QUY TRÌNH THỰC HIỆN MỘT LUẬN VĂN CAO HỌC NGÀNH QUẢN LÝ XÂY DỰNG VỀ DỰ BÁO TỔNG MỨC ĐẦU TƯ DỰ ÁN BÁO TỔNG MỨC ĐẦU TƯ DỰ ÁN GIAO THÔNG TẠI BÌNH ĐỊNH
1
Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM
Biên soạn & giảng: PGS.TS. Lưu Trường Văn
• Bài giảng này biên soạn theo luận văn thạc sỹ của Lưu Nhất Phong, ngành Công nghệ & Quản lý xây dựng tại Đại học Bách Khoa TP.HCM
• Tên luận văn: ỨNG DỤNG MẠNG NƠ-RON NHÂN TẠO VÀ HỒI QUY ĐA BIẾN ĐỂ DỰ BÁO TỔNG MỨC ĐẦU TƯ CÁC DỰ ÁN CÔNG TRÌNH GIAO THÔNG
2
Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM
1. MỤC TIÊU NGHIÊN CỨU
3
Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM
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
Xây dựng mô hình hồi quy đa biến để so sánh với mô hình ANN
Artificial Neural Network, Network, Multiple linear regression dự đoán TMĐT
Thiết lập mô hình ANN dự báo tổng mức đầu tư, chi phí xây dựng nền đường, xây dựng móng mặt và công trình thoát nước. xây dựng móng mặt và công trình thoát nước.
Trang 4
Tự động hóa dự báo. Áp dụng mô hình dự báo cho một vài công trình cụ thể
Phạm vi nghiên cứu
Địa điểm: Các dự án xây dựng công trình giao thông tỉnh Bình Định
Tính chất, đặc trưng của đối tượng nghiên cứu: Đối tượng nghiên cứu là dự án xây dựng công trình giao thông (đường bộ), nghiên cứu trong giai đoạn chuẩn bị dự án 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
Trang 5
Quan điểm phân tích: Phân tích và thảo luận theo quan điểm của Chủ đầu tư.
2. CÔNG CỤ NGHIÊN CỨU
6
Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM
Các công cụ nghiên cứu
Nội dung
Công cụ nghiên cứu
Tham khảo tài liệu, sách báo và các nghiên cứu trước đây
Xác định các nhân tố ảnh hưởng đến tổng mức đầu tư xây dựng công trình giao thông
Phát triển và rút ra các nhân tố chính ảnh hưởng đến tổng mức chính ảnh hưởng đến tổng mức đầu tư xây dựng công trình giao thông.
- Thảo luận nhóm - Bảng câu hỏi - Bảng câu hỏi - Khảo sát thu thập đánh giá của chuyên gia - Phân tích thống kê của SPSS
- Neural Network của SPSS
- Linear Regression của SPSS
Xây dựng mạng nơron thực hiện dự báo. Phân tích hồi quy đa biến và kiểm định mô hình hồi quy
7
3. QUY TRÌNH THỰC HIỆN NGHIÊN CỨU NGHIÊN CỨU
8
Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM
Phương pháp nguyên cứu.
Quy trình nguyên cứu
XÁC ĐỊNH ĐỀ TÀI
5
4
3
2
Thu thập số liệu các biến tiềm tiềm năng
Xác định các yếu tố chính ảnh hưởng đến tổng đến tổng mức đầu tư bằng phương pháp phân tích thống kê Tham khảo ý kiến các chuyên gia chuyên gia qua thảo luận nhóm, bảng câu hỏi
Trang 9
Xác định các nhân tố ảnh nhân tố ảnh hưởng qua các tài liệu, sách báo và các nghiên cứu trước đây
Phương pháp nguyên cứu.
Quy trình nghiên cứu (tt).
7
8
9
10
6
Phân tích kết quả MLR
Kiểm định và đánh giá độ phù hợp của mô hình hình
14
11
13
Xây dựng mô hình hồi quy quy Xử lý số liệu Hồi quy đa biến biến Xử lý ban đầu số liệu thu thập thu thập
Kết luận và kiến nghị
12 Xây dựng mô hình mạng ANN
Phân tích kết quả ANN
Huấn luyện mạng, đánh giá độ phù hợp mô hình
Trang 10
Xử lý số liệu mạng nơron nhân tạo
Sau khi thảo luận nhóm với 6
• Vận tốc thiết kế • Số lượng cống bê tông cốt thép
thoát nước trên tuyến
chuyên gia thực hiện quản lý dự án, 20 yếu tố đã được phát triển và được xem là ảnh hưởng đến tổng mức đầu tư dự án xây dựng công trình đường bộ. • Số lượng cầu bản bê tông cốt thép thoát nước trên tuyến • Số lượng cầu dầm bê tông cốt thép thoát nước trên tuyến
• Loại kết cấu lớp mặt đường (bê tông xi măng, bê tông nhựa...) Bao gồm các nhân tố sau: • Quy mô dự án (cấp đường) • Phạm vi dự án (xây dựng mới, • Tình trạng ngập nước xung nâng cấp cải tạo...)
11
Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM
quanh nền đường • Điều kiện địa chất • Điều kiện địa chất • Giá dầu • Giá nhựa đường • Giá xi măng • Giá thép • Mức lương cơ bản • Vị trí dự án xây dựng (đồng • Vị trí dự án xây dựng (đồng bằng, miền núi, đô thị) • Thời gian thực hiện dự án • Chiều dài tuyến đường • Bề rộng nền đường • Bề rộng mặt đường • Tải trọng thiết kế
Bảng câu hỏi
Bảng câu hỏi gồm có 3 phần chính:
– Phần giới thiệu: Nhằm định hướng các ứng viên hiểu được vấn đề đang khảo sát, có được cái nhìn khách quan cũng như hiểu được cách trả lời các câu hỏi khảo sát cho phù hợp với suy nghĩ, kinh nghiệm và sự hiểu biết của bản thân từng người. và sự hiểu biết của bản thân từng người.
– Phần A: Đánh giá các yếu tố ảnh hưởng đến tổng mức đầu tư dự án công trình giao thông qua thang đo tỷ lệ Likert với mức độ từ 1 đến 5.
– Phần B: là phần thông tin cá nhân của các ứng
viên, có thể dùng để thực hiện nhiều phép phân tích thống kê nhằm mục đích đánh giá bổ sung về thông tin khảo sát.
12
Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM
THU THẬP DỮ LIỆU
13
Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM
Phương pháp thu thập dữ liệu
5
Dữ liệu dùng cho nghiên cứu này chủ yếu từ hai nguồn sơ cấp và thứ cấp.
3
- Dữ liệu từ nguồn sơ cấp (primary sources): Bảng câu hỏi được gửi trực tiếp hoặc gián tiếp qua email đến hỏi được gửi trực tiếp hoặc gián tiếp qua email đến người được phỏng vấn.
- Dữ liệu từ nguồn thứ cấp (Secondary sources): Thu thập dữ liệu trong các kho lưu trữ của các Chủ đầu tư; Dữ liệu các nhân tố chính của các dự án đã thực hiện từ năm 2000 -2009 của các dự án xây dựng công trình giao thông (đường bộ) được thu thập.
Company Logo Company Logo Trang 14
4. Tóm tắt về các bước xây dựng mô hình dự báo theo ANN và MLR hình dự báo theo ANN và MLR
15
Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM
Các bước xây dựng mô hình ANN
Bước 1 Thu thập và mã hóa dữ liệu, nhập vào SPSS
Bước 2
Bước 3 Phân chia tập dữ liệu để huấn luyện (training) và kiểm tra (test)
Xác định biến đầu vào và biến đầu ra cho ANN, lựa chọn cách biến đổi (rescaling) dữ liệu đầu vào theo một trong các cách: 5 Standardized, Normalized, Adjusted Normalized hoặc None
Bước 5
Thiết lập cấu trúc mạng bao gồm số lớp ẩn, số nút trong lớp ẩn, hàm truyền của lớp ẩn, hàm truyền lớp xuất, các biến đổi (rescale) Bước 4 hàm truyền của lớp ẩn, hàm truyền lớp xuất, các biến đổi (rescale) Bước 4 dữ liệu đầu ra.
Bước 6
Lựa chọn huấn huyện mạng theo cách cập nhật trọng số một lần, mẻ (batch); từng bộ (online) hoặc từng phần (mini-batch).
Bước 7
Thiết lập các khống chế dừng huấn luyện và các lựa chọn xuất ra kết quả thực hiện.
Company Logo Company Logo Trang 16
Kiểm tra đánh giá sai số mô hình và sử dụng mạng (bộ trọng số tối ưu được dùng cho các việc tự động hóa tính toán ước lượng)
Các bước xây dựng mô hình MLR
Bước 1
5
3
Bước 2
Bước 3
Bước 4
Bước 5
Company Logo Company Logo Trang 17
Thu thập và mã hóa dữ liệu, nhập vào SPSS, kiểm tra điều kiện đủ thẳng qua scatterplot của biến Y với các biến X Phân tích tương quan tuyến tính giữa tất cả các biến là yếu tố chính. Xác định duy nhất 01 biến phụ thuộc và tùy chọn các biến độc lập theo từng block, đồng thời với việc lựa chọn thủ tục chọn biến theo một trong các cách Enter; Remove; Backward; Forward; Stepwise. Lựa chọn xuất ra các thông số thống kê hồi quy như: các ước Lựa chọn xuất ra các thông số thống kê hồi quy như: các ước lượng, khoảng tin cậy, ma trận hiệp phương sai, model fit (các thống kê đánh giá độ phù hợp của mô hình), các thống kê mô tả, chuẩn đoán đa cộng tuyến, trị thống kê Durbin – Watson. - Thiết lập để chương trình vẽ ra các dạng đồ thị liên quan đến mô hình hồi quy - Sao lưu các biến mới trong phân tích hồi quy tuyến tính như: phần dư, giá trị dự đoán và các thông số liên quan đến biến mới. - Chạy phân tích hồi quy
Các bước xây dựng mô hình MLR (tt)
5
Bước 6
- Đánh giá độ phù hợp của mô hình bằng Adjust R square. - Kiểm tra giả định liên hệ tuyến tính. - Kiểm tra điều kiện độc lập của các phần dư bằng trị thống kê Durbin – Watson, - Kiểm tra giả định phương sai phần dư cân bằng qua quan sát 3 scatterplot của phần dư với các biến độc lập - Kiểm tra điều kiện gần chuẩn của phần dư bằng biểu đồ tần suất hoặc biểu đồ Q – Q plot. suất hoặc biểu đồ Q – Q plot. - Kiểm tra đa cộng tuyến bằng độ chấp nhận (Tolerance) hoặc VIF. - Kiểm định giả thuyết về độ phù hợp của mô hình - Kiểm định giả thuyết về ý nghĩa của hệ số hồi quy - Kiểm định giả thuyết về tầm quan trọng của các biến
Company Logo Company Logo Trang 18
Bước 7 Sử dụng mô hình hồi quy đa biến để dự báo.
5. Kết quả chi tiết của nghiên cứucứu
19
Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM
5.1. PHÂN TÍCH VỀ ĐỐI TƯỢNG THAM GIA PHỎNG VẤN & DỮ LIỆU THỨ CẤP LIỆU THỨ CẤP
20
Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM
Kinh nghiệm của các ứng viên tham gia phỏng vấn
21
Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM
Kinh nghiệm 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 việc lớn hơn 5 năm và 17,33% số ứng viên trong tổng số ứng viên phỏng vấn có thời gian tổng số ứng viên phỏng vấn có thời gian làm việc từ 3 – 5 năm tiếp tục củng cố khẳng định kết quả trả lời phỏng vấn là đáng tin cậy
22
Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM
Dữ liệu thứ cấp
Để đảm bảo tính thống nhất và giảm độ phân tán của dữ liệu thu thập, dữ liệu một số biến định tính được phân theo các khung như sau:
+ Biến Quy mô dự án (cấp đường): Phân loại cấp quản lý đường
theo TCVN4054 – 1998, bao gồm 5 cấp.
+ Biến Phạm vi dự án: Bao gồm hai loại là Nâng cấp (NC) và làm
mới (LM).
+ Biến Vị trí dự án xây dựng: Bao gồm hai loại là trong đô thị (DT) + Biến Vị trí dự án xây dựng: Bao gồm hai loại là trong đô thị (DT)
và đồng bằng ngoài đô thị (DB).
+ Biến Loại kết cấu lớp mặt đường, bao gồm mặt đường bê tông
nhựa (BTN) và mặt đường bê tông xi măng (BTXM).
+ Biến Tình trạng ngập nước xung quanh nền đường, bao gồm
hai tình trạng có ngập nước (C) và không ngập nước (K).
+ Biến Điều kiện địa chất, bao gồm 03 loại: có xử lý đất yếu (DY),
bình thường (BT) và có đào phá đá (DD).
23
Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM
5.2. MÔ HÌNH ANN CHO TỔNG MỨC ĐẦU TƯ TỔNG MỨC ĐẦU TƯ
24
Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM
Mô hình ANN cho TMĐT
• Xác định nhân tố chính ảnh hưởng đến tổng mức đầu tư
5
3
• Kết quả thu thập dữ liệu thứ cấp
-Kết quả nguyên cứu định tính xây dựng được 20 nhân tố ảnh hưởng đến tổng mức đầu tư. - Thang đo lường của bảng 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% 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
Company Logo Company Logo Trang 25
- 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
Xử lý số liệu cho mạng nơ-ron nhân tạo
Loại bỏ biến Biến Tình trạng ngập Biến Tình trạng ngập nước xung quanh nền nước xung quanh nền đường chỉ có 01 trạng đường chỉ có 01 trạng thái không ngập nước thái không ngập nước Phân chia dữ liệu
Nhóm 1: 3 dự án Nhóm 2: 30 dự án Nhóm 2: 30 dự án Tổ hợp Tổ hợp Tổ hợp Tổ hợp biến biến
Snen = Bnen*chieudai*1000 Snen = Bnen*chieudai*1000 Smat = Bmat*chieudai*1000 Smat = Bmat*chieudai*1000
Trang 26
Mã hóa biến
Kết quả xây dựng mô hình ANN
3
Kết quả huấn luyện mô hình ANN bằng chương trình SPSS 17.0 5
Kết quả MAPE trung bình (nhóm 1) = 27%.
adj (Tongmuc) = 0,9661 adj (XDnen) = 0,9811 adj ( XDmat) = 0,9494 adj (XDcongtrinhtn) = 0,9506.
Company Logo Company Logo Trang 27
R2 R2 R2 R2
5.3. MÔ HÌNH MLR CHO TỔNG MỨC ĐẦU TƯ TỔNG MỨC ĐẦU TƯ
28
Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM
Hệ số tương quan giữa các biến độc lập
Y
1
X1 .653 .000 1
X2 .716 .000 .756 .000 1
X3 .688 .000 .612 .000 .509 .004 1 1
X4 .565 .001 .674 .000 .557 .001 .726 .726 .000 1
X6 X7 X5 .711 .772 .745 .000 .000 .000 .509 .787 .725 .004 .000 .000 .379 .988 .948 .039 .000 .000 .258 .585 .508 .258 .585 .508 .169 .001 .004 .342 .592 .454 .064 .001 .012 1 .413 .379 .023 .039 1 .955 .000 1
29
Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM
Tongmuc (Y) thoigian (X1) chieudai (X2) Lcong Lcong (X3) Lcauban (X4) Lcaudam (X5) Snen (X6) Smat (X7) r sig r sig r sig r r sig r sig r sig r sig r sig .653 .000 .716 .000 .688 .688 .000 .565 .001 .711 .000 .772 .000 .745 .000 .756 .000 .612 .612 .000 .674 .000 .509 .004 .787 .000 .725 .000 .509 .509 .004 .557 .001 .379 .039 .988 .000 .948 .000 .726 .000 .258 .169 .585 .001 .508 .004 .342 .064 .592 .001 .454 .012 .413 .023 .379 .955 .039 .000
Mô hình MLR cho TMĐT
Xử lý số liệu cho mô hình MLR
Phân tích tương quan
Nhóm 1: 3 dự án Nhóm 2: 30 dự án
Phân chia dữ liệu
Biến Tongmuc và 7 biến độc lập có mối biến độc lập có mối liên hệ tương quan với nhau khá cao (thấp nhất là 0,565), P value = 1%.
Tổ hợp Tổ hợp Kiểm tra Kiểm tra biến điều kiện đủ thẳng
Xác định biến định lượng
- Kiểm tra biểu đồ phân tán của - Kiểm tra biểu đồ phân tán của 16 biến độc lập và biến phụ 16 biến độc lập và biến phụ thuộc Tongmuc thuộc Tongmuc - Có 7 biến được chọn. - Có 7 biến được chọn.
Trang 30
Sử dụng 16 Sử dụng 16 biến định biến định lượng lượng
Kết quả xây dựng mô hình MLR
5
3
Tongmuc = 0,149*Snen +78,081*Lcaudam+22,493*Lcong
- Backward, b 0 = 0. - Backward, b = 0. - Kết quả mô hình không hợp lý ở ý nghĩa hệ số hồi quy
-Stepwise, forward: -Stepwise, forward: b 0 = 0. - Kết quả mô hình giải thích tổng mức đầu tư xây dựng công trình giao thông như trên
www.quantri.com.vn www.quantri.com.vn Ngày 15/01/11
Company Logo Company Logo Trang 31
-Stepwise, b -Stepwise, b 0 „ 0. „ 0. - Không thỏa kiểm định giả thuyết về ý nghĩa của hệ số hồi quy. ⇒ mô hình MLR phù hợp phải có hệ số b 0 = 0.
Dò tìm các vi phạm giả thuyết, Kiểm định mô hình
5
3
Hầu hết kết quả các bước kiểm tra thỏa các điều kiện và kết quả kiểm định có ý nghĩa thống kê phù hợp. -Tuy nhiên kiểm tra giả định liên hệ tuyến tính trên scatter plot giữa Residual ,Tongmuc có dấu hiệu đáng chú ý. Biểu đồ không có hướng, nhưng sự phân tán không thực sự dàn đều. - Vấn đề cũng xảy ra tương tự trong kiểm tra giả định phương sai cân bằng giữa biến Tongmuc và Lcaudam. phương sai cân bằng giữa biến Tongmuc và Lcaudam.
Adjust R square của mô hình do SPSS tính toán bằng 0,903
R square của mô hình đi qua gốc tọa độ được tính toán bằng 0,860
MAPE (nhóm 1) = 2.59%,
Trang 32
Biểu đồ phân tán giữa Residual chuẩn hóa và Tongmuc
33
Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM
Biểu đồ phân tán giữa Residual và Snen
34
Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM
Biểu đồ tần suất của phần dư
35
Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM
Bảng tóm tắt kết quả của mô hình
Model Summarye,f
1
Model 2
3
R
5
3
.863a .746 .737 12360.17628
.929c .864 .854 9210.71857
.956d .913 .903 7486.01826
Adjusted Std. Error of the Estimate
R Square Change
.118
.050
.746
Change Statistics
84.952 1 29 .000
24.223 1 28 .000
15.388 1 27 .001
F Change df1 df2 Sig. F Change
2.324
Durbin-Watson a. Predictors: Snen c. Predictors: Snen, Lcaudam d. Predictors: Snen, Lcaudam, Lcong e. Dependent Variable: Tongmuc f. Linear Regression through the Origin
Company Logo Company Logo Trang 36
Bảng ANOVA
ANOVAe,f
df
Sig.
Sum of Squares 1.298E+10
Model Regression
1
Mean Square 1.298E+10
F 84.952
.000a
5
4.430E+09
Residual
29
1.528E+08
1
Total
30
1.741E+10 3
1.503E+10
Regression
2
7.517E+09
88.602
.000c
2.375E+09
Residual
28
8.484E+07
2
1.741E+10
Total
30
3
Regression
1.590E+10
5.299E+09
94.550
.000d
27
Residual
1.513E+09
5.604E+07
3
1.741E+10
30
Total 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
Company Logo Company Logo Trang 37
Bảng các hệ số của mô hình
Coefficientsa,b
Unstandardized Coefficients
Standardized Coefficients
Collinearity 5 Statistics
Model
t
Sig.
3
B
Std. Error
Beta
Tolerance
VIF
Snen
.300
.033
.863 9.217
1.000
1.000
.000
1 1
Snen
.231
.028
.667 8.284
.753
1.328
.000
2
Lcaudam 79.286
16.110
.396 4.922
.753
1.328
.000
Snen
.149
.031
.428 4.793
.404
2.477
.000
Lcaudam 78.081
13.097
.390 5.962
.752
1.329
.000
3
Lcong
22.493
5.734
.328 3.923
.001
.459
2.178
a. Dependent Variable: Tongmuc; b. Linear Regression through the Origin
Company Logo Company Logo Trang 38
5.4. TỰ ĐỘNG HÓA DỰ BÁO
39
Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM
Tự động hóa dự báo
Ngôn ngữ Visual Basic lập trình phần mềm: A&M Predictor
5
3
+ Tính toán dự báo Tổng mức đầu tư, Chi phí xây dựng nền, Chi phí xây dựng móng mặt, Chi phí xây dựng công trình thoát nước theo mô hình ANN và Tổng mức đầu tư theo mô hình MLR. + Cho phép người dùng cập nhật lại bộ ma trận trọng số, thay + Cho phép người dùng cập nhật lại bộ ma trận trọng số, thay đổi số nút ẩn cho mạng ANN và cập nhật các hệ số hồi quy cho mô hình MLR. + Lưu file và mở file đã có, cũng như tạo một file mới để nhập dữ liệu
- Ứng dụng phần mềm để dự đoán cho dự án số 23 và 28
A&M Predictor
Company Logo Company Logo Trang 40
41
Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM
Liệt kê và so sánh kết quả tính toán dự án số 23 (triệu VNĐ)
Tongmuc XDnen XDmat XDcongtri nhtn
Thực tế 9598 706 7636 892
ANN ANN 11701,39 845,69 10050,04 635,43
MAPE
21.91% 19.79% 31.61% 28.76% (%)
MLR 10014,29
MAPE
4.34%
42
Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM
(%)
Liệt kê và so sánh kết quả tính toán dự án số 28 (triệu VNĐ)
43
Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM
Liệt kê và so sánh kết quả tính toán dự án số 28 (triệu VNĐ)
Tongmuc XDnen XDmat XDcongtri nhtn
Thực tế 9598 706 7636 892
ANN ANN 11701,39 845,69 10050,04 635,43
MAPE
21.91% 19.79% 31.61% 28.76% (%)
MLR 10014,29
MAPE
4.34%
44
Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM
(%)
Cửa sổ thực hiện cập nhật trọng số của mô hình ANN
45
Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM
Cửa sổ thực hiện cập nhật hệ số hồi quy của mô hình MLR
46
Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM
Cửa sổ thực hiện lưu một file mới chương trình A&M Predictor
47
Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM
Tài liệu tham khảo quan trọng
[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 [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). Ước lượng chi phí xây dựng
Trang 48
chung cư bằng mạng neuron nhân tạo. Science & Technology Development, 10, 84-92.
Xin caûm ôn!
Chuùc caùc baïn ñaït nhieàu thaønh quaû toát trong học tập!
Biên soạn & giảng: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM
49
