تحسين الكفاءة والدقة في تقييم مبيعات البناء من خلال تحسين البحث العشوائي

يعتمد تقييم مبيعات مشاريع البناء على متغيرات ومؤشرات اقتصادية متنوعة. في حين أن التنبؤات الدقيقة بالتكاليف تدعم التخطيط المالي وإدارة المخاطر، فإن تقنيات التعلم الآلي التقليدية القائمة على تحسين البحث الشبكي غالبًا ما تتطلب موارد حاسوبية ضخمة للتدريب والتحسين، خاصةً عندما تتطلب مجموعات البيانات الكبيرة نماذج تعلم آلي شاملة. وقد أبرزت دراسات حديثة أن تحسين البحث العشوائي يمكن أن يقلل من وقت تدريب أساليب التعلم الآلي الجماعية. ومع ذلك، لا تزال فعاليته في تقييم تكاليف مشاريع البناء، خاصةً عند فحص دقة النموذج ووقت التدريب، غير واضحة. يبحث هذا البحث في مدى جدوى استخدام تحسين البحث العشوائي لنماذج التعلم الآلي في تقييم مبيعات مشاريع البناء، ويقارنه بنهج البحث الشبكي القياسي. تم استخدام مجموعة بيانات كبيرة تضم 103 مدخلات من 372 مشروع بناء كأساس للدراسة. تم تصميم ستة نماذج تعلم آلي مختلفة وتحسينها باستخدام نهجي البحث الشبكي والبحث العشوائي لتقييم وقت التدريب ودقة التنبؤ. تشير نتائج الدراسة إلى أن تحسين البحث العشوائي يقلل وقت التدريب بنسبة تصل إلى 70% مع الحفاظ على مستوى عالٍ من الدقة، حيث حقق أفضل نموذج أداء معامل تحديد (R?) قدره 0.98 على مجموعة الاختبار. تُبرز هذه النتائج تحسين البحث العشوائي كبديل قوي للبحث الشبكي، إذ يوفر وفورات حسابية كبيرة دون التأثير سلبًا على أداء النموذج. تقدم الدراسة إرشادات حول أساليب ضبط المعلمات الفائقة الفعالة التي قد تُسهّل إنشاء نماذج تنبؤية قابلة للتطوير واقتصادية لتقييم مشاريع البناء.