ارائه چارچوبی برای بهبود پیش بینی هزینه پروژه ها در شرایط عدم قطعیت با منطق فازی تطبیقی

این پژوهش به بررسی بهبود پیش بینی هزینه پروژه ها در شرایط عدم قطعیت با استفاده از منطق فازی تطبیقی (ANFIS) بهینه شده با الگوریتم ازدحام ذرات (PSO) پرداخته است. پیش بینی دقیق هزینه ها یکی از چالش های مهم در مدیریت پروژه ها است، به ویژه در شرایطی که داده ها به طور کامل مشخص نبوده و با عدم قطعیت همراه هستند. در این تحقیق، مدل های مختلف پیش بینی شامل رگرسیون خطی، شبکه عصبی مصنوعی (ANN)، مدل فازی تطبیقی و ANFIS بهینه شده با PSO مورد بررسی قرار گرفتند. نتایج نشان داد که مدل ANFIS بهینه شده با PSO بهترین عملکرد را از نظر کاهش خطا و افزایش دقت پیش بینی ارائه داده است. همچنین، تحلیل حساسیت به شناسایی متغیرهای کلیدی مانند نوسانات قیمت مصالح و تاخیرات تامین مالی پرداخته و نشان داد که این عوامل بیشترین تاثیر را بر هزینه پروژه ها دارند. مقایسه پیش بینی ها با داده های واقعی نیز موید دقت بالای مدل در پیش بینی هزینه ها بود. در نهایت، نتایج این پژوهش نشان می دهند که استفاده از مدل ANFIS بهینه شده با PSO می تواند ابزاری موثر برای پیش بینی دقیق تر هزینه ها و بهبود فرآیندهای مدیریت پروژه در شرایط عدم قطعیت باشد.

کلیدواژه ها:

پیش بینی هزینه ، پروژه ها ، منطق فازی تطبیقی (ANFIS) ، مدیریت پروژه