استفاده از شبکه عصبی مصنوعی جهت تخمین هزینه های ساخت پروژه های مسکونی در فاز امکان سنجی

هزینه به عنوان یکی از چالش های اصلی برای هر مدیر‌پروژه‌ای در صنعت ساخت محسوب‌شده به گونه ای که یک پیش‌بینی دقیق در مراحل ابتدایی پروژه، می‌تواند به تصمیم‌هایی که در فاز امکان‌سنجی گرفته می‌شود بسیار کمک‌کرده، تا بر اساس بودجه‌ی در نظر گرفته‌شده مناسب‌ترین سیستم‌های اجرا در بخش‌های مختلف ساختمان، انتخاب و از گزینه‌هایی که در نهایت ممکن است اهداف اصلی پروژه را محقق نسازد دوری گزیده‌شود. این پژوهش قصد دارد تا با استفاده از شبکه عصبی مصنوعی به عنوان یکی از ابزار‌های جدید حوزه هوش مصنوعی، مدلی جهت پیش بینی هزینه ساخت در مرحله امکان‌سنجی طراحی نموده که درصد خطای آن از روش های سنتی کمتر و سرعت محاسبه آن نسبت به روش هایی همچون تخمین هزینه پایین‌به‌بالا بیشتر باشد. بدین منظور در ابتدا با مطالعات کتابخانه‌ای مهم‌ترین عواملی که بر هزینه ساخت اثر گذار بوده را شناسایی و سپس طی جلسات مصاحبه‌ای با خبرگان عواملی که می‌تواند بیشترین تاثیر را بر هزینه ساخت گذاشته و اطلاعات آن ها در مرحله امکان‌سنجی در دسترس باشد انتخاب شده است، که این عوامل تا مرحله قبل از نازک‌کاری بوده و دلیل آن تنوع بالا در کیفیت مصالح نازک‌کاری و تلورانس قیمتی بسیار متفاوت این فاز می‌باشد. در مرحله بعد به منظور ساخت مدل تخمین هزینه از برنامه متلب استفاده شده، که این مدل بر اساس نتایج به دست آمده دارای دقتی برابر با 94.5 درصد می‌باشد و در انتها برای استفاده راحت تر از مدل یک رابط گرافیکی به صورت فایل نصبی طراحی شده است. در نهایت بر اساس تجربه استفاده از مدل توسط کاربران، علاوه بر دقت و سرعت مناسب مدل که باعث صرفه‌جویی در وقت و بهینه‌تر شدن تصمیم‌گیری‌ها شده بود. محیط ساده و عدم نیاز به تجربه زیاد در زمینه برآورد هزینه به منظور استفاده از مدل، به عنوان نقاط قوت مدل ذکر شده‌است.

using artificial neural network (ann) to estimate the cost of residential building project in the feasibility phase

cost is considered as one of the main challenges for each project manager in the construction industry and one of the criteria that measure the success of the project is the comparison between the cost of the project with the planned budget at the beginning of the project. for this purpose, an accurate forecast in the early stages of the project can greatly assist the decisions that are taken in the feasibility phase. this accurate cost estimate will help us choose the best implementation systems in different parts of the building according to the budget we plan, and avoid the options that may not lead to our main objectives in the project. in this study, we intend to design a model to predict the cost of construction in a feasibility stage using artificial neural network (ann) as one of the tools of artificial intelligence field, whose error is less than traditional methods and calculation time is much faster than methods such as bottom top cost estimation. for this purpose, we have identified the most important factors that affect construction cost by experts in housing investment group and then we have collected data from the past projects. in the next stage we have used matlab program to build the construction cost estimation model using ann based on data gathered from past projects on housing investment group. in the end, the model based on the obtained results has a precision of 89.56 %. finally, a graphic user interface is designed as an exe. file, which facilitates the use of the model for users to estimate the cost of new projects and eliminates the need for a matlab application to use the model.