Forecasting the Final Cost of Infrastructure Projects in Syria Using Earned Value Management and Artificial Intelligence

Bassam Hassan, Samah Makkieh, Nver Titizian

Abstract


Syrian construction projects performance generally suffer from failure in term of cost factor. Monitoring and controlling processes under Earned value management methodology (EVM) are insufficient, especially within reconstruction phase; cause, the complex work environment makes the prediction process based on EVM inaccurate. So this search aimed to improve EVM performance in forecasting final cost of Infrastructure projects using artificial neural networks.

Lattakia Ariha highway project was chosen as a case study. The three basic value of EVM were used to obtain parameters which were chosen as inputs to the final cost forecasting network. Then the network was trained on several structures. The structure that corresponding to the smallest error was chosen as the best predictive structure.

The training phase showed that the structure consisting of 8 inputs, one hidden layer with 9 nodes represents the optimal final cost forecasting network. Finally, the best structure was tested on 15 samples randomly excluded from corresponding training sets. The test results showed the accuracy of neural networks in prediction.

تعاني مشاريع التشييد السورية بشكل عام من قصور في أدائها من حيث اتمام الأعمال المتضمنة في المشروع ضمن حدود الكلفة المخططة لها. ولم تعد المتابعة وفق منهجية ادارة القيمة المكتسبة (EVM) كافية خاصة ضمن مرحلة اعادة الاعمار. لأن بيئة الأعمال المعقدة تجعل عملية التنبؤ استنادا الى الـ EVM غير دقيقة, لذا هدف هذا البحث الى تحسين أداء الـ EVM في التنبؤ بالتكلفة النهائية لمشاريع البنى التحتية  باستخدام الشبكات العصبية الاصطناعية.

تم اختيار مشروع أوتوستراد اللاذقية أريحا كحالة دراسية. وتم الاعتماد على القيم الأساسية الثلاث للـ EVM للوصول الى البارامترات المختارة كمدخلات لشبكة التنبؤ بالتكلفة النهائية . ثم تم تدريب الشبكة العصبية على عدة تصاميم معمارية و اختيار التصميم الموافق للخطأ الأصغري كأفضل هيكلية في التنبؤ.

أظهرت مرحلة التدريب أن حالة  معمارية  الشبكة المؤلفة من 8 مدخلات وطبقة خفية واحدة البالغ عدد عقدها 9,  تمثل الشبكة المثلى للتنبؤ بالتكلفة النهائية. وأخيرا تم اختبار الشبكة المثلى على خمسة عشر عينة تم استبعادها عشوائيا من مجموعة التدريب المقابلة لها. وأظهرت نتائج الاختبار قدرة الشبكات العصبية على التنبؤ.


Full Text: PDF

Refbacks

  • There are currently no refbacks.


Editor in chief: Prof. Dr. Hani Chaaban

Editorial Board ,Secretary Editor:Dr. Amir Tfiha