مدل سازی ریسک های مالی و اقتصادی پروژه های عمرانی با استفاده از شبکه های عصبی مصنوعی در شرایط نوسان شدید بازار

صنعت ساخت و ساز به دلیل پیچیدگی و طولانی بودن پروژه ها و وابستگی بالا به زنجیره تامین، به ویژه در بازارهای پرنوسان مانند ایران با ریسک های مالی و عدم قطعیت های اقتصادی قابل توجهی مواجه است؛ از این رو روش های سنتی و تحلیل های خطی، توانایی کافی برای مدل سازی روابط غیرخطی میان متغیرهایی مانند نرخ تورم، نرخ ارز، قیمت مصالح و هزینه های نیروی انسانی را ندارند. این پژوهش با هدف شناسایی و پیش بینی رفتار ریسک های مالی در پروژه های عمرانی یک مدل هوشمند مبتنی بر شبکه های عصبی مصنوعی ارائه می کند که در آن متغیرهایی نظیر تغییرات نرخ ارز، تورم نقطه ای، مصالحی مانند فولاد و سیمان، شاخص های بورس کالا و تاخیر در پرداخت های کارفرما به عنوان ورودی تعریف شده اند. نتایج نشان می دهد مدل پرسپترون چندلایه (MP) با خطای بسیار کم (۰.۰۰۵ > MSE) قادر به شبیه سازی اثر نوسانات بازار بر شاخص های مالی پروژه بوده و می تواند به عنوان ابزاری کارآمد در تصمیم گیری های استراتژیک مدیران پروژه به کار رود.

کلیدواژه ها:

مدیریت ریسک پروژه ، پروژه های عمرانی ، مهندسی عمران ، مدیریت ساخت ، اقتصاد مهندسی ، نوسانات اقتصادی ، مدیریت مالی ساخت ، هوش مصنوعی ، شبکه های عصبی مصنوعی