ước tính thời gian thi công của dự án xây dựng cầu đường bộ ở khu vực đông nam bộ và đồng bằng sông cửu long trong giai đoạn lập dự án

Mục tiêu của nghiên cứu nhằm xác định các nhân tố chính tác động đến thời gian thực hiện dự án xây dựng cầu đường bộ, và ứng dụng mạng Neuron nhân tạo Artificial Neural Network để phân t

ƯỚC TÍNH THỜI GIAN THI CÔNG CỦA DỰ ÁN XÂY DỰNG

Chuyên ngành : Xây d ựng Công trình dân dụng và công nghiệp

Mã s ố chuyên ngành : 60 58 02 08

LU ẬN VĂN THẠC SỸ XÂY DỰNG

Người hướng dẫn khoa học:

Ti ến sỹ Lê Hoài Long

TÓM T ẮT

Dự án xây dựng nói chung và dự án cầu đường nói riêng luôn tiềm ẩn nhiều rủi ro do sự phức tạp và sự không chắc chắn vốn có, như các yếu tố về tự nhiên, địa hình, địa chất, thuỷ văn, kinh tế xã hội, nguồn vốn, tính đặc thù của

mỗi dự án… đã gây ra nhiều khó khăn cho công tác quản lý Trong đó, rủi ro về ước tính thời gian thực hiện dự án là một trong những rủi ro lớn đối với các dự

án xây dựng

Do đặc thù riêng của các dự án xây dựng cầu đường bộ chịu ảnh hưởng

của các yếu tố về thiên nhiên, địa hình, địa chất, thuỷ văn, năng lực nhà thầu…

Do đó, đòi hỏi có sự tính toán riêng về thời gian thực hiện đối với loại hình dự

án này

Mục tiêu của nghiên cứu nhằm xác định các nhân tố chính tác động đến

thời gian thực hiện dự án xây dựng cầu đường bộ, và ứng dụng mạng Neuron nhân tạo (Artificial Neural Network) để phân tích sự tác động của các yếu tố này đến thời gian thực hiện dự án

Kết quả nghiên cứu đã xác đ ịnh được 12 nhân tố chính ảnh hưởng đến

thời gian thực hiện dự án xây dựng cầu đường bộ tại khu vực Đông Nam Bộ và Đồng bằng sông Cửu Long Kết quả nghiên cứu sẽ góp phần hỗ trợ Chủ đầu tư trong việc ra quyết định và nâng cao năng lực quản lý đối với loại hình dự án này

Lu ận văn Thạc sỹ 1 GVHD: TS Lê Hoài Long

M ỤC LỤC

Trang

L ời cam đoan……… i

L ời cảm ơn……… …… … ii

Tóm tắt……… …… ……….… iii

M ục lục……….… ………iv

Danh m ục hình và đồ thị……… ………… v

Danh m ục bảng……… ………vi

CHƯƠNG 1: ĐẶT VẤN ĐỀ 7

I GI ỚI THIỆU CHUNG 7

II XÁC ĐỊNH VẤN ĐỀ NGHIÊN CỨU 7

II.1 Lý do nghiên c ứu 7

II.2 Các câu h ỏi nghiên cứu 8

III CÁC M ỤC TIÊU NGHIÊN CỨU 9

IV PH ẠM VI NGHIÊN CỨU 9

V ĐÓNG GÓP CỦA NGHIÊN CỨU 10

CHƯƠNG 2: TỔNG QUAN 11

I CÁC KHÁI NI ỆM, LÝ THUYẾT, KIẾN THỨC VÀ MÔ HÌNH SỬ DỤNG 11

II CÁC NGHIÊN C ỨU SỬ DỤNG MẠNG NEURON NHÂN TẠO ĐÃ ĐƯỢC CÔNG B Ố 12

III K ẾT LUẬN 18

CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU 20

I QUY TRÌNH NGHIÊN C ỨU 20

II CÁC PHƯƠNG PHÁP, CÔNG CỤ NGHIÊN CỨU 21

Lu ận văn Thạc sỹ 2 GVHD: TS Lê Hoài Long

III PHÂN TÍCH D Ữ LIỆU 21

III.1 Mô hình h ồi quy tuyến tính 21

IV.1 Mô hình ANN 28

CHƯƠNG 4: XÁC ĐỊNH CÁC YẾU TỐ ẢNH HƯỞNG VÀ THU THẬP VÀ XỬ LÝ BỘ DỮ LIỆU CHO MÔ HÌNH 31

I XÁC ĐỊNH CÁC YẾU TỐ ẢNH HƯỞNG 31

II THU TH ẬP DỮ LIỆU 37

III X Ử LÝ BỘ DỮ LIỆU CHO MÔ HÌNH 38

III.1 Nhóm 1: Các d ự án sử dụng vốn Ngân sách nhà nước 44

III.2 Nhóm 2: Các d ự án sử dụng vốn ngoài Ngân sách nhà nước 44

CHƯƠNG 5: MÔ HÌNH HỒI QUY TUYẾN TÍNH 49

I M ỤC ĐÍCH 49

II PHÂN TÍCH H ỒI QUY 49

II.1 Nhóm các d ự án sử dụng vốn Ngân sách nhà nước 49

II.2 Nhóm các d ự án sử dụng vốn ngoài Ngân sách nhà nước 55

II.3 K ết luận 57

CHƯƠNG 6: MÔ HÌNH ANN 58

I NHÓM D Ự ÁN SỬ DỤNG VỐN NGÂN SÁCH NHÀ NƯỚC 59

II NHÓM D Ự ÁN SỬ DỤNG VỐN NGOÀI NGÂN SÁCH NHÀ NƯỚC 63

III S Ử DỤNG MÔ HÌNH ANN DỰ BÁO THỜI GIAN THI CÔNG CỦA CẦU TÂN ĐIỀN – BẾN TRE 67

CHƯƠNG 7: TỔNG KẾT NGHIÊN CỨU 71

I T ỔNG KẾT 71

II KI ẾN NGHỊ VÀ HƯỚNG PHÁT TRIỂN ĐỀ TÀI 71

TÀI LI ỆU THAM KHẢO 73

Lu ận văn Thạc sỹ 3 GVHD: TS Lê Hoài Long

PH Ụ LỤC 01: BẢNG CÂU HỎI KHẢO SÁT 76

PH Ụ LỤC 02: CÁC KIỂM ĐỊNH THỐNG KÊ 82

Lu ận văn Thạc sỹ 4 GVHD: TS Lê Hoài Long

Hình 2.1: Mô hình neuron nhân tạo điển hình 11

Hình 6.1 Biểu đồ so sánh giá trị dự báo và thời gian thi công thực tế 62

Hình 6.2 Giá trị PE (%) của bộ huấn luyện 62

Hình 6.3 Giá trị PE (%) của bộ kiểm tra 63

Hình 6.4 Biểu đồ so sánh giá trị dự báo và thời gian thi công thực tế 66

Hình 6.5 Giá trị PE (%) của bộ huấn luyện 66

Hình 6.6 Giá trị PE (%) của bộ kiểm tra 67

Hình 6.7 Đưa các biến vào mô hình 68

Hình 6.8 Phân nhóm bộ dữ liệu 68

Hình 6.9 Lựa chọn cấu trúc mạng neuron 69

Hình 6.10 Nhập các tuỳ chọn cho mô hình 69

Lu ận văn Thạc sỹ 5 GVHD: TS Lê Hoài Long

Bảng 3.1: Nội dung và công cụ nghiên cứu…… …… 21

Bảng 4.1: Các yếu tố ảnh hưởng đến thời gian thi công …… 33

Bảng 4.2: Tổng hợp kết quả phỏng vấn …… … 35

Bảng 4.3: Xếp hạng các yếu tố ảnh hưởng …… … 37

Bảng 4.4: Bộ dữ liệu Nhóm các dự án sử dụng vốn Ngân sách nhà nước 40

Bảng 4.5: Bộ dữ liệu Nhóm các dự án sử dụng vốn ngoài Ngân sách nhà nước …… ……… ……… 42

Bảng 4.6: Các biến đầu vào và đầu ra của mô hình …… 45

Bảng 4.7: Bộ dữ liệu xây dựng mô hình – Nhóm 1 …… 47

Bảng 4.8: Bộ dữ liệu xây dựng mô hình – Nhóm 2 …… 48

Bảng 5.1: Kết quả phân tích tương quan Spearman …… 50

Bảng 5.2: Kết quả chọn biến với phương pháp chọn biến Forward …… 51

Bảng 5.3: Kết quả phân tích hồi quy (Forward) …… 52

Bảng 5.4: Kết quả chọn biến với phương pháp chọn biến Backward 52

Bảng 5.5: Kết quả phân tích hồi quy (Backward) 53

Bảng 5.6: Kết quả chọn biến với phương pháp chọn biến Stepwise 53

Bảng 5.7: Kết quả phân tích hồi quy (Stepwise) 54

Bảng 5.8: Thống kê phương trình hồi quy tuyến tính và các hệ số MAPE, R2 , AdjR2 của 3 phương pháp stepwise, backward và forward 55

Bảng 5.9: Thống kê các kiểm định mô hình hồi quy tuyến tính của 3 phương pháp Stepwise, Backward và Forward 55

Bảng 5.10: Kết quả phân tích tương quan Spearman 56

Bảng 6.1 Kết quả phân tích mô hình ANN 59

Bảng 6.2 Bảng giá trị % sai số PE 61

Lu ận văn Thạc sỹ 6 GVHD: TS Lê Hoài Long

Bảng 6.3 Kết quả của mô hình ANN 64

Bảng 6.4 Giá trị phần trăm sai số PE 65

Bảng 6.5: Dữ liệu đầu vào 67

Lu ận văn Thạc sỹ 7 GVHD: TS Lê Hoài Long

CHƯƠNG 1: ĐẶT VẤN ĐỀ

Giai đoạn chuẩn bị dự án có vai trò rất quan trọng đối với một dự án

Hiện nay, tình trạng các dự án cầu đường bộ thi công bị chậm so với tiến độ đã được duyệt diễn ra khá phổ biến Điều này làm ảnh hưởng đến chi phí của dự

án, thời điểm đưa vào khai thác sử dụng, uy tín của các bên liên quan như Chủ đầu tư, Nhà thầu thi công, Đơn vị tư vấn…Trong khi tình hình thủ tục lập dự án đầu tư ở Việt Nam còn chậm, rút ngắn thời gian và tăng tính chính xác các phần

việc trong giai đoạn này là một yêu cầu quan trọng đối với các Chủ đầu tư Sử

dụng mạng Neuron nhân tạo (ANN) để tự động hóa quá trình dự báo thời gian thi công của dự án cầu đường bộ là một giải pháp để giải quyết vấn đề này

Đến nay, đã có một số nghiên cứu về áp dụng ANN để ước lượng các số

liệu quan trọng của dự án đầu tư: Mô hình d ữ liệu và ứng dụng của phương pháp mạng neuron trong việc dự đoán tổng chi phí xây dựng [13]; Một phương pháp tiếp cận mạng neuron để ước lượng chi phí công trình trong giai đoạn thiết

kế sơ bộ [3]; Mô hình mạng neuron của chi phí công trình đư ờng cao tốc [16]; ước lượng chi phí xây dựng chung cư bằng mạng neuron nhân tạo [9];…

Tuy nhiên chưa có nghiên cứu nào về ứng dụng ANN để dự báo thời gian thi công của dự án xây dựng công trình cầu đường bộ ở khu vực Đông Nam Bộ

và Đồng Bằng Sông Cửu Long của Việt Nam

II XÁC ĐỊNH VẤN ĐỀ NGHIÊN CỨU

II.1 Lý do nghiên c ứu

Việc xác định thời gian thi công của dự án xây dựng đặc biệt là xây dựng công trình cầu đường bộ chủ yếu dựa vào kinh nghiệm của người lập dự án và

Lu ận văn Thạc sỹ 8 GVHD: TS Lê Hoài Long

thời gian thi công của một dự án có quy mô tương đương đã hoàn thành Cách xác định thời gian này ít nhiều vẫn có các hạn chế như sau:

- Các dự án xây dựng cầu đường bộ có phương án kết cấu, phương án thi công, nguồn vốn… khác nhau thì sẽ rất khó áp dụng kinh nghiệm từ các dự án tương đương

- Trước khi dự án được phê duyệt, các phương án về kết cấu, nguồn vốn, phương án quản lý dự án… có thể thay đổi nhiều lần dẫn đến thời gian thi công

cũng thay đổi theo

Do vậy việc nghiên cứu áp dụng các mô hình dự báo từ cơ sở dữ liệu của các dự

án đã thực hiện có ý nghĩa quan tr ọng, giúp Chủ đầu tư có những ước lượng chính xác hơn và nhanh hơn, tạo tiền đề cho các giai đoạn tiếp theo đạt hiệu quả cao:

- Hoàn thành công trình đúng với tiến độ đã lập ra

- Tránh được tình trạng điều chỉnh dự án nhiều lần gây lãng phí

- Hỗ trợ tốt công tác kế hoạch tài chính cho dự án

- Tạo điều kiện cho quá trình hoạt động của dự án được thuận lợi, nhanh chóng đưa dự án vào khai thác sử dụng, đáp ứng kịp thời nhu cầu giao thông cho sự phát triển kinh tế-xã hội của đất nước

II.2 Các câu h ỏi nghiên cứu

- Các yếu tố ảnh hưởng đến thời gian thi công các dự án xây dựng công trình

cầu đường bộ là gì?

- Liệu có thể tự động hóa quá trình ước tính thời gian thi công của các dự án xây

dựng công trình cầu đường bộ dựa trên các số liệu khách quan đã có hay không?

Lu ận văn Thạc sỹ 9 GVHD: TS Lê Hoài Long

- Dùng công cụ gì để thực hiện quá trình tự động hóa ước tính đó?

- Cách thức tiến hành như thế nào?

- Phương pháp kiểm tra như thế nào để đảm bảo tin chắc rằng mô hình ước tính

là đáng tin cậy?

Sử dụng lý thuyết mạng neuron nhân tạo (Artificial Neural Network – ANN) để ước tính thời gian thi công cho dự án xây dựng công trình cầu đường

bộ

Cụ thể các bước như sau:

- Xác định các yếu tố ảnh hưởng đến thời gian thi công của dự án xây dựng cầu đường bộ, và các yếu tố gây ra sự thay đổi thời gian thi công để thu thập dữ liệu

chọn giá trị đầu vào và đầu ra

- Thiết lập mô hình thuật toán dự báo

- Sử dụng SPSS để huấn luyện và kiểm tra mô hình

- Áp dụng mô hình dự báo cho một vài công trình cụ thể

- Địa điểm: Phạm vi nghiên cứu của đề tài giới hạn ở các dự án xây dựng công trình cầu đường bộ ở khu vực Đông Nam Bộ và Đồng bằng sông Cửu Long

- Thời gian: Thời điểm thu thập số liệu tháng 04/2014 đến tháng 09/2014; nghiên cứu thực hiện trong khoảng từ tháng 10/2014 đến tháng 07/2015

- Tính chất, đặc trưng của đối tượng nghiên cứu: Đối tượng nghiên cứu là dự án xây dựng công trình cầu đường bộ đã hoàn thành tại khu vực Đông Nam Bộ và Đồng Bằng Sông Cửu Long, nghiên cứu trong giai đoạn lập dự án

Lu ận văn Thạc sỹ 10 GVHD: TS Lê Hoài Long

- Quan điểm phân tích: Phân tích và thảo luận theo quan điểm của Chủ đầu tư

V ĐÓNG GÓP CỦA NGHIÊN CỨU

Trên thế giới và ở Việt Nam hiện nay đã có nhi ều nghiên cứu liên quan đến ứng dụng mạng neuron để dự đoán các mục tiêu về chi phí, về tổng mức đầu tư qua khai thác số liệu của các dự án đã thực hiện (data mining), tuy nhiên chưa có nghiên cứu nào ứng dụng mạng neuron để ước tính thời gian thi công cho dự án xây dựng công trình cầu đường bộ ở khu vực Đông Nam Bộ và Đồng

Bằng sông Cửu Long Do đó, đề tài nghiên cứu này đóng góp một tình huống phân tích, ứng dụng dự đoán thời gian thi công cho dự án xây dựng công trình

cầu đường bộ tại khu vực Đông Nam Bộ và Đồng Bằng Sông Cửu Long

Về mặt lý luận: Đề tài này giúp phân tích và hệ thống các nhân tố ảnh hưởng đến thời gian thi công của các dự án xây dựng công trình cầu đường bộ

tại khu vực Đông Nam Bộ và Đồng Bằng Sông Cửu Long, giúp định hướng phân tích và kiểm soát thời gian thi công tốt hơn Đồng thời mở ra một triển

vọng ước tính thời gian thi công cho các dự án xây dựng công trình cầu đường

lượng dựa vào các dự án có quy mô tương đương (dựa nhiều vào ước đoán chủ quan của người lập), mà còn dựa vào công cụ ước tính được xây dựng từ dữ liệu

của các dự án đã thực hiện

Về mặt thực tiễn: Đề tài này giúp Chủ đầu tư ước tính khách quan, chính xác hơn thời gian thi công của các dự án xây dựng công trình cầu đường bộ tại

tài chính, và kế hoạch đưa dự án vào khai thác sử dụng, tránh tình trạng thời gian thi công bị kéo dài làm tăng chi phí và các rủi ro cho dự án Ngoài ra cũng

tạo điều kiện cho quá trình quản lý dự án được thuận lợi, đáp ứng kịp thời nhu

cầu kinh tế - xã hội của đất nước

Lu ận văn Thạc sỹ 11 GVHD: TS Lê Hoài Long

CHƯƠNG 2: TỔNG QUAN

- Khái niệm mạng neuron nhân tạo: Mạng neuron nhân tạo hay thường gọi

ngắn gọn là mạng neuron là một mô hình toán học hay mô hình tính toán đư ợc xây dựng dựa trên các mạng neuron sinh học Nó gồm có một nhóm các neuron nhân tạo (nút) nối với nhau, và xử lý thông tin bằng cách truyền theo các kết nối

và tính các giá trị mới tại các nút (cách tiếp cận connectionism đối với tính toán) Trong nhiều trường hợp, mạng neuron nhân tạo là một hệ thống thích ứng (adaptive system) tự thay đổi cấu trúc của mình dựa trên các thông tin bên ngoài hay bên trong chảy qua mạng trong quá trình học [11]

- Trong thực tế sử dụng, nhiều mạng neuron là các công cụ mô hình hóa dữ liệu

thống kê phi tuyến Chúng có thể được dùng để mô hình hóa các mối quan hệ

phức tạp giữa dữ liệu vào và kết quả hoặc để tìm kiếm các dạng/mẫu trong dữ

liệu [15]

(Nguồn: Wikipedia.org, 2013) Hình 2.1: Mô hình neuron nhân tạo điển hình

Lu ận văn Thạc sỹ 12 GVHD: TS Lê Hoài Long

- Để thiết kế một mạng neuron, cần phải thực hiện 2 vấn đề:

+ Xác định cấu trúc mạng: Xác định các nút và sự kết nối giữa các nút, mỗi nút thuộc về một lớp và sự kết nối thường liên kết giữa 2 nút lân cận “Đối với các

lớp ẩn (thường là 1 hoặc 2), số lượng của các nút thường được xác định bởi các

thử nghiệm, vì không có quy tắc nhất định để xác định nó” [12] Có thể xác định

nằm trong khoảng từ 2 n+mđến 2n+ 1, với n là số nút đầu vào và m là số nút đầu ra [7]

+ Xây dựng nội luật mạng: Các nội luật xác định hành vi của mạng neuron Ngoài các luật kích động, quy định việc truyền tín hiệu giữa các nút, một quy

tắc cơ bản là luật học Có hai cách học khác nhau trong mạng neuron nhân tạo

là học thông số và học cấu trúc [13] Hầu hết trong ngành quản lý xây dựng thường dùng cách học thông số để huấn luyện mạng (học giám sát) Mạng hướng tiến và giải thuật lan truyền ngược sẽ cung cấp một thủ tục cho việc cập

nhật các trọng số kết nối trong mạng lan truyền ngược từ lớp neuron đầu ra đến

lớp neuron đầu vào

II CÁC NGHIÊN CỨU SỬ DỤNG MẠNG NEURON NHÂN TẠO ĐÃ ĐƯỢC CÔNG BỐ

Nhiều nhà nghiên cứu đã sử dụng mạng neuron nhân tạo dự báo giá trị chi phí đầu ra dựa trên các biến đầu vào đã được nghiên cứu, đánh giá, thu thập

bằng nhiều phương pháp khác nhau để ước lượng tổng mức đầu tư của dự án xây dựng công trình Sau đó có thể sử dụng mô hình hồi quy đa biến để kiểm tra

lại mô hình ANN

thiết và trình bày cách xây dựng một mô hình dự đoán độ lệch chi phí trong các

dự án tái thiết xây dựng có độ rủi ro cao Nội dung của nghiên cứu: Ước lượng

Lu ận văn Thạc sỹ 13 GVHD: TS Lê Hoài Long

tổng chi phí cho công trình xây dựng, tác giả đã so sánh giữa mô hình hồi quy tuyến tính và mô hình mạng neuron

+ Mô hình hồi quy: Tác giả đã sử dụng 5 biến đầu vào

+ Mô hình ANN: Tác giả sử dụng 18 biến đầu vào

Kết quả đạt được: Ước lượng bằng mạng neuron 41 biến đầu vào với biến đầu

ra là chi phí trên m2cho kết quả tốt hơn

2 Emsley (2002) [3] đã phát triển mô hình mạng neuron với dữ liệu thu được từ

gần 300 dự án đã xây dựng Thu thập dữ liệu về chi phí của các dự án xây dựng theo các cách khác nhau Sử dụng mô hình hồi quy và mạng neuron để phân tích

dữ liệu Quá trình tiến hành nghiên cứu bao gồm 2 giai đoạn:

+ Giai đoạn 1: Nghiên cứu thí điểm ban đầu để: Xác định biến; Kiểm tra dữ

liệu; Xác định chiến lược thu thập dữ liệu; Nghiên cứu mô hình thích hợp; Kiểm nghiệm sơ bộ lại phương pháp đã dùng

+ Giai đoạn 2: Nghiên cứu đầy đủ với dữ liệu nêu trên, phát triển các mô hình

phức tạp Phát triển mô hình hồi quy để so sánh

Kết quả đạt được là mạng neuron dự báo tốt hơn hồi quy tuyến tính

neuron để giải quyết vấn đề chi phí cho giai đoạn thiết kế sơ bộ Dữ liệu “chi phí thiết kế” được thu thập từ 30 dự án Mạng neuron có thể giải quyết mối quan hệ phi tuyến và cho kết quả đáng tin cậy hơn Mục tiêu của bài báo là dùng

mô hình ANN đ ể ước lượng chi phí phần thô của công trình Mẫu thu thập để ước lượng chi phí từ các dự án dân dụng (4 đến 8 tầng kết cấu bê tông cốt thép)

ở Thổ Nhĩ Kỳ

Lu ận văn Thạc sỹ 14 GVHD: TS Lê Hoài Long

+ Mạng neuron gồm có: lớp vào với 8 thông số đầu vào, lớp ẩn gồm 4 neuron

và đầu ra là 1 nút xem là mục tiêu Các thông số đầu vào bao gồm:

X1: Tổng diện tích công trình

X2: Tỷ số của diện tích sàn điển hình/tổng diện tích công trình

X3: Tỷ số diện tích sàn trệt/tổng diện tích công trình

+ Với độ chính xác trung bình 93% và có sai số bình phươ ng trung bình

đích nghiên cứu

định thời gian và chi phí cho công tác đất Tác giả đã sử dụng một bộ dữ liệu được thu thập từ các dự án đã thi công và sử dụng mạng Neuron nhân tạo với 5

biến đầu vào để xây dựng mô hình ước tính

Kết quả đạt được: Nghiên cứu đưa ra một cách lựa chọn máy móc thi công tối

ưu để thực hiện phần công tác đất, giúp giảm chi phí và thời gian

đưa ra 2 phương pháp để ước tính thời gian thi công cho các dự án đường cao

tốc tại Ấn Độ

Lu ận văn Thạc sỹ 15 GVHD: TS Lê Hoài Long

Dựa trên bộ dữ liệu chi tiết về các dự án đường cao tốc đã thi công tại Ấn Độ, tác giả đưa ra được các nhân tố chính ảnh hưởng bao gồm:

+ Loại đường cao tốc

+ Điều kiện thời tiết

+ Năng lực nhà thầu

+ Địa điểm thực hiện của dự án

+ Điều kiện giao thông tại nơi thực hiện dự án

Sau đó tác giả đã sử dụng phương pháp hồi quy và phương pháp trung bình năng suất lao động để xây dựng phần mềm ước tính thời gian thi công

phí xây dựng cho các dự án chung cư Từ 6 biến liên quan bao gồm:

Bài báo trình bày cách ước lượng chi phí xây dựng chung cư với sai số 5,5%

Các tác giả đã viết một chương trình t ự động hóa ước lượng chi phí xây dựng chung cư với công cụ lập trình Visual C++ Tuy nhiên, khó khăn trong việc thu

thập số liệu để huấn luyện mạng nên chưa bao quát hết tất cả các trường hợp dự

án xây dựng chung cư đã qua

Lu ận văn Thạc sỹ 16 GVHD: TS Lê Hoài Long

Các kết quả đạt được:

+ Dựa vào chương trình đã xây dựng, nhà đầu tư có thể ước lượng được chi phí xây dựng dự án chung cư trong giai đoạn thực hiện nghiên cứu dự án đầu tư mà không cần thể hiện chi tiết hóa giá trị của từng hạng mục hay thành phần cấu thành

+ Có thể dự báo giá trị đầu tư khi dự án thay đổi quy mô hoặc giá cả vật liệu

phụ thuộc vào các biến đầu vào để vạch kế hoạch thực hiện hay không thực hiện thay đổi

+ Bài báo chỉ dừng lại ở mức độ giá trị nghiên cứu, do việc thu thập số liệu còn

hạn chế (tác giả không nêu cách lấy mẫu) và các biến đầu vào chưa đại diện hết các ảnh hưởng Hướng đề tài tiếp theo sẽ mở rộng cho nhiều loại dự án như: xây

dựng công trình giao thông, thủy điện… và các biến ảnh hưởng được đưa vào đánh giá nhiều hơn

dựng với công cụ Neuron Network (ANN)

+ Nghiên cứu này tập trung vào việc nhận diện các nguyên nhân chính gây vượt chi phí và chậm trễ tiến độ ở các dự án xây dựng dân dụng và công nghiệp trong giai đoạn thi công ở khu vực thành phố Hồ Chí Minh và các tỉnh lân cận Tác

giả đã tiến hành khảo sát bằng bảng câu hỏi để thu thập dữ liệu phục vụ cho nghiên cứu Từ kết quả của nghiên cứu, đưa ra kế hoạch quản lý và đề xuất các

biện pháp cải thiện nhằm giảm thiểu tối đa sự vượt chi phí và chậm tiến độ + Nghiên cứu cũng đã ứng dụng mạng Neuron nhân tạo (ANN) để xây dựng mô hình dự báo về biến động chi phí và thời gian của dự án dựa vào kết quả của nghiên cứu Kết quả của nghiên cứu cho thấy khả năng áp dụng mô hình mạng Neuron nhân tạo vào việc dự đoán chi phí và thời gian thực tế của dự án, khẳng

Lu ận văn Thạc sỹ 17 GVHD: TS Lê Hoài Long

định tính ưu việt của mạng Neuron nhân tạo so với các kỹ thuật khác trong việc xây dựng mô hình dự báo cho các dữ liệu phi tuyến

+ Kết quả của nghiên cứu cũng cho thấy khả năng ứng dụng của mạng Neuron nhân tạo trong việc xây dựng các mô hình định lượng để dự đoán trong quản lý xây dựng với kỹ thuật xử lý số liệu bằng cách kết hợp nhiều dòng thông tin đầu vào để tạo một dòng thông tin đ ầu ra Mô hình dựa trên nền tảng của lý thuyết này có khả năng xấp xỉ bất cứ dạng hàm toán học nào đặc trưng cho dữ liệu đầu vào (dữ liệu có tính trường, tính đa dạng, phức tạp cũng như sự rời rạc hay phi tuyến…) Mô hình xác định chi phí và thời gian thực tế của dự án dựa trên ứng

dụng mạng Neuron nhân tạo có khả năng tự điều chỉnh mức độ tác động của các

yếu tố đầu vào theo đặc trưng của từng dự án Mô hình có thể kiểm soát được

mức độ biến động của chi phí và thời gian trong dự án xây dựng với độ chính xác đáng tin cậy và hoàn toàn có thể áp dụng vào thực tế

cao tốc gia tăng theo thời gian dựa vào chỉ số Louisiana Highway Construction Index (LHCI), giá xây dựng đường cao tốc được xây dựng từ các mô hình con

về yếu tố đào đắp nền; mặt đường bê tông xi măng; mặt đường bê tông nhựa;

kết cấu thép dự ứng lực; kết cấu bê tông Mỗi mô hình con này dựa vào các yếu

Lu ận văn Thạc sỹ 18 GVHD: TS Lê Hoài Long

+ Quý thực hiện hợp đồng

+ Khối lượng hợp đồng hằng năm

+ Khối lượng phát sinh ngoài hợp đồng

+ Số lần kế hoạch thay đổi

+ Thay đổi tiêu chuẩn hay chỉ dẫn kỹ thuật

Kết quả: Dựa vào số liệu quá khứ từ năm 1984-1997 có thể dự báo chỉ số LHCI

từ năm 1998-2015

tính chi phí của dự án xây dựng đường cao tốc

Dựa trên bộ dữ liệu chi tiết về 18 dự án đường cao tốc đã thi công t ại Newfoundland, Canada; tác giả đã sử dụng hai kỹ thuật được sử dụng để xác định trọng số cho mô hình mạng Neuron nhân tạo bao gồm:

+ Tối ưu hóa đơn

+ Các thuật toán di truyền

Sau đó tác giả đã xây dựng mô hình ANN dự báo chi phí của các dự án xây

dựng đường cao tốc

Việc xem xét toàn diện các nghiên cứu trước đây cho thấy rằng việc sử

dụng công cụ Neuron Network (ANN) để thực hiện công việc dự báo thời gian, chi phí của các dự án xây dựng đã được thực hiện khá phổ biến Từ kết quả đạt được của các nghiên cứu đã chứng minh rằng, công cụ Neuron Network (ANN)

là một công cụ rất hiệu quả để thực hiện việc nghiên cứu, dự báo

Lu ận văn Thạc sỹ 19 GVHD: TS Lê Hoài Long

Sử dụng công cụ Neuron Network (ANN) để dự báo thời gian thi công

của các công trình cầu đường bộ tại khu vực Đông Nam Bộ và Đồng Bằng Sông

Cửu Long là rất khả thi

Tham khảo từ các nghiên cứu nêu trên và bổ sung thêm các yếu tố đặc thù của công trình cầu đường bộ, tổng hợp được các yếu tố ảnh hưởng đến thời gian thi công của dự án cầu đường bộ tại khu vực Đông Nam Bộ và Đồng Bằng Sông Cửu Long như sau:

Bảng 2.1: Các yếu tố ảnh hưởng đến thời gian thi công

STT Các y ếu tố ảnh hưởng đến thời gian thi

công

1 Chi ều dài cầu

2 Chi ều dài đường dẫn

3 Đơn giá 1m2 diện tích mặt cầu

4 Chi ều rộng cầu

5 Chi ều dài nhịp cầu lớn nhất

6 Ảnh hưởng của điều kiện khí hậu

7 Năng lực của nhà thầu

8 Địa điểm thực hiện dự án (Đô thị, nông thôn)

9 Phương án kết cấu thượng bộ

10 Phương án kết cấu hạ bộ

11 Phương án kết cấu thân trụ

12 Điều kiện giao thông tại nơi thực hiện dự án

13 Điều kiện địa chất

14 Điều kiện thuỷ văn

15 Địa hình, địa mạo

16 Năng lực của BQLDA

Lu ận văn Thạc sỹ 20 GVHD: TS Lê Hoài Long

CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU

XÁC ĐỊNH ĐỀ TÀI

Xác định các nhân tố ảnh hưởng qua các tài li ệu, sách báo và các nghiên

c ứu trước đây

Tham kh ảo ý kiến các chuyên gia

qua b ảng câu hỏi

Xác định các yếu tố chính ảnh hưởng đến thời gian thực hiện bằng cách tính điểm trung bình và xếp hạng Thu th ập số liệu các biến tiềm năng

X ử lý ban đầu số liệu thu thập

X ử lý số liệu – Mạng neuron nhân

t ạo Xác định loại và cấu hình mạng

Hu ấn luyện mạng

Phân tích k ết quả

K ết luận và kiến nghị

Lu ận văn Thạc sỹ 21 GVHD: TS Lê Hoài Long

II CÁC PHƯƠNG PHÁP, CÔNG CỤ NGHIÊN CỨU

Xác định các nhân tố ảnh hưởng đến

thời gian thi công dự án cầu đường bộ

Tham khảo tài liệu, sách báo, và các nghiên cứu trước đây

- Neural Network của SPSS

III.1.1 Các thủ thuật chọn biến:

Sử dụng 3 phương pháp để mô hình và phân tích hồi quy: Forward, Backward

và Stepwise

1 Phương pháp đưa dần vào - Forward:

Gồm các bước như sau:

* Bước 1: Thực hiện k-1 mô hình hồi quy 1 biến độc lập (Biến này chưa chắc được chọn để giữ lại trong mô hình nên đ ể thuận tiện, gọi biến này là biến đề

Lu ận văn Thạc sỹ 22 GVHD: TS Lê Hoài Long

xuất đưa vào) Tính toán các giá trị thống kê F cho k-1 mô hình hồi quy 1 biến

dộc lập theo công thức sau:

1 1

ESS RSS / ( 2)

Chọn mô hình có giá trị thống kê F lớn nhất

Cho mức ý nghĩa α, kiểm định sự tồn tại của biến đề xuất đưa vào trong mô hình Nếu F ≤Fα (1,n− 2) : biến đề xuất đưa vào không tồn tại có ý nghĩa, thủ tục

chọn biến dừng và kết luận rằng không có biến độc lập vào ảnh hưởng đến biến

phụ thuộc Nếu F C >Fα (1,n− 2) :biến đề xuất đưa vào tồn tại có ý nghĩa, hãy giữ

lại biến này trong mô hình Tiếp qua bước 2

* Bước 2: Thực hiện (k-2) mô hình hồi quy gồm 2 biến độc lập, trong đó gồm 1

biến do được chọn từ bước 1 và 1 biến đề xuất đưa vào Tính giá trị thống kê F cho tất cả mô hình hồi quy 2 biến này theo công thức sau:

2 2

ESS RSS / ( 3)

F

n

=

−

Trong đó, ESS2 và RSS2 tương ứng là tổng bình phương đ ộ lệch giữa giá trị

nhận từ đường hồi quy của biến phụ thuộc và giá trị bình quân của nó và tổng bình phương các phần dư được tính từ mô hình hồi quy gồm 2 biến độc lập Cụ

thể, các đại lượng này được tính như sau:

Lu ận văn Thạc sỹ 23 GVHD: TS Lê Hoài Long

Chọn mô hình hồi quy 2 biến có giá trị F lớn nhất

Cho mức ý nghĩa α , thực hiện kiểm định sự tồn tại của biến đề xuất đưa vào

bằng thống kê FC Tính thống kê FC như sau:

n

−

=

−

Trong đó, RSS1 và RSS2 tương ứng là tổng bình phương các phần dư được tính

từ mô hình hồi quy gồm 1 biến độc lập (Từ mô hình đã được chọn ở Bước 1) và

2 biến độc lập

FC gọi là giá trị thống kê F thay đổi do đưa thêm biến vào mô hình

Nếu F C ≤Fα (1,n− 3) :biến đề xuất để chọn không tồn tại có ý nghĩa, thủ tục chọn

biến dừng kết luận rằng chỉ có 1 biến độc lập ảnh hưởng đến biến phụ thuộc

Nếu F C >Fα (1,n− 3) :biến đề xuất để đưa vào tồn tại có ý nghĩa, hãy giữ lại biến này trong mô hình

Thủ tục tiếp tục…

Bước r: Lúc này trong mô hình sẽ có r biến, gồm r-1 biến độc lập đã được chọn

và 1 biến đề xuất đưa vào Như vậy, ở bước này phải thực hiện (k-r) mô hình

hồi quy r biến Tính thống kê F cho mỗi mô hình theo công thức sau:

ESS ESS / ( 3)

r r

F

n r

=

− −

Trong đó, ESSr và RSSr tương ứng là tổng bình phương độ lệch giữa giá trị nhận

từ đường hồi quy của biến phụ thuộc và giá trị bình quân của nó và tổng bình phương các phần dư được tính từ mô hình hồi quy gồm r biến độc lập

Lu ận văn Thạc sỹ 24 GVHD: TS Lê Hoài Long

Chọn mô hình nào có giá trị F lớn nhất

Cho mức ý nghĩa α, thực hiện kiểm định sự tồn tại của biến đề xuất đưa vào

bằng thống kê hay thống kê FC Giá trị thống kê FC được tính như sau:

Nếu F C ≤Fα (1,n r− − 1) :biến đề xuất đưa vào không tồn tại có ý nghĩa, thủ tục

chọn biến dừng và kết luận rằng chỉ có r-1 biến độc lập ảnh hưởng đến biến phụ thuộc Nếu F C >Fα (1,n r− − 1) :biến đề xuất đưa vào tồn tại có ý nghĩa, hãy giữ

lại biến này trong mô hình

Thủ tục được tiếp tục cho đến khi không tìm được biến nào để đưa vào mô hình

2 Phương pháp loại trừ dần (Backward):

Cách làm tương tự phương pháp đưa dần vào nhưng tiến hành đưa tất cả các

biến vào mô hình ngay từ đầu (làm ngược lại với phương pháp đưa dần vào) và

ta cũng dựa vào F để đánh giá

3 Phương pháp chọn từng bước (Stepwise)

Đây là phương pháp kết hợp giữa thủ tục đưa dần vào và loại dần ra Biến thứ

nhất được chọn theo cách giống như chọn từng bước Nếu biến này không thoả điều kiện vào thì thủ thuật này sẽ chấm dứt và không có biến độc lập nào trong phương trình Nếu nó thoả tiêu chuẩn, thì biến thứ hai được chọn căn cứ vào tương quan riêng cao nhất Nếu biến thứ hai thoả tiêu chuẩn vào nó cũng s ẽ đi vào phương trình

Lu ận văn Thạc sỹ 25 GVHD: TS Lê Hoài Long

Sau khi biến thứ nhất đưa vào, thủ tục chọn từng bước khác với đưa dần vào ở

chỗ: biến thứ nhất được xem xét xem có nên loại bỏ nó ra khỏi phương trình căn

cứ vào tiêu chuẩn ra giống như thủ tục loại trừ dần Trong bước kế tiếp, các biến

ở trong phương trình lại được xem xét để đưa vào Sau mỗi bước, các biến được

ở trong phương trình lại được xem xét để loại trừ ra Các biến được loại trừ ra cho đến khi không còn biến nào thoả điều kiện nữa

III.1.2 Ki ểm định mô hình hồi quy tuyến tính

Trong mô hình hồi quy tuyến tính ta thực hiện 7 kiểm định sau:

1 Kiểm định giả thuyết về độ phù hợp của mô hình (phân tích phương sai)

Kiểm định F sử dụng trong bảng phân tích phương sai vẫn là một phép kiểm định giả thuyết về độ phù hợp của mô hình hồi quy tuyến tính tổng thể Ý tưởng

của kiểm nghiệm này là xem xét biến phụ thuộc có liên hệ tuyến tính với toàn

bộ tập hợp biến độc lập được giữ lại trong mô hình hay không

2 Kiểm định ý nghĩa các hệ số hồi quy riêng phần trong mô hình

Ý nghĩa của hệ số hồi quy riêng phần là: βkđo lường sự thay đổi trong giá trị trung bình Y khi Xk thay đổi một đơn vị, giữa các biến độc lập còn lại không đổi Nói một cách khác, nó cho biết ảnh hưởng thuần của thay đổi một đơn vị trong Xk đối với giá trị trung bình của biến phụ thuộc Y khi loại trừ ảnh hưởng

của các biến độc lập khác Trong hồi quy tuyến tính bội, để đánh giá đóng góp

thật sự của một biến đối với thay đổi trong Y thì bằng cách nào đó ta phải kiểm soát được ảnh hưởng của các biến khác

3 Kiểm nghiệm giả định liên hệ tuyến tính

Kiểm định này nhằm đánh giá mức độ đường thẳng phù hợp với dữ liệu quan sát bằng cách vẽ đồ thị phân tán giữa các phần dư và giá trị dự đoán mà mô hình tuyến tính cho ra Hay vẽ biểu đồ phân tán giữa 2 giá trị này đã được chuẩn hoá

Lu ận văn Thạc sỹ 26 GVHD: TS Lê Hoài Long

với phần dư trên trục tung và giá trị dự đoán trên trục hoành Nếu giả định liên

hệ tuyến tính và phương sai bằng nhau được thoả mãn, thì sẽ không nhận thấy

có liên hệ gì giữa các giá trị dự đoán và phần dư, chúng sẽ phân tán rất ngẫu nhiên Xem xét thật kỹ tất cả những biến thiên quan sát được Gỉa sử khi tìm đường hồi quy tuyến tính cho các dữ liệu và mô tả phần dư cùng giá trị dự đoán lên đồ thị mà thấy phần dư của chúng thay đổi theo một trật tự nào đó (parabol, cubic…) thì mô hình hồi quy tuyến tính mô tả quan hệ đường thẳng là không phù hợp với dữ liệu này Sự thay đổi có hệ thống giữa các giá trị dự đoán và

phần dư chứng tỏ rằng giả định có quan hệ tuyến tính đã b ị vi phạm Nếu giả định tuyến tính được thoả mãn (đúng) thì ph ần dư phải phân tán ngẫu nhiên trong một vùng xung quanh đường đi qua tung độ 0 không tạo thành một dạng nào

4 Kiểm nghiệm giả định phương sai của sai số không đổi:

Hiện tượng “Phương sai thay đổi” (Heteroskedasticity) này gây ra khá nhiều

hậu quả tai hại đối với mô hình ước lượng bằng phương pháp bình phương cực

tiểu Nó làm cho các ước lượng của các hệ số hồi quy không chệch nhưng không hiệu quả (tức là không phải ước lượng phù hợp nhất), ước lượng của phương sai bị lệch làm kiểm định các giả thuyết mất hiệu lực khiến ta đánh giá

nhầm về chất lượng của mô hình hồi quy tuyến tính

5 Kiểm nghiệm giả định về phân phối chuẩn của phần dư

Phần dư có thể không tuân theo phân phối chuẩn vì những lý do như: s ử dụng sai mô hình, phương sai không phải là hằng số, số lượng các phần dư không đủ nhiều để phân tích… Vì vậy ta thực hiện nhiều cách khảo sát khác nhau Một cách khảo sát đơn giản nhất là xây dựng biểu đồ tần số của các phần dư

6 Kiểm nghiệm giả định về tính độc lập của sai số (không có tương quan giữa các phần dư)

Lu ận văn Thạc sỹ 27 GVHD: TS Lê Hoài Long

Giả định về sai số thực ei cho nó là biến ngẫu nhiên, độc lập, có phân phối chuẩn với trung bình bằng 0 và phương sai không đổi σ 2 “Độc lập” ở đấy ý

rằng giữa các phần dư không có mối tương quan Như ta đã bi ết đến sự tồn tại

phần dư ei đó là các biến có ảnh hưởng không được đưa hết vào mô hình do giới

hạn và mục tiêu của nghiên cứu, chọn dạng tuyến tính cho mối quan hệ lẽ ra là phi tuyến, sai số trong đo lường các biến… Các lý do này có thể dẫn đến vấn đề tương quan chuỗi trong sai số và tương quan chuỗi cũng gây ra những tác động sai lệch nghiêm trọng đến mô hình hồi quy tuyến tính như hiện tượng phương sai thay đổi Đại lượng thống kê Durbin-Watson (d) dùng để kiểm định tương quan của các sai số kề nhau

7 Kiểm nghiệm giả định không có mối tương quan giữa các biến độc lập (đo lường đa cộng tuyến)

Cộng tuyến là trạng thái các biến độc lập có mối tương quan chặt chẽ với nhau

Vấn đề của hiện tượng cộng tuyến là chúng cung cấp cho mô hình những thông tin rất giống nhau và rất khó tách rời ảnh hưởng của từng biến một đến biến phụ thuộc Hiệu ứng khác của tương quan khá chặt giữa các biến độc lập là nó làm tăng độ lệch chuẩn của các hệ hồi quy và làm giảm giá trị thống kê t của kiểm định ý nghĩa c ủa chúng nên các hệ số khuynh hướng kém ý nghĩa hơn khi không có đa cộng tuyến trong các hệ số xác định square vẫn khá cao Ta sử

dụng hệ số phóng đại phương sai (Variance Inflation Factor – VIF) để kiểm tra

hiện tượng đa cộng tuyến

* Phân tích và đánh giá mô hình:

Sử dụng hệ số xác định 2

R , hệ số xác định điều chỉnh (Adjusted coefficient determination) và sai số phần trăm tuyệt đối trung bình (MAPE – Mean absolute percentage error) để phân tích và đánh giá kết quả:

Lu ận văn Thạc sỹ 28 GVHD: TS Lê Hoài Long

p: số biến đầu vào

IV.1 Mô hình ANN

- Đối với mô hình mạng neuron nhân tạo: Phụ thuộc vào các yếu tố chính ảnh hưởng đến thời gian thi công công trình, dữ liệu thu thập có thể bao gồm các

biến định tính và định lượng Mạng neuron nhân tạo là một mô hình chỉ xử lý tín hiệu số nên yêu cầu dữ liệu định tính (nominal và ordinal) được mã hóa đ ể

có thể nhập vào SPSS huấn luyện và thử nghiệm mạng

- Bộ dữ liệu thu thập được chia ra làm 2 tập, một tập dùng huấn luyện và một

tập dùng để thử nghiệm mạng

- Kết quả xuất ra từ mạng neuron (giá trị dự báo) được so sánh với thời gian thi công của các dự án đã được hoàn thành, từ đây có thể tính sai số của mô hình

dự báo và đánh giá độ phù hợp của mô hình mạng (goodness of fit)

- Dữ liệu xuất ra của mô hình dự báo được so sánh với thời gian thi công của các dự án đã hoàn thành, từ đây có thể đánh giá độ phù hợp của mô hình dự báo qua hệ số R2 điều chỉnh (Adjusted R square) và kiểm định độ phù hợp của mô hình bằng kiểm định F

Lu ận văn Thạc sỹ 29 GVHD: TS Lê Hoài Long

Từ các kết quả xuất ra của hai mô hình, có thể so sánh và rút ra kết luận

về việc ứng dụng các mô hình trong dự báo thực tế

Lu ận văn Thạc sỹ 30 GVHD: TS Lê Hoài Long

Huấn luyện mạng Neuron theo sơ đồ sau:

Sơ đồ huấn luyện mạng (Phan 2007)

Chọn cấu hình và các thông số để hình thành

Chọn bộ trọng số ngẫu

nhiên

Đưa vào mạng tập mẫu

Tính toán thông số đầu ra

So sánh với mục tiêu cho

trước

Chấp nhận sai số huấn luyện

Sử dụng mô hình

Tính toán, cập nhật lại bộ

trọng số theo cách lan

truyền ngược

Lu ận văn Thạc sỹ 31 GVHD: TS Lê Hoài Long

CHƯƠNG 4: XÁC ĐỊNH CÁC YẾU TỐ ẢNH HƯỞNG VÀ THU THẬP

VÀ XỬ LÝ BỘ DỮ LIỆU CHO MÔ HÌNH

- Tham khảo ý kiến các chuyên gia thông qua bảng câu hỏi và rút ra các nhân tố chính ảnh hưởng tới thời gian thi công của dự án cầu đường bộ tại khu vực Đông Nam Bộ và Đồng Bằng Sông Cửu Long

Trước tiên, việc xem xét cẩn thận và tỉ mỉ các tài liệu và các nghiên cứu liên quan trước đây được thực hiện nhằm rút ra một danh sách các yếu tố tiềm năng

có khả năng ảnh hưởng đến thời gian thi công của dự án cầu đường bộ tại khu

vực Đông Nam Bộ và Đồng Bằng Sông Cửu Long Có 10 chuyên gia đã đư ợc

mời để tham gia góp ý về sự đầy đủ, rõ ràng, dễ hiểu và phù hợp của bảng câu

hỏi Những chuyên gia này đều có trên 15 năm kinh nghiệm trong lĩnh vực xây

dựng công trình giao thông Họ đã từng đảm nhận nhiều vị trí quan trọng trong các dự án khác nhau, trong đó có các dự án cầu đường bộ tại khu vực Đông

quản lý dự án, tư vấn giám sát, và nhà thầu thi công Các chuyên gia được yêu

cầu kiểm tra sự đầy đủ và phù hợp của các yếu tố đã liệt kê trong Bảng câu hỏi

vài yếu tố được cho rằng không phù hợp được loại ra khỏi danh sách này Các chuyên gia cũng yêu c ầu thêm vào danh sách các yếu tố mà họ từng gặp phải khi tham gia thực hiện các dự án tại khu vực Đông Nam Bộ và Đồng Bằng Sông

Cửu Long Sau đó, một bảng câu hỏi sơ bộ được lập nên

Một nhóm 10 chuyên gia khác, cũng là nh ững người có kinh nghiệm với

Long, gồm 5 người có ít nhất 15 năm kinh nghiệm và 5 người có ít nhất 10 năm

Lu ận văn Thạc sỹ 32 GVHD: TS Lê Hoài Long

kinh nghiệm, được mời tham gia góp ý để xây dựng bảng câu hỏi cùng với nhóm 10 chuyên gia trước

Tất cả các chuyên gia đều đồng ý với bảng câu hỏi được thành lập với 18 yếu tố

và được đánh giá bằng thang đo Likert năm mức độ như sau [2]:

“1= Hoàn toàn không đồng ý”

“2= Không đồng ý”

“3= Trung lập”

“4= Đồng ý”

“5 = Hoàn toàn đồng ý”

Lu ận văn Thạc sỹ 33 GVHD: TS Lê Hoài Long

11 Điều kiện giao thông tại nơi thực hiện dự án

15 Chiều dài nhịp cầu lớn nhất

Bảng câu hỏi được gửi trực tiếp tới 20 chuyên gia, họ đều là những người có nhiều kinh nghiệm trong lĩnh v ực đang khảo sát Tất cả các bảng khảo sát đều

Lu ận văn Thạc sỹ 34 GVHD: TS Lê Hoài Long

được thực hiện bằng cách phỏng vấn trực tiếp hoặc nhận bảng câu hỏi Trong số

20 người tham gia trả lời gồm: 8 chủ đầu tư, 4 tư vấn quản lý dự án và 8 nhà

thầu Trong số 20 người tham gia, có 6 người (30%) là các quản lý cấp cao, 14 người (70%) là các chủ nhiệm/giám đốc dự án và các chỉ huy trưởng Những người tham gia đều được giải thích về bảng câu hỏi và mức quan trọng của nghiên cứu Họ được hướng dẫn đánh giá theo kinh nghiệm bản thân Kết quả thu thập về được tổng hợp, tính toán điểm trung bình và xếp hạng dựa trên điểm trung bình đó Kết quả khảo sát được thể hiện trong Bảng 4.2

Lu ận văn Thạc sỹ 35 GVHD: TS Lê Hoài Long

Lu ận văn Thạc sỹ 36 GVHD: TS Lê Hoài Long