یک چارچوب پیش بینی هزینه های پیش بینی نشده در پروژه های ساختمانی با استفاده از شبکه های عصبی مصنوعی: رویکردی مبتنی بر داده های تاریخی و تحلیل پیش بینانه

چکیده مقاله

مدیریت هزینه یکی از مهم ترین ارکان موفقیت در پروژه های ساختمانی محسوب می شود، چرا که انحراف از برآورد اولیه می تواند پیامدهای گسترده ای همچون کاهش سودآوری، تاخیر در تکمیل پروژه، کاهش کیفیت خروجی، و حتی شکست کامل پروژه را به همراه داشته باشد هزینه های پیش بینی نشده به عنوان یکی از عوامل اصلی ایجاد این انحراف، همواره چالشی جدی برای مدیران پروژه و مهندسان برنامه ریزی بوده است شناسایی و برآورد دقیق این هزینه ها پیش از وقوع، می تواند به شکل قابل توجهی از ریسک های مالی و عملیاتی بکاهد در این پژوهش، یک چارچوب پیش بینی هزینه های پیش بینی نشده در پروژه های ساختمانی بر اساس شبکه های عصبی مصنوعی Artificial Neural Networks ANN ارائه می شود مدل پیشنهادی با استفاده از داده های تاریخی پروژه ها شامل اطلاعات مربوط به هزینه های مستقیم و غیرمستقیم، مدت زمان اجرای فعالیت ها، تغییرات طراحی، شاخص های عملکرد، و عوامل محیطی آموزش داده می شود در فرآیند توسعه مدل، ابتدا داده ها پیش پردازش شده و با استفاده از تکنیک های نرمال سازی و انتخاب ویژگی، کیفیت و کارایی ورودی ها ارتقاء یافته است سپس، معماری شبکه شامل یک لایه ورودی متناسب با تعداد متغیرها ، یک یا دو لایه مخفی با توابع فعال سازی غیرخطی نظیر Sigmoid و ReLU، و یک لایه خروجی با تابع فعال سازی خطی طراحی شده است آموزش مدل با استفاده از الگوریتم پس انتشار خطا و بهینه ساز Adam انجام گرفته و عملکرد آن بر اساس معیارهای RMSE، MAE و ضریب تعیین R² ارزیابی شده است نتایج تجربی نشان می دهد که مدل ANN پیشنهادی توانسته است با دقت بالا، میزان هزینه های پیش بینی نشده را برآورد کند و عملکردی بهتر نسبت به مدل های آماری سنتی و برخی روش های یادگیری ماشین خطی ارائه دهد این رویکرد می تواند به عنوان یک ابزار پشتیبان تصمیم گیری در فرآیند مدیریت هزینه مورد استفاده قرار گیرد و با شناسایی زودهنگام انحرافات مالی، به بهبود برنامه ریزی، تخصیص منابع، و کاهش ریسک های اقتصادی در پروژه های ساختمانی کمک نماید

کلیدواژه‌ها

نویسندگان

آیدین ریاضی

دانشجوی دکتری مهندسی عمران، مدیریت ساخت، دانشگاه تهران، تهران، ایران

میثم ولی محمدی

دانشجوی دکتری مهندس عمران، مدیریت ساخت، دانشگاه تهران، تهران، ایران

ناطق افضل

دانشجوی دکتری مهندس عمران، مدیریت ساخت، دانشگاه تهران، تهران، ایران

سیامک حاجی یخچالی

استاد دانشکده ی مهندسی صنایع، دانشگاه تهران، تهران، ایران

�یاضی، آیدین و ولی محمدی، میثم و افضل، ناطق و حاجی یخچالی، سیامک،1404،یک چارچوب پیش بینی هزینه های پیش بینی نشده در پروژه های ساختمانی با استفاده از شبکه های عصبی مصنوعی: رویکردی مبتنی بر داده های تاریخی و تحلیل پیش بینانه،سومین کنفرانس بین المللی پژوهش های کاربردی در مهندسی عمران، معماری و شهرساز�

ارائه‌شده در

مجموعه مقالات سومین کنفرانس بین المللی پژوهش های کاربردی در مهندسی عمران، معماری و شهرسازی30 آبان 1404