Intelligent Modeling of the Circular Economy Sustainability Index in Construction Projects Using an Adaptive Neuro-Fuzzy Inference System (ANFIS)
Intelligent Modeling of the Circular Economy Sustainability Index in Construction Projects Using an Adaptive Neuro-Fuzzy Inference System (ANFIS)
Mohammad Hossein Jafari1 Mohammad Reza Amiri Shahmirani (Corresponding Author)2 Hassan Javanshir3 Hamidreza Rabieifar4
1) Department of Civil Engineering, Construction Engineering and Management, ST.C., Islamic Azad University, Tehran, Iran
2) Mohammad Reza Amiri Shahmirani (Corresponding Author) Department of Civil Engineering, Construction Engineering and Management, ST.C., Islamic Azad University, Tehran, Iran
3) Department of Industrial Engineering, SR.C., Islamic Azad University, Tehran, Iran
4) Hamidreza Rabieifar Department of Civil Engineering, Construction Engineering and Management, ST.C., Islamic Azad University, Tehran, Iran
IOI Code
:
ACDK-ACAZBZ
محل انتشار :
چهارمین کنفرانس مهندسی عمران، معماری و شهرسازی(4cau.ir)
Abstract :
اقتصاد چرخشی بهعنوان رویکردی نوین در توسعه پایدار، نقش مهمی در بهبود بهرهوری منابع، کاهش پسماند و ارتقای عملکرد زیستمحیطی پروژههای ساختمانی دارد. بااینحال، پیچیدگی روابط میان شاخصهای مؤثر بر آن، استفاده از روشهای مدلسازی هوشمند را ضروری میسازد. هدف پژوهش حاضر، مدلسازی و پیشبینی شاخص پایداری اقتصاد چرخشی در پروژههای ساختمانی با استفاده از سیستم استنتاج عصبی–فازی تطبیقی (ANFIS)، تلفیقشده با فرایند تحلیل سلسلهمراتبی فازی (FAHP)، است.
این پژوهش از نظر هدف، کاربردی و از نظر روش، توصیفی–تحلیلی با رویکردی آمیخته است. دادهها از طریق پرسشنامههای تکمیلشده توسط خبرگان دانشگاهی و صنعت گردآوری شد. پس از شناسایی شاخصهای کلیدی، اهمیت نسبی معیارها با استفاده از روش FAHP تعیین شد و دادههای حاصل از پرسشنامه برای ساخت مدل ANFIS، شناسایی روابط غیرخطی و پیشبینی شاخص پایداری به کار رفت. از مجموع ۸۰ پرسشنامه توزیعشده، ۶۸ پرسشنامه معتبر در تحلیل نهایی استفاده شد. مشاهدات بهصورت تصادفی به سه مجموعه آموزش، اعتبارسنجی و آزمون، بهترتیب شامل ۴۸، ۱۰ و ۱۰ مشاهده، تقسیم شدند.
نتایج نشان داد که پس از نرمالسازی وزن شش معیار اصلی، بهرهوری منابع با وزن ۰٫۲۶۵۹، طراحی برای جداسازی با وزن ۰٫۲۳۰۴ و مدیریت پسماندهای ساختمانی با وزن ۰٫۱۷۴۴، بیشترین اهمیت را دارند. همچنین، مدل ANFIS در مجموعه آزمون شامل ۱۰ مشاهده، مقادیر RMSE برابر با ۰٫۰۳۹، MAPE برابر با ۴٫۲ درصد و ضریب تعیین R
2
=0.89 را به دست آورد. این نتایج بیانگر عملکرد پیشبینی قابلقبول مدل در دادههای مورد بررسی است؛ بااینحال، بهتنهایی قابلیت تعمیم آن به پروژههای واقعی را اثبات نمیکند.
در مجموع، چارچوب تلفیقی FAHP–ANFIS میتواند ابزاری برای ارزیابی شاخص پایداری اقتصاد چرخشی مبتنی بر ارزیابی خبرگان و پشتیبانی از تصمیمگیری در پروژههای ساختمانی باشد. اعتبارسنجی بیشتر این چارچوب با استفاده از دادههای مستقل پروژههای واقعی، برای اطمینان از قابلیت تعمیم نتایج ضروری است.
واژگان کلیدی: اقتصاد چرخشی، پروژههای ساختمانی، سیستم استنتاج عصبی–فازی تطبیقی (ANFIS)، پایداری، هوش مصنوعی.
Keywords : واژگان کلیدی اقتصاد چرخشی پروژههای ساختمانی سیستم استنتاج عصبی فازی تطبیقی (anfis) پایداری هوش مصنوعی