JP7169082B2 - 建物の建築価格を予測する予測システムおよびその建設工期を予測する予測システム - Google Patents
建物の建築価格を予測する予測システムおよびその建設工期を予測する予測システム Download PDFInfo
- Publication number
- JP7169082B2 JP7169082B2 JP2018070411A JP2018070411A JP7169082B2 JP 7169082 B2 JP7169082 B2 JP 7169082B2 JP 2018070411 A JP2018070411 A JP 2018070411A JP 2018070411 A JP2018070411 A JP 2018070411A JP 7169082 B2 JP7169082 B2 JP 7169082B2
- Authority
- JP
- Japan
- Prior art keywords
- building
- constructed
- price
- construction
- parameters
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
図1は、本発明の第1実施形態に係る建物の建築価格を予測する予測方法のフロー図である。図2は、図1に示す予測方法を実行するための予測システムを説明するための模式的概念図である。図3は、図2に示す予測システムの演算装置のブロック図である。図4は、図3に示す演算装置の学習算出部のニューラルネットワークの模式的概念図である。
まず、本実施形態に係る建物の建築価格を予測する予測方法では、第1入力工程(入力工程)S1を行う。この第1入力工程S1では、予測システム1のキーボードなどの入力装置2を介して、ROM、RAMなどの記憶装置3に入力する。入力されるデータは、過去に建設された複数の建物に関するデータである。
第1補正工程S2では、予測システムにおいて、各建物の建設地域に対応した地域物価係数と、各建物の建設年に対応した年物価係数と、を用いて、各建物の建築価格を、建設地域および建設された年の物価に依存しない標準建築価格に補正する。
次に、学習工程S3を行う。この工程では、予測システム1の演算装置4において、各建物に対して、建設階数と、敷地面積と、地盤パラメータと、用途パラメータと、に基づいて、標準建築予測価格を算出し、各建物ごとに算出した標準建築予測価格の値が、各建物の標準建築価格の値に収束するように、機械学習により、標準建築予測価格の算出方法を学習する。演算装置4は、CPUからなり、図3および図4に示すソフトウエアにより構成されている。
第2入力工程S4と、次の工程である算出工程S5とが、本発明でいうところの算出工程に相当する。第2入力工程S4では、図2に示すように、端末6からネットワークを介して、学習工程S3の後の予測システム1に対して、建設予定の建物に関するデータを入力する。具体的には、建設予定の建物の建設地域と、建設予定の建物の建設年と、建設予定の建物の建設階数と、建設予定の建物の敷地面積と、建設予定の建物の地盤条件に応じた地盤パラメータと、建設予定の建物の用途に応じた用途パラメータとを、入力装置2を介して予測システム1の記憶装置3に入力する。
次に、算出工程S5を行う。この工程では、端末6を介して記憶装置3に記憶された、建設予定の建物の建設階数と、敷地面積と、地盤パラメータと、用途パラメータと、に基づいて学習工程S3の後の予測システム1の演算装置4により、建設予定の建物の標準建築予測価格を算出する。具体的には、この算出は、機械学習後に前記重み付け係数が補正されたニューラルネットワーク43に、建設予定の建物の、建設階数、敷地面積、地盤パラメータ、および用途パラメータを入力し、建設予定の建物の標準建築予測価格を算出する。
次に、第2補正工程S6を行う。この工程では、図3に示す演算装置4の第2補正部44において、建設予定の建物の建設地域に対応した(関連付けられた)地域物価係数と、建設予定の建物の建設年に対応した(関連付けられた)年物価係数とを用いて、算出工程S5で算出した標準建築予測価格を、建設予定の建物の建設地域および建設年の物価に依存した建築予測価格に補正する。
次に、出力工程S7を行う。この工程では、第2補正工程S6で補正された建設予定の建物の建築予測価格を、ネットワークを介して、端末6に出力する。
以下に第2実施形態に係る建物の建築価格を予測する予測方法を説明する。第2実施形態に係る予測方法が、第1実施形態の予測方法と相違する点は、第2実施形態に係る予測方法では、建築価格とともに建設工期も予測する。以下に、第1実施形態と同じ内容は、その説明を省略する。また、基本的な各工程のフローは、第1実施形態と同じであるので、図1を再び参照するとともに、以下の図5~図7を参照する。
第1および第2実施形態は、第1発明の一例であり、建物の建築価格を少なくとも予測する予測方法であったが、第3実施形態は、第2発明の一例であり、建物の建設工期を予測する予測方法である。以下に、第3実施形態に係る建物の建設工期を予測する予測方法を説明する。
Claims (4)
- 建設予定の建物の建築価格を予測する予測システムであって、
前記予測システムは、過去に建設された複数の建物ごとに、前記建物の建設地域と、地域ごとの物価に依存した地域物価係数と、前記各建物が建設された建設年と、年ごとの物価に依存した年物価係数と、前記各建物の建設階数と、前記各建物の敷地面積と、前記各建物の地盤条件に応じた地盤パラメータと、前記各建物の用途に応じた用途パラメータと、前記各建物の建築価格と、を少なくとも含む入力データが記憶された記憶装置と、
前記記憶装置に記憶された入力データを用いて、前記建築価格を予測する演算装置と、を備え、
前記演算装置は、過去に建設された前記各建物の建設地域に対応した前記地域物価係数と、過去に建設された前記各建物の建設年に対応した前記年物価係数とを、過去に建設された前記各建物の建築価格に対して乗算することにより、過去に建設された前記各建物の建築価格を前記建設地域および前記建設された年の物価に依存しない標準建築価格に補正する第1補正部と、
過去に建設された前記各建物に関する、前記建設階数と、前記敷地面積と、前記地盤パラメータと、前記用途パラメータと、を入力値とし、標準建築予測価格を出力値としたニューラルネットワークによる機械学習を行い、過去に建設された前記建物ごとに前記出力値として出力された前記標準建築予測価格の値が、過去に建設された前記各建物の前記標準建築価格の値に対して所定の範囲に収束するまで、前記機械学習により、前記標準建築予測価格の算出をニューラルネットワークで学習する学習部と、
前記学習部により学習した前記ニューラルネットワークに対して、前記建設予定の建物の建設階数と、前記建設予定の建物の敷地面積と、前記建設予定の建物の地盤条件に応じた地盤パラメータと、前記建設予定の建物の用途に応じた用途パラメータと、を入力値とし、前記建設予定の建物の標準建築予測価格を算出する算出部と、
前記建設予定の建物の前記建設地域に対応した前記地域物価係数の逆数と、前記建設予定の前記建物の建設年に対応した前記年物価係数との逆数とを、前記算出部で算出した前記建設予定の建物の標準建築予測価格に乗算することにより、当該標準建築予測価格を、前記建設予定の建物の前記建設地域および前記建設年の物価に依存した建築予測価格に補正する第2補正部と、
を含み、
前記演算装置は、前記第2補正部により補正した前記建築予測価格を、前記建設予定の建物の前記建築価格とすることを特徴とする建物の建築価格を予測する予測システム。 - 前記ニューラルネットワークは、
前記建設階数と、前記敷地面積と、前記地盤パラメータと、前記用途パラメータとが、それぞれ入力される少なくとも4つの入力層ニューロン素子を含む入力層と、
前記標準建築予測価格を出力する出力層ニューロン素子を含む出力層と、
前記少なくとも4つの入力層ニューロン素子と前記出力層ニューロン素子との間に設けられ、複数の中間層ニューロン素子を含む複数の中間層とを有し、
前記各中間層の中間層ニューロン素子により算出したニューロンパラメータは、重み付け係数を乗算して、次の中間層の中間層ニューロン素子または前記出力層ニューロン素子に入力される学習モデルであり、
前記学習部は、前記各建物の前記建設階数と、前記敷地面積と、前記地盤パラメータと、前記用途パラメータと、前記標準建築価格と、を教師データとして、前記標準建築予測価格の値が、前記各建物の前記標準建築価格の値に対して所定の範囲に収束するまで、前記重み付け係数を繰り返し補正することにより、前記機械学習による学習を行い、
前記算出部は、前記機械学習後に前記重み付け係数が補正された前記ニューラルネットワークに、前記建設予定の建物の建設階数と、前記建設予定の建物の敷地面積と、前記建設予定の建物の地盤パラメータと、前記建設予定の建物の用途パラメータとを入力し、前記標準建築予測価格を算出することを特徴とする請求項1に記載の建物の建築価格を予測する予測システム。 - 前記入力データは、前記過去に建設された建物ごとに関して、前記各建物の建設工期をさらに入力されたデータを含み、
前記学習部は、過去に建設された前記各建物に関して、前記建設階数と、前記敷地面積と、前記地盤パラメータと、前記用途パラメータと、を入力値とし、建設予測工期をさらに出力値としたニューラルネットワークによる機械学習を行い、前記建物ごとに前記出力値として出力された建設予測工期の値が、前記各建物の前記建設工期の値に対して所定の範囲に収束するまで、さらに学習し、
前記算出部は、前記建設予定の建物の建設階数と、前記建設予定の建物の敷地面積と、前記建設予定の建物の地盤パラメータと、前記建設予定の建物の用途パラメータと、を入力値とし、前記建設予定の建物の建設予測工期をさらに算出することを特徴とする請求項1に記載の建物の建築価格を予測する予測システム。 - 前記ニューラルネットワークは、
前記建設階数と、前記敷地面積と、前記地盤パラメータと、前記用途パラメータとが、それぞれ入力される少なくとも4つの入力層ニューロン素子を含む入力層と、
前記標準建築予測価格と前記建設予測工期を出力する2つの出力層ニューロン素子を含む出力層と、
前記少なくとも4つの入力層ニューロン素子と前記2つの出力層ニューロン素子との間に設けられ、複数の中間層ニューロン素子を含む複数の中間層とを有し、
前記各中間層の中間層ニューロン素子により算出したニューロンパラメータは、重み付け係数を乗算して、次の中間層の中間層ニューロン素子または前記出力層ニューロン素子に入力される学習モデルであり、
前記学習部は、過去に建設された前記各建物の前記建設階数と、前記敷地面積と、前記地盤パラメータと、前記用途パラメータと、前記建設工期と、を教師データとして、前記標準建築予測価格と前記建設予測工期との値が、前記各建物の前記標準建築価格と前記建設工期との値に対して所定の範囲に収束するまで、前記重み付け係数を繰り返し補正することにより、前記機械学習による学習を行い、
前記算出部は、前記機械学習後に前記重み付け係数が補正された前記ニューラルネットワークに、前記建設予定の建物の建設階数と、前記建設予定の建物の敷地面積と、前記建設予定の建物の地盤パラメータと、前記建設予定の建物の用途パラメータとを入力し、前記標準建築予測価格および前記建設予測工期と、を算出することを特徴とする請求項3に記載の建物の建築価格を予測する予測システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018070411A JP7169082B2 (ja) | 2018-03-30 | 2018-03-30 | 建物の建築価格を予測する予測システムおよびその建設工期を予測する予測システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018070411A JP7169082B2 (ja) | 2018-03-30 | 2018-03-30 | 建物の建築価格を予測する予測システムおよびその建設工期を予測する予測システム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019179538A JP2019179538A (ja) | 2019-10-17 |
JP7169082B2 true JP7169082B2 (ja) | 2022-11-10 |
Family
ID=68278889
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018070411A Active JP7169082B2 (ja) | 2018-03-30 | 2018-03-30 | 建物の建築価格を予測する予測システムおよびその建設工期を予測する予測システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7169082B2 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111932093B (zh) * | 2020-07-29 | 2023-06-27 | 长江勘测规划设计研究有限责任公司 | 大型立式水轮发电机组安装工期量化计算方法 |
KR102352658B1 (ko) * | 2020-12-31 | 2022-01-19 | 주식회사 나인티나인 | 건설 사업 정보 관리 시스템 및 이의 제어 방법 |
CN112948424A (zh) * | 2021-03-30 | 2021-06-11 | 深圳宝家乡墅科技有限公司 | 一种房屋价格查询方法、系统及存储介质 |
JP7160295B1 (ja) | 2022-05-12 | 2022-10-25 | 株式会社ハシマAit | 学習モデルの生成方法、情報処理装置、情報処理方法、コンピュータプログラム |
JP7230288B1 (ja) | 2022-05-12 | 2023-03-01 | 株式会社ハシマAit | 学習モデル |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004030088A (ja) | 2002-06-25 | 2004-01-29 | Mitsubishi Electric Corp | 工期管理システム及びそれに用いる記録媒体 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05165842A (ja) * | 1991-12-13 | 1993-07-02 | Toyota Central Res & Dev Lab Inc | 工程時間の見積り装置 |
JPH10261012A (ja) * | 1997-03-19 | 1998-09-29 | Toda Constr Co Ltd | 工程計画支援システム |
-
2018
- 2018-03-30 JP JP2018070411A patent/JP7169082B2/ja active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004030088A (ja) | 2002-06-25 | 2004-01-29 | Mitsubishi Electric Corp | 工期管理システム及びそれに用いる記録媒体 |
Also Published As
Publication number | Publication date |
---|---|
JP2019179538A (ja) | 2019-10-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7169082B2 (ja) | 建物の建築価格を予測する予測システムおよびその建設工期を予測する予測システム | |
Arashpour et al. | Performance-based control of variability and tolerance in off-site manufacture and assembly: Optimization of penalty on poor production quality | |
Chien et al. | Strategic capacity planning for smart production: Decision modeling under demand uncertainty | |
Faghihi et al. | Construction scheduling using genetic algorithm based on building information model | |
Nasirzadeh et al. | Integrating system dynamics and fuzzy logic modelling for construction risk management | |
Skitmore et al. | Forecast models for actual construction time and cost | |
Xu et al. | Discrete time–cost–environment trade-off problem for large-scale construction systems with multiple modes under fuzzy uncertainty and its application to Jinping-II Hydroelectric Project | |
Kim et al. | A hybrid conceptual cost estimating model for large building projects | |
Wheeler et al. | Combining multi-attribute decision-making methods with multi-objective optimization in the design of biomass supply chains | |
Chou et al. | Probabilistic simulation for developing likelihood distribution of engineering project cost | |
Davoodi et al. | Common set of weights in data envelopment analysis: a linear programming problem | |
Elhegazy | State-of-the-art review on benefits of applying value engineering for multi-story buildings | |
Ahn et al. | The attribute impact concept: Applications in case-based reasoning and parametric cost estimation | |
Pellegrino et al. | Construction of multi-storey concrete structures in Italy: patterns of productivity and learning curves | |
Fernandez-Ceniceros et al. | Decision support model for one-way floor slab design: A sustainable approach | |
Lin et al. | A novel dynamic progress forecasting approach for construction projects | |
CN105825286A (zh) | 一种武器装备全生命周期费用估算系统及方法 | |
Zandieh et al. | A new framework for dynamic sustainability balanced scorecard in order to strategic decision making in a turbulent environment | |
Su et al. | Synthetic cash flow model with singularity functions for unbalanced bidding scenarios | |
CN105976153A (zh) | 物流管理系统的发车数据预测方法 | |
Dimitrov et al. | Generalized symmetric weight assignment technique: Incorporating managerial preferences in data envelopment analysis using a penalty function | |
JP2004094437A (ja) | データ予測方法及びデータ予測システム | |
Wang et al. | A fuzzy DEA–Neural approach to measuring design service performance in PCM projects | |
Al-Ahmari | A methodology for selection and evaluation of advanced manufacturing technologies | |
Anggraini et al. | Implementation of Lean Construction to Eliminate Waste: A Case Study Construction Project in Indonesia |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210301 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20211215 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220201 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20220401 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220601 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20221011 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221028 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7169082 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |