Mô hình xác định chi phí xây dựng dưa trên ứng dụng mạng neuron mờ

Đại Học Quốc Gia Tp Hồ Chí Minh
TRƯỜNG ĐẠI HỌC BÁCH KHOA
----------------oOo----------------

TRẦN BÁCH

MÔ HÌNH XÁC ĐỊNH CHI PHÍ XÂY DỰNG DỰA
TRÊN ỨNG DỤNG MẠNG NEURON MỜ.
Chuyên ngành : CÔNG NGHỆ VÀ QUẢN LÝ XÂY DỰNG
Mã số ngành : 60.58.90

LUẬN VĂN THẠC SĨ

TP. HỒ CHÍ MINH, tháng 07 năm 2006


CÔNG TRÌNH ĐƯC HOÀN THÀNH TẠI
TRƯỜNG ĐẠI HỌC BÁCH KHOA
ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH

Cán bộ hướng dẫn khoa học : ……………………………………………………………………………………………………………….

Cán bộ chấm nhận xét 1 : ……………………………………………………………………………………………………………………….

Cán bộ chấm nhận xét 2 : ……………………………………………………………………………………………………………………….

Luận văn thạc só được bảo vệ tại HỘI ĐỒNG CHẤM BẢO VỆ LUẬN VĂN THẠC
SĨ.
TRƯỜNG ĐẠI HỌC BÁCH KHOA, ngày
tháng
năm 2006.

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM
ĐỘC LẬP – TỰ DO – HẠNH PHÚC

TRƯỜNG ĐẠI HỌC BÁCH KHOA
PHÒNG ĐÀO TẠO SAU ĐẠI HỌC
________________________________

________________________________

Tp. HCM, ngày

tháng

năm 2006

NHIỆM VỤ LUẬN VĂN THẠC SĨ
Họ tên học viên : Trần Bách
Ngày, tháng, năm sinh : 08-06-1981
Chuyên ngành : Công nghệ và Quản lý Xây dựng

Phái : Nam
Nơi sinh : Quảng Ngãi
MSHV : 00804190

I. TÊN ĐỀ TÀI :
MÔ HÌNH XÁC ĐỊNH CHI PHÍ XÂY DỰNG DỰA TRÊN ỨNG DỤNG MẠNG
NEURON MỜ.
II. NHIỆM VỤ VÀ NỘI DUNG :

Xâây dựng mô hình xác định chi phí xây dựng dựa trên ứng dụng mạng neuron
mờ.
Kiểm tra kết quả của mô hình bằng các dự án thực và so sánh kết quả với mô
hình hồi quy.
Phân tích các yếu tố tác động đến chi phí xây dựng.
III. NGÀY GIAO NHIỆM VỤ:
IV. NGÀY HOÀN THÀNH NHIỆM VỤ :
V. CÁN BỘ HƯỚNG DẪN :

CÁN BỘ HƯỚNG DẪN

TIẾN SĨ PHAN ĐỨC DŨNG

CHỦ NHIỆM NGÀNH

CN BỘ MÔN
QL CHUYÊN NGÀNH

Nôi dung và đề cương luận văn thạc só đã được Hội Đồng Chuyên Ngành thông qua.

TRƯỞNG PHÒNG ĐT-SĐH

Ngày

tháng

năm 2006

TRƯỞNG KHOA QL NGÀNH

LỜI CẢM ƠN

Trước tiên, xin gửi lời cảm ơn sâu sắc đến TS Phan Đức Dũng, người đã
hướng dẫn cho tôi thực hiện luận văn này. Xin chân thành cảm ơn các thầy cô
trong Khoa Xây Dựng, đặc biệt là các thầy cô thuộc Bộ môn Thi Công. Những
kiến thức, kinh nghiệm thầy cô đã truyền đạt trong suốt quá trình học, những góp
ý của thầy cô về luận văn là tài sản quý giá cho tôi tiếp tục có những hướng đi
đúng đắn, tiếp cận xu thế phát triển chung của ngành Xây Dựng.
Xin cảm ơn những bạn bè cùng lớp, những người đã cùng tôi trải qua
những ngày học tập thật vui và những trao đổi nhiệt tình trong suốt thời gian học
qua đã hoàn thiện cho tôi nhiều kiến thức còn thiếu. Những nổ lực của các bạn và
tôi chắc chắn sẽ đem lại cho chúng ta những điều tốt đẹp của ngày mai.
Xin cảm ơn những hổ trợ của ban giám đốc và các đồng nghiệp tại công ty
M.E.C.C, công ty Obayashi trong suốt thời gian học tập và quá trình thực hiện
luận văn .
Cuối cùng, xin cảm ơn những người thân trong gia đình đã luôn quan tâm
và động viên giúp tôi vượt qua những ngày khó khăn để hoàn thành luận văn
này.

Tp Hồ Chí Minh, ngày 06 tháng 07 năm 2006.


Tóm Tắt
Chi phí là một trong những yếu tố đảm bảo sự thành công của một dự án
về mặt quản lý. Khi tình trạng vượt chi phí luôn hiện hữu trong các dự án tại
Việt Nam và rủi ro trong ước tính chính xác chi phí được đánh giá là rủi ro lớn
nhất đối với các dự án xây dựng thì xác lập được một mô hình dự đoán chính xác
chi phí sẽ tạo ra một một công cụ hữu hiệu hổ trợ nhà quản lý đưa ra những

quyết định đúng đắn.
Mạng neuron mờ đã được biết như một hệ thống tự động giải quyết vấn
đề có mối quan hệ phức tạp và các tình huống không dự đoán được nhờ khả
năng tích hợp thông minh giữa mạng neuron với bộ điều khiển mờ. Ứng dụng
mạng neuron mờ trong xây dựng mô hình xác định chi phí đã cho thấy những
điểm đáng tin cậy về khả năng phân tích và dự báo. Với hệ số tương quan
Pearson : 0.933 giữa kết quả tính và kết quả từ dữ liệu thu thập, mô hình cho
thấy đã phản ánh rất chính xác kết quả thực tế. Hơn nữa, mô hình cũng cho thấy
được khả năng kiểm soát tốt nhiều nhân tố tác động đến chi phí xây dựng.

Abstract
Cost is constituted a major driving force for a successful project
undertaking. Cost overrruns are investigated relating to all construction projects,
and inaccurate estimates are demonstrated to be the most important construction
risk. Then, find out an accurate estimate model is an effective approach to
project manager.
Fuzzy neural networks are introduced as integrated system of artifitial
neural networks and fuzzy control systems, based on the learning capabilities of
artifitial neural networks while maintaining the flexbility in variable description
of fuzzy-based modelling. The use of fuzzy neural networks in predicting cost
provide an comprehensive and plausible platform for establishing the
relationships among the engineering inputs and the cost of construction project.
The Pearson’s correlation coefficent between the predicted and the actual cost
was 0.933. This value is considered an excellent indicator of the model’s
expected cost. Also, the FNN model is more sensitive to a large number of
variables.


MỤC LỤC

Chương I :
I.1.
I.2.
I.3.
I.4.

Tổng quan nền kinh tế và ngành xây dựng Việt Nam.
Cơ sở hình thành đề tài.
Mục tiêu nghiên cứu.
Phạm vi nghiên cứu.

Chương II :
II.1.
II.2.
II.2.1
II.2.2
II.2.3
II.3.
II.3.1
II.3.2
II.3.3
II.3.4
II.4
II.4.1
II.4.2
II.4.3
II.5.

Giới thiệu đề tài nghiên cứu.

Tổng quan về mạng neuron mờ.

Các nghiên cứu trước về vấn đề chi phí xây dựng
và các yếu tố đánh giá sự thành công của dự án xây dựng.
Nền tảng của mạng neuron nhân tạo (ANNs).
Mạng neuron nhân tạo .
Luật học thông số tổng quát cho các mạng neuron nhân tạo.
Giải thuật giảm gradient .
Logic mờ.
Khái niệm tập mờ.
Luật hợp thành mơ.ø
Giải mơ.ø
Bộ điều khiển mờ.
Mạng neuron mờ.
Giới thiệu về mạng neuron mờ.
Neuron mờ.
Cấu trúc mạng neuron mờ.
Hồi quy.

01
01
06
08
09

10
10
13
13
15

19
20
20
22
26
28
29
29
30
31
35

Chương III : Mô hình xác định chi phí xây dựng dựa
trên ứng dụng mạng neuron mờ.

37

III.1.
III.2.
III.3.

37
38
40

Thu thập số liệu.
Kết quả thu thập dữ liệu.
Mô hình xác định chi phí xây dựng dựa trên ứng
dụng mạng neuron mờ.
III.3.1 Tính toán lan truyền thuận.

III.3.2 Tính toán lan truyền ngược.
III.3.3. Phần mềm ứng dụng xây dựng mô hình.
III.4. Mô hình hồi quy.

40
46
49
51


Chương IV : Kết quả của mô hình xây dựng dựa trên
ứng dụng mạng neuron mờ.

58

IV.1. Kết quả tính của mô hình xây dựng dựa trên ứng
dụng mạng neuron mờ.
IV.2. Kết quả tính của mô hình hồi quy.
IV.3. Phân tích các biến tác động đến tỷ lệ phát sinh trong
chi phí xây dựng.

58

Chương V : Kết luận và kiến nghị.

68

V.1. Kết luận về mô hình xác định chi phí xây dựng dựa
trên ứng dụng mạng neuron mờ.
V.2. Kiến nghị về hướng phát triển của đề tài.

68

Tài liệu tham khảo.
Phần phụ luïc.

62
64

69


LUẬN VĂN TỐT NGHIỆP

CHƯƠNG I : GIỚI THIỆU ĐỀ TÀI NGHIÊN CỨU.

I.1

Tổng quan chung về nền kinh tế và ngành Xây dựng Việt Nam.

Những năm cuối của thế kỷ XX, các nước Châu Á lâm vào cuộc khủng
hoảng tài chính. Từ đó thế giới chứng kiến sự thay đổi lớn lao của các nền kinh
tế đang phát triển. Và, kinh tế Việt Nam đã có những trỗi dậy đáng tự hào, vượt
qua giai đoạn suy giảm tốc độ tăng trưởng, khôi phục để chuyển sang nhịp tăng
trưởng mới, giữ vững tốc độ tăng trưởng kinh tế cao nhất so với các nước trong
khu vực Đông Nam Á, và thuộc loại cao nhất so với các vùng lãnh thổ trên thế
giới.
Năm 2005, tăng trưởng kinh tế Việt Nam đã đạt mức 8.43%, mức tăng
trưởng kinh tế cao nhất kể từ sau cuộc khủng hoảng tài chính – tiền tệ khu vực
năm 1997. Tốc độ tăng trưởng này dù chưa bằng tốc độ tăng trưởng của những

năm 1995, 1996 nhưng đây là thành tích rất đáng được khích lệ.
Bảng 1.1 : Tăng trưởng GDP (%, giá năm 1994)
1995
9.54

1996
9.34

1997
8.15

1998
5.56

1999
4.77

2000
6.79

2001
6.89

2002
7.08

2003
7.34

2004

7.69

2005
8.43

Nguồn : Tổng cục Thống kê ( TCTK).

Số liệu thống kê trên cho thấy : Đất nước ta đang từng ngày đổi mới, nền
kinh tế liên tục tăng trưởng trong 25 năm, vượt qua kỷ lục 23 năm của Hàn Quốc
tính đến năm 1997, chỉ thấp thua so với kỷ lục 27 năm tính cho đến nay của
Trung Quốc.Và so với giai đoạn 1991-1995, trong giai đoạn hiện nay nền kinh tế
Việt Nam có mức tăng trưởng cao hơn và ổn định hơn.
Đối với đất nước ta, tăng trưởng kinh tế nhanh là mục tiêu có tầm quan
trọng hàng đầu trong các mục tiêu, tăng trưởng kinh tế nhanh chẳng những để
giúp đất nước tránh bị tụt hậu xa hơn, đưa nước ta sớm ra khỏi những nước kém
phát triển, mà còn là tiền đề để thực hiện các mục tiêu kinh tế – xã hội quan
trọng khác.
Đồng hành với sự tăng trưởng kinh tế nhanh là sự thay đổi trong cơ cấu
của nền kinh tế. Sau mười lăm năm, tỷ trọng của ngành Công nghiệp – Xây
dựng liên tục tăng, từ tỉ trọng khá thấp trong tổng thể nền kinh tế, chỉ với tỷ
trọng 22.67% vào năm 1990, thì đến năm 2002 ngành Công nghiệp – Xây dựng
đã chiếm tỉ trọng 38.55%, cao nhất trong nền kinh tế, và tiếp tục tăng trưởng đạt
tỉ trọng 41.03 % trong năm 2005. Trong đó, xây dựng chiếm 3-5% tỷ trọng của
tổng thể nền kinh tế
1


LUẬN VĂN TỐT NGHIỆP

Bảng 1.2 : Cơ cấu ngành kinh tế ở Việt Nam.

Năm
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
Ước 2005

Tổng số
100
100
100
100
100
100
100
100
100
100
100

100
100
100
100
100

Tỷ trọng của các ngành
Công nghiệp –
Nông nghiệp
Xây dựng
38.74
22.67
40.49
23.79
33.94
27.26
29.87
28.90
27.43
28.87
27.18
28.76
27.76
29.73
25.77
32.08
25.78
32.49
25.43
34.49

24.53
36.73
23.25
38.12
22.99
38.55
22.54
39.46
21.51
40.21
20.89
41.03

Dịch vụ
38.59
35.72
38.80
41.23
43.70
44.06
42.51
42.15
41.73
40.08
38.74
38.63
38.46
38.00
37.98
38.08

Nguồn : Kinh tế Việt Nam 2005-2006, Thời báo Kinh Tế Việt Nam.

Tuy trong thời gian qua nền kinh tế nước ta liên tục tăng trưởng nhưng
GDP bình quân đầu người mới đạt 637.3 USD, tính theo sức mau ngang giá
(PPP) thì con số này mới đạt trên 2700 USD. Đó là chỉ số còn thấp xa so với
mức bình quân chung của khu vực, của châu Á cũng như toàn thế giới. Nói cách
khác, nước ta vẫn bị xem là nước kém phát triển theo tiêu chuẩn của Liên hiệp
quốc.
Xét về khía cạnh chất lượng tăng trưởng, chúng ta đã quá nghiêng về
tăng trưởng chiều rộng tức là tăng trưởng chủ yếu dựa vào tăng trưởng vốn, tăng
số lao động, tăng cường khai thác tài nguyên hơn là tăng trưởng theo chiều sâu,
tăng trưởng do tăng năng suất lao động, nâng cao hiệu quả sử dụng vốn – tức là
nâng cao năng suất các nhân tố tổng hợp.
Thật vậy, nước ta hiện đang ở vào thời điểm, nếu không nâng cao chất
lượng tăng trưởng thì tăng trưởng không những không cao lên mà ngay cả tăng
trưởng với tốc độ củ cũng không duy trì được và bị tụt hậu là điều không thể
tránh khỏi.

2


LUẬN VĂN TỐT NGHIỆP

Bảng 1.3 : Các mặt hàng xuất khẩu chủ yếu của Việt Nam.

Mặt hàng xuất khẩu

2000

2001

2002

2003

2004

2005

Dầu thô(Nghìn tấn)

15.424 16.732

1.687

17.143 19.501 18.084

Gạo(Nghìn tấn)

3.477

3.721

3.236

3.810

4.060

Than đá(Nghìn tấn)

3.251

4.292

6.407

7.261

11.624 17.882

Dệt may(Triệu USD)

1.892

1.975

2.752

3.689

4.386

4.806

Giày dép(Triệu USD)

1.472

1.578

1.875

2.281

2.692

3.005

5.202

Nguồn : Kinh tế Việt Nam 2005-2006, Thời báo Kinh Tế Việt Nam

So với thời kỳ 1993-1997, từ năm 1998 đến nay tỷ trọng đóng góp vào tốc
độ tăng trưởng GDP của yếu tố vốn giảm từ 69% còn 57.5%, của yếu tố lao
động đã tăng từ 16% lên 20%, của yếu tố năng suất các nhân tố tổng hợp đã
tăng từ 15% lên 22.5%. Tuy vậy, tỷ trọng của vốn và lao động lên tới 77.5%,
cao gấp ba lần tỷ trọng đóng góp của các yếu tố năng suất các nhân tố tổng hợp.
Mặc dù, đã có những đầu tư và đổi mới, hiện tại trình độ khoa học – công
nghệ của ngành công nghiệp của nước ta vẫn còn rất thấp. Tỷ trọng doanh
nghiệp có công nghệ cao của Việt Nam mới đạt khoảng 20.6%, thấp xa so với
các con số tương ứng 29.1% của Philiplines, 29.7% của Indonesia, 30.8% của
Thái Lan, 51.1% của Malaysia và 73% của Singapore.
Tỷ lệ chi phí trung gian trong tổng giá trị sản xuất , nếu từ năm 1999 trở
về trước còn ở mức dưới 48%, thì từ năm 2000 đã vượt qua mức 50% và đến nay
vượt qua mức 55%.
Ngoài những nguyên nhân khách quan như cơ cấu chuyển dịch theo xu
hướng tỉ trọng những ngành chế biến tăng, giá nhập khẩu tăng trong những năm
gần đây tăng… Những nguyên nhân chủ quan đáng lưu ý đó là lãng phí thất thoát

trong đầu tư, mặt bằng lãi suất, các chi phí bôi trơn ngoài tầm tay của doanh
nghiệp cao.
Riêng trong ngành xây dựng, tỷ lệ chi phí trung gian trong giá trị sản xuất
của ngành xây dựng còn cao hơn. Giá trị này luôn nằm trong khoảng 62-66% và
không có xu hướng giảm.
Bảng 1.4 : Tỷ lệ chi phí trung gian trong giá trị sản xuất.
1997
1998 1999 2000
Toàn bộ nền kinh tế
48.76 47.83 47.75 50.35
Lónh vực Công nghiệp – Xây
65.16 63.76 62.30 63.90
dựng
Nguồn : TCTK. Số liệu thống kê tài khoản quốc gia thời kỳ 1995-2002.

3

2001
51.57

2002
52.1

64.58

65.12


LUẬN VĂN TỐT NGHIỆP

Một trong những nguyên nhân của hiện tượng này là sự khép kín trong
lónh vực đầu tư, đặc biệt là đầu tư từ ngân sách nhà nước. Đây chính là nguồn
gốc của sự lãng phí và thất thoát. Theo nhiều chuyên gia trong và ngoài nước,
lãng phí trong khâu quy hoạch và quyết định đầu tư chiếm 60-70% tổng số lãng
phí, thất thoát [11]. Thanh tra Nhà nước năm 2002 đã tiến hành thanh tra 17 dự
án có tổng mức đầu tư là 9.385 tỷ đồng, tổng giá trị vốn đầu tư được thanh tra
kiển tra là 6.407 tỷ đồng. Tổng số sai phạm về tài chính phát hiện ở 17 dự án là
871 tỷ đồng, chiếm 13.6%. Năm 2003 đã thanh tra 14 dự án lớn với tổng mức
đầu tư là 8.193 tỷ đồng trong đó giá trị vốn đầu tư được thanh tra là 6.450 tỷ
đồng. Qua thanh tra đã phát hiện sai phạm về kinh tế là 1.235 tỷ đồng, chiếm
19% [10]. Hiện nay, ở diễn đàng Quốc hội đang tranh luận tỷ lệ thất thoát đầu
tư xây dựng cơ bản là 30-40% hay 10-20%, tuy nhiên ta dễ dàng nhận thấy tình
trạng này xảy ra hàng ngày và con số nào cũng thấy thất thoát là rất lớn.
Bên cạnh đó, tình trạng đầu tư dàn trải trong đầu tư bằng nguồn vốn nhà
nước đã gây ra lãng phí lớn dẫn đến hiệu quả đầu tư thấp. Biểu hiện của sự dàn
trải này là số dự án nhóm B, C (do các bộ, ngành, địa phương quyết định và bố
trí vốn đầu tư ). Trong các năm từ 2001-2004, số dự án thuộc loại này tăng liên
tục từ 6.942 dự án năm 2001 lên 12.355 dự án năm 2004, trong khi đó vốn bố trí
cho dự án lại có xu hướng giảm dần 5.33 tỷ đồng/dự án năm 2001 và 4.33 tỷ
đồng/dự án năm 2004. Việc đầu tư dàn trãi chính là rào cản ảnh hưởng đến thời
gian thi công công trình, làm cho nhiều dự án dở dang và chậm đưa vào sử dụng.
Bảng 1.5 : Tổng số các dự án đầu tư và quy mô bình quân mỗi dự án.
2001
2002
2003
2004
Tổng số dự án
6.942
7.605
10.596

12.355
Số dự án nhóm B, C tăng
+675
+2.978
+1.759
hàng năm
Các dự án nhóm B, C
6.854
7.529
10.507
12.266
Quy mô vốn bố trí bình
5.33
5.30
4.43
4.33
quân mỗi dự án ( tỷ đồng )
Nguồn : Bộ tài chính.

Một nguyên nhân khác là tình trạng thi công kéo dài làm cho công trình
vửa chậm hoàn thành, đưa vào hoạt động để thu hồi vốn, lỡ thời cơ, vừa làm cho
tổng tổng lượng vốn lớn hơn nữa trong khi lãi chồng lên vốn, nhất là nguồn vốn
ODA, nguồn vốn phải trả lãi ngay từ ngày vay.
Tình trạng nợ đọng vốn đầu tư xây dựng cơ bản cũng xem là rào cản cho
phát triển. Nợ đọng vốn đầu tư xây dựng cơ bản làm ảnh hưởng không chỉ đến
khả năng đầu tư của nhiều chủ dự án mà còn làm ảnh hưởng đến năng lực tài
chính của nhà thầu. Hiện nay nợ phải thu của DNNN bằng 51% tổng số vốn và
4

LUẬN VĂN TỐT NGHIỆP

23% tổng doanh thu của các DNNN. Theo Bộ Kế hoạch Đầu tư, hết năm 2003
tổng số nợ vốn đầu tư xây dựng cơ bản liên quan đến nguồn vốn ngân sách nhà
nước là 11.000 tỷ đồng, ngân sách trung ương đã phải bỏ ra trên 6000 tỷ đồng để
trả, nhưng đến đầu năm 2005, số nợ đó lại lên đến 13000 tỷ đồng và đến nay
còn cao hơn [10].
Việc đầu tư dàn trải và nợ đọng vốn đầu tư là hai rào cản có liên quan với
nhau và gây ra tiêu cực cho cả nhà thầu và cả nền kinh tế : hiệu quả đầu tư thấp
(dự án kéo dài, chi phí đầu tư lớn).
Một vấn đề khác của nền kinh tế Việt Nam nói chung và trong ngành
Xây dựng nói chung : Tham nhũng đã trở thành thói quen. Lợi ích cá nhân đã
thúc đẩy nhiều người thực hiện hành vi tham nhũng. Khi các cơ quan thanh tra,
kiểm tra bất cứ đâu điều phát hiện có những sai phạm và tiêu cực. Việt Nam
được 2.6 điểm trên thang điểm 10 của chỉ số nhận biết tham nhũng của tổ chức
Transparency International. Trong số những vụ án tham nhũng điển hình năm
2004, với 4/10 vụ ngành xây dựng là ngành có tình trạng tham nhũng cao nhất
Điển hình [10]:
Vụ đường dây 500KV Bắc–Nam. Một số đối tượng thuộc công ty Vinapol
(Hội Hữu nghị Việt Nam–Ba Lan) đã móc ngoặc với Bên A, công trình đường
dây 500 KV thông qua mua bán lòng vòng 4.000 tấn thép để thu lợi bất chính
trên 3 tỷ đồng. Kết quả, đã truy tố bộ trưởng năng lượng, một thứ trưởng, hai phó
tổng giám đốc, hai phó giám đốc và một số đối tượng liên quan.
Vụ khách sạn Bàn Cờ. Nguyễn Đăng Khoa (Phó Chủ tịch Uỷ ban nhân
dân quận 3, Thành phố Hồ Chí Minh), Nguyễn Văn Châu (Giám đốc công ty
Vật tư quận 3 ), Nguyễn Văn Phương (Kế toán trưởng khách sạn Bàn Cờ) đã lợi
dụng sự quản lý lỏng lẻo của các cơ quan nhà nước cố ý làm trái pháp luật để
tham ô 14 tỷ đồng thông qua mua sắm vật tư, xây dựng khách sạn Bàn Cờ. Các
đối tượng này điều bị truy tố, xét xử….
Vụ Xí nghiệp Xây dựng công trình giao thông. Bằng thủ đoạn lập chứng

từ khống, một số cán bộ lãnh đạo Xí nghiệp xây dựng công trình giao thông (Bộ
Giao Thông Vận Tải) đã gây thiệt hại cho nhà nước 26 tỷ đồng, trong đó tham ô
15 tỷ đồng.
Vụ Xí nghiệp xây dựng số 2. Phạm Văn Tạo (PGĐ Xí nghiệp xây dựng số
2, Tổng công ty Xây dựng công nghiệp) và đồng bọn tham ô 5 tỷ đồng trong quá
trình thi công 8 công trình tại Thanh Hóa và Hà Tónh thông qua việc lập khống
hoá đơn, chứng từ.
Gần đây nhất và được bao chí đề cập nhiều nhất là những sai phạm tại
ban quản lý các dự án 18 - PMU18. Đây được xem những sai phạm rất điển hình
của ngành xây dựng Việt Nam mà nguyên nhân chính là do tình trạng đầu tư
khép kín, theo cơ chế “xin – cho”. Sai phạm đã kéo dài suốt ba đời bộ trưởng và
5


LUẬN VĂN TỐT NGHIỆP

cho đến nay mới được đề cập. Dù sai phạm đang được điều tra nhưng đã có một
bộ trưởng buộc phải từ chức, nhiều quan chức cao cấp của chính phủ nằm trong
tình nghi, một thứ trưởng đang tạm giam cùng với tổng giám đốc, trưởng phòng
kế hoạch và nhiều đối tượng liên quan khác tại ban quản lý này.
I.2

Cơ sở chọn đề tài.

Như vậy, một cách thẳng thắn thừa nhận rằng, vấn đề của ngành Xây
dựng Việt Nam hiện nay hoặc trực tiếp hoặc gián tiếp là vấn đề con người. Qua
20 năm đổi mới và tiếp cận với nền kinh tế thị trường, Việt Nam đã có được một
đội ngũ cán bộ có khả năng, sẳn sàng đối mặt với những thách thức của hội
nhập. Vấn đề là họ có phát huy năng lực của mình hay tiếp tục bị sa lầy bởi
những rào cản trong nhận thức và cơ chế.

Trước hết, chúng ta phải giải quyết vấn đề quy hoạch và quyết định đầu
tư vì lãng phí trong khâu quy hoạch và quyết định đầu tư chiếm 60-70% tổng số
lãng phí, thất thoát [11].
Cùng với sự phát triển của nền kinh tế, vốn đầu tư dành riêng cho ngành
xây dựng tăng lên nhanh chóng. Việc quản lý hiệu quả nguồn vốn này thật sự là
khó khăn và thách thức với các nhà quản lý .
Bảng 1.6 : Vốn đầu tư phát triển dành cho ngành xây dựng.
Năm
Vốn đầu tư
(tỉ đồng)

1997

1998

1999

2000

2001

2002

2003

2004

3.251

3.663

2.942

3.563

9046

10.435

11.141

43.100

Nguồn : Kinh tế Việt Nam 2005-2006, Thời báo Kinh Tế Việt Nam.

Đã có nhiều nghiên cứu dưới nhiều góc độ khác nhau về thực trạng của
ngành xây dựng Việt Nam.
Nghiên cứu của Nguyen Duy Long, Stephen Ogunlana, Truong Quang, Ka
Chi Lam (2004, [12]) veà các dự án xây dựng lớn tại Việt Nam. Với năm vấn đề
xác định là rất thường gặp trong các dự án tại Việt Nam được đề cập trong
nghiên cứu : Dự án bị án hoãn, vượt chi phí, xảy ra tai nạn lao động, chất lượng
kém, và tranh chấp giữa các bên tham gia.
Bảng 1.7 : Bảng xếp hạng các vấn đề thường gặp trong ngành xây dựng.
Xếp hạng
1
2
3
4
5

Vấn đề
Dự án bị trì hoãn
Vượt chi phí
Tai nạn lao động
Chất lượng kém
Tranh chấp
Nguồn : Tài Liệu [12]

Trung bình
3.73
2.98
2.46
2.34
2.21
6

Độ lệch chuẩn
1.11
1.17
1.36
1.17
1.17


LUẬN VĂN TỐT NGHIỆP

Để ngành xây dựng đảm bảo được nhiệm vụ của mình trong nền kinh tế.
Các vấn đề trên cần phải nhanh chóng được cải thiện vì với trị trung bình trong
khoảng 3÷4 đồng nghóa với việc dự án bị trì hoãn và vượt chi phí hầu như xảy ra
với tất cả các dự án.

Vậy đâu là nhân tố để đánh giá một dự án thành công và nhân tố nào sẽ
tác động đến sự thành công của dự án.
Theo nghiên cứu của Nguyễn Duy Long, Đỗ Thị Xuân Lan (2003, [5]) về
các yếu tố thành công của dự án xây dựng. Dựa trên đánh giá được ghi nhận
dưới cả ba góc độ là chủ đầu tư, nhà thầu và đơn vị thiết kế. Các nhân tố sau sẽ
tác động đến sự thành công của dự án :
Bảng 1.8 : Xếp hạng các nhân tố ảnh hưởng đến sự thành công của dự án.
Xếp
Các yếu tố ảnh hưởng đến sự thành công
Chủ
Thiết
Nhà
hạng
của DA
đầu tư
kế
thầu
chung
Chủ nhiệm DA đủ năng lực
1
2
1
1
Đầy đủ tài chính để hoàn thành DA
2
1
3
3
Ban quản lý DA đủ năng lực
3

4
5
2
Quyết tâm đối với DA
4
3
2
5
Vật tư đầy đủ
5
8
3
4
Sự ủng hộ của lảnh đạo cấp cao
6
6
8
7
Dự toán chi phí chính xác
7
7
9
8
Giao thầu cho đúng đơn vị thiết kế, thi công
7
12
6
6
Mục tiêu và quy mô dự án rõ ràng
9

5
12
9
Hạn chế nạn quan liêu
10
10
7
14
Nguồn : [5]

Như vậy, để dự án thành công năng lực của các bên tham gia và sự quyết
tâm của các bên tham gia được đánh giá cao nhưng một nhân tố khác đó là việc
đảm bảo tài chính cho dự án cũng như dự toán chi phí chính xác cũng được đánh
giá cao. Điều này cho thấy việc xác định đúng chi phí xây dựng ảnh hưởng trực
tiếp và gián tiếp đến sự thành công của dự án.
Tại Nigeria, khi nghiên cứu về các nguyên nhân gây ra việc chậm tiến độ
và vượt chi phí trong các dự án xây dựng trong nước (1997, [13]), cũng giống
tình hình tại Việt Nam, các tác giả cũng nhận thấy trễ tiến độ là do quản lý nhà
thầu kém, tài chính không được đảm bảo, vật tư không đầy đủ, thay đổi trong
thiết kế … Vượt chi phí là do vật giá thay đổi, dự toán chi phí không chính xác,
và trễ tiến độ.
Như vậy, nâng cao năng lực các bên tham gia và hạn chế các rủi ro tài
chính sẽ góp phần đem lại thành công cho dự aùn.
7


LUẬN VĂN TỐT NGHIỆP

Tại Hong Kong, nghiên cứu của Syed M. Ahmed; Riaz Ahmad and Darshi
De Saram (1999, [8]) veà xu hướng rủi ro trong quản lý xây dựng cũng chỉ ra rủi

ro về tài chính dự án là rủi ro được nhà thầu và chủ đầu tư e ngại nhiều nhất.
Qua những nghiên cứu trên, việc chọn đề tài xác định chi phí xây dựng
dựa trên ứng dụng mạng neuron mờ là mong muốn đóng góp vào việc tìm ra cơ
sở để xác định chi phí thực của dự án để từ đó nhà quản lý đánh giá hiệu quả
đầu tư thực của dự án và có quyết định đầu tư đúng đắn.
Ứng dụng của mạng neuron mờ được biết như là một hệ thống tự động
giải quyết các vấn đề có các mối quan hệ phức tạp và các tình huống không dự
đoán được. Hệ thống này đang nhận được nhiều sự quan tâm ứng dụng trong
những năm gần đây. Đặc biệt trong lónh vực quản lý xây dựng ( John Seydel
1997, [4]).
I.3

Mục tiêu nghiên cứu

Nghiên cứu được thực hiện hướng tới ba mục tiêu :
Xâây dựng mô hình xác định chi phí xây dựng dựa trên ứng dụng mạng
neuron mờ.
Kiểm tra kết quả của mô hình bằng các dự án thực và so sánh kết quả với
mô hình hồi quy.
Phân tích các yếu tố tác động đến chi phí xây dựng trong các dự án.
Trong đó, theo thông tư 04/2005/TT-BXD, tổng mức đầu tư dự án đầu tư
xây dựng công trình bao gồm :
+ Chi phí xây dựng.
+ Chi phí thiết bị.
+ Chi phí đền bù giải phóng mặt bằng, tái định cư.
+ Chi phí quản lý dự án và chi phí khác.
+ Chi phí dự phòng.
Trong đó, chi phí xây dựng bao gồm :
+ Chi phí xây dựng các công trình, hạng mục công trình thuộc dự án.
+ Chi phí phá và tháo dỡ các vật kiến trúc cũ.

+ Chi phí san lấp mặt bằng xây dựng.
+ Chi phí xây dựng công trình tạm, công trình phụ trợ phục vụ thi công,
nhà tạm tại hiện trường để ở và điều hành thi công.

8


LUẬN VĂN TỐT NGHIỆP

I.4

Giới hạn của nghiên cứu

Xây dựng mô hình dự báo dựa trên các lý thuyết về mạng neuron và lý
thuyết mờ đã được áp dụng rộng rãi trong nhiều nghiên cứu vì những khả năng
giải quyết các mối quan hệ phức tạp trong các phân tích cũng như xử lý các tình
huống khó định lượng. Tuy nhiên, để mô hình dự báo chính xác, dữ liệu đưa vào
xây dựng mô hình phải đầy đủ và chính xác.
Đây cũng là một trong những hạn chế của nghiên cứu vì rất khó khả thi
để thu thập được đầy đủ dữ liệu trong một thời gian tương đối ngắn, hơn nữa
trong lónh vực xây dựng, thu thập đầy đủ thông tin về một dự án từ giai đoạn
chuẩn bị thực hiện đầu tư đến giai đoạn quyết toán công trình là rất hạn chế và
các thông tin năng lực của chủ đầu tư, các đơn vị tư vấn hay đơn vị thi công tham
gia dự án thường bị bóp méo.
Với 52 mẩu dữ liệu phần lớn từ các dự án dân dụng và công nghiệp đưa
vào huấn luyện mô hình, kết quả dự đoán chắc chắn có những sai lệch so với kết
quả thực mà mô hình mong muốn đạt được và sai lệch có thể lớn đối với các dự
án không thuộc nhóm dự án khảo sát .
Mặc dù vậy, ứng dụng của mạng neuron mờ trong việc xây dựng mô hình
cũng cho thấy những nhiều điểm tích cực và kết quả dự báo của mô hình nằm

trong sai số cho phép .

9


LUẬN VĂN TỐT NGHIỆP

CHƯƠNG II : TỔNG QUAN VỀ MẠNG NEURON MỜ.

II.1

Các nghiên cứu trước

Xây dựng mô hình xác định chi phí xây dựng đã được thực hiện trong
nhiều nghiên cứu trước đây. Dựa trên lý thuyết mô phỏng Monte Carlo, Ali
Touran và Lerdwuthirong Suphot thực hiện nghiên cứu “Rank Correlations in
Simulating Construction Costs” (1997, [3])
Khác biệt với các mô hình dự đoán dựa trên lý thuyết mô phỏng Monte
Carlo, mô hình mô phỏng của Ali Touran và Lerdwuthirong Suphot đã sử dụng
tương quan hạng Spearman để thay thế cho tương quan Pearson trong đánh giá
mức độ tương quan giữa các biến tác động đến chi phí xây dựng công trình.
Để xác định chi phí xây dựng công trình, các chi phí của các công tác phải
được xác định. Mỗi chi phí của mỗi công tác này có một phân phối xác suất phù
hợp. Ví dụ chi phí của công tác bêtông có phân phối xác suất Lognomal, công
tác metal có phân phối Beta, công tác cơ điện có phân phối Gamma, Erlang …
Phân phối của chi phí tổng có phân bố xác suất gamma.
Nghiên cứu cho thấy , khi sử dụng tương quan hạng Spearman phân phối
mô phỏng của biến chi phí tổng rất gần với phân phối thật của nó. Sai số lớn
nhất của giá trị trung bình và độ lệch chuẩn trong phân tích : 7.8%. Nguyên
nhân của sai số này chính là do sự lựa chọn phân phối xác suất của các biến đầu

vào cũng như sự tồn tại mối liên hệ phi tuyến giữa các biến trong mô hình. Đây
cũng chính là nhược điểm lớn nhất khi sử dụng lý thuyết mô phỏng Monte Carlo.
Dựa trên lý thuyết về GPM (General Performance Model) và đứng trên
quan điểm của chủ đầu tư, nghiên cứu của Luis Fernando Alarcon và Claudio
Muorgues(2002, [1]) đã đưa ra mô hình xác định chi phí xây dựng dựa trên giá
bỏ thầu của nhà thầu, khả năng tài chính, năng lực, kinh nghiệm thi công của
nhà thầu và những thông tin về tính chất của dự án .
Với các thông tin về giá bỏ thầu của nhà thầu, khả năng tài chính, năng
lực, kinh nghiệm thi công của nhà thầu và những thông tin về tính chất của dự
án, các chuyên gia nhiều kinh nghiệm của chủ đầu tư sẽ thực hiện đánh giá các
yếu tố đầu vào của mô hình (xây dựng dựa trên lý thuyết GPM).
Với mô hình này, chi phíù dự kiến mà nhà thầu sẽ cần để thực hiện thành
công dự án :
Estimated Cost
.P
Score for bid price =
Contractor ' s bid price
10


LUẬN VĂN TỐT NGHIỆP

Đây là mô hình tính cho kết quả khá chính xác (2002, [1]). Tuy nhiên, có
thể nhận thấy để cho ra kết quả chính xác các chuyên gia phải có năng lực và
nhiều kinh nghiệm để đánh giá chính xác các tham số của mô hình.
Năm 2003, dựa trên ứng dụng của mạng neuron nhân tạo (ANN-Artifitial
Neural Network), Mohamed Attalla và Tarek Hegazy (2003, [6]) xây dựng
mạng neuron để dự đoán chi phí xây dựng của các dự án sữa chửa, cải tạo và
xây mới thay thế công trình hiện hữu.
Từ các nghiên cứu trước về các yếu tố ảnh hưởng đến chi phí phát sinh

trong các công trình sữa chửa, cải tạo và xây mới thay thế công trình hiện hữu
bằng kỹ thuật phân tích thống kê, mười tám nhân tố tác động gồm chi phí xây
dựng, tiến độ, chất lượng công trình, vấn đề an toàn lao động, điều kiện công
trường, hệ thống thông tin … được đưa vào mô hình xây dựng dựa trên mạng
neuron nhân tạo.
Và để kiểm tra tính chính xác của kết quả tính trong mô hình dựa trên
mạng neuron nhân tạo, mô hình hồi quy được xây dựng đồng thời để kiểm chứng
kết quả này. Kết quả nghiên cứu cho thấy : Cả hai mô hình điều cho kết quả
chính xác như nhau.
Tuy nhiên, dựa trên ứng dụng của mạng neuron nhân tạo, mô hình giải
quyết được các vấn đề mang tính không chắc chắn của dữ liệu thu thập tốt hơn
so với kết quả của mô hình hồi quy. Hơn nữa, mô hình dựa trên ứng dụng mạng
neuron nhân tạo cho thấy có thể phân tích nhiều yếu tố ảnh hưởng đến chi phí
xây dựng hơn mô hình hồi quy.
Vì một số nhược điểm của mạng neuron nhân tạo : Không xử lý được
trong trường hợp biến đầu vào không thể định lượng được .
Maged E. Georgy, Luh-Maan Chang và Lei Zhang (2005, [2]) cũng thực
hiện xây dựng mô hình đánh giá những giá trị đạt được của dự án dựa trên ứng
dụng của mạng neuron mờ (FNN-Fuzzy Neural Network). Giá trị đạt được của
dự án : Sự chậm trể so với tiến độ chi tiết, vượt chi phí so với dự toán chi tiết,
thiết kế lại, khoảng tiền tiết kiệm được nhờ áp dụng constructability, chi phí gia
tăng do thiết kế tồi…
Cũng như mô hình dựa trên mạng neuron nhân tạo, các yếu tố ảnh hưởng
đến các giá trị đạt được của dự án được đưa vào phân tích trong mạng neuron
mờ FNN.
Kết quả nghiên cứu cho thấy, mô hình đánh giá dựa trên ứng dụng FNNs
cho kết quả tương đối chính xác dù số liệu thu thập được khá không đầy đủ.
Bên cạnh đó cũng có nhiều nghiên cứu khác về vấn đề chi phí xây dựng
như nghiên cứu của D.K.H Chua (2000, [7]) nghiên cứu các nhân tố tác đôïng
đến chi phí xây dựng trong mô hình xác định giá bỏ thầu .

11


LUẬN VĂN TỐT NGHIỆP

Tại Việt Nam, có nhiều nghiên cứu khám phá về thực trạng ngành xây
dựng. Điển hình :
Nghiên cứu về các vấn đề thành công của dự án của Nguyen Duy Long
và Do thi Xuan Lan (2003, [5]). Nghiên cứu đã xác định những nhân tố tạo ra sự
thành công của dự án và các các yếu tố thành công của dự án tại Việt Nam.
Nghiên cứu của Nguyen Duy Long, Stephen Ogunlana, Truong Quang,
Ka Chi Lam (2004, [12]) về các dự án xây dựng lớn tại Việt Nam đã tìm ra các
vấn đề thường xảy ra trong các dự án tại Việt Nam, xếp hạng nguyên nhân và
xếp hạng mức độ ảnh hưởng của các nhân tố gây ra các vấn đề này.
Các nghiên cứu trên là các nghiên cứu khám phá. Đây là cơ sở để thực
hiện các nghiên cứu sâu hơn về đề tài quản lý xây dựng.

12


LUẬN VĂN TỐT NGHIỆP

II.2

Nền tảng của neuron mờ

II.2.1 Mạng neuron nhân tạo ( Artifitial Neural Network)
Mạng neuron nhân tạo được xem như một mô hình toán học đơn giản mô
phỏng bộ não con người. Mạng được xây dựng từ ý tưởng đầu tiên của Mc.
Culloch & Pitts (1943).

Thành phần cơ bản của mạng neuron gồm có phần tử xử lý, mô hình kết
nối và chương trình huấn luyện mạng.
−1

x1

θ1

v11

z1
x2

f a(f)

v12
v21

w1

v13
f a(f)

v22
v14
x3

z2

v23

f a(f)

v24
θ 21

x4

y

w2
θ
−1

−1

Phần tử xử lý

Hình 2.1 : Cấu tạo của mạng neuron nhân tạo.

Mỗi neuron được cấu tạo từ nhiều thân neuron. Mỗi thân neuron là một
phần tử xử lý. Mỗi phần tử xử lý có vai trò tổng hợp các thông tin từ nguồn bên
ngoài hoặc từ các phần tử xử lý khác và truyền đạt lại các thông tin lên phần tử
xử lý tiếp nhận.
Mỗi phần tử xử lý có nhiều đầu vào và một đầu ra. Để kết hợp các đầu
vào của phần tử xử lý, một hàm tổng hợp f có chức năng tổng hợp tất cả các
thông tin từ các nguồn bên ngoài hoặc từ nhiều phần tử xử lý khác gửi đến và để
truyền thông tin đến mỗi phần tử xử lý sau đó, một hàm tác động hay còn gọi là
hàm truyền đạt a(f) có nhiệm vụ xử lý thông tin và truyền đi.
Hàm tổng hợp

Nếu xj là đầu vào từ môi trường bên ngoài hoặc đầu ra của một phần tử
xử lý thứ j, wij là trọng số kết nối giữa xj và phần tử xử lý thứ i và θI là giá trị
ngưỡng của phần tử xử lý thứ i, thì hàm tổng hợp fi để kết hợp tất cả các thông
tin từ các đầu vào của phần tử xử lý i được định nghóa một trong các dạng như
sau :
13


LUẬN VĂN TỐT NGHIỆP

Hàm tổng hợp tuyến tính :
f=

m

∑w
j =1

ij

× x j − θi

Hàm tổng hợp phi tuyến bình phương:
f=

m

∑ w ij × x 2j − θ i
j =1

Hàm tác động

Kết hợp đầu ra của phần tử xử lý thứ i là một hàm tác động còn gọi là
hàm truyền đạt a(f). Một số hàm truyền được sử dụng :
Hàm bậc thang đơn vị :
⎧1 f ≥ 0
a(f) = ⎨
⎩0 f < 0
Haøm signum :

⎧1
a(f) = ⎨
⎩− 1

f ≥0
f <0

Haøm tuyến tính : a(f) = f
1
1 + e − λf
2
Hàm Bipolar sigmoid : a(f) =
−1
1 + e − λf

Haøm Unipolar sigmoid : a(f) =

Mô hình kết nối

Thành phần quan trọng thứ hai của mạng neuron nhân tạo đó là mô hình

kết nối. Trên cơ sở mô hình kết nối, mạng neuron nhân tạo có thể phân thành
hai loại đó là mạng truyền thẳng (feedforward network) và mạng hồi tiếp
(feedback network).
Mạng truyền thẳng được xây dựng bằng cách : Đầu ra của neuron ở lớp
đứng trước là đầu vào của các neuron lớp đứng sau.
Mạng hồi tiếp được xây dựng : Các đầu ra của neuron của lớp được định
hướng lùi về làm đầu vào cho các neuron ở cùng lớp hay lớp đứng trước nó.

14


LUẬN VĂN TỐT NGHIỆP

Hình 2.2 : Mạng truyền thẳng nhiều lớp.

Hình 2.3 : Mạng hồi tiếp nhiều lớp.

Nếu mạng hồi tiếp mà các đầu ra của các đầu ra của lớp neuron đầu ra là
các đầu vào của lớp neuron đầu vào thì được gọi là mạng hồi quy hay mạng hồi
tiếp vòng kín. Ban đầu mạng nhận các đầu vào từ môi trường ngoài, sau đó
thông qua việc huấn luyện các đầu ra cũng là chính là đầu vào của mạng.

Hình 2.4: Mạng hồi quy nhiều lớp.

II.2.2 Luật học thông số tổng quát cho các mạng neuron nhân tạo

Thành phần quan trọng thứ ba của mạng neuron đó là việc huấn luyện
mạng hay còn gọi là việc học cho mạng sử dụng các luật học khác nhau. Có hai
cách học khác nhau trong mạng neuron nhân tạo : Học thông số (parameter
learning) và học cấu trúc (structure learning).

Học thông số là phương pháp học bằng cách cập nhật trọng số kết nối và
học cấu trúc là phương pháp học bằng cách thay đổi bên trong cấu trúc mạng
bao gồm số các phần tử xử lý và các mô hình kết nối mạng.

15


LUẬN VĂN TỐT NGHIỆP

Giả sử có n phần tử xử lý trong một mạng neuron nhân tạo và mỗi phần tử
xử lý có chính xác m trọng số thích nghi. Ma trận trọng số W được định nghóa
bằng :
⎡w1T ⎤ ⎡ w11 w12
w1m ⎤
⎢ T⎥ ⎢
w2 m ⎥⎥
⎢w2 ⎥ ⎢w21 w22
⎥
W= ⎢ ⎥ = ⎢
⎢ ⎥ ⎢
⎥
⎢ ⎥ ⎢
⎥
⎢wT ⎥ ⎢ w
wnm ⎥⎦
⎣ n ⎦ ⎣ n1 wn2
Trong đó wi = (wi1, wi2, …, wim), i = 1, 2 …n
n : là vectơ trọng số của phần tử xử lý thứ i
wij : là trọng số để kết nối phần tử xử lý thứ j và phần tử xử lý thứ i.
Giả sử ta đã có ma trận trọng số mong muốn W chứa tất cả các phần tử

thích nghi của mạng. Vấn đề đặt ra là tìm cách nào để tìm ra một ma trận trọng
số thực sự của mạng xấp xỉ với ma trận W trong quá trình xử lý thông tin ? Để
làm được điều này, luật học thông số tổng quát được phát triển nhằm cập nhật
ma trận trọng số sao cho có được một ma trận trọng số thực sự của mạng xấp xỉ
với ma trận trọng số mong muốn của mạng.
Một cách tổng quát, học thông số có thể chia làm ba chế độ học : Học
giám sát, học củng cố và họ không giám sát.
Học giám sát

Trong cách học giám sát, mạng neuron nhân tạo được cung cấp một dãy
các cặp đầu vào, đầu ra mong muốn : (x(1), d(1)), (x(2), d(2)), …, (x(k), d(k)). Khi mỗi
đầu vào x(k) được đặt vào mạng thì đầu ra mong muốn tương ứng d(k) và đầu ra
mong muốn d(k) được giám sát trong khâu phát sinh tín hiệu sai số. Trọng số kết
nối giữa các neuron trong mạng này sẽ được cập nhật sử dụng tín hiệu sai lệch
này sao cho đầu ra thật sự của mạng sẽ tiến đến đầu ra mong muốn của mạng
X
(Đầu vào)

Mạng
neuron W

Tín hiệu sai số

Y (Đầu ra thực sự)

Khâu phát sinh
tín hiệu sai số

d (Đầu ra mong muốn)

Hình 2.5 : Mô tả cách học giám sát của một mạng neuron nhân tạo
16


LUẬN VĂN TỐT NGHIỆP

Học củng cố

Trong cách học giám sát ta giả định mỗi đầu ra mong muốn của mạng
phải được biết trước cho mỗi đầu vào của mạng. Tuy nhiên, trong một vài tình
huống nào có thể thiếu thông tin chi tiết : mạng vẫn được cung cấp các mẫu đầu
vào mong muốn nhưng mạng không được cung cấp rõ ràng các mẫu đầu ra mong
muốn. Học dựa trên cơ sở loại các thông tin đánh giá đúng hay sai từ thông tin
hồi tiếp từ đầu ra của mạng được gọi là học củng cố và thống tin hồi tiếp được
gọi là thông tin củng cố.

X
(Đầu vào)

Mạng
neuron W

Tín hiệu củng cố

Y (Đầu ra thực sự)

Khâu phát sinh
tín hiệu sai số

Tín hiệu củng cố

Hình 2.6 : Mô tả cách học củng cố của một mạng neuron nhân tạo

Học củng cố là một dạng học có giám sát vì mạng vẫn nhận một vài
thông tin hồi tiếp từ môi trường của nó.
Học không giám sát

Trong cách học không giám sát, không có bất kỳ một thông tin hồi tiếp
nào từ môi trường để xác nhận kết quả đầu ra đúng hay sai. Trong cách học này,
mạng chỉ được cung cấp các mẫu đầu vào và mạng tự điều chỉnh các trọng số
kết nối giữa các neuron trong mạng bằng cách sử dụng các mẫu đầu ra thực sự
của mạng.
X
(Đầu vào)

Mạng
neuron W

Y (Đầu ra thực sự)

Hình 2.7 : Mô tả cách học không giám sát của một mạng neuron nhân
tạo
17


LUẬN VĂN TỐT NGHIỆP

Trong các mô hình học trên, giá trị ngưỡng θ của neuron thứ i có thể được
đưa vào việc học. Nó được xem như là một trọng số Wmi bằng cách gán cho
vectơ đầu vào xm giá trị cố định : xm = -1.

x1
x2
xn = -1

wi1
wi2

Neuron i
yi

win = θ
Δwi
Bộ phát sinh tín
hiệu học

r

x

di

η

Hình 2.8 : Mô tả luật học thông số tổng quát cho một phần tử xử lí thứ i

sau :

Luật học trọng số tổng quát trong các mạng neuron được định nghóa như

Δwi(t) = ηrX(t).

Trong đó : Δwi(t) là sự gia tăng của vectơ trọng số tại mỗi bước học.
η : hằng số học (learning constant) để xác định tốc độ học trong mạng.
Do vậy, tại bước học t+1 vectơ trọng số có thể cải tiến bằng công thức :
wi(t+1) = wi(t) + ηrX(t).
Nếu là chế độ học giám sát thì tín hiệu học r được biểu diễn bằng một
hàm có dạng tổng quát :
r = fr (wi, X, di) = di - yi
Nếu là chế độ học củng cố thì tín hiệu học r được biểu diễn bằng một
hàm có dạng tổng quát :
r = fr (wi, X, di) = di
Nếu là chế độ học không giám sát thì tín hiệu học r được biểu diễn bằng
một hàm có dạng tổng quát :
r = fr (wi, X, di) = yi
Nếu việc học được thực hiện liên tục, phương trình dưới đây được dùng để
cập nhật vectơ trọng số tại thời điểm (t+1)

∂wi (t )
= ηrX (t )
∂t
18