Bài giảng Quy trình thực hiện một luận văn cao học ngành quản lý xây dựng về dự báo tổng mức đầu tưdựán báo tổng mức đầu tưdựán giao thông tại Bình Định

QUY TRÌNH THỰC HI ỆN MỘT LUẬN VĂN CAO HỌC NGÀNH QUẢN LÝ XÂY DỰNG VỀ DỰ BÁO TỔNG MỨC ĐẦU TƯ DỰ ÁN GIAO THÔNG TẠI BÌNH ĐỊ NH Biên so ạn & gi ảng: PGS.TS. Lưu Tr ườ ng Văn Gi ảng viên: PGS.TS. L ưu Tr ườ ng V ăn, Đạ i h ọc M ở TP.HCM 1 • Bài gi ảng này biên so ạn theo luận văn thạc sỹ của Lưu Nhất Phong, ngành Công nghệ & Quản lý xây dựng tại Đạ i học Bách Khoa TP.HCM • Tên luận văn: ỨNG DỤNG MẠNG NƠ-RON NHÂN TẠO VÀ HỒI QUY ĐA BI ẾN ĐỂ DỰ BÁO TỔNG MỨC ĐẦU TƯ CÁC DỰ ÁN CÔNG TRÌNH GIAO THÔNG Gi ảng viên: PGS.TS. L ưu Tr ườ ng V ăn, Đạ i h ọc M ở TP.HCM 2 1. MỤC TIÊU NGHIÊN CỨU Gi ảng viên: PGS.TS. L ưu Tr ườ ng V ăn, Đạ i h ọc M ở TP.HCM 3 Các mục tiêu nghiên cứu Xác định các yếu tố ảnh hưởng đến tổng mức đầu tư của dự án làm các biến đầu vào Thiết lập mô hình ANN dự báo tổng mức Artificial đầu tư, chi phí xây dựng nền đường, Neural xây dựng móng mặt và công trình thoát nước. Network, Multiple linear regression Xây dựng mô hình hồi quy đa biến dự đoán để so sánh với mô hình ANN TMĐT Tự động hóa dự báo. Áp dụng mô hình dự báo cho một vài công trình cụ thể Trang 4 Phạm vi nghiên cứu Địa điểm: Các dự án Tính chất, đặc trưng xây dựng công trình của đối tượng giao thông tỉnh Bình nghiên cứu: Đối Định tượng nghiên cứu là dự án xây dựng công trình giao thông (đường bộ), nghiên cứu trong giai đoạn chuẩn bị dự án Không gian: Thời điểm thu thập số liệu, tháng 7/2010; nghiên cứu thực hiện trong khoảng từ tháng 7/2010 đến tháng 12/2010 Quan điểm phân tích: Phân tích và thảo luận theo quan điểm của Chủ đầu tư. Trang 5 2. CÔNG CỤ NGHIÊN CỨU Gi ảng viên: PGS.TS. L ưu Tr ườ ng V ăn, Đạ i h ọc M ở TP.HCM 6 Các công cụ nghiên cứu Nội dung Công c ụ nghiên c ứu Xác đị nh các nhân t ố ảnh Tham kh ảo tài li ệu, sách báo và các hưở ng đế n t ổng mức đầ u t ư nghiên c ứu tr ướ c đây xây d ựng công trình giao thông - Th ảo lu ận nhóm Phát tri ển và rút ra các nhân t ố - Bảng câu h ỏi chính ảnh h ưở ng đế n t ổng mức - Kh ảo sát thu th ập đánh giá c ủa đầ u t ư xây d ựng công trình chuyên gia giao thông. - Phân tích th ống kê c ủa SPSS Xây d ựng mạng n ơron th ực - Neural Network c ủa SPSS hi ện d ự báo. Phân tích h ồi quy đa bi ến và - Linear Regression của SPSS ki ểm đị nh mô hình h ồi quy 7 3. QUY TRÌNH THỰC HI ỆN NGHIÊN CỨU Gi ảng viên: PGS.TS. L ưu Tr ườ ng V ăn, Đạ i h ọc M ở TP.HCM 8 Phương pháp nguyên cứu. Quy trình nguyên cứu XÁC ĐỊNH ĐỀ TÀI 5 4 Thu thập 3 Xác định các 2 số liệu yếu tố chính Tham khảo các biến ảnh hưởng Xác định các ý kiến các tiềm đến tổng nhân tố ảnh chuyên gia năng hưởng qua qua thảo mức đầu tư các tài liệu, luận nhóm, bằng phương sách báo và bảng câu pháp phân các nghiên hỏi tích thống kê cứu trước đây Trang 9 Phương pháp nguyên cứu. Quy trình nghiên cứu (tt). 7 8 9 10 6 Xử lý số Xây Kiểm định Phân tích liệu Hồi dựng mô và đánh giá kết quả Xử lý ban độ phù hợp quy đa hình hồi MLR đầu số liệu của mô thu thập biến quy hình 11 12 13 14 Xây dựng Xử lý số Huấn luyện Phân tích Kết luận và mô hình liệu mạng mạng, đánh kết quả kiến nghị mạng giá độ phù nơron ANN ANN hợp mô nhân tạo hình Trang 10 Sau khi th ảo lu ận nhóm với 6 • Vận t ốc thi ết k ế chuyên gia th ực hi ện qu ản lý dự • Số l ượ ng c ống bê tông c ốt thép án, 20 yếu tố đã đượ c phát thoát n ướ c trên tuy ến tri ển và đượ c xem là ảnh • Số l ượ ng c ầu b ản bê tông c ốt hưở ng đế n tổng mức đầ u tư ướ ế dự án xây dựng công trình thép thoát n c trên tuy n đườ ng bộ. • Số lượ ng c ầu d ầm bê tông c ốt ướ ế Bao gồm các nhân tố sau: thép thoát n c trên tuy n ự ấ đườ • Lo ại k ết c ấu l ớp mặt đườ ng (bê • Quy mô d án (c p ng) tông xi măng, bê tông nh ựa...) • Ph ạm vi dự án (xây dựng mới, ấ ả ạ • Tình tr ạng ng ập n ướ c xung nâng c p c i t o...) quanh n ền đườ ng • Vị trí dự án xây dựng (đồ ng Đ ề ệ đị ấ bằng, mi ền núi, đô th ị) • i u ki n a ch t ầ • Th ời gian th ực hi ện dự án • Giá d u ự đườ • Chi ều dài tuy ến đườ ng • Giá nh a ng ă • Bề r ộng n ền đườ ng • Giá xi m ng • Bề r ộng mặt đườ ng • Giá thép ứ ươ ơ ả • Tải tr ọng thi ết kế • M c l ng c b n Gi ảng viên: PGS.TS. L ưu Tr ườ ng V ăn, Đạ i h ọc M ở TP.HCM 11 Bảng câu hỏi Bảng câu hỏi gồm có 3 phần chính: – Ph ần gi ới thi ệu: Nh ằm đị nh hướng các ứng viên hi ểu được vấn đề đang kh ảo sát, có được cái nhìn khách quan cũng nh ư hi ểu được cách tr ả lời các câu hỏi kh ảo sát cho phù hợp với suy ngh ĩ, kinh nghi ệm và sự hi ểu bi ết của bản thân từng ng ười. – Ph ần A: Đánh giá các yếu tố ảnh hưởng đế n tổng mức đầ u tư dự án công trình giao thông qua thang đo tỷ lệ Likert với mức độ từ 1 đế n 5. – Ph ần B: là ph ần thông tin cá nhân của các ứng viên, có th ể dùng để th ực hi ện nhi ều phép phân tích th ống kê nh ằm mục đích đánh giá bổ sung về thông tin kh ảo sát. Gi ảng viên: PGS.TS. L ưu Tr ườ ng V ăn, Đạ i h ọc M ở TP.HCM 12 THU THẬP DỮ LI ỆU Gi ảng viên: PGS.TS. L ưu Tr ườ ng V ăn, Đạ i h ọc M ở TP.HCM 13 Phương pháp thu thập dữ li ệu Dữ li ệu dùng cho nghiên cứu này chủ yếu từ hai nguồn sơ cấp và thứ cấp. 5 3 - Dữ li ệu từ ngu ồn sơ cấp (primary sources): Bảng câu hỏi đượ c gửi tr ực ti ếp ho ặc gián ti ếp qua email đế n ng ườ i đượ c ph ỏng vấn. - Dữ li ệu từ ngu ồn th ứ cấp (Secondary sources): Thu th ập dữ li ệu trong các kho lưu tr ữ của các Ch ủ đầ u tư; Dữ li ệu các nhân tố chính của các dự án đã th ực hi ện từ năm 2000 -2009 của các dự án xây dựng công trình giao thông (đườ ng bộ) đượ c thu th ập. CompanyTrang 14 Logo 4. Tóm tắt về các bước xây dựng mô hình dự báo theo ANN và MLR Gi ảng viên: PGS.TS. L ưu Tr ườ ng V ăn, Đạ i h ọc M ở TP.HCM 15 Các bước xây dựng mô hình ANN Bướ c 1 Thu th ập và mã hóa d ữ li ệu, nh ập vào SPSS Xác đị nh bi ến đầ u vào và bi ến đầ u ra cho ANN, l ựa ch ọn cách bi ến Bướ c 2 đổ i (rescaling) dữ li ệu đầ u vào theo một trong các cách:5 Standardized, Normalized, Adjusted Normalized ho ặc None Bướ c 3 Phân chia t ập d ữ li ệu để hu ấn luy ện (training) và ki ểm tra (test) Thi ết l ập c ấu trúc mạng bao g ồm s ố l ớp ẩn, s ố nút trong l ớp ẩn, Bướ c 4 hàm truy ền c ủa l ớp ẩn, hàm truy ền l ớp xu ất, các bi ến đổ i (rescale) dữ li ệu đầ u ra. Lựa ch ọn hu ấn huy ện mạng theo cách c ập nh ật tr ọng s ố một l ần, Bướ c 5 mẻ (batch); t ừng b ộ (online) ho ặc t ừng ph ần (mini-batch). Thi ết l ập các kh ống ch ế d ừng hu ấn luy ện và các l ựa ch ọn xu ất ra Bướ c 6 kết qu ả th ực hi ện. Ki ểm tra đánh giá sai s ố mô hình và s ử d ụng mạng (b ộ tr ọng s ố t ối Bướ c 7 ưu đượ c dùng cho các vi ệc t ự độ ng hóa tính toán ướ c l ượ ng) CompanyTrang 16 Logo Các bước xây dựng mô hình MLR Thu th ập và mã hóa d ữ li ệu, nh ập vào SPSS, ki ểm tra điều Bướ c 1 ki ện đủ th ẳng qua scatterplot c ủa bi ến Y v ới các bi ến X Phân tích t ươ ng quan tuy ến tính gi ữa t ất c ả các bi ến là y ếu t ố Bướ c 2 chính. 5 Xác đị nh duy nh ất 01 bi ến ph ụ thu ộc và tùy ch ọn các bi ến độ c lập theo t ừng block,3 đồ ng th ời v ới vi ệc l ựa ch ọn th ủ t ục ch ọn Bướ c 3 bi ến theo một trong các cách Enter; Remove; Backward; Forward; Stepwise. Lựa ch ọn xu ất ra các thông số th ống kê hồi quy nh ư: các ướ c lượ ng, kho ảng tin cậy, ma tr ận hi ệp ph ươ ng sai, model fit (các Bướ c 4 th ống kê đánh giá độ phù hợp của mô hình), các th ống kê mô tả, chu ẩn đoán đa cộng tuy ến, tr ị th ống kê Durbin – Watson. - Thi ết lập để ch ươ ng trình vẽ ra các dạng đồ th ị liên quan đế n mô hình hồi quy - Sao lưu các bi ến mới trong phân tích hồi quy tuy ến tính nh ư: Bướ c 5 ph ần dư, giá tr ị dự đoán và các thông số liên quan đế n bi ến mới. - Ch ạy phân tích hồi quy CompanyTrang 17 Logo Các bước xây dựng mô hình MLR (tt) - Đánh giá độ phù hợp của mô hình bằng Adjust R square. - Ki ểm tra gi ả đị nh liên hệ tuy ến tính. - Ki ểm tra điều ki ện độ c lập của các ph ần dư bằng5 tr ị th ống kê Durbin – Watson, - Ki ểm tra gi ả đị nh3 ph ươ ng sai ph ần dư cân bằng qua quan sát scatterplot của ph ần dư với các bi ến độ c lập Bướ c 6 - Ki ểm tra điều ki ện gần chu ẩn của ph ần dư bằng bi ểu đồ tần su ất ho ặc bi ểu đồ Q – Q plot . - Ki ểm tra đa cộng tuy ến bằng độ ch ấp nh ận (Tolerance) ho ặc VIF. - Ki ểm đị nh gi ả thuy ết về độ phù hợp của mô hình - Ki ểm đị nh gi ả thuy ết về ý ngh ĩa của hệ số hồi quy - Ki ểm đị nh gi ả thuy ết về tầm quan tr ọng của các bi ến Bướ c 7 Sử dụng mô hình hồi quy đa bi ến để dự báo. TrangCompany 18 Logo 5. Kết quả chi ti ết của nghiên cứu Gi ảng viên: PGS.TS. L ưu Tr ườ ng V ăn, Đạ i h ọc M ở TP.HCM 19 5.1. PHÂN TÍCH VỀ ĐỐI TƯỢNG THAM GIA PHỎNG VẤN & DỮ LI ỆU THỨ CẤP Gi ảng viên: PGS.TS. L ưu Tr ườ ng V ăn, Đạ i h ọc M ở TP.HCM 20 Kinh nghi ệm của các ứng viên tham gia phỏng vấn Gi ảng viên: PGS.TS. L ưu Tr ườ ng V ăn, Đạ i h ọc M ở TP.HCM 21 Kinh nghi ệm của các ứng viên tham gia phỏng vấn • Có 54,6% số ứng viên so với tổng số ứng viên phỏng vấn có thời gian làm vi ệc lớn hơn 5 năm và 17,33% số ứng viên trong tổng số ứng viên phỏng vấn có thời gian làm vi ệc từ 3 – 5 năm ti ếp tục củng cố khẳng đị nh kết quả tr ả lời phỏng vấn là đáng tin cậy Gi ảng viên: PGS.TS. L ưu Tr ườ ng V ăn, Đạ i h ọc M ở TP.HCM 22 Dữ li ệu thứ cấp Để đả m bảo tính th ống nh ất và gi ảm độ phân tán của dữ li ệu thu th ập, dữ li ệu một số bi ến đị nh tính đượ c phân theo các khung nh ư sau: + Bi ến Quy mô dự án (cấp đườ ng): Phân lo ại cấp qu ản lý đườ ng theo TCVN4054 – 1998, bao gồm 5 cấp. + Bi ến Ph ạm vi dự án: Bao gồm hai lo ại là Nâng cấp (NC) và làm mới (LM). + Bi ến Vị trí dự án xây dựng : Bao gồm hai lo ại là trong đô th ị (DT) và đồ ng bằng ngoài đô th ị (DB). + Bi ến Lo ại kết cấu lớp mặt đườ ng , bao gồm mặt đườ ng bê tông nh ựa (BTN) và mặt đườ ng bê tông xi măng (BTXM). + Bi ến Tình tr ạng ng ập nướ c xung quanh nền đườ ng , bao gồm hai tình tr ạng có ng ập nướ c (C) và không ng ập nướ c (K). + Bi ến Điều ki ện đị a ch ất, bao gồm 03 lo ại: có xử lý đấ t yếu (DY), bình th ườ ng (BT) và có đào phá đá (DD). Gi ảng viên: PGS.TS. L ưu Tr ườ ng V ăn, Đạ i h ọc M ở TP.HCM 23 5.2. MÔ HÌNH ANN CHO TỔNG MỨC ĐẦU TƯ Gi ảng viên: PGS.TS. L ưu Tr ườ ng V ăn, Đạ i h ọc M ở TP.HCM 24 Mô hình ANN cho TMĐT • Xác định nhân tố chính ảnh hưởng đến tổng mức đầu tư -Kết quả nguyên cứu định tính xây dựng được 20 nhân tố ảnh hưởng đến 5 tổng mức đầu tư. - Thang đo lường của bảng3 câu hỏi đã được kiểm tra độ tin cậy theo Cronbach Alpha, cho kết quả tốt. - Dựa vào kết quả trả lời bảng câu hỏi của 75 chuyên gia theo tiêu chuẩn giá trị trung bình ≥ 3,8 trong thang đo Likert 5 mức độ ở mức ý nghĩa 5% (One sample t - test), giữ nguyên 20 nhân tố làm biến đầu vào mô hình ANN • Kết quả thu thập dữ liệu thứ cấp - Dữ liệu thứ cấp 33 dự án theo 20 biến (làm biến đầu vào) và 04 biến đầu ra gồm: Tổng mức đầu tư, Chi phí xây dựng nền đường, Chi phí xây dựng móng mặt đường, Chi phí xây dựng công trình thoát nước CompanyTrang 25 Logo Xử lý số li ệu cho mạng nơ-ron nhân tạo Bi ến Tình tr ạng ng ập nướ c xung quanh n ền đườ ng ch ỉ có 01 tr ạng Phân chia Loại bỏ biến thái không ng ập n ướ c dữ liệu TổTổTổTổ hợphợp hợphợp Nhóm 1: 3 d ự án biếnbiến NhómNhóm 2:2: 3030 dd ựự ánán Mã hóa biến Snen = Bnen*chieudai*1000 Smat = Bmat*chieudai*1000 Trang 26 Kết quả xây dựng mô hình ANN Kết qu ả hu ấn luy ện mô hình ANN b ằng ch ươ ng trình SPSS 17.0 5 3 Kết qu ả MAPE trung bình (nhóm 1) = 27%. 2 R adj (Tongmuc) = 0,9661 2 R adj (XDnen) = 0,9811 2 R adj ( XDmat) = 0,9494 2 R adj (XDcongtrinhtn) = 0,9506. CompanyTrang 27 Logo 5.3. MÔ HÌNH MLR CHO TỔNG MỨC ĐẦU TƯ Gi ảng viên: PGS.TS. L ưu Tr ườ ng V ăn, Đạ i h ọc M ở TP.HCM 28 Hệ số tương quan gi ữa các bi ến độc lập Y X1 X2 X3 X4 X5 X6 X7 Tongmuc r 1 .653 .716 .688 .565 .711 .772 .745 (Y) sig .000 .000 .000 .001 .000 .000 .000 thoigian r .653 1 .756 .612 .674 .509 .787 .725 (X1) sig .000 .000 .000 .000 .004 .000 .000 chieudai r .716 .756 1 .509 .557 .379 .988 .948 (X2) sig .000 .000 .004 .001 .039 .000 .000 Lcong r .688 .612 .509 1 .726 .258 .585 .508 (X3) sig .000 .000 .004 .000 .169 .001 .004 Lcauban r .565 .674 .557 .726 1 .342 .592 .454 (X4) sig .001 .000 .001 .000 .064 .001 .012 Lcaudam r .711 .509 .379 .258 .342 1 .413 .379 (X5) sig .000 .004 .039 .169 .064 .023 .039 Snen r .772 .787 .988 .585 .592 .413 1 .955 (X6) sig .000 .000 .000 .001 .001 .023 .000 Smat r .745 .725 .948 .508 .454 .379 .955 1 (X7) sig .000 .000 .000 .004 .012 .039 .000 Gi ảng viên: PGS.TS. L ưu Tr ườ ng V ăn, Đạ i h ọc M ở TP.HCM 29 Mô hình MLR cho TMĐT Xử lý số liệu cho mô hình MLR Phân tích tương quan Nhóm 1: 3 d ự án Nhóm 2: 30 d ự án Phân chia dữ liệu Biến Tongmuc và 7 KiểmTổ tra hợp biến độc lập có mối điều kiệnbiến liên hệ tương quan đủ thẳng với nhau khá cao (thấp nhất là 0,565), P value = 1%. Xác định biến ử ụ định lượng S d ng 16 - Kiểm tra biểu đồ phân tán của bi ến đị nh 16 biến độc lập và biến phụ lượ ng thuộc Tongmuc - Có 7 bi ến đượ c ch ọn. Trang 30 Kết quả xây dựng mô hình MLR Tongmuc = 0,149*Snen +78,081*Lcaudam+22,493*Lcong 5 3 -Stepwise, β0 ≠ 0. -Stepwise, forward: - Backward, β0 = 0. - Không thỏa kiểm β0 = 0. - Kết quả mô hình định giả thuyết về ý - Kết quả mô hình không hợp lý ở ý nghĩa của hệ số hồi giải thích tổng mức nghĩa hệ số hồi quy quy. đầu tư xây dựng ⇒ mô hình MLR công trình giao phù hợp phải có hệ thông như trên số β0 = 0. www.quantri.com.vnNgày 15/01/11 CompanyTrang 31 Logo Dò tìm các vi phạm giả thuyết, Kiểm định mô hình Hầu h ết k ết qu ả các b ướ c ki ểm tra th ỏa các điều ki ện và kết qu ả ki ểm đị nh có ý ngh ĩa th ống kê phù h ợp. -Tuy nhiên ki ểm tra gi ả đị nh liên h ệ tuy ến tính trên scatter plot gi ữa Residual , Tongmuc có d ấu hi ệu đáng chú5 ý. Bi ểu đồ không có h ướ ng,3 nh ưng s ự phân tán không th ực s ự dàn đề u. - Vấn đề c ũng x ảy ra t ươ ng t ự trong ki ểm tra gi ả đị nh ph ươ ng sai cân b ằng gi ữa bi ến Tongmuc và Lcaudam. Adjust R square c ủa mô hình do SPSS tính toán b ằng 0,903 R square c ủa mô hình đi qua g ốc t ọa độ đượ c tính toán b ằng 0,860 MAPE (nhóm 1) = 2.59%, Trang 32 Bi ểu đồ phân tán gi ữa Residual chuẩn hóa và Tongmuc Gi ảng viên: PGS.TS. L ưu Tr ườ ng V ăn, Đạ i h ọc M ở TP.HCM 33 Bi ểu đồ phân tán gi ữa Residual và Snen Gi ảng viên: PGS.TS. L ưu Tr ườ ng V ăn, Đạ i h ọc M ở TP.HCM 34 Bi ểu đồ tần suất của phần dư Gi ảng viên: PGS.TS. L ưu Tr ườ ng V ăn, Đạ i h ọc M ở TP.HCM 35 Bảng tóm tắt kết quả của mô hình Model Summary e,f Model 1 2 3 R .863 a .929 c .956 d .746 .8645 .913 Adjusted .737 .854 .903 Std. Error of the Estimate3 12360.17628 9210.71857 7486.01826 Change R Square Change .746 .118 .050 Statistics F Change 84.952 24.223 15.388 df1 1 1 1 df2 29 28 27 Sig. F Change .000 .000 .001 Durbin-Watson 2.324 a. Predictors: Snen c. Predictors: Snen, Lcaudam d. Predictors: Snen, Lcaudam, Lcong e. Dependent Variable: Tongmuc f. Linear Regression through the Origin CompanyTrang 36 Logo Bảng ANOVA ANOVA e,f Sum of Model Squares df Mean Square F Sig. Regression 1.298E+10 1 1.298E+10 84.952 .000 a 5 1 Residual 4.430E+09 29 1.528E+08 Total 1.741E+103 30 Regression 1.503E+10 2 7.517E+09 88.602 .000 c 2 Residual 2.375E+09 28 8.484E+07 Total 1.741E+10 30 Regression 1.590E+10 3 5.299E+09 94.550 .000 d 3 Residual 1.513E+09 27 5.604E+07 Total 1.741E+10 30 a. Predictors: Snen b. This total sum of squares is not corrected for the constant because the constant is zero for regression through the origin. c. Predictors: Snen, Lcaudam d. Predictors: Snen, Lcaudam, Lcong e. Dependent Variable: Tongmuc f. Linear Regression through the Origin CompanyTrang 37 Logo Bảng các hệ số của mô hình Coefficients a,b Unstandardized Standardized Collinearity 5 Coefficients Coefficients Statistics Model t Sig. 3 B Std. Error Beta Tolerance VIF Snen .300 .033 .863 9.217 .000 1.000 1.000 1 Snen .231 .028 .667 8.284 .000 .753 1.328 2 Lcaudam 79.286 16.110 .396 4.922 .000 .753 1.328 Snen .149 .031 .428 4.793 .000 .404 2.477 Lcaudam 78.081 13.097 .390 5.962 .000 .752 1.329 3 Lcong 22.493 5.734 .328 3.923 .001 .459 2.178 a. Dependent Variable: Tongmuc ; b. Linear Regression through the Origin CompanyTrang 38 Logo 5.4. TỰ ĐỘNG HÓA DỰ BÁO Gi ảng viên: PGS.TS. L ưu Tr ườ ng V ăn, Đạ i h ọc M ở TP.HCM 39 Tự độ ng hóa dự báo Ngôn ng ữ Visual Basic lập trình ph ần mềm: A&M Predictor + Tính toán d ự báo Tổng mức đầ u t ư, Chi phí xây d ự5ng n ền, Chi phí xây d ựng móng mặt, Chi phí xây d ựng công trình thoát 3 nướ c theo mô hình ANN và T ổng mức đầ u t ư theo mô hình MLR. + Cho phép ng ườ i dùng c ập nh ật l ại b ộ ma tr ận tr ọng s ố, thay đổ i s ố nút ẩn cho mạng ANN và c ập nh ật các h ệ s ố h ồi quy cho mô hình MLR. + L ưu file và mở file đã có, c ũng nh ư t ạo một file mới để nh ập dữ li ệu - Ứng d ụng ph ần mềm để d ự đoán cho d ự án s ố 23 và 28 A&M Predictor CompanyTrang 40 Logo Gi ảng viên: PGS.TS. L ưu Tr ườ ng V ăn, Đạ i h ọc M ở TP.HCM 41 Li ệt kê và so sánh kết quả tính toán dự án số 23 ( tri ệu VNĐ) XDcongtri Tongmuc XDnen XDmat nhtn Th ực t ế 9598 706 7636 892 ANN 11701,39 845,69 10050,04 635,43 MAPE (%) 21.91% 19.79% 31.61% 28.76% MLR 10014,29 MAPE 4.34% (%) Gi ảng viên: PGS.TS. L ưu Tr ườ ng V ăn, Đạ i h ọc M ở TP.HCM 42 Li ệt kê và so sánh kết quả tính toán dự án số 28 (tri ệu VNĐ) Gi ảng viên: PGS.TS. L ưu Tr ườ ng V ăn, Đạ i h ọc M ở TP.HCM 43 Li ệt kê và so sánh kết quả tính toán dự án số 28 (tri ệu VNĐ) XDcongtri Tongmuc XDnen XDmat nhtn Th ực t ế 9598 706 7636 892 ANN 11701,39 845,69 10050,04 635,43 MAPE (%) 21.91% 19.79% 31.61% 28.76% MLR 10014,29 MAPE 4.34% (%) Gi ảng viên: PGS.TS. L ưu Tr ườ ng V ăn, Đạ i h ọc M ở TP.HCM 44 Cửa sổ thực hi ện cập nhật tr ọng số của mô hình ANN Gi ảng viên: PGS.TS. L ưu Tr ườ ng V ăn, Đạ i h ọc M ở TP.HCM 45 Cửa sổ thực hi ện cập nhật hệ số hồi quy của mô hình MLR Gi ảng viên: PGS.TS. L ưu Tr ườ ng V ăn, Đạ i h ọc M ở TP.HCM 46 Cửa sổ thực hi ện l ưu một file mới chương trình A&M Predictor Gi ảng viên: PGS.TS. L ưu Tr ườ ng V ăn, Đạ i h ọc M ở TP.HCM 47 Tài li ệu tham kh ảo quan tr ọng [1] Emsley, M. W., Love, D. J., Duff, A. R., Harding, A. and Hickson, A. (2002). Data modelling and the application of a neural network approach to the prediction of total construction costs. Construction Management and Economics, 20, 465-472. [2] Hegazy, T. và Ayed, A. (1998). Neural Network Model for Parametric Cost Estimating of Highway Project. Journal of Construction Engineering and Management , 124, 210-218. [3] Wilmot, C. G., and Mei, B. (2005). Neural network Modeling of Highway construction Costs. Journal of Construction Engineering and Management, 131, 765-771. [4] Khoa, P. V.,Van, L. T. và Long, L. H. (2007). Ướ c l ượ ng chi phí xây d ựng chung c ư b ằng mạng neuron nhân t ạo. Science & Technology Development, 10, 84-92. Trang 48 Xin caûm ôn! Chuùc caùc baïn ñaït nhieàu thaønh quaû toát trong học tập! Biên so ạn & gi ảng: PGS.TS. L ưu Tr ườ ng V ăn, Đạ i h ọc M ở TP.HCM 49