Ước lượng chi phí xây dựng chung cư bằng mạng neuron nhân tạo

CL

NG CHI PHÍ XÂY D NG CHÚNG C B NG M NG NEURON NHÂN T O
Phan V n Khoa+; L u Tr ng V n*; Lê Hoài Long*
*
: Khoa Xây d ng, i h c Bách Khoa TPHCM
+
: H c viên cao h c ngành Công ngh và Qu n lý xây d ng K15

Tóm t t
c l ng chi phí đ u t cho d án là m t nhi m v r t quan tr ng c a công tác qu n lý xây
d ng. Cùng v i s phát tri n đô th hóa và s gia t ng dân s ngày càng nhanh, các d án xây
d ng chúng c đang xu t hi n ngày càng nhi u. Vi c c l ng chi phí xây d ng nh đó có th
d trù đ c l i nhu n do d án chúng c mang l i là v n đ s ng còn c a các ch đ u t , các
doanh nghi p xây d ng. Trong bài báo này, chúng tôi s trình bày cách ng d ng m ng neuron
nhân t o (ANN) đ d đoán chi phí xây d ng cho các d án chúng c . H n n a, m t ch ng
trình vi t b ng ngôn ng Visual C++, v i cùng m c đích trên, c ng s đ c xây d ng và trình
bày.
Estimation of the cost of a construction project is an important task in the management of
construction. Following the urbanization and the population growth, apartment building projects
rise increasingly in quantity. Correct cost estimation is a vital problem of the owners. In this
paper, we will present the application of artificial neuron network (ANN) in apartment building
cost estimate. Moreover, a software, programmed with Visual C++, was constructed and
presented to predict apartment building cost.
keywords: neuron networks, qu n lý xây d ng, chi phí, d đoán, d án
Gi i thi u
D trù chi phí là m t nhi m v quan tr ng trong công tác qu n lý các d án xây d ng. Ch t
l ng c a công tác qu n lý c ng ph thu c r t nhi u vào m c đ chính xác c a vi c d trù này.
M c dù c ng có các qui đ nh c a Nhà n c v công tác này nh ng hi n nay ph n l n vi c d trù
kinh phí v n là m t công vi c ph thu c nhi u vào kinh nghi m c a các nhà qu n lý, c a ng i
l p d toán…

T đ ng hóa quá trình c l ng chi phí xây d ng d a trên các s li u khách quan không ch
đ t ng hi u qu tính toán mà còn đ lo i tr các y u t do ch quan. Hi n nay trí tu nhân t o
mà đ c bi t là ANN đ c ng d ng r t r ng rãi trong qu n lý xây d ng v i kh n ng ‘h c’ t các
kinh nghi m t p h p trong quá kh .
Trên th gi i đã có r t nhi u nghiên c u ng d ng ANN trong qu n lý xây d ng nh : d trù
chi phí cho công tác lót đ ng b ng bê tông c t thép [7], d trù chi phí xây d ng đ ng cao t c
[8][15], d đoán quá trình th c hi n các d án thi t k -thi công Singapore [10], nh h ng c a
các yêu c u thay đ i đ n n ng su t lao đ ng [16], d trù n ng su t lao đ ng ngành xây d ng
[5]…
Vi t Nam trong vài n
xây d ng: ng d ng ANN t
[13], xác đ nh chi phí xây d
ch a ai nghiên c u đ n vi c
c .

m tr l i đây đã n r các nghiên c u ng d ng ANN trong qu n lý
i u hóa ti n đ m ng [12], ng d ng ANN trong ch n th u thi công
ng v i m ng neuron-m [17]… Tuy nhiên các nghiên c u tr c đây
ng d ng ANN cho vi c d đoán chi phí cho xây d ng các chúng c

Trong ph m vi bài báo này, chúng tôi s trình bày vi c ng d ng ANN đ d đoán chi phí
xây d ng chúng c qua vi c ‘h c’ t kinh nghi m các chúng c đã đ c xây d ng tr c đây.


Vi c ‘h c’ c a ANN s đ c th c hi n v i công c Neuron Toolbox c a Matlab đ tìm đ c
b ng ma tr n tr ng s . V i b ma tr n tr ng s tìm đ c thông qua vi c h c t các d án chúng
c đã đ c th c hi n này, m t ch ng trình vi t b ng Visual C++ đ t o ra m t giao di n thân
thi n đ c th c hi n. M t ví d áp d ng c ng s đ c trình bày đ minh h a vi c s d ng
ch ng trình c ng nh hi u qu d đoán c a ch ng trình.
Ph

ng pháp nghiên c u

Trong vi c thi t l p các mô hình đ nh l ng đ d đoán trong qu n lý xây d ng, s đa d ng và
m c đ ph c t p c a các y u t nh là: s r i r c, phi tuy n, s không ch c ch n v giá tr c a
các y u t đ u vào…đã làm cho vi c l a ch n các ph ng pháp xây d ng mô hình h p lý g p
nhi u khó kh n. Nhi u nghiên c u đã h ng t i vi c x lý các s li u phi tuy n hay thi t l p các
mô hình phi tuy n đ x lý các s li u có tính tr ng. M t trong s đó là ANN. ANN có th đ c
xem nh là m t k thu t x lý s li u b ng cách k t h p nhi u dòng thông tin đ u vào đ t o m t
dòng thông tin đ u ra. M t s các thu n ti n c a ANN so v i các ph ng pháp th ng kê truy n
th ng khác có th li t kê d i đây:
•

ANN có th ng x nh m t hàm x p x toàn c c (universial functional approximator), có
ngh a là nó có th x p x b t c d ng hàm toán nào đ c tr ng cho d li u đ u vào (tuy n
tính hay phi tuy n).

•

Khi s d ng nhi u h n m t l p n (hidden layers), ANN còn có th chia nh không gian
m u và xây d ng các hàm khác nhau trong các không gian này.

Kh n ng ng d ng ANN trong xây d ng đã đ c ch ra trong [18]. M t s nghiên c u đã ch
ra c u trúc c a m ng neuron ng d ng trong d đoán chi phí là multilayer feedforward networks
và thu t toán backpropagation là thích h p nh t [7,8,18].
Th t c xây d ng mô hình
xây d ng mô hình ANN c n ti n hành các b c sau đây: (1) Xác đ nh các y u t nh
h ng đ n chi phí xây d ng chúng c và thu th p các d li u v các chúng c đã đ c xây d ng
tr c đây; (2) Xây d ng mô hình ANN; (3) Th c hi n hu n luy n ANN b ng Matlab; (4) Vi t
ch ng trình Neural Construction đ d đoán chi phí xây d ng chúng c .

Các y u t

nh h

ng đ n chi phí xây d ng chúng c và thu th p d li u

(1) Nhóm các y u t th hi n quy mô công trình:
•

C p công trình

•

T ng di n tích xây d ng

•

S t ng cao

(2) Các y u t giá v t t chính:
•

Giá x ng

•

Giá s t thép

•

Giá xim ng

Ti n hành thu th p d li u t các d án chúng c đã đ c th c hi n. Các s li u trong thi t k
và t ng d tóan công trình. Quá trình thu th p s li u g p nhi u khó kh n do công trình đã th c


hi n khá lâu t 5-6 n m tr c ho c ng i đ c h i không mu n cung c p s li u ho c không
mu n ti t l s li u…Cu i cùng, d li u v 14 công trình chúng c đã đ c t p h p, các công
trình này đã đ c th c hi n trong kho ng t n m 2000 đ n nay.
Mô hình ANN
Nh đã nói, mô hình ANN thích h p nh t trong d đoán chi phí là multilayer feedforward
networks và s d ng thu t toán backpropagation đ hu n luy n m ng. S l ng l p n đây
đ c s d ng là m t. S l ng các nút trong l p n, theo m t th ng kê các nghiên c u tr c đây
đã đ c th c hi n trong [19], nh sau: s l ng các nút này nên n m trong kho ng t
2 n + m đ n 2n + 1 v i n là s nút đ u vào và m là s nút đ u ra. Trong bài báo này s nút đ u
vào t ng ng là các y u t d li u đ u vào t kh o sát còn bi n đ u ra là giá tr chi phí xây d ng
xây d ng công trình. Hàm h c đ c s d ng đây là hàm tanh. Mô hình ANN đ c th hi n
trong hình 1.

Input
In1 : S t ng cao.
In2 :T ng di n tích XD

Output

In3 : C p công trình XD.

Out :T ng giá tr
xây d ng chúng c .

In4 :Gía x ng trung bình.
In5 :Gía thép trung bình
In6 :Gía xia m ng trung
bình.

Hình 1: Mô hình ANN
Hu n luy n m ng ANN
Mô hình ANN đ c xây d ng s d ng ph n m m Matlab Neural Toolbox. Quá trình hu n
luy n ANN đ c th hi n qua đ th sai s c a ti n trình h c nh hình 2.
Ch

ng trình Neural Construction

Ch ng trình đ c xây d ng đ cung c p m t công c đ d đoán chi phí cho vi c xây d ng
m t chúng c . Ngôn ng l p trình đ c s d ng là Visual C++ nh m m c đích t o ra m t giao
di n thân thi n, d s d ng. Trong ch ng trình này đ m b o đ c các yêu c u:
•

cl

ng đ

c chi phí xây d ng công trình.

•

Cho phép d báo chi phí xây d ng khi có s thay đ i giá c các v t li u chính: xi m ng,
s t thép, x ng d u.

•

C p nh t l i (h c thêm) m ng neuron v i các s li u m i.

Trong hình 3 th hi n giao di n c a ph n m m Neural Construction.


Hình 2: Bi u đ sai s c a ti n trình h c c a ANN.
Ví d áp d ng
minh h a cho vi c s d ng ch ng trình Meural Construction và kh n ng d đoán c a
nó, m t chúng c đ c l a ch n là chúng c B c Bình (không n m trong s 14 chúng c dùng đ
hu n luy n ANN) đ cho ch ng trình d đoán chi phí c a nó, và so v i chi phí trong d toán
c a công trình. Các s li u bi n đ u vào c a chúng c B c Bình đ c trình bày trong b ng 1.
B ng 1: Các thông s đ u vào đ d đoán chi phí xây d ng c a chúng c B c Bình.
S TT

Tên bi n

nv

S l

ng

1

S t ng cao

T ng

14

2

T ng di n tích xây d ng

M2

6384

3

C p công trình

C p

2

4

Giá x ng trung bình

ng/lít

8500

5

Giá thép trung bình

ng/Kg

7400

6

Giá xi m ng trung bình

ng/Kg

884

K t qu d đoán chi phí xây d ng b ng ch ng trình Neural Construction, chi phí trong d
toán và sai s c a k t qu d đoán so v i d toán đ c trình bày trong b ng 2.
Chúng ta th y r ng, sai s d đoán c a ch ng trình Neural Construction so v i th c t ch là
kho ng 5.5%. ây là kho ng sai s ch p nh n đ c trong vi c cung c p cho chúng ta m t con s
đ nh l ng t ng đ i v chi phí c n b ra đ đ u t cho công trình. ây có th đ c xem nh


nh là m t công c khá h u d ng cho các nhà đ u t , nhà th u đ có thêm m t ph
sánh v i các d toán đ c l p.

ng ti n so

B ng 2
Chi phí trong d toán
(VN )

Chi phí d đoán b ng
Neural Construction (VN )

Sai s %

28.510.000.000

30.182.900.000

5.5

Ghi chú: Sai s = (Chi phí d đoán – Chi phí d toán)/Chi phí d đoán (%)

Tuy nhiên v n còn m t s h n ch c a ch ng trình có ngu n t b i do chính các khó kh n
trong vi c thu th p s li u gây ra, đó là s công trình đ c s d ng trong vi c hu n luy n ANN
còn ít do đó nó không bao quát đ c t t c các tr ng h p d án xây d ng chúng c đã qua. Các
con s d đoán chi phí xây d ng đây còn mang n ng tính d toán mà ch a l ng đ c chi phí
xây d ng chúng c th c t có th t ng ho c gi m so v i d toán do các đi u ki n th c t gây ra.

Hình 3: Giao di n ch

ng trình Neural Construction

Các k t lu n và ki n ngh
Bài báo này cho phép xác đ nh giá tr chi phí đ u t xây d ng chúng c trên c s kinh
nghi m t các d án chúng c đã đ c th c hi n tr c đây v i b i c nh giá c t ng ng. V i


ch ng trình đ c gi i thi u trong bài báo này, các nhà đ u t có th
c l ng đ c chi phí
xây d ng d án chúng c trong giai đo n th c hi n nghiên c u d án đ u t mà không c n th
hi n chi ti t hóa giá tr c a t ng h ng m c hay thành ph n c u thành.
Các nhà đ u t c ng có th d báo đ c giá tr đ u t c a d án khi thay đ i quy mô công

trình d a trên s thay đ i t ng cao, di n tích xây d ng hay c p công trình. Ngoài ra c ng có th
d báo đ c chi phí thay đ i n u giá c các v t t x ng d u, s t thép hay xi m ng thay đ i. t đó
giúp nhà đ u t có th hình dung đ c m c đ đ u t tr c khi th c hi n d án và có th v ch k
ho ch th c hi n hay không th c hi n d án.
Tuy nhiên bài báo này c ng ch m i d ng l i m c đ giá tr nghiên c u, mu n đ ra m t
h ng đánh giá chi phí chi phí xây d ng mà không d a vào B đ n giá xây d ng c b n nh
chúng ta v n th ng làm. Ch ng trình Neural Construction ch đ c xây d ng d a trên b t p
m u 14 công trình chúng c đ c t p h p nên vi c d đoán v n còn h n ch . Mong mu n c a
các tác gi v i nghiên c u này là đ xu t ra m t h ng m i là t đ ng hóa c l ng chi phí đ u
t và hy v ng v i các nghiên c u đi sau hay là các ng d ng nghiên c u này s phát tri n thêm
các d li u th c t đ ch ng trình có tính t ng quan h n.
Các tác gi c ng ch d ng l i sáu bi n đ u vào nh trình bày trên, hy v ng v i các nghiên
c u sau s đ a đ c nhi u h n các y u t nh h ng đ n chi phí đ u t xây d ng chúng c vào
mô hình ANN.
Hy v ng các nghiên c u t ng t cho các lo i d án khác nh d án c u đ ng, d án th y
đi n… hay d đoán chi phí cho t ng h ng m c xây d ng c ng s đ c th c hi n.
Tài li u tham kh o
[1] Neural Networks Toolbox for use with Matlab- Howard Demuth, Mark Beale
[2] Neural Networks, Christos Stergiou and Dimitrios Siganos. On Internet.
[3] Estimating software development effort with connectionist models, Gerhard Wittig, Gavin
Finnie, 1997.
[4] A Learning Vector Quantization Neural Network Model for the Classification of
Industrial Construction Projects, Vk Gupta, Jg Chen, Mb Murtaza,1997.
[5] Neural Network Model for Estimating Construction Productivity, Jason Portas and
Simaan Abourizk. ASCE, Journal of Construction Engineering and Management, 1997.
[6] A framework for developing an expert analysis and forecasting system for construction
projects, Hashem Al-Tabtabai, 1998.
[7] Regularization Neural Network For Construction Cost Estimation, Hojjat Adeli and
Mingyang Wu. ASCE, Journal of Construction Engineering and Management, 1998.
[8] Neural Network Model for Parametric Cost Estimating of Highway Project, Tarek

Hegazy and Amr Ayed. ASCE, Journal of Construction Engineering and Management, 1998.
[9] Neural Network Model to Support international Market Entry Decisions, Irem Dikmen
and M.Talat Birgonul. ASCE, Journal of Construction Engineering and Management, 2004.
[10] Using neural network to predict performance of design-build projects in Singapore,
Florence Yean Yng Ling, Min Liu. Building and Environment, 2004.
[11] Improving the COCOMO model using a neuro-fuzzy approach, Xishi Huang, Danny
Ho, Jing Ren, Luiz F. Capretz, 2005.
[12] ng d ng Neural network t i u hóa ti n đ m ng, Lu n v n th c s H H i ng, 2004.
[13] Nghiên c u ng d ng trí tu n nhân t o trong ch n th u thi công, Lu n v n th c s Ph m
Tr ng Giang, 2003.


[14] ng d ng Matlab trong tính toán k thu t, Nguy n Hoài S n và các tác gi .
[15] Neural Network Modeling of Highway construction costs, Chester G Wilmot, Bing Mei,
ASCE, Journal of Construction Engineering and Management 7/2005.
[16] Change orders impact on labor productivity, Osama Moselhi, Ihab Assem, Khaled ElRayes, ASCE, Journal of Construction Engineering and Management 3/2005.
[17] Xác đ nh chi phí xây d ng d a trên ng d ng m ng Neuron-m , Lu n v n th c s Tr n
Bách, 2006.
[18] Neural networks as tools in construction, Moselhi. O, Hegazy. T, Fazio. P, ASCE, Journal
of Construction Engineering and Management 1991.
[19] An ANN approach to assess project cost and time risk at front-end of projects, Master
Thesis Xiaoying Liu, Canada 1998.
[20]
c l ng chi phí đ u t xây d ng d án chúng c b ng neural networks, Lu n v n
th c s Phan V n Khoa, 2006.