كاربرد شبكه هاي عصبي مصنوعي در تخمين هزينه هاي ساخت و شناسايي متغيرهاي اساسي در ورودي مدل: مروري بر تحقيقات انجام شده در گرايش مديريت ساخت از سال 1997 تا 2017 ميلادي

Artificial neural networks implementation in estimating the cost of construction and identifying the key variables in model input: A review on studies carried out on construction management from 1997 to 2017

متره و برآورد كردن يكي از ابزارهاي اصلي براي برآورد هزينه در مرحله قبل از ساخت مي باشد. اين مسئله يكي از معيارهاي اصلي براي سرمايه گذران و همچنين انتخاب روش هاي اجرا و ساخت پروژه است و ميتواند در مراحل ابتدايي تصويري از هزينه هاي پروژه پيش روي طراحان قرار دهد. روش هاي مختلفي مانند برنامه ريزي خطي، تحليل رگرسيون، آناليز ريسك و سيستم هاي خبره در تخمين هزينه هاي ساخت مورد استفاده قرار مي گيرد. اما با توجه به تحقيقات به عمل آمده، مدل شبكه عصبي دقيق تر از روش هاي رگرسيون و استدلال موردي مي باشد، زيرا مدل هاي شبكه عصبي قابليت يادگيري روابط بين ورودي ها و خروجي ها را دارند و حتي زماني كه رابطه اي بين ورودي ها و خروجي ها وجود ندارد، برآورد مناسب و دقيقي ارائه مي دهند. پردازش شبكه هاي عصبي از مغز انسان ايده گرفته شده است. از مزاياي شبكه هاي عصبي سرعت بالاي آن مي باشد، اين شبكه ها با كسب تجربه بيشتر درصد خطا را پايين تر مي آورند. در مقاله پيش رو هزينه ساخت پروژه هاي ساختماني با استفاده از شبكه عصبي مصنوعي در تحقيقات انجام گرفته از سال 1997 تا سال2017 مورد بررسي قرار گرفته و چكيده اي از هر كدام آورده شده است. همچنين از مسائل مهم در تخمين هزينه هاي ساخت به وسيله شبكه هاي عصبي مصنوعي متغيرهاي ورودي مدل هستند، در ادامه بحث متغيرهاي ورودي مدل در تخمين هزينه هاي ساخت پيش از طراحي شناسايي شده و آورده شده است،كه مي توان در تحقيقات بعدي مورد استفاده پژوهشگران قرار گيرند.

Cost Estimation is one of the main steps before construction. This is one of the main criteria for investors and also choosing the method of operation and construction of the project and can give a brief image of the early stages of project costs for the designers. There are Various methods that can be used to estimate construction costs such as linear programming, regression analysis, risk analysis. according to the new studies, the neural network model is more accurate than regression methods. Because neural network models have the ability to learn the relationships between inputs and outputs, even when there is no relationship between inputs and outputs and can offer the appropriate and accurate prediction. Neural networks idea is built on the human brain processing. With the experiences of the past operation the network can decrease percent of the errors. this article investigates the researches that used the cost of construction projects based on artificial neural network research since 1997.Also one of important issue in estimating construction costs by artificial neural network model is input variables. in the following the issue of input variables model to estimate the cost of building pre-design is identified and listed that can be used in further researches.