبت نشده است. برای رفع این مشکل کافی است IP خود را که در پایین این پیام درج شده از طریق آدرس ایمیل support@scipers.com به ما اطلاع دهید. پس از دریافت درخواست، کارشناسان فنی موضوع را بررسی می نمایند و در صورتی که محل اتصال شما از کشور ایران بوده باشد، به لیست استفاده کنندگان مجاز افزوده می شوید.
IP: 3.80.55.37

اطلاعات استنادی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

 

به اشتراک گذاری

این صفحه را با استفاده از انواع شبکه های اجتماعی با دوستان خود به اشتراک بگذارید.

فهرست مراجع و منابع




 

برگشت به بالا
رونمایی از اولین و تنها ربات تلگرامی جستجوی مقالات ژورنالی
×