ارزیابی مالی پروژه های بازسازی پس از بحران در شهرداری شیراز با استفاده از مدل های هوش مصنوعی

پژوهش حاضر به بررسی استفاده از مدل های هوش مصنوعی در ارزیابی مالی پروژه های بازسازی پس از بحران در شهرداری شیراز پرداخته است. هدف این مطالعه، افزایش دقت پیش بینی هزینه ها، شناسایی روابط پیچیده مالی و بهبود کارایی تخصیص منابع در پروژه های بازسازی است. برای دستیابی به این اهداف، از مدل های هوش مصنوعی همچون شبکه عصبی مصنوعی (ANN)، جنگل تصادفی (Random Forest)، درخت تصمیم گیری (CART) و شبکه عصبی عمیق (DNN) استفاده شد. نتایج نشان داد که مدل های هوش مصنوعی دقت پیش بینی هزینه ها را نسبت به روش های سنتی به طور چشمگیری افزایش می دهند (ANN: ۸۶.۹۲% و RF: ۸۸.۱۵% در مقایسه با ۷۹.۳۴% در روش سنتی). همچنین، مدل های غیرخطی همچون DNN و CART توانستند روابط پیچیده و غیرخطی میان متغیرها و هزینه ها را بهتر شبیه سازی کنند (R²=۰.۷۱ و RMSE=۱۱.۶ برای DNN). در نهایت، بهبود کارایی تخصیص منابع از ۰.۷۸ به ۰.۸۴ با استفاده از هوش مصنوعی نشان دهنده تاثیر مثبت این روش ها در بهینه سازی منابع مالی پروژه ها بود. این یافته ها نشان می دهند که هوش مصنوعی ابزاری کارآمد برای ارتقای دقت پیش بینی و شفافیت مالی در پروژه های بازسازی پس از بحران است.

کلیدواژه ها:

هوش مصنوعی ، پیش بینی هزینه ، پروژه های بازسازی ، تخصیص منابع.