Đề Tài: Ước Lượng Chi Phí Xây Dựng Cầu Dầm Nhịp Giản Đơn Bằng Mô Hình Mạng Nơ-ron Nhân Tạo (ANN)

Luận văn thạc sĩ quản lý xây dựng trình bày phương pháp ước lượng chi phí xây dựng cầu dầm nhịp giản đơn bằng mô hình mạng neuron nhân tạo.

• Tác giả: Đặng Trần Đăng Khoa
• Người hướng dẫn: TS. Đinh Công Tịnh
• Trường học: Đại học Bách Khoa - ĐHQG TP. Hồ Chí Minh
• Chuyên ngành: Công Nghệ Và Quản Lý Xây Dựng
• Đề tài: Ước Lượng Chi Phí Xây Dựng Cầu Dầm Nhịp Giản Đơn Bằng Mô Hình Mạng Nơ-ron Nhân Tạo (ANN)
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2016
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CẢM ƠN
• 1. CHƯƠNG 1: ĐẶT VẤN ĐỀ
• 1.1. Xác định vấn đề nghiên cứu
• 1.2. Mục tiêu nghiên cứu
• 1.3. Phạm vi nghiên cứu
• 1.4. Đóng góp của nghiên cứu
• 2. CHƯƠNG 2: TỔNG QUAN
• 2.1. Giới thiệu chương
• 2.2. Các khái niệm chung
• 2.3. Tổng quan phương pháp ANN
• 2.4. Neuron sinh học
• 2.5. Neuron nhân tạo
• 2.6. Mô hình mạng neuron
• 2.7. Các kiểu mô hình mạng neuron
• 2.8. Mạng nhiều tầng truyền thẳng (MLP)
• 2.9. Phương pháp Boostrap
• 2.10. Tổng quan các nghiên cứu trước
• 3. CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
• 3.1. Giới thiệu chương
• 3.2. Quy trình nghiên cứu
• 3.3. Xác định các nhân tố ảnh hưởng
• 3.4. Thu thập dữ liệu
• 3.5. Xây dựng mô hình mạng neuron nhân tạo
• 3.6. Định hình mạng
• 3.7. Đánh giá mô hình
• 4. CHƯƠNG 4: XÂY DỰNG MÔ HÌNH ANN
• 4.1. Giới thiệu chương
• 4.2. Xây dựng và đánh giá mô hình giai đoạn 1
• 4.3. Xây dựng và đánh giá mô hình giai đoạn 2
• 5. CHƯƠNG 5: THỬ NGHIỆM MÔ HÌNH, ỨNG DỤNG MÔ HÌNH TRÊN PHẦN MỀM EXCEL, ƯỚC LƯỢNG KHOẢNG TIN CẬY
• 5.1. Giới thiệu chương
• 5.2. Mô hình ước tính
• 5.3. Dự án thử nghiệm
• 5.4. Kết quả thử nghiệm mô hình
• 5.5. Xây dựng mô hình ước lượng ANN trên phần mềm Excel
• 6. CHƯƠNG 6: KẾT LUẬN VÀ KIẾN NGHỊ
• TÀI LIỆU THAM KHẢO
• PHỤ LỤC 1: TỔNG HỢP KẾT QUẢ MÔ HÌNH ANN 8 BIẾN ĐẦU VÀO 1 LỚP ẨN, 7 ĐẾN 17 NEURON LỚP ẨN
• PHỤ LỤC 2: TỔNG HỢP KẾT QUẢ MÔ HÌNH ANN 14 BIẾN ĐẦU VÀO 1 LỚP ẨN, 7 ĐẾN 29 NEURON LỚP ẨN
• PHỤ LỤC 3: TỔNG HỢP KẾT QUẢ MÔ HÌNH ANN 8 BIẾN ĐẦU VÀO 7 ĐẾN 17 NEURON LỚP ẨN SỐ 1 VÀ 2
• PHỤ LỤC 4: TỔNG HỢP KẾT QUẢ MÔ HÌNH ANN 14 BIẾN ĐẦU VÀO 9 ĐẾN 29 NEURON LỚP ẨN SỐ 1 VÀ 2

Tóm tắt

I. Tổng quan về ước lượng chi phí xây dựng cầu dầm nhịp giản đơn

Chi phí xây dựng cầu dầm nhịp giản đơn là một yếu tố quan trọng trong quản lý dự án xây dựng. Việc ước lượng chính xác chi phí không chỉ giúp tiết kiệm ngân sách mà còn đảm bảo chất lượng công trình. Mô hình mạng nơ-ron nhân tạo (ANN) đã được áp dụng để cải thiện độ chính xác trong ước lượng chi phí. Nghiên cứu này sẽ phân tích các yếu tố ảnh hưởng đến chi phí và cách mà mô hình ANN có thể hỗ trợ trong việc này.

1.1. Các yếu tố ảnh hưởng đến chi phí xây dựng cầu

Có nhiều yếu tố ảnh hưởng đến chi phí xây dựng cầu dầm nhịp giản đơn, bao gồm vật liệu, thiết kế, và điều kiện địa chất. Việc xác định các yếu tố này là cần thiết để xây dựng mô hình ANN hiệu quả.

1.2. Tại sao cần ước lượng chi phí chính xác

Ước lượng chi phí chính xác giúp các nhà đầu tư và quản lý dự án có cái nhìn rõ ràng về ngân sách cần thiết. Điều này cũng giúp giảm thiểu rủi ro tài chính và đảm bảo rằng các dự án được thực hiện đúng tiến độ.

II. Thách thức trong ước lượng chi phí xây dựng cầu dầm nhịp giản đơn

Mặc dù có nhiều phương pháp ước lượng chi phí, nhưng việc áp dụng chúng trong thực tế vẫn gặp nhiều thách thức. Các yếu tố như sự biến động của giá vật liệu, thay đổi trong thiết kế và điều kiện thi công có thể làm sai lệch kết quả ước lượng. Mô hình ANN có thể giúp giải quyết những vấn đề này bằng cách học từ dữ liệu quá khứ.

2.1. Biến động giá vật liệu

Giá vật liệu xây dựng thường xuyên thay đổi, ảnh hưởng lớn đến chi phí cuối cùng. Mô hình ANN có thể dự đoán biến động này dựa trên dữ liệu lịch sử.

2.2. Thay đổi trong thiết kế

Thay đổi thiết kế trong quá trình thi công có thể dẫn đến tăng chi phí. Việc sử dụng mô hình ANN giúp dự đoán các thay đổi này và điều chỉnh chi phí kịp thời.

III. Phương pháp xây dựng mô hình ANN cho ước lượng chi phí

Mô hình mạng nơ-ron nhân tạo (ANN) là một công cụ mạnh mẽ trong việc ước lượng chi phí xây dựng cầu dầm nhịp giản đơn. Phương pháp này sử dụng dữ liệu lịch sử để huấn luyện mô hình, từ đó đưa ra các dự đoán chính xác hơn về chi phí. Các bước xây dựng mô hình bao gồm thu thập dữ liệu, thiết kế mô hình và kiểm tra độ chính xác.

3.1. Quy trình thu thập dữ liệu

Dữ liệu cần thiết cho mô hình ANN bao gồm thông tin về các dự án cầu đã thực hiện, bao gồm chi phí, vật liệu và điều kiện thi công. Việc thu thập dữ liệu chính xác là bước đầu tiên và quan trọng nhất.

3.2. Thiết kế mô hình ANN

Thiết kế mô hình ANN bao gồm việc xác định số lượng lớp và số lượng nơ-ron trong mỗi lớp. Mô hình cần được tối ưu hóa để đạt được độ chính xác cao nhất trong ước lượng chi phí.

IV. Ứng dụng mô hình ANN trong ước lượng chi phí xây dựng cầu

Mô hình ANN đã được áp dụng thành công trong việc ước lượng chi phí xây dựng cầu dầm nhịp giản đơn tại Long An. Kết quả cho thấy mô hình này có khả năng dự đoán chi phí với độ chính xác cao, giúp các nhà đầu tư và quản lý dự án đưa ra quyết định tốt hơn.

4.1. Kết quả thử nghiệm mô hình ANN

Kết quả thử nghiệm cho thấy mô hình ANN có thể dự đoán chi phí với sai số thấp hơn so với các phương pháp truyền thống. Điều này chứng tỏ tính hiệu quả của mô hình trong thực tế.

4.2. Lợi ích của việc sử dụng mô hình ANN

Việc sử dụng mô hình ANN không chỉ giúp ước lượng chi phí chính xác hơn mà còn tiết kiệm thời gian và nguồn lực trong quá trình lập dự toán.

V. Kết luận và triển vọng tương lai của mô hình ANN trong xây dựng

Mô hình mạng nơ-ron nhân tạo (ANN) đã chứng minh được giá trị của nó trong việc ước lượng chi phí xây dựng cầu dầm nhịp giản đơn. Tương lai, mô hình này có thể được mở rộng và cải tiến để áp dụng cho nhiều loại công trình khác nhau, từ đó nâng cao hiệu quả quản lý chi phí trong ngành xây dựng.

5.1. Triển vọng phát triển mô hình ANN

Mô hình ANN có thể được cải tiến với các thuật toán học sâu để nâng cao độ chính xác và khả năng dự đoán. Điều này sẽ mở ra nhiều cơ hội mới trong lĩnh vực xây dựng.

5.2. Ứng dụng rộng rãi trong ngành xây dựng

Mô hình ANN không chỉ có thể áp dụng cho cầu dầm nhịp giản đơn mà còn cho nhiều loại công trình khác, từ đó giúp cải thiện quản lý chi phí trong toàn ngành xây dựng.

Nội dung chính

Tổng quan nghiên cứu

Trong bối cảnh phát triển kinh tế - xã hội, hạ tầng giao thông đóng vai trò then chốt trong việc thúc đẩy lưu thông hàng hóa và đi lại của người dân. Tỉnh Long An, thuộc đồng bằng sông Cửu Long, đã chứng kiến sự gia tăng nhanh chóng nhu cầu vận tải đường bộ và thủy bộ trong những năm gần đây. Theo báo cáo ngành, ngân sách tỉnh dành cho các công trình cầu giao thông ngày càng tăng, đặc biệt là các cầu dầm nhịp giản đơn theo tiêu chuẩn tải trọng HL93 (22TCN 272-05). Tuy nhiên, nguồn vốn có hạn đòi hỏi công tác quản lý chi phí xây dựng phải được thực hiện hiệu quả, đảm bảo chất lượng công trình mà không gây lãng phí.

Luận văn tập trung vào việc ước lượng chi phí xây dựng cầu dầm nhịp giản đơn bằng mô hình mạng neuron nhân tạo (ANN), nhằm hỗ trợ công tác lập dự toán và quản lý chi phí dự án tại Long An trong giai đoạn 2013-2014. Mục tiêu cụ thể gồm xác định các nhân tố ảnh hưởng chính đến chi phí xây dựng, xây dựng và kiểm định mô hình ANN, ứng dụng mô hình trên phần mềm Excel, đồng thời ước lượng khoảng tin cậy của chi phí dựa trên phương pháp Bootstrap. Phạm vi nghiên cứu giới hạn ở các công trình cầu dầm nhịp giản đơn sử dụng vốn ngân sách nhà nước trên địa bàn tỉnh Long An.

Nghiên cứu có ý nghĩa quan trọng trong việc cung cấp công cụ dự báo chi phí chính xác, giúp các cơ quan quản lý dự án và chủ đầu tư kiểm soát tốt hơn ngân sách, đồng thời góp phần nâng cao hiệu quả đầu tư công trình giao thông. Các chỉ số đánh giá mô hình như hệ số xác định R² và sai số MAPE đều cho thấy mô hình ANN có độ chính xác cao, phù hợp với thực tiễn quản lý chi phí xây dựng cầu.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên nền tảng lý thuyết mạng neuron nhân tạo (Artificial Neural Network - ANN), một mô hình tính toán mô phỏng hoạt động của neuron sinh học trong bộ não con người. ANN gồm các neuron nhân tạo kết nối với nhau qua các trọng số liên kết, có khả năng học từ dữ liệu và dự báo kết quả. Mạng nhiều tầng truyền thẳng (Multilayer Perceptron - MLP) với thuật toán lan truyền ngược (back-propagation) được sử dụng phổ biến trong các bài toán dự báo và ước lượng chi phí xây dựng.

Các khái niệm chính bao gồm:

• Neuron nhân tạo: Đơn vị xử lý thông tin với đầu vào, trọng số liên kết, hàm tổng và hàm truyền.
• Mạng MLP: Mạng gồm nhiều lớp neuron, trong đó có một hoặc hai lớp ẩn, sử dụng hàm sigmoid cho lớp ẩn và hàm tuyến tính cho lớp đầu ra.
• Phương pháp Bootstrap: Kỹ thuật thống kê dùng để ước lượng khoảng tin cậy của các tham số mô hình mà không cần giả định phân phối xác suất ban đầu.
• Các nhân tố ảnh hưởng chi phí xây dựng: Bao gồm các thông số kỹ thuật công trình (chiều dài cầu, chiều rộng, mô đun đàn hồi kết cấu, chiều cao thông thuyền, chiều dài cọc bê tông) và giá các vật liệu chính (giá xi măng, giá nhựa đường, giá nhiên liệu).

Phương pháp nghiên cứu

Nguồn dữ liệu được thu thập từ 33 dự án cầu dầm nhịp giản đơn xây dựng trên địa bàn tỉnh Long An trong năm 2013 và 2014, trong đó 32 dự án dùng để huấn luyện mô hình và 1 dự án dùng để thử nghiệm. Dữ liệu bao gồm các thông số kỹ thuật và giá vật liệu liên quan đến chi phí xây dựng.

Phương pháp phân tích chính là xây dựng mô hình ANN với cấu trúc mạng MLP, sử dụng thuật toán lan truyền ngược để huấn luyện. Dữ liệu được chia thành 75% cho bộ huấn luyện và 25% cho bộ kiểm tra, lựa chọn ngẫu nhiên nhằm đảm bảo tính khách quan. Hai mô hình được xây dựng tương ứng với hai giai đoạn phát triển dự án: giai đoạn 1 với 8 biến đầu vào và giai đoạn 2 với 14 biến đầu vào.

Việc đánh giá mô hình dựa trên các chỉ số sai số như MAPE (Mean Absolute Percentage Error), MSE (Mean Squared Error), RMSE (Root Mean Squared Error) và hệ số xác định R². Phương pháp Bootstrap được áp dụng để ước lượng khoảng tin cậy cho giá trị dự báo chi phí từ mô hình ANN.

Timeline nghiên cứu kéo dài từ tháng 7/2015 đến tháng 12/2015, bao gồm các bước xác định nhân tố ảnh hưởng, thu thập dữ liệu, xây dựng và kiểm định mô hình, thử nghiệm ứng dụng trên phần mềm Excel và báo cáo kết quả.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Xác định 14 nhân tố chính ảnh hưởng đến chi phí xây dựng cầu dầm nhịp giản đơn, bao gồm các thông số kỹ thuật như mô đun đàn hồi kết cấu, chiều dài cầu, chiều rộng cầu, chiều cao thông thuyền, chiều dài cọc bê tông, và các yếu tố giá vật liệu như giá xi măng, giá nhựa đường, giá nhiên liệu.

2. Mô hình ANN với 8 biến đầu vào và 2 lớp ẩn cho kết quả tốt nhất trong giai đoạn 1, với hệ số xác định R² trên bộ kiểm tra đạt khoảng 0.8 và sai số MAPE trung bình dưới 6%, thể hiện độ chính xác cao trong dự báo chi phí.

3. Mô hình ANN với 14 biến đầu vào và 2 lớp ẩn trong giai đoạn 2 cũng đạt hiệu quả tương tự, với R² dao động từ 0.75 đến 0.85 và MAPE dưới 7%, cho thấy việc bổ sung các biến liên quan đến giá vật liệu giúp nâng cao độ chính xác mô hình.

4. Ứng dụng mô hình trên phần mềm Excel cho phép ước lượng chi phí nhanh chóng và tiện lợi, hỗ trợ các nhà quản lý dự án trong việc lập dự toán và kiểm soát chi phí xây dựng cầu.

Thảo luận kết quả

Kết quả nghiên cứu phù hợp với các nghiên cứu trước đây trong lĩnh vực quản lý xây dựng, khẳng định hiệu quả của mô hình mạng neuron nhân tạo trong việc dự báo chi phí xây dựng công trình giao thông. Việc lựa chọn mô hình MLP với 1 hoặc 2 lớp ẩn và hàm sigmoid cho lớp ẩn là phù hợp với tính chất phi tuyến của dữ liệu chi phí xây dựng.

Sai số MAPE thấp dưới 7% cho thấy mô hình có khả năng dự báo chính xác, giúp giảm thiểu rủi ro vượt chi phí trong quá trình thi công. Hệ số xác định R² cao chứng tỏ mô hình giải thích tốt biến thiên chi phí dựa trên các biến đầu vào đã chọn.

Phương pháp Bootstrap cung cấp khoảng tin cậy cho giá trị dự báo, tăng tính tin cậy và hỗ trợ ra quyết định trong điều kiện dữ liệu có thể có nhiễu hoặc không phân phối chuẩn. Việc xây dựng mô hình dựa trên dữ liệu thực tế của tỉnh Long An giúp mô hình có tính ứng dụng cao trong thực tiễn địa phương.

Các biểu đồ hệ số R² và sai số MAPE minh họa rõ sự ổn định và hiệu quả của mô hình qua các bộ dữ liệu huấn luyện và kiểm tra, đồng thời cho thấy mô hình 2 lớp ẩn có phần ưu thế hơn về khả năng học và tổng quát hóa.

Đề xuất và khuyến nghị

1. Áp dụng mô hình ANN trong công tác lập dự toán chi phí xây dựng cầu dầm nhịp giản đơn tại các sở giao thông vận tải tỉnh thành, nhằm nâng cao độ chính xác và hiệu quả quản lý chi phí. Thời gian triển khai: trong vòng 6 tháng, chủ thể thực hiện là các phòng quản lý dự án và kỹ thuật.

2. Phát triển phần mềm ứng dụng mô hình ANN trên nền tảng Excel hoặc các phần mềm quản lý dự án khác, giúp cán bộ kỹ thuật dễ dàng sử dụng và cập nhật dữ liệu mới. Thời gian thực hiện: 3-4 tháng, do các đơn vị công nghệ thông tin phối hợp với chuyên gia xây dựng.

3. Tổ chức đào tạo, tập huấn cho cán bộ quản lý dự án và kỹ thuật về phương pháp ANN và ứng dụng trong quản lý chi phí xây dựng, nhằm nâng cao năng lực chuyên môn và áp dụng hiệu quả mô hình. Thời gian: 2 tháng, chủ thể là các trường đại học, viện nghiên cứu và sở giao thông vận tải.

4. Mở rộng nghiên cứu và cập nhật dữ liệu liên tục để hoàn thiện mô hình ANN, bao gồm các loại cầu khác và các yếu tố ảnh hưởng mới, nhằm tăng tính phổ biến và chính xác của mô hình trong tương lai. Chủ thể thực hiện là các viện nghiên cứu và trường đại học, thời gian liên tục theo chu kỳ 1-2 năm.

Đối tượng nên tham khảo luận văn

1. Cán bộ quản lý dự án xây dựng cầu giao thông tại các sở giao thông vận tải tỉnh thành: Giúp họ có công cụ dự báo chi phí chính xác, từ đó lập kế hoạch ngân sách và kiểm soát chi phí hiệu quả.

2. Chuyên gia kỹ thuật và tư vấn thiết kế cầu: Tham khảo để hiểu rõ các nhân tố ảnh hưởng đến chi phí và áp dụng mô hình ANN trong giai đoạn lập dự toán và thiết kế.

3. Nhà nghiên cứu và sinh viên ngành công nghệ xây dựng, quản lý xây dựng: Là tài liệu tham khảo quý giá về ứng dụng trí tuệ nhân tạo trong quản lý chi phí xây dựng công trình giao thông.

4. Các đơn vị tư vấn, nhà thầu xây dựng: Sử dụng mô hình để dự báo chi phí, lập kế hoạch thi công và quản lý tài chính dự án, nâng cao hiệu quả hoạt động.

Câu hỏi thường gặp

1. Mô hình mạng neuron nhân tạo (ANN) là gì và tại sao được chọn để ước lượng chi phí xây dựng?
   ANN là mô hình tính toán mô phỏng hoạt động của neuron sinh học, có khả năng học từ dữ liệu và dự báo kết quả phi tuyến. Nó được chọn vì khả năng xử lý dữ liệu phức tạp, không tuyến tính và cho kết quả dự báo chính xác hơn các phương pháp truyền thống.

2. Các nhân tố nào ảnh hưởng chính đến chi phí xây dựng cầu dầm nhịp giản đơn?
   Bao gồm các thông số kỹ thuật như chiều dài cầu, chiều rộng, mô đun đàn hồi kết cấu, chiều cao thông thuyền, chiều dài cọc bê tông, cùng với giá các vật liệu chính như xi măng, nhựa đường và nhiên liệu.

3. Phương pháp Bootstrap được sử dụng như thế nào trong nghiên cứu này?
   Bootstrap được dùng để ước lượng khoảng tin cậy cho giá trị dự báo chi phí từ mô hình ANN, giúp đánh giá độ tin cậy của kết quả mà không cần giả định phân phối xác suất ban đầu.

4. Mô hình ANN có thể áp dụng cho các loại cầu khác ngoài cầu dầm nhịp giản đơn không?
   Mô hình có thể được mở rộng và điều chỉnh cho các loại cầu khác, tuy nhiên cần thu thập dữ liệu phù hợp và xây dựng lại mô hình để đảm bảo độ chính xác.

5. Làm thế nào để sử dụng mô hình ANN trong thực tế quản lý dự án?
   Mô hình được tích hợp vào phần mềm Excel, cho phép nhập các thông số dự án và nhận kết quả ước lượng chi phí nhanh chóng, hỗ trợ lập dự toán và kiểm soát chi phí trong quá trình thi công.

Kết luận

• Nghiên cứu đã xác định 14 nhân tố chính ảnh hưởng đến chi phí xây dựng cầu dầm nhịp giản đơn tại Long An, bao gồm các thông số kỹ thuật và giá vật liệu.
• Mô hình mạng neuron nhân tạo (ANN) với cấu trúc MLP 1 hoặc 2 lớp ẩn được xây dựng và kiểm định, cho kết quả dự báo chi phí có độ chính xác cao với sai số MAPE dưới 7% và hệ số xác định R² trên 0.75.
• Ứng dụng mô hình trên phần mềm Excel giúp đơn giản hóa công tác ước lượng chi phí, hỗ trợ các nhà quản lý dự án trong việc lập dự toán và kiểm soát ngân sách.
• Phương pháp Bootstrap được áp dụng để ước lượng khoảng tin cậy, tăng tính tin cậy và khả năng ứng dụng của mô hình trong thực tế.
• Đề xuất triển khai áp dụng mô hình ANN trong quản lý chi phí xây dựng cầu tại các địa phương, đồng thời mở rộng nghiên cứu để hoàn thiện và phổ biến mô hình trong tương lai.

Next steps: Triển khai đào tạo, phát triển phần mềm ứng dụng và mở rộng dữ liệu để nâng cao hiệu quả mô hình. Các đơn vị quản lý dự án và nhà nghiên cứu được khuyến khích áp dụng và phát triển mô hình trong thực tiễn.

Hãy áp dụng mô hình ANN để nâng cao hiệu quả quản lý chi phí xây dựng cầu, góp phần phát triển hạ tầng giao thông bền vững và tiết kiệm ngân sách nhà nước.

Trích đoạn nội dung tài liệu

CHƯƠNG 1: DAT VAN DE 1. Xác định van đề nghiên cứu Là một tỉnh thuộc đồng bằng sông Cửu Long, Long An được xem là tỉnh phát triển khá nhanh về công nông nghiệp và dịch vụ. Từ đó, nhu cau đi lại và vận chuyển hàng hóa đường bộ ngày cảng tăng cao. Chính vì vậy, yêu câu về phát triển hạ tầng đặc biệt là mạng lưới giao thông đường bộluôn được Chính quyền địa phương quan tâm hàng đầu.

Địa hình Long An bị chia cắt nhiều bởi hệ thông sông và kênh rạch chăng chit, do đó dé đảm bảo hài hòa và phát triển đồng bộ giữa giao thông đường bộ và giao thông đường thủy, nhiều dự án cầu đã được triển khai, đặc biệt phố biến là cầu loại dầm nhịp giản đơn. Tuy nhiên, vốn ngân sách tỉnh hạn hẹp, kinh phí đầu tư vào các dự án cầu giao thong con nhiều hạn chế, đòi hỏi các co quan lãnh đạo địa phương phải tính toán sao cho chất lượng công trình vẫn đảm bảo mà không lãng phí chi phí xây dựng. Công tác xác định chi phí xây dựng cầu dầm nhịp giản đơn được thực hiện thông qua bước thiết kế bản vẽ thi công với cách tính truyền thống là lập dự toán. Bên cạnh đó, ngày càng có nhiều nghiên cứu khoa học liên quan đến việc xác định chi phí trong lĩnh vực xây dựng.

Trong đó mô hình mạng neuron nhân tạo (ANN) được xem như một giải pháp hữu hiệu dé ước lượng chi phí xây dựng. Nghiên cứu này được thực hiện để thực hiện công tác xác định chi phí xây dựng cho các dự án tương tự sẽ được thực hiện dựa trên các dữ liệu của các dự án tương tự bang ứng dung của mô hình mạng neuron nhân tao ANN. Mục tiêu nghiên cứu Nghiên cứu được tiến hành nhằm đáp ứng các mục tiêu sau đây: - _ Xác định các nhân tố chính ảnh hưởng đến chi phí xây dựng cầu dầm nhịp giản đơn. - Ung dụng mô hình ANN để xây dựng mô hình ước lượng chi phí xây dựng cau.

- Kiém tra, đánh giá kết quả mô hình và so sánh kết quả thông quan dự án thử nghiệm với chi phí xây dung trong suất vốn dau tu do Bộ Xây dựng công bó. - _ Viết chương trình ứng dụng mô hình trên phần mềm Excel. - Ước lượng khoảng tin cậy của giá trị ước lượng từ mô hình dựa trên phương pháp Bootstrap. Phạm vi nghiên cứu - Các công trình cầu dầm nhịp giản đơn sử dung vốn ngân sách nhà nước xây dựng trên địa bàn tỉnh Long An.

- Dit liệu sử dụng cho việc huấn luyện mạng neuron hạn chế như sau : các số liệu thu thập dựa trên cơ sở các số liệu dự toán, hồ sơ thiết kế của các công trình đã và đang thực hiện ở Long An. Đóng gop của nghiên cứu: Nghiên cứu này sử dụng dữ liệu các công trình cầu dầm nhịp giản don đã va đang thực hiện, qua đó áp dụng vào các dự án sau này, giúp chủ đầu tư biết trước được chi phí xây dựng qua đó quản lý tốt hơn về chất lượng và chi phí công trình. Nghiên cứu còn tạo ra thêm một phương pháp tính toán ước lượng dự toán chi phí cầu ngay cả khi chưa có thiết kế chỉ tiết. Đề tài còn là cở sở dé xây dựng và phát triển một mô hình xác định chi phí xây dựng mới hoàn thiện va pho biến hơn trong tương lai thay thế các phương pháp truyền thống, giúp giảm thiểu các chi phí sinh ra trong công tác lập chi phí xây dựng.

CHUONG 2: TONG QUAN 1. Giới thiệu chương Nội dung của Chương 2 sẽ đi vào hai van dé chính đó là làm sáng tỏ các khái niệm quan trọng được sử dụng trong Luận văn và tong hợp các nghiên cứu trước về phương pháp cũng như các rủi ro tiềm năng. Các khái niệm chung: a. Công trình cầu giao thông sử dụng dầm nhịp giản đơn Cau là một phương tiện nối liền 2 hay nhiều điểm khác nhau, giúp việc di chuyển giữa các vị tri ay được dễ dàng hơn.

Cầu là một công trình giao thông được bắc qua các chướng ngại nước như: rãnh nước, dòng suối, dòng sông, hồ, biến, thung lung, hay các chướng ngại khác như: đường bộ, đường sắt. đảm bảo cho giao thông được liên tục. Cầu dầm nhịp giản đơn: nhịp cầu gom các dam bang BTCT. Bộ phận chịu lực chủ yếu là dầm, làm việc theo chịu uốn, phản lực ở gối kê dầm có phương thắng đứng và có hướng từ dưới lên.

Dự án đầu tư xây dựng: Dự án dau tư xây dựng là tập hợp các dé xuất có liên quan đến việc sử dụng vốn để tiến hành hoạt động xây dựng để xây dựng mới, sửa chữa, cải tạo công trình xây dựng nhằm phát triển, duy trì, nâng cao chất lượng công trình hoặc sản phẩm, dịch vụ trong thời hạn và chi phí xác định. Ở giai đoạn chuẩn bị dự án đầu tư xây dựng, dự án được thé hiện thông qua Báo cáo nghiên cứu tiên khả thi đầu tư xây dựng, Báo cáo nghiên cứu khả thi đầu tư xây dựng hoặc Báo cáo kinh tế - kỹ thuật đầu tư xây dựng. Lập dự án dau tư xây dựng công trình Lập dự án đầu tư xây dựng công trình để chứng minh cho người quyết định đầu tư thay duoc su can thiét, muc tiéu, hiéu qua đầu tư của dự án; làm co sở cho người bỏ vốn (cho vay vốn) xem xét hiệu quả dự án và khả năng hoan trả vốn. Đồng thời dé các cơ quan quản lý nhà nước xem xét sự phù hợp của dự án đối với quy hoạch phát triển 10 kinh tế - xã hội, quy hoạch phát triển ngành và quy hoạch xây dựng: đánh giá tac động về sự ảnh hưởng của dự án tới môi trường, mức độ an toàn đối với các công trình lân cận; các yếu t6 ảnh hưởng tới kinh tế xã hội; sự phù hợp với các yêu cau về phòng chống cháy nô, an ninh quốc phòng.

Lập dự án đầu tư xây dựng công trình gồm việc lập Báo cáo nghiên cứu tiền khả thi đầu tư xây dựng (nếu có), Báo cáo nghiên cứu khả thi đầu tư xây dựng hoặc Báo cáo kinh tế - kỹ thuật đầu tư xây dựng và thực hiện các công việc cần thiết để chuẩn bị đầu tư xây dựng. Thiết kế bản vẽ thi công Thiết kế bản vẽ thi công là thiết kế đảm bảo thể hiện được đây đủ các thông số kỹ thuật, vật liệu sử dụng và chi tiết cau tạo phù hợp với quy chuẩn, tiêu chuẩn áp dung, đảm bảo đủ điều kiện dé triển khai thi công xây dựng công trình. Suất vốn đầu tư: Suất vốn đầu tư xây dựng công trình là mức phí cần thiết để đầu tư xây dựng công trình mới tinh theo đơn vi diện tích, công suất hoặc năng lực phục vụ theo thiết kế công trình. Suat von đâu tư là cơ sở phục vụ cho việc xác định tông mức dau tu dự án, lập và quan lý chi phí dự án trong giai đoạn chuẩn bị dự án.

Giá xây dựng tổng hợp bộ phận kết cau công trình bao gồm toàn bộ chi phí cần thiết để hoàn thành một bộ phận kết cau công trình. Giá xây dựng tổng hợp bộ phận kết câu công trình là cơ sở đê phục vụ cho việc xác định dự toán công trình. Tổng quan phương pháp ANN Nội dung này được tổng hợp từ các tài liệu: Tài liệu giảng dạy ứng dụng trí tuệ nhân tạo trong xây dựng (Lê, 2012), Báo cáo mang neural và ứng dung (D6, Bùi, Lê& Hoàng, 2010. Các trang web: tailieu.

Mạng nơ ron nhân tạo là một mồ phỏng xử lý thông tin, được nghiên cứu ra từ hệ thống than kinh của sinh vật, giống như bộ não dé xử lý thông tin. Nó bao gồm số lượng lớn các môi gan kêt cap cao đê xử lý các yêu tô làm việc trong môi liên hệ giải 11 quyết van dé rõ rang. ANNs giống như con người, được học bởi kinh nghiệm, lưu những kinh nghiệm hiểu biết và sử dụng trong những tình huồng phù hợp. Đầu tiên ANN được giới thiệu năm 1943 bởi nhà thần kinh hoc Warren McCulloch và nhà logic học Walter Pits.

Nhung với những kỹ thuật trong thời gian nay chưa cho phép họ nghiên cứu được nhiều. Những năm gần đây mô phỏng ANN xuất hiện và phát triển. Các nghiên cứu ứng dụng đã được thực hiện trong các ngành: điện, điện tử, kỹ thuật chế tạo, y hoc, quân sự, kinh tế.và mới nhất là các nghiên cứu ứng dụng trong lĩnh vực quản lý dự án xây dựng. Tại Việt Nam việc nghiên cứu ứng dụng ANN vào quản lý xây dựng chỉ mới bắt đầu trong vài năm gần đây và cần được phát triển.

Neuron sinh học Qua quá trình nghiên cứu vẻ bộ não, người ta thay rằng: bộ não con người bao gôm khoảng 1011 neuron tham gia vào khoảng 1015 kết nối trên các đường truyền. Mỗi đường truyền này dài khoảng hơn một mét. Các neuron có nhiều đặc điểm chung với các tế bảo khác trong cơ thể, ngoài ra chúng còn có những khả năng mà các tế bào khác không có được, đó là khả năng nhận, xử lý và truyền các tín hiệu điện hóa trên các đường mòn neuron, các con đường này tạo nên hệ thống giao tiếp của bộ não. Syrapse to other neurons Hình anh 1.

Cấu trúc của một noron sinh học dién hình Mỗi neuron sinh học có 3 thành phan cơ bản: ¢ Các nhánh vào hình cây ( dendrites) ¢ Thân tế bao (cell body) 12 ¢ Soi truc ra (axon) Các nhánh hình cây truyén tín hiệu vào đến thân tế bao. Thân tế bào tong hợp và xử lý cho tín hiệu đi ra. Soi trục truyén tín hiệu ra từ thân tế bào này sang neuron khác. Điểm liên kết giữa sợi trục của neuron này với nhánh hình cây của neuron khác gọi là synapse.

Liên kết giữa các neuron và độ nhạy của mỗi synapse được xác định bởi quá trình hóa học phức tạp. Một số cầu trúc của neuron được xác định trước lúc sinh ra. Một số cấu trúc được phát triển thông qua quá trình học. Trong cuộc đời cá thể, một số liên kết mới được hình thành, một số khác bị hủy bỏ.

Như vậy neuron sinh học hoạt động theo cách thức sau: nhận tín hiệu đầu vào, xử lý các tín hiệu nay và cho ra một tín hiệu output. Tín hiệu output này sau đó được truyền đi làm tín hiệu đầu vào cho các noron khác. Dựa trên những hiểu biết về neuron sinh học, con người xây dựng neuron nhân tạo với hy vọng tạo nên một mồ hình có sức mạnh như bộ não.Neuron nhân tạo Một neuron là một đơn vị xử lý thông tin và là thành phần cơ bản của một mạng neuron.