کاربرد تکنیک های یادگیری ماشین در برآورد و پیش بینی هزینه پروژه های ساختمانی، مروری بر تحقیقات صورت گرفته از سال ۲۰۱۷ الی ۲۰۲۲

بسیاری از پروژه های ساخت و ساز در ایران به علت های گوناگونی نیمه کاره رها می شوند که یکی از مهمترین دلایل آن عدم تخمین صحیح هزینه، بخصوص در ابتدای طراحی می باشد. پیش بینی هزینه یکی از مهمترین مراحل طرح ریزی پروژه های عمرانی و از اهداف ضروری برای مدیران پروژه ها می باشد، چرا که انحراف هزینه نسبت به مقادیر برآورد اولیه سبب بوجود آمدن مشکلات و دعاوی فراوانی می شود. از طرف دیگر به علت بالارفتن رقابت بین پیمانکاران و کاسته شدن حاشیه سود،کنترل هزینه با حفظ کیفیت تعیین شده، مهمترین فاکتور برای ادامه فعالیت پروژه های عمرانی است. بنابراین پیش بینی هزینه یکی از ابزارهای مهم کنترل انحرافات هزینه برای تمامی ذینفعان یک پروژه، از مالک تا پیمانکار آن است. مقاله پیش رو نحوه پیش بینی هزینه پروژه های ساختمانی با استفاده از انواع تکنیک های یادگیری ماشین را در تحقیقات صورت گرفته طی سال ۲۰۱۷ الی ۲۰۲۲ بررسی می کند که عمده این تکنیک ها شامل رگرسیون خطی، استدلال مبتنی بر مورد، شبکه عصبی مصنوعی، ماشین بردار پشتیبان و الگریتم فازی است. با توجه به اینکه شناسایی متغیرهای ورودی موثر بر هزینه های تمام شده یک پروژه، ابزار مهمی در مدل سازی تخمین هزینه های ساخت و ساز می باشد، در ادامه متغیرهای اساسی و تاثیر گذار بر هزینه تمام شده نیز شناسایی شدهاند. نتایج این پژوهش نشان می دهد که پارامترهای تعداد طبقات، زیربنا (مساحت ساختمان) و نوع پی از نظر مقالات مورد بررسی در این پژوهش بیشترین تاثیر را در تخمین هزینه ساخت دارد.

کلیدواژه ها:

یادگیری ماشین ، شبکه عصبی مصنوعی ، ماشین بردار پشتیبان ، پیش بینی هزینه ، ساختمان