کاربرد یادگیری ماشین در پیش بینی تاخیرهای زمانی پروژه های عمرانی بزرگ مقیاس

پروژه های عمرانی بزرگ مقیاس به دلیل ماهیت پیچیده، طولانی بودن دوره اجرا، تعداد بالای ذی نفعان و عدم قطعیت های فراگیر، همواره با چالش جدی تاخیرهای زمانی روبرو هستند و این تاخیرها نه تنها هزینه های مستقیم هنگفتی را به اقتصاد کشور تحمیل می کنند، بلکه پیامدهای غیرمستقیم نظیر کاهش بهره وری سرمایه گذاری های ملی، اختلال در برنامه ریزی های کلان توسعه ای و ازدست رفتن فرصت های راهبردی را نیز به همراه دارند. در سال های اخیر، پیشرفت های چشمگیر در حوزه یادگیری ماشین و هوش مصنوعی، افق های تازه ای را برای مدیریت پروژه های عمرانی گشوده است و این فناوری ها با توانایی بی نظیر خود در تحلیل داده های حجیم، شناسایی الگوهای پنهان و پیش بینی رویدادهای آینده، می توانند نقشی تحول آفرین در کاهش تاخیرهای زمانی پروژه ها ایفا نمایند. پژوهش حاضر با هدف بررسی جامع کاربرد یادگیری ماشین در پیش بینی تاخیرهای زمانی پروژه های عمرانی بزرگ مقیاس انجام شده و تلاش دارد تا ضمن مرور نظام مند مبانی نظری و پیشینه تحقیق در این حوزه، الگوریتم ها و مدل های مختلف یادگیری ماشین را از منظر کارایی، دقت و قابلیت پیاده سازی در پروژه های واقعی مورد ارزیابی قرار دهد. یافته های پژوهش نشان می دهد که الگوریتم های مبتنی بر درخت تصمیم، جنگل تصادفی، ماشین بردار پشتیبان و شبکه های عصبی عمیق، به ترتیب بیشترین کاربرد را در پیش بینی تاخیر پروژه های عمرانی داشته اند و مدل های ترکیبی و یادگیری گروهی معمولا عملکرد بهتری نسبت به مدل های تکی از خود نشان می دهند. همچنین نتایج حاکی از آن است که کیفیت و کمیت داده های آموزشی، انتخاب ویژگی های موثر، نحوه پیش پردازش داده ها و تنظیم ابرپارامترهای مدل، از مهم ترین عوامل تاثیرگذار بر دقت پیش بینی تاخیر محسوب می شوند. پژوهش حاضر ضمن تاکید بر پتانسیل بالای یادگیری ماشین در مدیریت تاخیر پروژه های عمرانی، به چالش هایی نظیر کمبود داده های استاندارد، نبود زیرساخت های مناسب داده کاوی در صنعت ساخت وساز ایران و مقاومت در برابر پذیرش فناوری های نوین نیز اشاره دارد و در پایان پیشنهادهایی برای پژوهش های آتی و کاربرد عملی این رویکرد در پروژه های عمرانی کشور ارائه می دهد.

کلیدواژه ها:

یادگیری ماشین ، پیش بینی تاخیر ، پروژه های عمرانی بزرگ مقیاس ، مدیریت پروژه ، داده کاوی.