Resumen

Un modelo para la predicción temprana de costos de construcción es útil para todos los participantes en un proyecto de construcción. Este documento presenta una combinación de un modelo basado en procesos y un modelo basado en datos para la predicción de costos de construcción en las primeras fases del proyecto. El modelo de tiempo-coste de Bromilow se utiliza como modelo basado en procesos y la red neuronal de regresión general (GRNN) como modelo basado en datos. GRNN ofreció la predicción más precisa entre los tres modelos de predicción utilizando redes neuronales que se aplicaron, con un error porcentual absoluto medio (MAPE) de aproximadamente 0,73% y un coeficiente de determinación del 99,55%. El coeficiente de correlación entre los valores predichos y reales es de 0,998. El modelo está diseñado como parte integral del sistema de predicción de costos (CPS), cuyo papel es estimar los costos del proyecto en las etapas iniciales. Los resultados obtenidos se utilizan como entrada del Modelo de Costo (CM) siendo parte tanto del Sistema

• Materias:Modelo de rigidez Desempeño estructural Fallas estructurales Estructuras de membrana
• Subjects:Stiffness model Structural performance Structural failures Membrane structures
• Palabras claves:Modelo; Predicción de costos de construcción; Fases tempranas del proyecto; Basado en procesos; Modelo impulsado por datos; Redes neuronales
• Keywords:Model; Construction cost prediction; Early project phases; Process-based; Data-driven model; Neural networks