Ước lượng chi phí xây dựng đường hầm dẫn nước tại việt nam

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

NGUYỄN HỮU DƯƠNG

ƯỚC LƯỢNG CHI PHÍ XÂY DỰNG
ĐƯỜNG HẦM DẪN NƯỚC TẠI VIỆT NAM
Chuyên ngành : CÔNG NGHỆ VÀ QUẢN LÝ XÂY DỰNG

LUẬN VĂN THẠC SĨ

TP. HỒ CHÍ MINH, tháng 1 năm 2011


CƠNG TRÌNH ĐƯỢC HỒN THÀNH TẠI
TRƯỜNG ĐẠI HỌC BÁCH KHOA
ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH

Cán bộ hướng dẫn khoa học: PGS. TS. NGUYỄN THỐNG

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

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

Luận văn thạc sĩ được bảo vệ tại HỘI ĐỒNG CHẤM BẢO VỆ LUẬN VĂN THẠC SĨ
TRƯỜNG ĐẠI HỌC BÁCH KHOA, ngày . . . . . tháng . .01 . . năm . .2011. . .

- ii -

TRƯỜNG ĐẠI HỌC BÁCH KHOA

VIỆT NAM CỘNG HÒA XÃ HỘI CHỦ NGHĨA

Độc Lập - Tự Do - Hạnh Phúc

KHOA KỸ THUẬT XÂY DỰNG

----------------

---oOo--Tp. HCM, ngày 20 tháng 12 năm 2010

NHIỆM VỤ LUẬN VĂN THẠC SĨ
Họ và tên học viên: NGUYỄN HỮU DƯƠNG

Phái: NAM

Ngày, tháng, năm sinh: 28-04-1979

Nơi sinh: NGHỆ AN

Chuyên ngành: CÔNG NGHỆ & QUẢN LÝ XÂY DỰNG

Mã ngành: 60.58.90

MSHV: 00808563
1. TÊN ĐỀ TÀI: ƯỚC LƯỢNG CHI PHÍ XÂY DỰNG ĐƯỜNG HẦM DẪN
NƯỚC TẠI VIỆT NAM
2. NHIỆM VỤ LUẬN VĂN: Luận văn bao gồm các nội dung sau:
−

Giới thiệu

−

Phương pháp và công cụ nghiên cứu.

−

Thu thập và xử lý số liệu.

−

Huấn luyện dữ liệu bằng SPSS18

−

Chương trình ứng dụng kết quả huấn luyện mạng Neural Networks

−

Kết luậnvà kiến nghị.

3. NGÀY GIAO NHIỆM VỤ : …9 - 2010
4. NGÀY HOÀN THÀNH NHIỆM VỤ : . . . . 20-12-2010. . . . . . . . . . . . . . . . .
5. HỌ VÀ TÊN CÁN BỘ HƯỚNG DẪN: PGS. TS. NGUYỄN THỐNG.
Nội dung và đề cương Luận văn thạc sĩ đã được Hội Đồng Chuyên Ngành thông qua.
CÁN BỘ HƯỚNG DẪN

CHỦ NHIỆM BỘ MÔN

QUẢN LÝ CHUYÊN NGÀNH

PGS. TS. Nguyễn Thống

TS. Lương Đức Long

- iii -

KHOA QL CHUYÊN NGÀNH


LỜI CẢM ƠN
Luận văn Thạc sĩ kỹ thuật với đề tài “Ước lượng chi phí xây dựng đường hầm
dẫn nước” được thực hiện với kiến thức tác giả thu nhận trong suốt quá trình học
tập tại trường. Cùng với sự cố gắng của bản thân là sự giúp đỡ, động viên của các
thầy cô, bạn bè, đồng nghiệp và gia đình trong suốt quá trình học tập và thực hiện
luận văn.
Tôi xin gởi lời cảm ơn chân thành đến PGS.TS. Nguyễn Thống đã nhiệt tình hướng
dẫn, động viên tơi trong suốt quá trình thực hiện luận văn.
Xin gửi lời cảm ơn đến quý thầy cô bộ môn Thi Công và quản lý xây dựng, những
người đã cho tôi những kiến thức và kinh nghiệm quý báu trong suốt quá trình học
tập tại trường.
Xin gửi lời cảm ơn đến các học viên chun ngành Cơng Nghệ và Quản Lý Xây
Dựng khóa 2008, những người bạn đã đồng hành và giúp đỡ tơi trong suốt q trình
học.
Xin gửi lời cảm ơn đến các đồng nghiệp công ty Cổ phần Tư vấn Xây dựng điện 2,
Các bạn học lớp 42TĐ Trường Đại Học Xây Dựng Hà Nội những người đã tạo điều
kiện và giúp đỡ rất nhiều trong suốt quá trình thu thập dữ liệu thực hiện luận văn.
Cuối cùng, tôi xin cảm ơn vợ và gia đình đã động viên và tạo điều kiện tốt nhất cho
tôi trong những năm tháng học tập tại trường.

Luận văn được hồn thành nhưng khơng thể tránh được những thiếu sót và hạn chế.
Rất mong nhận được sự đóng góp của q thầy cơ, bạn bè và đồng nghiệp để luận
văn được hồn thiện và có ý nghĩa thực tiễn.
Trân trọng!
T.P. Hồ Chí Minh 20 tháng 12 năm 2010

Nguyễn Hữu Dương

- iv -


TÓM TẮT LUẬN VĂN

Trong những năm gần đây cùng với sự phát triển của ngành xây dựng và ngành điện
,hầm dẫn nước được xây dựng nhiều tại Việt Nam, đặc biệt là trong các dự án thủy
lợi, thủy điện. Các dự án xây dựng thủy lợi, thủy điện hầm được sử dụng nhiều
trong việc dẫn nước phục vụ cho công tác tưới tiêu, phát điện và dẫn dịng thi cơng.
Do chi phí xây dựng hầm phụ thuộc rất nhiều vào điều kiện địa chất và địa chất
thủy văn, điều kiện tải trọng, hình dạng mặt cắt ngang. Trong tính tốn chi phí xây
dựng có nhiều loại hình cơng việc khác nhau. Nên việc xác định dự toán hầm tốn
nhiều thời gian và nhân lực. Từ những lý do trên mục tiêu của đề tài là xác định các
nhân tố chính ảnh hưởng đến chi phí xây dựng hầm, thiết lập một cơng cụ tính tốn
ước lượng chi phí xây dựng hầm dựa trên bộ dữ liệu quá khứ bằng công cụ mạng
Neuron nhân tạo. Từ kết quả tính tốn xây dựng cơng cụ ước lượng chi phí xây
dựng hầm dựa trên ngơn ngữ lập trình Visual Basic 2008 nhằm giúp cho tư vấn thiết
kế, chủ đầu tư, nhà thầu có thêm một cơng cụ tính tốn chi phí hầm dẫn nước ngay
cả khi chưa có thiết kế chi tiết.

-v-

ABSTRACT

In recent years, along with the development of construction industry and power
sector in Vietnam , water tunnels has been applied in many projects, especially in
irrigational projects, hydro power projects. In these, the tunnels play roles as
leading water for irrigation, making power generation and diversion of construction.
Overhead charges of a tunnel depends very much on geological conditions,
hydrogeologic condition, design load and shape of cross section. In the other hand,
In calculating the cost of construction, we find a lot of things to be done, that they
will spend lot of time and man power. Because of above factors, this subject
focuses on two aims:
1. Identifing factors which impact on overhead charges of a tunnel
2. Using Artificial Neural Network and available database to estimate a results
overhead charges of a tunnel
The results from Visual Basic 2008 programming language will help Engineering
Consultants, Investors, Bidders can estimate a results overhead charges of a tunnel
even before having detailed design.

- vi -


MỤC LỤC
CHƯƠNG I: GIỚI THIỆU...........................................................................................1
I.1.

Cơ sở hình thành đề tài........................................................................................ 1

I.2.

Mục tiêu nghiên cứu............................................................................................ 1

I.3.

Phạm vi nghiên cứu............................................................................................. 2

I.4.

Lược khảo các nghiên cứu có liên quan đến luận văn. ....................................... 2

I.4.1. Ngoài nước. ..........................................................................................................2
I.4.2. Trong nước. ..........................................................................................................3
CHƯƠNG II: PHƯƠNG PHÁP VÀ CƠNG CỤ NGHIÊN CỨU.............................5
II.1.

Phương pháp nghiên cứu..................................................................................... 5

II.2.

Cơng cụ nghiên cứu............................................................................................. 6

II.2.1. Lý thuyết về thống kê dữ liệu sử dụng trong đề tài nghiên cứu...........................6
II.2.2. Giới thiệu mạng Neuron nhân tạo. .......................................................................7
CHƯƠNG III: THU THẬP VÀ XỬ LÝ SỐ LIỆU ..................................................22
III.1. Chi phí xây dựng đường hầm dẫn nước và các nhân tố ảnh hưởng.................. 22
III.1.1.Đặc điểm của hầm dẫn nước trong nền đá. ........................................................22
III.1.2.Từ các nghiên cứu đã thực hiện. ........................................................................25
III.1.3.Các nhân tố ảnh hưởng đến chi phí xây dựng hầm dẫn nước. ...........................25
III.2. Bảng câu hỏi khảo sát nhân tố ảnh hưởng. ....................................................... 26
III.3. Kích thước mẫu dùng khảo sát nhân tố ảnh hưởng........................................... 27

III.4. Khảo sát các nhân tố ảnh hưởng. ...................................................................... 28
III.5. Thu thập số liệu từ các cơng trình, dự án thực tế. ............................................. 32
III.5.1.Bảng thu thập dự liệu. ........................................................................................32
III.5.2.Phương pháp thu thập và xử lý dữ liệu. .............................................................33
CHƯƠNG IV: HUẤN LUYỆN TẬP MẪU DỮ LIỆU BẰNG SPSS 18.................44
IV.1. Huấn luyện mạng Neuron trong SPSS 18. ........................................................ 44
IV.2. Kết quả quá trình huấn luyện tập mẫu dữ liệu. ................................................. 45
IV.2.1.

Các trường hợp lựa chọn huấn luyện mạng................................................45

IV.2.2.

Kết quả tính tốn và kiểm tra của mơ hình chọn . ......................................54

- vii -


CHƯƠNG V: CHƯƠNG TRÌNH ỨNG DỤNG KẾT QUẢ HUẤN LUYỆN
MẠNG NEURAL NETWORKS................................................................................64
V.1.

Cơ sở lập trình và mục tiêu chương trình.......................................................... 64

V.2.

Lập trình Visual basic 2008. ............................................................................. 65

V.2.1. Áp dụng ước tính chi phí hầm dẫn nước thủy điện tích năng Bác Ái................68
CHƯƠNG VI: KẾT LUẬN VÀ KIẾN NGHỊ ..........................................................71

VI.1. Kết luận mơ hình ước tính chi phí xây dựng hầm dẫn nước............................. 71
VI.2. Kiến nghị và hướng phát triển đề tài................................................................. 72
PHỤ LỤC I: BẢNG CÂU HỎI KHẢO SÁT NHÂN TỐ ẢNH HƯỞNG CHI
PHÍ XÂY DỰNG HẦM DẪN NƯỚC

76

PHỤ LỤC II: MÃ CODE CHƯƠNG TRÌNH

79

PHỤ LỤC III:

GIỚI THIỆU VÀ HƯỚNG DẪN SỬ DỤNG CHƯƠNG

TRÌNH

90

PHỤ LỤC III: GIAO DIỆN CẬP NHẬT BỘ TRONG SỐ CỦA CHƯƠNG
TRÌNH

91

- viii -


DANH MỤC HÌNH
Hình:II.1: Quy trình nghiên cứu ........................................................................... 6
Hình:II.2: Mơ hình Neuron sinh học..................................................................... 9

Hình:II.3: Mơ hình phi tuyến của một Neuron ................................................... 11
Hình:II.4: (a) Hàm Heaviside, (b) Hàm vùng tuyến tính.................................... 12
Hình:II.5: (c) Hàm sigma với tham số độ dốc a thay đổi, (d) Hàm tansig ......... 13
Hình:II.6: Cấu trúc cơ bản một ANN 2 tín hiệu vào (p1,p2), 2 thơng tin ra
(a1,a2), mạng có 2 lớp ẩn và các trọng số liên kết các Neuron w............................ 14
Hình:II.7: ANN truyền thẳng nhiều lớp............................................................. 14
Hình:II.8: ANN hồi quy [8] ................................................................................ 15
Hình:II.9: Minh họa về huấn luyện ANN với input và target tương ứng[8] ..... 16
Hình:II.10: Mơ hình học có giám sát và học củng cố [8] ..................................... 18
Hình:II.11: Mơ hình học khơng có giám sát [8] ................................................... 18
Hình:II.12: Sơ đồ cấu trúc chung của quá trình học [8] ....................................... 19
Hình:II.13: Trình tự các bước thực hiện xây dựng mạng ANN............................ 21
Hình:III. 1. Hình thức gia cố tạm hầm phụ thuộc vào chiêù rộng hầm và chỉ tiêu
23
địa chất tổng hợp Q [11]
Hình:III. 2. Biểu đồ phân bố kinh nghiệm làm việc đối tượng khảo sát............... 29
Hình:III. 3. Biểu đồ phân bố vị trí cơng tác của đối tượng khảo sát..................... 30
Hình:III. 4. Biểu đồ phân bố chức danh đối tượng khảo sát ................................. 31
Hình:III. 5. Biểu đồ phân bố số lượng dự án hầm dẫn nước đã tham gia của đối
tượng khảo sát .......................................................................................................... 31
Hình:IV. 1. Khởi động chương trình và nhập dữ liệu 45
Hình:IV. 2. Giao diện lựa chọn phương pháp scale giá trị các nhân tố đầu vào... 46
Hình:IV. 3. Biểu đồ “MSE training” các mơ hình một lớp ẩn ............................. 54
Hình:IV. 4. Sơ đồ mạng neuron mơ hình chọn (Network Diagram)..................... 57
Hình:IV. 5. Giá trị dự báo...................................................................................... 61
Hình:IV. 6. Biểu đồ quan sát sự sai lệch của các giá trị dự báo so với giá trị thực
tế (Residual by Predicted Chart). ............................................................................. 62
Hình:V. 1. : Trình tự các bước thực hiện dự báo.
66
Hình:V. 2. Giao diện chương trình ‘’ước tính chi phí xây dựng đường hầm dẫn

68
nước’’

- ix -


DANH MỤC BẢNG
Bảng III. 1: Bảng tổng hợp các nhân tố ảnh hưởng đến chi phí xây dựng hầm dẫn
nước tại Việt Nam .................................................................................................... 25
Bảng III. 2: Bảng xếp hạng các nhân tố ảnh hưởng................................................ 28
Bảng III. 3: Phân bố kinh nghiệm làm việc đối tượng khảo sát ............................. 29
Bảng III. 4: Phân bố vị trí cơng tác đối tượng khảo sát .......................................... 30
Bảng III. 5: Phân bố chức danh đối tượng khảo sát................................................ 30
Bảng III. 6: Bảng thu thập dữ liệu .......................................................................... 32
Bảng III. 7: Mã hiệu cơng trình. ............................................................................ 35
Bảng III. 8: Tổng hợp dữ liệu các công trình, dự án thu thập................................. 37
Bảng III. 9: Tổng hợp dữ liệu các cơng trình, dự án thu thập quy đổi về quý 4 năm
41
2009.
Bảng IV. 1: Đặt mã các nhân tố ảnh hưởng
44
Bảng IV. 2: Kết quả huấn luyện (training) các phương pháp scale giá trị các nhân tố
47
đầu vào.
Bảng IV. 3: Kết quả kiểm tra (testing) các phương pháp scale giá trị các nhân tố
48
đầu vào.
Bảng IV. 4: “Mean squared error” các phương pháp scale giá trị các nhân tố đầu
48
vào

Bảng IV. 5: Kết quả huấn luyện (training) các trường hợp một lớp ẩn .................. 49
Bảng IV. 6: Kết quả kiểm tra (testing) các trường hợp một lớp ẩn......................... 50
Bảng IV. 7: Kết quả huấn luyện (training) các trường hợp hai lớp ẩn.................... 50
Bảng IV. 8: Kết quả kiểm tra (testing) các trường hợp hai lớp ẩn.......................... 53
Bảng IV. 9: “Mean squared error” các mơ hình một lớp ẩn ................................... 53
Bảng IV. 10: “Mean squared error” các mô hình hai lớp ẩn................................... 54
Bảng IV. 11: Bảng thơng tin huấn luyện mạng (Case Processing Summary). ....... 55
Bảng IV. 12: Thơng tin chung về mơ hình chọn (Network Information). .............. 56
Bảng IV. 13: Kết quả tổng hợp của mơ hình chọn (Model summary).................... 58
Bảng IV. 14: Tổng hợp các trọng số liên kết của các neoron (Parameter Estimates )
mơ hình chọn. ........................................................................................................... 59
Bảng IV. 15: Kết quả huấn luyện (training) mơ hình chọn..................................... 62
Bảng IV. 16: Kết quả kiểm tra (testing) mơ hình chọn ........................................... 63
Bảng V. 1: Bảng thơng số đầu vào của hầm dẫn nước thủy điện tích năng Bác Ái
69
Bảng V. 2: Kết quả ước lượng chi phí xây dựng hầm dẫn nước thủy điện tích năng
70
Bác Ái.
Bảng VI. 1: Giới hạn nhân tố đầu vào của chương trình ứng dụng
72

-x-


CHƯƠNG I: GIỚI THIỆU
I.1. Cơ sở hình thành đề tài.
Trong những năm gần đây cùng với sự phát triển của ngành xây dựng và ngành
điện hầm dẫn nước được xây dựng nhiều tại Việt Nam, đặc biệt là trong các dự án
thủy lợi, thủy điện.
Các dự án xây dựng thủy lợi, thủy điện hầm dẫn nước được sử dụng trong việc dẫn

nước phục vụ cho công tác tưới, tiêu, phát điện và dẫn dịng thi cơng.
Do đặc thù có nhiều loại hình cơng việc khác nhau trong tính tốn dự tốn, khái
tốn bao gồm:
−

Cơng tác đào và gia cố tạm.

−

Cơng tác bê tông cốt thép, cốp pha, lắp đặt thiết bị quan trắc

−

Cơng tác khoan phụt gia cố, khoan thốt nước.

−

Cơng tác thơng gió, thốt nước , cấp điện trong q trình thi cơng.

Chi phí xây dựng hầm phụ thuộc rất nhiều vào điều kiện địa chất và địa chất thủy
văn. Tải trọng tác dụng khác biệt và biến động nhiều dọc theo hầm tùy theo mực
nước ngầm và áp lực nước trong hầm. Hình dạng mặt cắt ngang hầm trong các dự
án thường khác nhau, hầm trung bình và lớn mặt cắt ngang thường hình trịn, hầm
bé mặt cắt ngang hình móng ngựa để đáp ứng u cầu giao thơng trong q trình thi
cơng .
Do vậy việc tính tốn chi phí cho đường hầm trong các giai đoạn thiết kế tốn nhiều
thời gian và công sức.
Từ những lý do trên mục tiêu của đề tài là thiết lập một cơng cụ tính tốn ước
lượng chi phí xây dựng hầm dẫn bằng công cụ mạng neuron nhân tạo (Artificial
neural network – ANN) nhằm giúp cho tư vấn thiết kế, chủ đầu tư, nhà thầu có

thêm một phương pháp tính tốn ước lượng dự tốn chi phí xây dựng hầm ngay cả
khi chưa có thiết kế chi tiết.
I.2. Mục tiêu nghiên cứu.
Nghiên cứu này thực hiện với mục tiêu :
−

Xác định các nhân tố chính ảnh hưởng chính đến chi phí thi công xây dựng
hầm dẫn nước.

~ 1 ~ 


−

Sử dụng cơng cụ ANN để xây dựng mơ hình ước lượng chi phí xây dựng hầm
dẫn nước tại Việt Nam.

−

Kiểm tra, đánh giá kết quả mơ hình và so sánh kết quả so với thực tế, đánh giá
độ chính xác và khả năng ứng dụng mơ hình vào thực tế.

−

Viết chương trình ứng dụng các kết quả nghiên cứu nhằm tạo ra một giao diện
thân thiện, dễ sử dụng. Đây có thể xem như một phương pháp tiếp cận mới,
một công cụ giúp cho chủ đầu tư, tư vấn thiết kế và đơn vị thi cơng tính tốn
nhanh chóng dự toán xây dựng hầm.

I.3. Phạm vi nghiên cứu.

Phạm vi nghiên cứu của đề tài là các hầm dẫn nước trong nền đá có võ áo, đào bằng
phương pháp khoan nổ trong các cơng trình thủy lợi, thủy điện cấp thoát nước trên
lãnh thổ Viêt Nam được thiết kế kỹ thuật hoặc thi công trong khoảng thời gian từ
năm 2001 đến năm 2010, không giới hạn qui mô.
Dữ liệu thu thập dùng cho việc huấn luyện mạng neuron hạn chế như sau :
−

Hầm dẫn nước nước trong nền đá có võ áo, đào bằng phương pháp khoan nổ,
được thiết kế hoặc thi công trong khoảng thời gian từ năm 2001 đến năm 2010.

−

Các số liệu thu thập dựa trên cơ sở các số liệu thiết kế, bản vẽ hồn cơng, quyết
tốn của các cơng trình đã thực hiện xong và các số liệu dự toán, hồ sơ thiết kế
của các cơng trình đang triển khai.

I.4. Lược khảo các nghiên cứu có liên quan đến luận văn.
I.4.1. Ngồi nước.
Trên thế giới có rất nhiều ngiên cứu ứng dụng ANN trong quản lý xây dựng :
Florence Yean Yng (Singapore) và MinLiu (USA) [5]: Đã nghiên cứu “ứng dụng
Neural network để dự báo kế hoạch thực hiện xây dựng dự án ở Singapore”. Theo
nghiên cứu này tác giả đã thực hiện trên 11 phép đo, 65 nhân tố tác động đến sự
thành công của 33 dự án trước đây. Chỉ ra 6 phép đo có thể dự báo sự thành cơng
của kế hoạch thực hiện dự án với mức độ chính xác hợp lý: tầm quan trọng dự án,
tốc độ xây dựng, tốc độ giải quyết vấn đề khó khăn, sự luân phiên thay thế công
nhân nghỉ việc, chất lượng của hệ thống và thiết bị.
Ứng dụng ANN để dự tốn chi phí cho một dự án đường cao tốc - Tarek Hegazy
and Amr Ayed [6]: Nguồn dữ liệu tác giả thu nhập được từ 18 dự án xây dựng cầu

~ 2 ~ 

đường, với các giá trị đầu vào: Năm xây dựng, các mùa thi cơng, vị trí xây dựng,
chiều dài đường, chiều rộng đường, Giá trị đầu ra: là tổng chi phí xây dựng dự án.
Hoijat Adeli và Mingyang Wu Ayed [7]: Dự tốn giá bê tơng cốt thép vỉa hè cho dự
án xây dựng đường.
Xishi Huang, Danny Ho, Jing Ren, Luiz F.Caprest [8]: Đã ứng dụng Neural Fuzzy
phát triển mô hình COMOCO, trên cơ sở dữ liệu kinh nghiệm của các dự án trước
đây, mơ hình này cho phép ước tính được chi phí của các dự án khác lớn hơn và
được ứng dụng trong ước tính chi phí của dự án công nghiệp.
Jason Portas và Simaan AbouRizk [9]: Ứng dụng mơ hình Neural network để đánh
giá khả năng sản xuất xây dựng.
Hashem Al- Tabtabai [10]: Ứng dụng ANN để xây dựng mơ hình phân tích kinh
nghiệm và hệ thống dự báo cho dự án xây dựng. Trên cơ sở dữ liệu các dự án trước
đây về: tiến độ thực hiện của nhà thầu, dòng ngân lưu, vật liệu và thiết bị, thời tiết
và môi trường, phần trăm công việc hoàn thành, chất lượng, giá cả vật tư, thuế, bảo
hiểm...để dự báo phần trăm thay đổi của kế hoạch, phần trăm thay đổi của chất
lượng, công nhân lao động sản xuất, thay đổi mức lương lao động, thay đổi giá vật
tư, thay đổi chi phí đầu tư, thay đổi chi phí trong q trình thực hiện dự án.
I.4.2. Trong nước.
Ở Việt Nam trong những năm gần đây đã nở rộ các nghiên cứu ứng dụng ANN
trong quản lý xây dựng:
Xác định chi phí xây dựng dựa trên ứng dụng mạng Neuron mờ [1] - Luận văn thạc
sỹ Trần Bách, Đại học Bách Khoa Tp. HCM (2006).
Ước lượng chi phí xây dựng chung cư bằng mạng neuron nhân tạo [2] Pham Văn
Khoa, Lưu Trường Văn, Lê Hồi Long. Tạp chí phát triển khoa học và cơng nghệ
(2007).
Dự đốn độ chính xác việc ước lượng chi phí các dự án xây dựng trong giai đoạn
hình thành dự án sử dụng nhân tố phân tích và mạng neuron mờ [3] - Luận văn
thạc sĩ Cao Trọng Khánh, Đại học Bách Khoa Tp.HCM (2007).

Đánh giá biến động chi phí và thời gian của dự án xây dựng với công cụ Neuron
Network (ANN) [4] - Luận văn thạc sĩ Nguyễn Anh Tuấn, Đại học Bách Khoa
Tp.HCM (2007).

~ 3 ~ 


Phân tích các nhân tố làm thay đổi chi phí trong các dự án đầu tư xây dựng ở Việt
Nam [5] - Luận văn thạc sĩ Nguyễn HảiThanh, Đại học Bách Khoa Tp.HCM
(2008).
Nhận biết các yếu tố rủi ro chính gây chậm tiến độ của dự án thủy điện [6] - Luận
văn thạc sĩ Mai Văn Trí, Đại học Bách Khoa Tp.HCM (2009).
Do tính hữu dụng của mạng neunon trong việc đánh giá chi phí trong các dự án xây
dựng tác giả chọn làm công cụ trong đề tài “Ước lượng chi phí xây dựng đường
hầm dẫn nước tại Việt Nam”

~ 4 ~ 


CHƯƠNG II: PHƯƠNG PHÁP VÀ CÔNG CỤ NGHIÊN CỨU
II.1. Phương pháp nghiên cứu.
Trong nghiên cứu trước hết xác định các nhân tố ảnh hưởng tới chi phí xây dựng
hầm dẫn nước. Từ các nhân tố ảnh hưởng, xây dựng bảng câu hỏi phỏng vấn các
chuyên gia trong ngành là những người có kinh nghiệm trong lĩnh vực quản lý dự
án, tư vấn thiết kế, tư vấn giám sát, thi công xây dựng hầm dẫn nước. Từ các bảng
câu hỏi phỏng vấn thu được, sử dụng phương pháp thông kê xác định các nhân tố
ảnh hưởng chính tới chi phí xây dựng hầm dẫn nước. Sau khi đã xác định được các
nhân tố ảnh hưởng chính đến chi phí xây dựng, thu thập dữ liệu các nhân tố chính
và chi phí xây dựng hầm dẫn nước từ các cơng trình đã có thiết kế kỹ thuật và dự
tốn chi tiết hoặc các cơng trình đã hồn thành và chi phí xây dựng đã được thanh,

quyết toán. Từ các số liệu các nhân tố ảnh hưởng chính và chi phí xây dựng của các
cơng trình thu thập được, xác định được tương quan của các nhân tố ảnh hưởng
chính tới chi phí xây dựng hầm bằng mạng neuron nhân tạo. Tiến hành kiểm định
mơ hình dựa trên dữ liệu một số cơng trình thu thập (các cơng trình này khơng đưa
vào xây dựng mơ hình ANN). Lập trình xác định chi phí xây dựng hầm dẫn nước từ
các thông số của mô hình ANN. Các bước nghiên cứu được thực hiện theo qui trình
sau đây:

~ 5 ~ 


Hình:II.1:

Quy trình nghiên cứu

II.2. Cơng cụ nghiên cứu.
II.2.1. Lý thuyết về thống kê dữ liệu sử dụng trong đề tài nghiên cứu.
Xác định các nhân tố chính ảnh hưởng tới chi phí xây dựng hầm dẫn nước bằng
bảng câu hỏi khảo sát chuyên gia theo thang đo Linker
Thang đo là quá trình gán số để biểu thị đặc điểm của đối tượng.
Thang đo Linker là một dạng thang đo tỷ lệ, thường dùng để gán số cho đánh giá
của con người về một vấn đề nào đó. Ví dụ: mức độ hài lịng của cơng nhân về nhà
thầu, mức độ thỏa mãn của khách hàng khi đến với Coop mart…
Thang đo Linker được sử dụng phổ biến nhất là thang đo 5 mức độ.

~ 6 ~ 


Các bước xây dựng thang đo Likert:
−

Nhận diện và đặt tên biến muốn đo lường.

−

Lập ra một danh sách các phát biểu hoặc câu hỏi mang tính biểu thị. Có thể lấy
từ lý thuyết có liên quan, đọc sách, đọc báo, lấy ý kiến chuyên gia, thực
nghiệm.

−

Xác định loại trả lời: ảnh hưởng không đáng kể, ảnh hưởng yếu, ảnh hưởng
trung bình, ảnh hưởng mạnh, ảnh hưởng rất mạnh

−

Kiểm tra toàn bộ các mục hỏi bằng cách khảo sát chuyên gia.

−

Phân tích mục hỏi trong danh sách để tìm ra một tập hợp các mục hỏi giúp đo
lường được một khía cạnh của khái niệm biến muốn nghiên cứu trong mơ hình.

II.2.2. Giới thiệu mạng Neuron nhân tạo.
II.2.2.1. Q tình hình thành và phát triển.
Trong những năm gần đây, người ta thường nhắc đến “Trí tuệ nhân tạo” như là một
phương thức mơ phỏng trí thơng minh của con người từ việc lưu trữ đến xử lý
thơng tin. Và nó thực sự đã trở thành nền tảng cho việc xây dựng các thế hệ máy
thông minh hiện đại. Cũng với mục đích đó, nhưng dựa trên quan điểm nghiên cứu
hồn tồn khác, một mơn khoa học đã ra đời, đó là Lý thuyết ANN. Tiếp thu các

thành tựu về thần kinh sinh học, ANN luôn được xây dựng thành một cấu trúc mô
phỏng trực tiếp các tổ chức thần kinh trong bộ não con người.
Từ những nghiên cứu sơ khai của McCulloch và Pitts trong những năm 40 của thế
kỷ 20, trải qua nhiều năm phát triển, cho đến thập kỷ này, khi trình độ phần cứng và
phần mềm đã đủ mạnh cho phép cài đặt những ứng dụng phức tạp, Lý thuyết Mạng
Neuron mới thực sự được chú ý và nhanh chóng trở thành một hướng nghiên cứu
đầy triển vọng trong mục đích xây dựng các máy thơng minh tiến gần tới Trí tuệ
con người. Sức mạnh thuộc về bản chất tính tốn song song, chấp nhận lỗi của
ANN đã được chứng minh thông qua nhiều ứng dụng trong thực tiễn, đặc biệt khi
tích hợp cùng với các kỹ thuật khác.
Công cụ được sử dụng trong nghiên cứu này là Mạng Nơron Nhân Tạo -Artificial
Neural Network cũng chính vì khả năng “mơ phỏng” và “học hỏi” mạnh mẽ của
nó. ANN cịn có thể mơ phỏng gần như bất cứ hàm mục tiêu nào với số biến

~ 7 ~ 


nhập và xuất tuỳ ý, ở điểm này thì có lẽ chưa có một phương pháp nào trước đây
đạt được, chỉ riêng khả năng này của ANN đã là quá ấn tượng và đáng quan
tâm. Nhưng ANN còn là một ưu điểm tuyệt vời khác, đó là khả năng học. Một
ANN gần giống như một đối tượng có thể tư duy. Mỗi khi có kiến thức mới (Data
mới) ta lại đưa cho ANN học. Khả năng này của ANN là rất cần thiết cho các vấn
đề có dữ liệu ln thay đổi, cập nhật như vấn đề ước lượng chi phí đang nghiên
cứu.
II.2.2.2. Cơ sở lý thuyết mạng Neuron nhân tạo.
II.2.2.2.1.

Sơ lược cấu trúc bộ não người.

Neuron là phần tử cơ bản tạo nên bộ não con người. Sơ đồ cấu tạo của một Neuron

sinh học được chỉ ra như sau. Một Neuron điển hình có 3 phần chính:
− Thân tế bào (Cell body)
−

Một hệ thống hình cây các đầu dây thần kinh vào (Dendrite)

−

Một trục (Axon) dẫn đến các đầu dây thần kinh ra. Tại đầu của các dây thần
kinh có các khớp thần kinh (Synapse) để liên kết với các tế bào thần kinh khác.
Đây là một nối kết, hình trụ dài và mang các tín hiệu từ đó ra ngồi. Phần cuối
của axon được chia thành nhiều nhánh nhỏ. Mỗi nhánh nhỏ (cả của dendrite và
axon) kết thúc trong một cơ quan nhỏ hình củ hành được gọi là synapte mà tại
đây các Neuron đưa các tín hiệu của nó vào các Neuron khác. Những điểm tiếp
nhận với các synapte trên các Neuron khác có thể ở các dendrite hay chính
soma.

~ 8 ~ 


Hình:II.2:

Mơ hình Neuron sinh học

Tín hiệu truyền trong các dây thần kinh vào và dây thần kinh ra của các tế bào thần
kinh là tín hiệu điện phát sinh thơng qua các q trình phản ứng và giải phóng các
chất hữu cơ. Các chất này được phát ra từ các khớp nối dẫn tới các dây thần kinh
vào sẽ làm tăng hay giảm điện thế của nhân tế bào.
Khi điện thế này đạt đến một ngưỡng nào đó sẽ tạo ra một xung điện dẫn đến trục
dây thần kinh ra. Xung này được truyền theo trục tới các nhánh rẽ khi chạm tới các

khớp nối với các tế bào thần kinh khác sẽ giải phóng các chất truyền điện. Q
trình lan truyền tín hiệu cứ tiếp tục như vậy cho đến khi đến đầu ra cuối cùng.
Mạng thần kinh nhân tạo là mơ hình tốn học đơn giản của bộ não người. Bản chất
thần kinh nhân tạo là mạng tính toán phân bố song song.
II.2.2.2.2.

Khái niệm mạng Neuron nhân tạo.

ANN là bộ xử lý đồ sộ được phân bố song song có xu hướng tự nhiên là lưu những
kinh nghiệm hiểu biết và sử dụng những kinh nghiệm đo tùy mục đích sử dụng.
ANN giống bộ não người với hai chi tiết:
−

Những kinh nghiệm thu được phải thông qua quá trình học.

~ 9 ~ 


−

Các đường kết nối giữa các Neuron được xem như các dây thần kinh sử dụng
cho lưu trữ kiến thức của não.

Để thiết kế một ANN chúng ta phải xây dựng hai vấn đề:
−

Xác định cấu trúc mạng: mục đích là xây dựng cấu trúc gần giống cấu trúc của
bộ não.

−

Xây dựng khả năng học cho mạng (hay còn gọi là huấn luyện mạng): mục đích
cập nhật các thơng số để mạng có thể xử lý các vấn đề khi đang hoạt động giúp
ANN có khả năng như bộ não.

II.2.2.2.3.

Cấu trúc của một Neuron.

Để mô phỏng các tế bào thần kinh và các khớp nối thần kinh của bộ não con người,
trong mạng Neuron nhân tạo cũng có các thành phần có vai trị tương tự là các
Neuron nhân tạo cùng các kết nối synapse.
Một Neuron nhân tạo là một đơn vị tính tốn hay đơn vị xử lý thơng tin cơ sở cho
hoạt động của môt mạng Neuron. Sơ đồ khối của hình II.3 chỉ ra mơ hình của một
Neuron nhân tạo. Ở đây, chúng ta xác định ba thành phần cơ bản của một mơ hình
Neuron:
−

Một tập hợp các synapse hay các kết nối, mà mỗi một trong chúng được đặc
trưng bởi một trọng số của riêng nó. Tức là một tín hiệu xj tại đầu vào của
synapse j nối với Neuron k sẽ được nhân với trọng số synapse wkj. Ở đó k là chỉ
số của Neuron tại đầu ra của synapse đang xét, còn j chỉ điểm đầu vào của
synapse. Các trọng số synapse cuả một Neuron nhân tạo có thể nhận cả các giá
trị âm và các giá trị dương.

−

Một bộ cộng để tính tổng các tín hiệu đầu vào của Neuron, đã được nhân với
các trọng số synapse tương ứng; phép tốn được mơ tả ở đây tạo nên một bộ tổ
hợp tuyến tính.

−

Một hàm hoạt động (activation function) để giới hạn biên độ đầu ra của
Neuron. Hàm hoạt động cũng được xem xét như là một hàm nén; nó nén (giới
hạn) phạm vi biên độ cho phép của tín hiệu đầu ra trong một khoảng giá trị hữu
hạn. Mơ hình Neuron trong hình III.3 còn bao gồm một hệ số hiệu chỉnh tác

~ 10 ~ 


động từ bên ngoài, bk. Hệ số hiệu chỉnh bk có tác dụng tăng lên hoặc giảm đi
đầu vào thực của hàm hoạt động, tuỳ theo nó dương hay âm.

input

hệ số hiệu
chỉnh bk

x1

wk1

x2

wk2

xi-1

wk(i-1)

xi

Σ

uk

f (.)

output

yk

bộ tổ hợp
tuyến tính

wki
các trọng số
synpase

Hình:II.3:

Mơ hình phi tuyến của một Neuron

Dưới dạng cơng thức tốn học, chúng ta có thể mơ tả một Neuron k bằng cặp công
thức sau:
i

u k = ∑ wki xi

(1)

y k = f (u k + bk )

(2)

i =1

Và

ở đó x1, x2, ..., xi là các tín hiệu đầu vào; wk1,wk2,...,wki là các trọng số synapse của
Neuron k; uk là đầu ra bộ tổ hợp tuyến tính tương ứng; bk là hệ số hiệu chỉnh.
II.2.2.2.4.

Các kiểu hàm hoạt động.

Hàm hoạt động, ký hiệu bởi f(u), xác định đầu ra của Neuron. Dưới đây là các kiểu
hàm hoạt động:
1. Hàm Heaviside: Đối với loại hàm này mơ tả trong (hình II.4a), chúng ta có
⎧1 khi u ≥ 1
f (u ) = ⎨
⎩0 khi u < 1

~ 11 ~ 

(3)


y
1

f (u)

0

-2

(a)

u
2

y
1
f (u)
u
-2

Hình:II.4:

-0.5

0

0.5
(b)

2

(a) Hàm Heaviside, (b) Hàm vùng tuyến tính

2. Hàm vùng tuyến tính: Đối với loại hàm này mơ tả trong (hình 2.3b), chúng
ta có
1
⎧
u≥+
⎪1,
2
⎪⎪
1
1
f (u ) = ⎨u, + ≥ u > −
2
2
⎪
1
⎪ 0,
u≤−
⎪⎩
2

(4)

Dạng hàm này có thể được xem như một xấp xỉ của một bộ khuếch đại phi tuyến.
3. Hàm sigma: Hàm sigma là dạng chung nhất của hàm hoạt động được sử dụng
trong cấu trúc mạng Neuron nhân tạo. Nó là một hàm tăng và nó thể hiện một sự
trung gian giữa tuyến tính và phi tuyến. Một ví dụ của hàm này là hàm logistics,
xác định như sau:
f (u ) =

1

1 + exp(−au )

(5)

Trong đó a là tham số độ dốc của hàm sigma. Bằng việc biến đổi tham số a, chúng
ta thu được các hàm sigma với các độ dốc khác nhau, như được minh hoạ trong
(hìnhII.5c).
4. Hàm tang – hyperbol(tansig):
f (u ) =

2
−1
1 + exp(−2u )

~ 12 ~ 

(6)


y
1
f (u)
u
0
(c)
y
1
f (u)
0

u

-1
(d)
Hình:II.5:
II.2.2.2.5.

(c) Hàm sigma với tham số độ dốc a thay đổi, (d) Hàm tansig

Cấu trúc mạng Neuron nhân tạo.

ANN gồm các Neuron được sắp xếp trong các lớp và liên kết với nhau bởi các liên
kết Neuron. Mỗi liên kết Neuron kèm theo một trọng số liên kết (w), đặc trưng
cho đặc tính kích thích hay ức chế giữa các tế bào thần kinh nhân tạo (Neuron).
Trong mạng Neuron các Neuron nhận tín hiệu vào (p) gọi là các Neuron vào nằm
trong lớp nhập (Input layer). Các Neuron liên lạc với các Neuron trong lớp nhập và
lớp xuất gọi là các Neuron lớp ẩn (Hidden layer). Các Neuron nhận thông tin từ
các Neuron nằm trong lớp ẩn và đưa thông tin ra (a) gọi là Neuron lớp xuất
(Output layer).

~ 13 ~ 


w1,21

1

w1,1

2

w1,21

w1,2

p1

w3

2

w2,1

1 3

w 1,

1,2

a1

3

a2

w2 2

,2

2,

1

w1

w
w21,3

Lớp nhập

w2,1
,1

1
2,2

w3 2

p2

w1,13

w2,2
3

w3,2 2

Lớp ẩn

Lớp xuất

Hình:II.6: Cấu trúc cơ bản một ANN 2 tín hiệu vào (p1,p2), 2 thơng tin ra
(a1,a2), mạng có 2 lớp ẩn và các trọng số liên kết các Neuron w
Phân loại ANN:
− ANN truyển thẳng (Feed-forward network): mỗi Neuron ở lớp này chỉ được nối
với các Neuron ở lớp kế tiếp, không cho phép các liên kết giữa các Neuron
trong cùng một lớp hoặc từ lớp dưới lên lớp trên và cũng khơng cho phép các
liên kết Neuron nhẩy q một lớp.

Lớp nhập
Hình:II.7:
−

Lớp ẩn

Lớp xuất

ANN truyền thẳng nhiều lớp

ANN hồi quy (Recurrent network): một mạng hồi quy nhận ra chính nó dựa
trên mạng truyền thẳng một lớp hay nhiều lớp trong đó giá trị output được hồi
tiếp (feedback) về giá trị của tất cả các Neuron khác để xử lý. Giá trị hồi tiếp
phải qua một bộ biến đổi Z-1 để tăng tính hội tụ của mạng.

~ 14 ~ 


z -1

output

z -1

z -1

input

z -1

Hình:II.8:

ANN hồi quy [8]

Một số nghiên cứu đã chỉ ra cấu trúc của ANN ứng dụng bài toán dự báo trong xây
dựng là mạng truyền thẳng nhiều lớp (multilayer feed-forward networks) và thuật
toán lan truyền ngược (backpropagation) là thích hợp nhất [6,7].
Các tính chất của ANN
−

Là hệ phi tuyến: ANN có khả năng to lớn trong lĩnh vực nhận dạng và điều
khiển các đối tượng phi tuyến.

−

Là hệ xử lý song song: ANN có cấu trúc song song, do đó có độ tính tốn rất
cao rất phù hợp với lĩnh vực nhận dạng và điều khiển.

−

Là hệ học và thích nghi: ANN được luyện từ các số liệu quá khứ và có khả
năng tự chỉnh khi số liệu đầu vào bị mất.

−

Là hệ nhiều biến, nhiều đầu vào, nhiều đầu ra, rất tiện dùng khi đối tượng điều
khiển có nhiều biến số.

Thiết kế ANN: Để thiết kế một ANN cần phải xây dựng hai vấn đề:
Xác định cấu trúc ANN: tùy từng mục đích cụ thể mà người thiết kế mạng sẽ xây
dựng một cấu trúc ANN phù hợp. Các thông số cấu trúc ANN bao gồm:
−

Số thông tin vào, số thông tin ra.

−

Số lớp Neuron.

−

Số Neuron trên mỗi lớp.

−

Số lượng liên kết của mỗi Neuron.

~ 15 ~