33047

توسعه يك چهارچوب احتمالاتي مبتني بر شبكه بيزي براي ارزيابي ريسك پروژه‌هاي عمراني

كارشناسي ارشد

مهندسي و مديريت ساخت

1401

1403/10/24

مجيد ايلچي قزاآن و حسن ملكي تبار

ندارد

عمران

مديريت ريسك در پروژه‌هاي عمراني، به‌عنوان يكي از چالش‌هاي كليدي در صنعت ساخت‌وساز، نقشي تعيين‌كننده در تضمين موفقيت پروژه‌ها ايفا مي‌كند؛ با اين‌حال، پيچيدگي‌هاي فني، تنوع عوامل تأثيرگذار و تغييرات زماني همچنان اين حوزه را به يكي از موضوعات پرچالش و نيازمند پژوهش‌هاي نوآورانه تبديل كرده است؛ با وجود پيشرفت‌هاي چشمگير در اين حوزه، بسياري از روش‌هاي موجود، به دليل پايا بودن و ناديده گرفتن تغييرات زماني و وابستگي‌هاي متقابل عوامل ريسك، محدوديت‌هايي دارند. اين پژوهش با هدف توسعه چارچوبي مبتني بر شبكه بيزي پويا (DBN) براي ارزيابي و مديريت ريسك پروژه‌هاي عمراني انجام شده است تا شكاف‌هاي موجود در تحقيقات پيشين را برطرف سازد. چارچوب پيشنهادي از طريق شناسايي عوامل كليدي ريسك با استفاده از مرور ادبيات و مشورت با خبرگان طراحي شد. داده‌هاي شبيه‌سازي‌شده با نرم‌افزار Plaxis، به دليل محدوديت دسترسي به داده‌هاي ميداني، توليد شدند و براي ساخت جداول احتمالات شرطي (CPT) به‌كار رفتند. اين شبكه، با گسترش به يك شبكه بيزي پويا، توانايي مدل‌سازي تغييرات زماني در ريسك‌ها را به دست آورد. براي اعتبارسنجي مدل، از داده‌هاي واقعي دو پروژه گودبرداري با شرايط متفاوت استفاده شد. داده‌هاي مربوط به پروژه‌هاي گودبرداري، شامل پارامترهايي نظير زاويه اصطكاك داخلي خاك، چسبندگي، و سطح آب زيرزميني، با نتايج پيش‌بيني‌شده توسط مدل مقايسه گرديدند، بدين صورت كه احتمالات به دست آمده براي دو گود كه يكي دچار ريزش و ديگري هيچ حادثه اي را متحمل نشد مقايسه كرديم و نتايج احتمالاتي حاصله با داده هاي واقعي از پروژه ها مطابقت كامل داشت. نتايج نشان داد كه چارچوب ارائه‌شده با تركيب داده‌هاي شبيه‌سازي‌شده و مدل‌سازي احتمالاتي، توانايي پيش‌بيني دقيق رفتار ريسك‌ها را دارد. تحليل حساسيت نشان داد كه كاهش مقاومت خاك يا افزايش سطح آب زيرزميني به‌طور مستقيم احتمال وقوع ريزش را افزايش مي‌دهد. اين چارچوب با ارائه ابزارهاي كاربردي و قابل گسترش، به مديران پروژه امكان مي‌دهد تا تصميمات بهينه‌تري در مديريت ريسك اتخاذ كنند. اين پژوهش با ارائه چارچوبي ديناميك، جامع و نوآورانه، به‌طور مؤثري بر شكاف‌هاي موجود در ارزيابي ريسك پروژه‌هاي عمراني غلبه كرده است و بستري مناسب براي تحقيقات آتي و بهبود مديريت ريسك در ساير حوزه‌ها فراهم مي‌كند.

1403/12/04

Development of Probabilistic framework based on the Bayesian Network to assess the risks of construction Projects

1/14/2026 12:00:00 AM

Effective risk assessment is essential for providing safety and reliability in construction projects, especially among dynamic and interconnected issues with the environment. Conventional risk assessment techniques are limited in their capacity to consider dynamic interdependencies, evolving risk factors, and inadequate data for model development. This paper proposes a probabilistic risk assessment approach utilizing dynamic Bayesian networks (DBNs) to assess and control excavation risks effectively.The framework delineates key risk factors, such as wall displacements, safety factors, groundwater levels, soil cohesion, and external loads, while simulating their temporal dynamics and interrelations. To resolve the problem of inadequate data, simulation software like PLAXIS was utilized to provide reliable data, which served as the foundation for developing Conditional Probability Tables (CPTs). The CPTs are subsequently incorporated into the DBN to dynamically represent the evolving nature of risks. The model's reliability was confirmed by real-world excavation data, with over 90% accuracy, a precision of 0.8, a recall of 1, and an F1 score of 0.8889. Scenario and sensitivity analysis highlighted the significant influence of external loads, groundwater levels, and internal friction angles on excavation stability. These findings emphasize the significance of proactive strategies, including drainage systems, load management, and soil reinforcement, in mitigating risks and ensuring stability. The proposed methodology combines simulation-driven data generation with dynamic risk modeling, providing actionable, data-driven insights that improve the effectiveness of construction risk management approaches and foster safer project outcomes.

ارزيابي ريسك , شبكه بيزي پويا , مدل سازي احتمالاتي , مديريت ريسك , شبكه بيزي

Risk assessment , Dynamic Bayesian Network , Probabilistic Modelling , Risk Management , Bayesian Network

Sajjad Teymoori

Dr. Majid Ilchi