Mark-up estimation using data mining techniques

Abstract

ÖZETHALE TENZ LAT M KTARI TAHM N NDE VER MADENC L ĞTEKN KLER N N KULLANIMIERDOĞAN E. TuvaYüksek Lisans Tezi, nşaat MühendisliğiTez Yöneticisi: Yrd. Doç. Dr. Ahmet ÖZTAŞYardımcı Tez Yöneticisi: Doç. Dr. Adil BAYKASOĞLUAğustos 2005, 185 sayfaBu çalışmada, veri madenciliği tekniklerinin inşaat sektöründe ihale tenzilat miktarıtahmininde kullanımı araştırıldı.Öncelikle, ihale tenzilat miktarı özellikleri, daha önce ihale tenzilat miktarıtahmininde kullanılan teknikler ve farklı alanlarda kullanılan veri madenciliğiuygulamaları hakkında bir literatür araştırması yapıldı.Literatür araştırmasına dayanılarak hazırlanan bir anket, tenzilat miktarını etkileyenfaktörleri belirlemek amacıyla kamu kurum ve kuruluşlarının ihale departmanlarındaçalışan inşaat mühendislerine dağıtıldı. Anket sonuçları içerik analizi metodu iledeğerlendirildi ve ulaşılan faktörlere göre Türkiye deki inşaat bültenlerinden ilgiliverilere ulaşıldı.Tenzilat miktarı tahmini problemi, eğitilen sinir ağından genetik algoritma ile kuralçıkarma yaklaşımı ve karar ağaçları algoritması ile iki farklı şekilde çözüldü. Verimadenciliği yazılımları olarak Matlab kullanılarak geri yayılım algoritmasına göregeliştirilen bir program, Evolver 4.0 Professional ve See5/C5.0 yazılımları kullanıldı.Eğitilen sinir ağlarından kural çıkarma yaklaşımında, veriler geri yayılım algoritmasıile sınıflandırıldıktan sonra genetik algoritma kullanılarak kurallar çıkarıldı. Kararağaçlarında ise C5.0 algoritması kullanılarak veriler sınıflandırıldı ve kurallar eldeedildi.Anahtar kelimeler : Veri madenciliği, tenzilat miktarı, sinir ağları, karar ağaçları,genetik algoritma

ABSTRACTMARK-UP ESTIMATION USING DATA MINING TECHNIQUESERDOĞAN E. TuvaM. Sc. In Civil EngineeringSupervisor: Assist. Prof. Dr. Ahmet ÖZTAŞCo-Supervisor: Assoc. Prof. Dr. Adil BAYKASOĞLUAugust 2005, 185 pagesIn this study, mark-up estimation using data mining techniques in constructionindustry was investigated.Firstly, a literature survey was performed about characteristics of mark-up estimationand techniques that have been used in mark-up estimation and data miningtechniques that were used in different areas.Then, a questionnaire was distributed to civil engineers that study in bid departmentsof public sectors in order to determine the factors that affect mark-up estimation. Thequestionnaire?s results were evaluated using content analysis method and targetmark-up factors were determined. According to target mark-up factors, data werecollected in construction bulletins in Turkey.Lastly, mark-up estimation was analysed according to rule extraction from trainedneural network using genetic algorithm and decision tree. A neural network programthat was developed in Matlab and Evolver 4.0 Professional for genetic algorithm andSee5/C5.0 for decision tree were used. In the rule extraction, after data wereclassified by back propagation, rules were extracted from trained neural networkusing genetic algorithm. In decision tree, the C5.0 algorithm has generated aclassification decision tree for the given data set by recourse portioning of data. Theknowledge represented in decision trees were extracted and represented in the formof classification IF-THEN rules.Keywords: Data mining, mark-up estimation, neural network, decision tree, geneticalgorithm