مطالعه تاثیر پارامترهای اصلی بر بهینه سازی اقتصادی در ساختمان های مسکونی بر اساس مدل ترکیبی شبکه عصبی و الگوریتم ژنتیک

هزینه تمام شده یک ساختمان با مشخصات آن رابطه مستقیم دارد لذا تصمیم گیری در مورد خصوصیات و پارامترهاییک ساختمان متناسب با بودجه در نظر گرفته شده برای آن از مهمترین موضوعات مراحل اولیه طراحی می باشد.روشهایی که برای برآورد هزینه در مراحل ابتدایی بکار می روند بسیار متکی به تجارب فرد برآورد کننده و اطلاعاتی استکه از پروژه های قبل به جا مانده است. همچنین تکنیک برآورد هر چه دقیق تر باشند زمان بیشتری را برای بدستآوردن پاسخ صرف می کنند.بنابراین سرعت و دقت عوامل تعیین کننده برای روش برآورد هستند.با پیشرفته شدنسیستمهای کامپیوتری و هوش مصنوعی استفاده از این روشها در اکثر کشورهای پیشرفته جهت تخمین و پیش بینیمتغیرها در صنایع مختلف مرسوم شده است.در این مقاله نیز سعی شده است با استفاده از مدل ترکیبی شبکه عصبی والگوریتم ژنتیک که از جدیدیترین روشها است و دقت و سرعت مناسبی هم دارد ، برآورد صحیحی از هزینه ساختساختمانهای مسکونی پیش بینی شود.در این روش ابتدا به جمع آوری اطلاعات و هزینه پروژه های ساخته شده اقداممی شود بدین منظور 48 ساختمان مسکونی که بین سالهای 92 تا 94 در شهرستان اهواز طراحی شده اند با استفاده ازفهرست بهای سال 84 برآورد قیمت شده و بررسی می شوند. همچنین مهمترین پارامترهای تاثیر گذار بر قیمت با توجهبه تحقیقات پیشین انتخاب میشوند.سپس یک شبکه عصبی ترکیب شده با الگوریتم ژنتیک توسعه داده میشود ونتایج بدست آمده از آن با سایر روشها مقایسه می شود.نتایج حاصله نشان می دهد که استفاده از شبکه عصبی ترکیبشده با الگوریتم ژنتیک روش مناسبی برای برآورد پروژه های ساختمانی در مراحل اولیه طراحی است و میتواند برایتخمین هزینه پروژهای ساختمانهای مسکونی، با مشخصات مختلف مورد استفاده قرار گیرد تا باتوجه به بودجه در نظرگرفته شد بهینه ترین مشخصات بدست آید.

کلیدواژه ها:

ساختمان مسکونی ، مشخصات ، هزینه ، شبکه عصبی ، الگوریتم ژنتیک