فهرست نشریات علمی دسترسی آزاد ایران

از آنجایی که هدفِ نظارت بر پروژه، تصمیم گیری دقیق بوده که می‌‌تواند تأثیرات به سزایی بر موفقیت پروژه داشته باشد، پیش بینی ویژگی های پروژه از اهمیت بیشتری برخوردار می‌‌گردد. متخصصان بر این باورند که قریب به اتفاق پروژه‌‌های عمرانی از تاخیرات رنج می‌‌برند. لذا یکی از مهمترین ویژگی پروژه‌‌های عمرانی، مسائل مربوط به زمان است. این پژوهش مدلی را پیشنهاد می‌‌کند تا بتوان مشکلات زمان‌‌بندی پروژه‌‌ها را تا حدودی مرتفع نمود. برای این منظور، این پژوهش کاربردهای جدید مدل‌های پیش‌‌بینی حافظه‌‌ی‌ کوتاه مدت بلند مدت (LSTM) را که یک معماری از شبکه عصبی بازگشتی است، ارائه می‌‌کند. از سوی دیگر به منظور مقایسه و اعتبار سنجی روش LSTM مدل یادگیری دروازه‌ای(GRU) مورد بررسی قرار می‌‌‌‌گیرد. متعاقب آن، نتایج پیش بینی مدل‌‌های ارائه شده، با داده‌های یک پروژه‌ی واقعی مقایسه و راست آزمایی می‌‌شود. در این مطالعه برای پیش بینی از داده‌های پروژه‌ی توسعه جنوبی خط شش مترو تهران که در سال 97 به پایان رسیده است، استفاده شده و جهت سنجش دقت از معیار ریشه میانگین مربعات استفاده شده است. مدت زمان در نظر گرفته شده برای مدل سازی 17 ماه بوده به طوری که اطلاعات  چهارده ماه ابتدایی به عنوان داده‌ی آموزش (معادل 83 درصد کل داده ها)  و سه ماه آتی پروژه (معادل 17 درصد کل داده ها) به عنوان داده‌ی آزمون استفاده شده است. متغیر پیش بینی کننده در این پژوهش درصد پیشرفت فیزیکی پروژه می باشد. نتایج نشان می‌دهد که حافظه‌ی کوتاه مدت بلند مدت و کاربردهای پیشنهادی مدل‌، می‌‌تواند با دقت خوبی پیشرفت پروژه را پیش بینی کند.