پیش بینی افزایش هزینه پروژه های ساختمانی شهری با استفاده از شبکه های عصبی مصنوعی (مطالعه موردی: پروژه‎های ساختمانی شهر اهواز)

افزایش هزینه در پروژه های ساختمانی شهری یکی از مهم ترین چالش های مدیریت پروژه در ایران است که به دلیل نوسانات اقتصادی، تاخیر در پرداخت ها، تغییرات طراحی و ضعف مدیریتی، به طور مستمر رخ می دهد. هدف از این پژوهش، توسعه یک مدل هوش مصنوعی مبتنی بر شبکه عصبی مصنوعی (ANN) به منظور پیش بینی افزایش هزینه در پروژه های ساختمانی شهر اهواز است. داده های مربوط به ۳۸ پروژه عمرانی شهری گردآوری و بر اساس هفت متغیر کلیدی شامل مدت اولیه پروژه، تاخیر در اجرا، نوسان قیمت مصالح، نوع قرارداد، تجربه پیمانکار، تغییرات طراحی و تاخیر در پرداخت کارفرما تحلیل شدند. پس از آموزش مدل با استفاده از الگوریتم پس انتشار خطا، عملکرد آن با شاخص های آماری MSE، RMSE و R² ارزیابی گردید. نتایج نشان داد که مدل طراحی شده دقت بالایی در پیش بینی افزایش هزینه ها دارد؛ به گونه ای که مقدار R² برابر ۰.۹۳۶ و RMSE برابر ۲.۸ درصد به دست آمد. تحلیل حساسیت نیز نشان داد که تاخیر در پرداخت های کارفرما و نوسان قیمت مصالح بیشترین تاثیر را بر افزایش هزینه ها دارند. در نهایت، مشخص شد که تجربه پیمانکار و نوع قرارداد می توانند نقش تعدیل کننده در کنترل افزایش هزینه ها داشته باشند. نتایج این تحقیق بیانگر آن است که مدل های هوش مصنوعی نظیر شبکه های عصبی می توانند به عنوان ابزاری کارآمد برای پایش و کنترل مالی پروژه های ساختمانی شهری مورد استفاده قرار گیرند.

کلیدواژه ها:

افزایش هزینه ، پروژه های ساختمانی ، اهواز ، شبکه عصبی مصنوعی ، تحلیل حساسیت