Ước lượng chi phí xây dựng đường cao tốc ở Việt Nam

Tóm tắt: Mục tiêu của đề tài là xác định các nhân tố chính ảnh hưởng đến chi phí xây dựng đường cao tốc ở Việt Nam, sau đó xây dựng mô hình ước lượng chi phí với 13 nhân tố ảnh hưởng, thông qua khảo sát ý kiến các chuyên gia bên lĩnh vực xây dựng đường cao tốc và tác giả đã thu thập dữ liệu cho mô hình từ 55 gói thầu đã được xây dựng và đưa vào sử dụng. Sử dụng mạng Nơ ron mờ trong cấu trúc ANFIS của công cụ Fuzzy logic toolbox, Matlab R2010b với các hàm thành viên là hàm Gaussian. Sử dụng thuật toán lan truyền ngược và phân cụm dữ liệu trừ để tạo ra các mô hình ANFIS tối ưu. Dữ liệu trước khi đưa vào mô hình đã được chuẩn hóa theo tỉ lệ [0,1] để tăng hiệu suất đào tạo. Từ kết quả tính toán mô hình, một ứng dụng GUI được viết ra để dễ dàng sử dụng và sẽ là công cụ hữu ích cho tư vấn thiết kế, chủ đầu tư, cơ quan quản lý...trong việc ước lượng chi phí xây dựng đường cao tốc ở giai đoạn nghiên cứu khả thi, chưa có nhiều thông tin chính xác, chưa có thiết kế chi tiết

ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH

TRƯỜNG ĐẠI HỌC BÁCH KHOA

NGUYỄN VĂN DANH

ĐÈ TẢI;

ƯỚC LƯỢNG CHI PHÍ XÂY DỰNG ĐƯỜNG

CAO TỐC Ở VIỆT NAM

Chuyên ngành : QUẢN LÝ XÂY DỰNG

Mã ngành : 60.58.03.02

LUẬN VĂN THẠC SĨ

TP HỒ CHÍ MINH, tháng 07 năm 2019

Công trình được hoàn thành tại TRƯỜNG ĐẠI HỌC BÁCH KHOA - ĐHQG-HCM

Cán bộ hướng dẫn khoa học: TS Lê Hoài Long Cán

bộ hướng dẫn khoa học: TS Nguyễn Văn Châu Cán

ĐẠI HỌC QUỐC GIA TP HCM

TRƯỜNG ĐẠI HỌC BÁCH KHOA

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM

Độc lập - Tự do - Hạnh phúc NHIỆM VỤ LUẬN VĂN THẠC SĨ

Họ tên học viên : Nguyễn Văn Danh

Ngày, tháng, năm sinh : 01/07/1993

Chuyên ngành : Quản lý xây dựng

MSHV : 1770405 Nơi sinh : Phú Yên Mãngành: 60.58.03.02

I TÊN ĐỀ TÀI:

ƯỚC LƯỢNG CHI PHÍ XÂY DỰNG ĐƯỜNG CAO TỐC Ở VIỆT NAM

II NHIỆM VỤ VÀ NỘI DUNG

- Xác định các nhân tố chính ảnh hưởng đến chi phí xây dựng đường cao tốc ở Việt Nam

- ứng dụng mạng nơ rơn mờ để xây dựng mô hình ước lượng chi phí xây dựng đường cao tốc

- Viết chương trình ước lượng chi phí trên nền tảng phần mềm Matlab, tạo ra một giao diện thân thiện, dễ sử dụng

III NGÀY GIAO NHIỆM vụ : 11/02/2019

IV NGÀY HOÀN THÀNH NHIỆM vụ : 02/06/2019

v CÁN Bộ HƯỚNG DẪN: TS Lê Hoài Long, TS Nguyễn Văn Châu

CÁN Bộ HƯỚNG DẪN 1

Tp.HCM, ngày tháng năm

2019 CÁN Bộ HƯỚNG DẪN 2

TS Lê Hoài Long

CHỦ NHIỆM BỘ MÔN ĐÀO TẠO

TS Nguyễn Văn Châu

KHOA KỸ THUẬT XÂY DỰNG

LỜI CẢM ƠN

Lời đầu tiên, tôi xin tỏ lòng biết ơn sâu sắc đến Thầy huớng dẫn của tôi, TS Lê Hoài Long và TS Nguyễn Văn Châu, những nguời thầy đã tận tình huớng dẫn, giúp

đỡ, nhắc nhở tôi trong suốt quá trình thực hiện nghiên cứu

Kế đến, tôi xin cảm ơn quý Thầy Cô trong Bộ môn Thi Công và Quản Lý Xây Dựng đã truyền đạt cho tôi nhiều kiến thức, kinh nghiệm bổ ích trong suốt quá trình học tập và nghiên cứu

Xin chân thành cảm ơn các anh chị đồng nghiệp trong Công ty Tu vấn Dasan Việt Nam đã hỗ trợ, cung cấp cho tôi những thông tin và dữ liệu quý giá về đề tài để tôi

có thể hoàn thành Luận văn Cảm ơn các anh chị và các bạn cùng lớp QLXD2017 đã quan tâm, động viên, chia sẻ và giúp đỡ tôi về tinh thần cũng nhu các kiến thức bổ ích

Cuối cùng, tôi xin gửi lòng cảm ơn ba mẹ, nguời yêu, anh chị em và những nguời thân trong gia đĩnh, nhờ có gia đĩnh mà tôi có thể vuợt qua những khó khăn để hoàn thành Luận văn

Với những kiến thức và kinh nghiệm còn hạn chế, Luận văn không tránh khỏi những sai sót nhất định Kính mong quý Thầy Cô, đọc giả thông cảm và đóng góp ý kiến đế tôi có thế bố sung, hoàn thiện

Trân trọng!

Tp HCM, ngày 09 tháng 06 năm 2019

Nguyễn Văn Danh

TÓM TẮT

Dự toán chi phí dự án là khâu rất quan trọng trong việc phát triển mạng luới đuờng cao tốc ở Việt Nam, vì đây là nội dung cơ bản trong bài toán phân tích kinh tế, tài chính và để cân nhắc nguồn vốn cho dự án Các kế hoạch cấp vốn trung và dài hạn cần đuợc điều chỉnh theo những thay đổi về điều kiện kinh tế - xã hội Độ chính xác của việc uớc luợng chi phí trong giai đoạn này là rất quan trọng, một kết quả chi phí quá thấp sẽ dẫn tới đội vốn chi phí trong tuơng lai, làm mất lòng tin của công chúng Một kết quả uớc luợng quá cao sẽ dẫn đến việc không thể bố trí nguồn vốn phù họp, không đáp ứng đuợc nhu cầu cần thiết của dự án

Từ những lý do trên, mục tiêu của đề tài là xác định các nhân tố chính ảnh huởng đến chi phí xây dựng đuờng cao tốc ở Việt Nam, sau đó xây dựng mô hĩnh uớc luợng chi phí với 13 nhân tố ảnh huởng, thông qua khảo sát ý kiến các chuyên gia bên lĩnh vực xây dựng đuờng cao tốc và tác giả đã thu thập dữ liệu cho mô hĩnh từ 55 gói thầu đã đuợc xây dựng và đua vào sử dụng Sử dụng mạng Nơ rơn mờ trong cấu trúc ANFIS của công cụ Fuzzy logic toolbox, Matlab R2010b với các hàm thành viên là hàm Gaussian Sử dụng thuật toán lan truyền nguợc và phân cụm dữ liệu trừ để tạo ra các mô hĩnh ANFIS tối uu Dữ liệu truớc khi đua vào mô hình đã đuợc chuẩn hóa theo

tỉ lệ [0,1] đế tăng hiệu suất đào tạo Từ kết quả tính toán mô hĩnh, một ứng dụng GUI đuợc viết ra để dễ dàng sử dụng và sẽ là công cụ hữu ích cho tu vấn thiết kế, chủ đầu

tu, cơ quan quản lý trong việc uớc luợng chi phí xây dụng đuờng cao tốc ở giai đoạn nghiên cứu khả thi, chua có nhiều thông tin chính xác, chua có thiết kế chi tiết

ABSTRACT

Project cost estimation is crucial in the development of the highway network

in Vietnam, as this is the basic content in economic and financial analysis yet considering funding for projects Medium and long-term funding plans should be adjusted based on the changes in socio-economic conditions The accuracy of cost estimation is extremely important at this stage A low-cost estimation will lead to the budget overrun in the future, thus, losing trust from the public On the other hand, a high-cost estimation will lead to inappropriate budget allocation, hence, unsatisfying projects’ needs

Consequently, the ultimate objectives of this research are to identify the main factors affecting the highway construction’s cost in Vietnam; to create a cost estimation model with 13 influencing factors, which is based on a conducted survey of experts in highway construction field and collected data from 55 bidding packages that are built and used The author applied the neuro-fuzzy in ANFIS of the Fuzzy logic toolbox, Matlab R2010b with Gaussian as member functions Then, the author used hybrid and subtractive cluster to create optimal ANFIS models Before being included in the model, the data had been standardized in proportion [0,1] to increase training performance From model calculation results, a GUI application is written to optimize the use and be a useful tool for design consultants, investors, management units, etc in terms of estimating highway construction’s costs at the stage of the feasibility study which lacks accurate information and detailed designs

LỜI CAM ĐOAN

Tôi xin cam đoan Luận văn này hoàn toàn do tôi thực hiện Tất cả các tài liệu tham khảo, tài liệu trích dẫn, số liệu khảo sát đều chính xác, trung thực và có nguồn gốc

cụ thể trong phạm vi hiểu biết của tôi

Tp HCM, ngày 09 tháng 06 năm 2019

Nguyễn Văn Danh

MỤC LỤC

CHƯƠNG 1 ĐẶT VẤN ĐỀ 6

1.1 Giới thiệu chung 6

1.2 Xác định vấn đề nghiên cứu 8

1.3 Mục tiêu của nghiên cứu 9

1.4 Phạm vi của nghiên cứu 9

1.5 Ý nghĩa của đề tài 10

CHƯƠNG 2 TÔNG QUAN 12

2.1 Giới thiệu chung 12

2.2 Các nghiên cứu truớc đây 14

2.3 Mạng neural nhân tạo 19

2.4 Logic mờ 23

2.5 Hệ neural-mờ 33

CHƯƠNG 3 PHƯƠNG PHÁP NGHIÊN cứu 41

3.1 Quy trình nghiên cứu 41

3.2 Xác định các nhân tố ảnh huởng 41

3.3 Qúa trình thu thập dữ liệu 44

3.3.1 Bảng thu thập dữ liệu 44

3.3.2 Phuơng pháp thu thập và xử lý dữ liệu 45

3.4 Sử dụng ANFIS để xây dụng mô hình 51

CHƯƠNG 4 XÂY DỤNG MÔ HÌNH 55

4.1 Mô hình uớc luợng CPXD ĐCT 55

4.2 Xử lý bộ dữ liệu cho mô hình 56

4.3 Tạo mô hình ANFIS trong Matlab 60

4.4 Kiếm tra mô hình 75

76

4.5 Kết quả mô hình

4.6 Viết chương trình ứng dụng 78

4.6.1 Xuất mô hình FIS từ ANFIS đã được xây dựng 78

4.6.2 Lập trình GUI trong Matlab 80

4.6.3 Chương trình ước lượng CPXD ĐCT 81

4.6.4 Áp dụng ước lượng chi phí 01 gói thầu thực tế 82

CHƯƠNG 5 KẾT LUẬN VÀ KIẾN NGHỊ 86

5.1 Kết luận 86

5.2 Kiến nghị và hướng phát triển đề tài 89

TÀI LIỆU THAM KHẢO 91

PHỤ LỤC 1 BẢNG KHẢO SÁT 96

PHỤ LỤC 2 CODE M -FILE 100

DANH MỤC HÌNH ẢNH

Hình ảnh 1.1 Các giai đoạn phát triển của ĐCT ở Việt Nam 7

Hình ảnh 2.1 Đường cong ảnh hưởng đến chi phí qua từng giai đoạn phát triển dự án ĐCT (Báo cáo 574 NCHRP, 2006) ! ! ! 13

Hình ảnh 2.4 Mô tả biến ngôn ngữ bằng tập mờ 26

Hình ảnh 2.6 Hợp hai tập mờ 27

Hình ảnh 2.7 Giao hai tập mờ 28

Hình ảnh 2.8 cấu trúc của bộ điều khiển mờ 32

Hình ảnh 2.9 Phương pháp giải mờ cực đại 32

Hình ảnh 2.10 Phương pháp giải mờ trọng tâm 33

Hình ảnh 2.11 Mô hình hệ thống suy luận mờ của Tagaki, Sugeno biểu diễn Rl, R238 Hình ảnh 2.12 cấu trúc ANFIS tương ứng với mô hình mờ Tagaki, Sugenno biểu diễn R1,R2 .7. 38

Hình ảnh 3.2 Công cụ ANFIS trong MATLAB 52

Hình ảnh 4.1 Quy trình tạo mô hình ANFIS 56

Hình ảnh 4.2 Cửa sổ huấn luyện Anfis editor 61

Hình ảnh 4.3 Tải dữ liệu Training vào Anfis editor 62

Hình ảnh 4.4 Tải dữ liệu Testing vào Anfis editor 63

Hình ảnh 4.5 Tạo FIS bằng phương pháp phân cụm trừ 66

Hĩnh ảnh 4.6 cấu trúc của hệ thống neural - mờ 67

Hĩnh ảnh 4.8 Hàm thành viên ban đầu và cuối cùng sau nhiều lần điều chỉnh qua mỗi kỳ huấn luyện 71

Hĩnh ảnh 4.9 Xem bề mặt liên hệ các biến đầu vào và đầu ra 75

Hĩnh ảnh 4.10 Kiếm tra mô hình vói sai số đạt được là 0.097 76

Hình ảnh 4.11 Mô hình ước lượng CPXD ĐCT 78

DANH MỤC BẢNG BIỂU

Bảng 3.1 Các nhân tố ảnh hưởng 43

Bảng 3.2 Bảng thu thập dữ liệu 44

Bảng 3.3 Tổng họp dữ liệu các gói thầu, dự án thu thập được 50

Bảng 3.4 Gán tên biến cho các nhân tố đầu vào 57

Bảng 3.5 Bảng dữ liệu sau khi được chuẩn hóa 58

Bảng 4.1 So sánh chi phí giai đoạn Nghiên cứu khả thi và Thiết kế kỹ thuật của 1 dự án thực tế 82

DANH MỤC CÁC KÝ HIỆU, CHỮ VIẾT TẮT

ANFIS Adaptive Network-Based Fuzzy Inference System

CIPM Tổng công ty ĐTPT & QLDA Hạ Tầng Giao thông Cửu

Long VEC Tổng công ty Đầu tư phát triển ĐCT Việt Nam

GUI Graphical User Interface

VITRANSS Nghiên cứu toàn diện về Phát triển bền vững Hệ thống

Giao thông Vận tải Việt Nam

LASSO Least Absolute Shrinkage and Selection Operator

ODA Official Development Assistance

ppp Public Private Partnership

CHƯƠNG 1 ĐẶT VẤN ĐỀ 1.1 Giới thiệu chung

Trong những năm gần đây, cùng với sự phát triển và lớn mạnh của nền kinh tế nước ta, nhu cầu đầu tư hạ tầng giao thông ngày càng cao để kịp thời đáp ứng tốc độ phát triển nhanh chóng của nền kinh tế Trong đó việc phát triển mạng lưới ĐCT là một trong những vấn đề vô cùng cấp thiết Theo quyết định số 326 ngày 01/03/2016 của Thủ tướng, căn cứ vào các nhu cầu phát triển kinh tế, xã hội, nhu cầu giao thông vận tải kết nối đến các vùng kinh tế trọng điểm, các thành phố lớn và các khu du lịch thi đến năm 2020 tổng chiều dài ĐCT được xây dựng ở nước ta sẽ là 2.703

km, chiếm gần 50% tổng chiều dài mạng lưới ĐCT được quy hoạch Trong những năm gần đây, chúng ta đã hoàn thành và đưa vào sử dụng được khoảng 800 km ĐCT, với các tuyến cao tốc như Trung Lương - Thành phố Hồ Chí Minh với tổng chiều dài 62km được đưa vào sử dụng từ năm 2010, tuyến Đà Nằng - Quảng Ngãi với chiều dài 139km, đã được đưa vào sử dụng năm 2018, tuyến Hạ Long- Vân Đồn với tổng chiều dài 60km với tổng vốn đầu tư 12.000 tỷ đồng, tuyến cao tốc TpHCM- Long Thành- Dầu Giây được đưa vào sử dụng năm 2015, góp phần thúc đẩy nền kinh tế khu vực Đông Nam Bộ.[l]

Hình ảnh 1.1 Các giai đoạn phát triển của ĐCT ở Việt Nam

Nguồn: Đoàn Nghiên cứu VITRANSS 2

Hầu hết các tuyến cao tốc trong mạng đuờng bộ cao tốc Việt Nam về cơ bản đều đã đuợc nghiên cứu và đua vào quy hoạch, một vài tuyến đua vào sử dụng và khai thác Tuy nhiên, vì nguồn vốn xây dựng các dự án ĐCT là rất lớn, trong khi đó nguồn vốn ngân sách nhà nuớc không đủ và vốn vay ODA ưu đãi thi lại ngày càng khó khăn, nên kết quả xây dựng hệ thống đường bộ cao tốc ở Việt Nam hiện nay còn rất hạn chế Vĩ vậy vào tháng 05/2019 Bộ Giao Thông Vận Tải đã kêu gọi đầu tư 8 dự án ĐCT theo hĩnh thức đầu tư ppp với nhiều cam kết cho nhà đầu tư Tuy nhiên, rất khó khăn để các nhà đầu tư mặn mà với các dự án này vĩ ẩn chứa nhiều rủi ro cao như : đội vốn chi phí đầu tư, khả năng thu hồi vốn chậm, thời gian thu hồi kéo dài, nhả nước không đảm bảo tài chính Trong đó công tác chuẩn bị đầu tư các tuyến cao tốc là khâu hết sức quan trọng, quyết định đến sự thành bại của từng dự án xây dựng các tuyến cao tốc Các nghiên cứu lập dự

án, nghiên cứu khả thi, các giải pháp kỹ thuật do Tố chức Tư vấn đề xuất có ảnh hưởng rất lớn đến quá trình xây dựng của dự án và điều này trực tiếp ảnh hưởng tới tính hiệu quả đầu tư của nhà đầu tư

sẽ sử dụng dữ liệu quá khứ của các dự án đã hoàn thành để ước lượng chi phí cho các dự

án trong tương lai Giai đoạn lập dự án, lúc này đơn vị tư vấn lập dự án đã xác định được các thông số như: hướng tuyến, số làn xe, chiều dài tuyến đường, các điểm giao cắt giữa ĐCT và các tuyến đường khác; xác định được vị trí, chiều dài phần cầu (bao gồm cầu vượt và cầu qua sông); xác định được vị trí, chiều dài phần hầm, vùng địa hĩnh; đánh giá điều kiện địa chất Các phương án tuyến sẽ được đề xuất dựa trên các điểm khống chế Việc lựa chọn phương án tuyến nào sẽ dựa trên nhiều tiêu chí, trong đó CPXD đóng vai trò rất quan trọng Đơn vị tư vấn lập dự án cần tính nhanh CPXD của dự án, đánh giá các tiêu chí và lựa chọn phương án tối ưu nhất Độ chính xác của việc ước lượng chi phí trong giai đoạn này là rất quan trọng, một kết quả chi phí quá thấp sẽ dẫn tới đội vốn chi phí trong tương lai, làm mất lòng tin của công chúng Một kết quả ước lượng quá cao sẽ dẫn đến việc không thể bố trí nguồn vốn phù họp, không đáp ứng được nhu cầu cần thiết của

dự án (Asmar, 2011).

1.3 Mục tiêu của nghiên cứu

Nghiên cứu được tiến hành nhằm xác định những vấn đề dưới đây:

• Xác định các nhân tố quan trọng, có ảnh hưởng lớn đến CPXD ĐCT ở Việt Nam;

• ứng dụng mạng neural mờ để xây dựng mô hĩnh ước lượng CPXD ĐCT ở Việt Nam;

• Xác nhận độ tin cậy của mô hĩnh và sử dụng mô hĩnh để xác định chi phí

01 gói thầu cụ thể trong thực tế

• Xây dựng một chưcmg trình ước lượng chi phí trên nền tảng phần mềm Matlab, để tạo một ứng dụng đơn giản cho người sử dụng

1.4 Phạm vi của nghiên cứu

Nghiên cứu sẽ được thực hiện trong phạm vi như sau:

• Dữ liệu đã được lấy từ các hồ sơ dự toán, bản vẽ phê duyệt, phê duyệt TKKT, họp đồng các gói thầu tại các dự án ĐCT ở Việt Nam, các dự án đã đưa vào sử dụng, và các dự án đang được xây dựng và các dự án đã được phê duyệt thiết kế kỹ thuật

• Những đối tượng khảo sát trong nghiên cứu này gồm: các kỹ sư và chuyên gia có nhiều kinh nghiệm, cụ thế là trong lĩnh vực quản lý dự án, tư vấn, nhà thầu xây dựng ĐCT ở Việt Nam, cụ thế như : Ban quản lý dự án chuyên ngành PMU7, PMU85, Tổng công ty ĐTPT- QLDA Hạ Tầng Giao thông Cửu Long (CIPM), Tổng công ty Đầu tư - phát triển ĐCT Việt Nam (VEC), Cục Quản lý xây dựng & chất lượng công trĩnh

giao thông thuộc Bộ Giao Thông Vận Tải, Công ty Tư vấn Thiết kế Giao thông Vận tải TEDI, Công ty Tư vấn Dasan (Hàn Quốc), Nippon Koie (Nhật)

1.5 Ý nghĩa của đề tài

a Đề tài có tính thực tiễn cao như sau:

Theo như quy hoạch phát triển đường bộ cao tốc của nước ta, đến năm 2030 chúng

ta cần phải hoàn thành mục tiêu xây dựng 6411 km ĐCT theo như quy hoạch đã được duyệt Chính vì vậy việc nghiên cứu về CPXD ĐCT ở Việt Nam có tính thời sự, cấp thiết đối với sự phát triển của mạng lưới giao thông quốc gia Hơn nữa, trong thời gian gần đây, trên các phương tiện thông tin báo đài, dư luận có nhiều bức xúc và đặt nhiều câu hỏi tại sao CPXD ĐCT ở Việt Nam lại quá đắt so với các nước trên thế giới như vậy, trong

đó dẫn chứng ra nhiều tuyến cao tốc của Việt Nam đắt gấp 2,3 lần so với các nước khác Sau đó dư luận có đề xuất xây mẫu 1 km ĐCT để làm định mức xây dựng, tuy nhiên Bộ GTVT đã bác bỏ và khẳng định điều này không phản ánh đúng khoa học về xây dựng định mức Do đó, thông qua đề tài nghiên cứu này, tác giả mong muốn có những đóng góp, giải quyết những vấn đề sau:

• Góp phần trong việc tìm ra các nhân tố chính ảnh hưởng đến CPXD ĐCT

ứng dụng công cụ ANFIS trong phần mềm MATLAB để giải quyết các bài

toán mờ và xây dựng mô hình ước lượng CPXD

CHƯƠNG 2 TỔNG QUAN

2.1 Giới thiệu chung

Một dự án xây dựng bao gồm rất nhiều vấn đề cần phải quan tâm và quản lý, trong đó CPXD là một trong những vấn đề quan trọng nhất trong quản lý dự án và đuợc xác định bằng những cách khác nhau trong mỗi giai đoạn của một dự án (Ayed, 1997) Trong đó, dự toán chi phí giai đoạn thiết kế sơ bộ là một yếu tố quan trọng quyết định đến sự thành công trong tuơng lai của các dự án cơ sở hạ tầng ở giai đoạn đầu truớc khi hoàn thành thiết kế chi tiết Đây là một quá trình dựa trên kinh nghiệm, trong đó liên quan đến việc tim ra mối quan hệ phức tạp giữa chi phí và các nhân tố ảnh huởng của nó (Ahiaga-Dagbui, 2012) Chúng ta có thể thấy đuợc tầm quan trọng của việc xác định đúng chi phí trong giai đoạn thiết kế sơ bộ của dự án thông qua hĩnh ảnh 2.1 là nhu thế nào, ở giai đoạn ban đầu của dự án, đuờng cong ảnh huởng đến chi phí nằm vị trí rất cao, sau đó giảm dần, điều này chứng tỏ rằng các nhiệm vụ của chúng ta trong giai đoạn đầu mang tầm ảnh huởng rất lớn đến CPXD sau này Vĩ vậy việc xác định đúng CPXD trong giai đoạn này có ý nghĩa to lớn đến sụ đúng đắn của tổng mức đầu tu đuợc phê duyệt, bởi vĩ các chi phí nhu quản lý dụ án, chi phí thấm tra, tu vấn đều đuợc xác định thông qua CPXD theo một thông số phần trăm theo quy định của nhà nuớc Dụ án xây dụng ĐCT luôn ấn chứa nhiều rủi ro hơn các

dụ án thông thuờng khác, vĩ đây là dụ án thuờng có nguồn vốn rất lớn và cần rất nhiều nhân công, máy móc, thiết bị, chính vĩ vậy việc xác định giá trị vốn ban đầu có ý nghĩa quyết định đến thành công của dụ án

Quy hoạch Lập kế hoạch Thiết kế Thiết kê xin phép Thắng thều Thi công cơ see chi tiết

Dự ÁN

Hình ảnh 2.1 Đường cong ảnh hưởng đến chỉ phí qua từng giai đoạn phát triển dự án

ĐCT (Báo cáo 574 NCHRP, 2006)

Dự toán chi phí là yếu tố quan trọng hàng đầu của quá trình ra quyết định đầu

tu cho các dự án Từ quan điểm của các nhà cung cấp cơ sở hạ tầng, dự toán chi phí chính xác sẽ cho phép lập ngân sách và vốn hiệu quả cho một dự án ước tính chi phí ban đầu là sẽ luôn gặp khó khan vĩ luợng thông tin về dự án hạn chế và có khả năng thay đối thiết kế nhiều lần và thuờng đuợc chuẩn bị trong thời gian hạn chế Việc uớc tính CPXD trong giai đoạn ban đầu, nghiên cứu khả thi đuợc coi là một nhiệm vụ đầy khó khăn, thách thức đối với các kỹ su lập dụ án, vĩ việc này diễn ra ở giai đoạn ban đầu của một dụ án, thời điếm chỉ có những thông tin hạn chế, thiếu chính xác và nhiều yếu tố ảnh huởng đến chi phí dụ án không rõ ràng, nhất là đối với các dụ án xây dụng

hạ tầng giao thông, mà đặc biệt hơn là ĐCT Bằng những phuơng pháp hiện tại nhu

sử dụng suất đầu tu hay dữ liệu dụ án tuơng tụ thì nhiều kỹ su lập dụ án đã chua đánh giá đuợc tống quát những nhân

tố ảnh hưởng đến CPXD ĐCT như là: các yếu tố địa hình, địa chất, các đoạn đường gom, các nút giao, CLVC vật liệu đến công trĩnh Nhiều nghiên cứu trên thế giới cũng đã được thực hiện để ước lượng sơ bộ CPXD ĐCT, ví dụ, trong đó Tares (1998)

đã phát triển một mô hĩnh ước lượng CPXD cho các dự án ĐCT bằng mạng ANN và được xây dựng bằng bảng tính excel sử dụng 18 dự án thực tế của các dự án ĐCT Sodikov (2009) đã thông qua một quá trĩnh nghiên cứu của ông nhằm phát triển một phương pháp cho tiến hành mô hĩnh ước lượng CPXD đường chính xác cho các nước đang phát triển

2.2 Các nghiên cứu trước đây

2.2.1 Các nghiên cứu ngoài nước

Tarek Hegazy (1998) đã ứng dụng mạng ANN để ước lượng chi phí cho một

dự án ĐCT ở Mỹ Theo như kết quả nghiên cứu thi Hegazy đã thu thập dữ liệu từ các

dự án xây dựng ĐCT với các giá trị đầu vào như chiều rộng tuyến đường, vị trí xây dựng, chiều dài, các mùa thi công, năm xây dựng, mô hĩnh cho kết quả dự báo khá tốt với sai số 20% so với thực tế [36]

Amr s Ayed (1997) với nghiên cứu có nội dung ước lượng CPXD các dự án đường giao thông bằng mô hình Neural nhân tạo Ông đã đưa ra các giá trị đầu vào của mô hĩnh là: loại dự án như cầu, đường, hạ tầng kỹ thuật, năm xây dựng, mùa xây dựng, vị trí, thời gian hoàn thành dự án, điều kiện địa chất Với giá trị đầu ra là CPXD tuyến đường, mô hĩnh dự báo khá tốt.[33]

Kate D Hunter (2014) với đề tài xây dựng mô hĩnh dự toán CPXD trong giai đoạn ban đầu của dự án xây dựng ĐCT ở Hoa Kỳ Tác giả đã chỉ ra các nhân tố chính ảnh hưởng đến xây dựng ĐCT như sau: độ phức tạp của dự án, chiều dài

tuyến đường, số lượng cầu, số làn xe, điều kiện địa chất Với 45 dự án đã được thu thập làm cơ sở dữ liệu và đầu ra của mô hĩnh là CPXD của tuyến ĐCT [37]

Sonmez (2009) với nghiên cứu có nội dung phát triển một mô hĩnh tham số cho dự toán chi phí hệ thống đường sắt đô thị trong giai đoạn thiết kế ban đầu của dự

án Tác giả đã thu thập một bộ dữ liệu gồm 13 dự án đường sắt và tàu điện ngầm ở Thổ Nhĩ Kỳ và biên soạn để định lượng tác động của các tham số trên chi phí của dự

án Xây dựng các mô hĩnh được phát triển bằng phân tích hồi quy và kỹ thuật mạng neural nhân tạo với 8 biến đầu vào và 1 biến đầu ra là CPXD, mô hĩnh cho kết quả sai số 15% so với thực tế Hai mạng lưới thần kinh được coi là một giải pháp thay thế cho các mô hĩnh hồi quy, đặc biệt là để xác định các mối quan hệ phi tuyến tính Hành

vi dự đoán và hiệu suất của các mô hĩnh được so sánh để xác định một mô hĩnh thể hiện mối quan hệ đầy đủ và có độ chính xác hợp lý Phương pháp đề xuất cung cấp một cách tiếp cận mạnh mẽ để xác định mô hĩnh chi phí tham số thỏa đáng trong giai đoạn đầu dự án bằng cách kết hợp sử dụng phối hợp phân tích hồi quy và kỹ thuật mạng thần kinh [38]

Yuanxin Zhang (2017) sử dụng hồi quy LASSO để dự báo chi phí hoàn thành các dự án xây dựng ĐCT Tác giả đề xuất một cách tiếp cận thay thế toán tử co ngót

và lựa chọn tối thiểu tuyệt đối (LASSO) đã được chứng minh trong các lĩnh vực nghiên cứu khác tốt hơn đáng kế so với phương pháp OLS ở nhiều khía cạnh, bao gồm lựa chọn tính năng tự động, khả năng xử lý tương quan cao dữ liệu, dễ hiếu và tính on định của mô hĩnh, đồng thời khám phá các biến liên quan đến dự án với một

số yếu tố kinh tế chưa được sử dụng trong nghiên cứu trước đây Dữ liệu thu thập được chia làm 02 nhóm: một nhóm đế đào tạo mô hình và nhóm

khác cho mục đích xác nhận Sử dụng cùng một bộ dữ liệu, cả LASSO và OLS đã được sử dụng để xây dựng các mô hình và sau đó hiệu suất được đánh giá dựa trên sai số tuyệt đối trung bình, sai số phần trăm trung bình và sai số bình phưcmg trung bình gốc Ket quả cho thấy mô hình hồi quy LASSO vượt trội hơn mô hình hồi quy OLS dựa trên các tiêu chí.[39]

Nabil Ibrahim (2003) đề xuất mô hình ước lượng CPXD đường bằng SVM Tác giả đưa ra 12 nhân tố ảnh hưởng đến mô hĩnh ước lượng chi phí Tổng cộng có

70 trường hợp nghiên cứu từ dữ liệu lịch sử được chia ngẫu nhiên thành ba bộ: tập huấn luyện bao gồm 60 trường hợp, bộ xác nhận chéo bao gồm 03 trường hợp và bộ kiểm tra bao gồm 07 trường hợp Mô hĩnh được xây dựng có thể dự đoán thành công chi phí dự án với độ tin cậy là 95%.[40]

Wilmot (2005) với nghiên cứu ứng dụng mạng neural nhân tạo để ước lượng CPXD đường Tác giả đã sử dụng mô hĩnh mạng ANN để dự đoán CPXD ĐCT trong tương lai, dựa trên các nhân tố CPXD, chi phí vật liệu, nhân công và thiết bị, loại hợp đồng Mục tiêu của nghiên cứu này là phát triển một quy trình ước tính sự leo thang của CPXD ĐCT theo thời gian Một mô hình mạng lưới thần kinh nhân tạo đã được phát triển liên quan đến tống CPXD ĐCT, được mô tả theo chỉ số CPXD ĐCT, đến chi phí vật liệu xây dựng, nhân công và thiết bị, đặc điếm của hợp đồng và môi trường hợp đồng phổ biến tại thời điểm đó hợp đồng đã cho Ket quả chứng minh rằng mô hĩnh có thế tái tạo xu hướng CPXD ĐCT trong quá khứ ở Louisiana với độ chính xác hợp lý Chi phí đầu vào xây dựng trong tương lai được ước tính từ các dự báo có sẵn trên thị trường về các biến chỉ số liên quan chặt chẽ với giá nhân công xây dựng, thiết

bị xây dựng và một bộ vật liệu xây

dựng ĐCT Đặc điểm hợp đồng trong tưcmg lai và môi trường hợp đồng có khả năng tồn tại trong tương lai được ước tính từ các xu hướng trong quá khứ hoặc được quy định là phù hợp với các quyết định chính sách trong tương lai Các dự đoán được đưa

ra bởi mô hĩnh ước tính rằng CPXD ĐCT ở Louisiana sẽ tăng gấp đôi từ năm 1998 đến 2015 [41]

Mounir E1 Asmar (2011) đề ra cách tiếp cận mới để xây dựng mô hĩnh ước lượng CPXD ĐCT Tác giả tập trung vào phương pháp phát triển để phân tích dữ liệu giá thầu; phân tích 14 tuyến ĐCT với 77 dự án có CPXD theo giá thầu lớn hơn 830 triệu USD; và sử dụng phương pháp xác nhận chéo để xác nhận tính chính xác của

mô hĩnh dự đoán Bằng cách sử dụng kỹ thuật loại PERT, CPXD đã được dự đoán chính xác ở giai đoạn sơ bộ trong khoảng 20% [42]

Xishi Huang (2008) đã ứng dụng Neural Fuzzy phát triển mô hĩnh COMOCO, trên cơ sở dữ liệu kinh nghiệm của các dự án trước đây, mô hĩnh 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 Tác giả sử dụng các tham số học tập trong mô hĩnh, có ý nghĩa cụ thế và toàn bộ quá trình quyết định là rõ ràng cho người dùng; do đó mô hĩnh này có thế được giải thích và định giá bởi các chuyên gia Một tính năng khác của mô hình là cho phép các giá trị xếp hạng liên tục làm đầu vào và do đó loại bỏ vấn đề của các dự án tương tự với các ước tính chi phí khác nhau Xác thực bằng dữ liệu công nghiệp cho thấy rằng mô hĩnh của chúng tôi có thế rất chính xác ước tính

độ chính xác khi so sánh với mô hĩnh COCOMO tiêu chuẩn [43]

Kareem Adel (2016) đã xác định 07 yếu tố có ý nghĩa tác động đến chi phí của các dự án ĐCT Dữ liệu đuợc sử dụng cho phát triển và xác nhận mô hĩnh dựa trên lịch sử cơ sở dữ liệu đuợc thu thập từ 75 dự án ĐCT đã hoàn thành, đuợc xây dựng

từ năm 2003 đến 2013 tại Ai Cập Một mô hĩnh mạng luới thần kinh đuợc thiết kế bao gồm 3 lớp Một lớp đầu vào với 7 neural thể hiện các yếu tố chi phí Một lóp ẩn đuợc tối uu hóa bằng cách sử dụng thuật toán di truyền bao gồm 26 tế bào thần kinh Một lóp đầu ra bao gồm một neural đại diện cho chi phí của mỗi hồ sơ thu thập dự án ĐCT.[44]

2.2.2 Các nghiên cứu trong nước

Luu Nhất Phong (2010) Tác giả đã sử dụng công cụ mạng neural nhân tạo và phân tích hồi quy tuyến tính đa biến để xây dựng mô hĩnh dự báo tổng mức đầu tu và các chi phí từng phần trong cơ cấu tổng mức dự án công trình giao thông (đuờng bộ) Một cuộc khảo sát với kết quả thu đuợc từ 75 ứng viên tham gia trả lời bảng câu hỏi

đã tim ra 20 yếu tố chính ảnh huởng đến tổng mức đầu tu xây dựng công trĩnh giao thông đuờng bộ Dữ liệu thu thập từ 33 dự án xây dựng công trình giao thông đuờng

bộ tại tỉnh Bình Dinh từ năm 2000 - 2009 đuợc thu thập đế làm thông tin cơ sở xây dụng mô hình mạng neural nhân tạo và hồi quy tuyến tính đa biến [13]

Phan Văn Khoa (2007) với đề tài uớc luợng CPXD chung cu bằng mạng ANN, tác giả đã tìm đuợc các nhân tố ảnh huởng đến CPXD nhà chung cu và đuợc chia làm hai nhóm nhân tố Sau đó dữ liệu đuợc thu thập từ 14 dụ án chung cu đuợc xây từ những năm 2000 Sử dụng phần mềm Matlab đế xây dụng mô hình ANN tiến nhiều lóp và 1 lóp ẩn [14]

Nguyễn Hữu Duơng (2010) uớc luợng CPXD đuờng hầm dẫn nuớc tại Việt Nam Tác giả đua ra các nhân tố chính ảnh huởng đến CPXD hầm, thiết lập một công

cụ tính toán uớc luợng CPXD hầm dựa trên bộ dữ liệu quá khứ bằng mạng ANN Từ kết quả tính toán xây dựng công cụ uớc luợng CPXD hầm dựa trên ngôn ngữ lập trình Visual Basic 2008 nhằm giúp cho tu vấn thiết kế, chủ đầu tu, nhà thầu có thêm một công cụ tính toán chi phí hầm dẫn nuớc trong giai đoạn sơ bộ của dự án[15]

Nguyễn Hữu Thức (2015) đã xây dựng mô hình uớc luợng CPXD cao ốc văn phòng bằng mô hình hồi quy tuyến tính và mạng ANN Từ việc khảo sát ý kiến trên

1000 chuyên gia trong lĩnh vực xây dựng và quản lý dự án, tác giả đã tìm ra đuợc 16 nhân tố ảnh huởng lớn đến CPXD dự án cao ốc văn phòng trong giai đoạn thiết kế sơ

bộ Nghiên cứu đã tiến hành lập ra 10 mô hình: 6 mô hình hồi quy tuyến tính và 4 mô hình ANN từ 73 dự án, thu đuợc các kết quả sau: thứ nhất là mô hình với biến đầu ra

là LnY cho kết quả dự báo chính xác hơn so với mô hình với biến đầu ra là Y; thứ hai là mô hình ANN luôn cho kết quả chính xác hơn hắn mô hình hồi quy tuyến tính Điều này chứng tỏ mô hình ANN có khả năng mô phỏng các mối quan hệ phi tuyến tốt và cho kết quả chính xác hơn so với mô hình hồi quy tuyến tính [ 17]

2.3 Mạng neural nhân tạo

Mạng nơ-ron nhân tạo (ANN) là một thuật toán triển khai cấu trúc nơ-ron của

bộ não chúng ta Chúng ta không cần hiếu về sinh học phức tạp của các cấu trúc não

bộ, nhung có thế nói rằng, bộ não chứa các tế bào thần kinh giống nhu các công tắc hữu cơ Chúng có thế thay đối trạng thái đầu ra tùy thuộc vào cuông

độ của đầu vào điện hoặc hóa chất Mạng lưới thần kinh trong não người là một mạng lưới các nơ-ron liên kết chặt chẽ với nhau, trong đó đầu ra của bất kỳ tế bào thần kinh nào có thể là đầu vào của hàng ngàn tế bào thần kinh khác Việc học xảy ra bằng cách liên tục kích hoạt một số kết nối thần kinh nhất định so với các kết nối khác và điều này củng cố các kết nối đó Điều này làm cho họ có nhiều khả năng tạo ra một kết quả mong muốn với một đầu vào được chỉ định Học tập này liên quan đến thông tin phản hồi - khi kết quả mong muốn xảy ra, các kết nối thần kinh gây ra kết quả đó trở nên mạnh mẽ

Bên cạnh đó, mạng neural nhân tạo cũng là một tập hợp các thuật toán, được

mô hĩnh hóa mô phỏng bộ não của con người, được thiết kế để nhận dạng các mẫu Được xây dựng để giải thích dữ liệu cảm giác thông qua một loại máy nhận thức, ghi nhãn hoặc phân cụm đầu vào thô Các mẫu được nhận ra là số, được chứa trong các vectơ, trong đó tất cả dữ liệu trong thế giới thực, có thể là hĩnh ảnh, âm thanh, văn bản hoặc chuỗi thời gian, phải được dịch Mạng lưới thần kinh giúp chúng ta phân cụm và phân loại Bạn có thể nghĩ về chúng như một lớp phân cụm và phân loại trên đầu dữ liệu lưu trữ và quản lý Chúng sẽ giúp nhóm dữ liệu chưa được gắn nhãn theo

sự tương đồng giữa các đầu vào ví dụ và chúng phân loại dữ liệu khi chúng có bộ dữ liệu được gắn nhãn đế đào tạo Mạng ANN có thế trích xuất các tính năng được cung cấp cho các thuật toán khác đế phân cụm và phân loại; vĩ vậy bạn có thế nghĩ mạng lưới thần kinh sâu là thành phần của các ứng dụng học máy lớn hơn liên quan đến thuật toán đế tăng cường học tập, phân loại và hồi quy

Hidden

Hình ảnh 2.2 Mô hình mạng neural nhân tạo

Cũng giống như cách chúng ta học hỏi từ kinh nghiệm trong cuộc sống, mạng lưới thần kinh đòi hỏi dữ liệu để học Trong hầu hết các trường hợp, càng nhiều dữ liệu có thể được ném vào mạng thần kinh, nó sẽ càng chính xác hơn Hãy nghĩ về nó giống như bất kỳ nhiệm vụ bạn làm đi làm lại Theo thời gian, bạn dần dần có hiệu quả hơn và ít mắc lỗi hơn

Khi các nhà nghiên cứu hoặc nhà khoa học máy tính bắt đầu đào tạo một mạng lưới thần kinh, họ thường chia dữ liệu của họ thành ba bộ Đầu tiên là một tập huấn luyện, giúp mạng thiết lập các trọng số khác nhau giữa các nút của nó Sau này, họ tinh chỉnh nó bằng cách sử dụng một bộ dữ liệu xác nhận Cuối cùng, họ sẽ sử dụng một bộ kiếm tra đế xem liệu nó có thế biến thành công đầu vào thành đầu ra mong muốn hay không

Ớ cấp độ kỹ thuật, một trong những thách thức lớn hơn là lượng thòi gian cần thiết đế đào tạo các mạng, có thế cần một lượng năng lượng tính toán đáng kế cho các nhiệm vụ phức tạp hơn Tuy nhiên, vấn đề lớn nhất là các mạng nơ-ron là các hộp đen, mà trong đó người dùng cung cấp dữ liệu và nhận câu trả lời Họ có thế tinh chỉnh các câu trả lòi, nhưng họ không có quyền truy cập vào quá trình ra quyết định chính xác Đây là một vấn đề mà một số nhà nghiên cứu đang tích cực

làm việc, nhưng nó sẽ chỉ trở nên cấp bách hơn khi mạng lưới thần kinh nhân tạo đóng vai trò ngày càng lớn hơn trong cuộc sống của chúng ta

ANN rõ ràng có thể được dạy, việc học diễn ra theo cách tương tự về mặt khái niệm với cách các mạng lưới thần kinh được đào tạo để lưu giữ những ký ức của con người Các tương tác lặp đi lặp lại và mạnh hơn có thể được thể hiện và tích họp dựa trên các yếu tố xác suất, đôi khi được gọi là trọng lượng tín hiệu Một mạng có thể được đào tạo để gán trọng số cho các kết nối có thể Các quy tắc được lập trĩnh có thể được thiết lập để thiết lập các tham số và giới hạn cho các kết nối cụ thể Một ANN

có thể được huấn luyện theo cách này để nhận ra lỗi, giảm thiểu các đường dẫn synap hiếm khi được sử dụng và điều chỉnh trọng lượng synap của nó cho phù họp Quá trĩnh này được sử dụng bởi các hệ thống hiện tại hoạt động trong các trò chơi máy tính, phân tích thị trường chứng khoán và nhận dạng hĩnh ảnh đế tạo ra các hệ thống vốn đã tự cải thiện

Có nhiều loại mạng thần kinh, mỗi loại đi kèm với các trường họp sử dụng cụ thế và mức độ phức tạp riêng Loại mạng thần kinh cơ bản nhất là một cái gì đó được gọi là mạng thần kinh tiếp liệu, trong đó thông tin chỉ đi theo một hướng từ đầu vào đến đầu ra

Output Signals

Schematic of a biological neuron

Hình ảnh 2.3 Mô tả một neural sinh học

Một loại mạng được sử dụng rộng rãi hơn là mạng thần kinh tái phát, trong đó

dữ liệu có thể theo nhiều hướng Các mạng lưới thần kinh này sở hữu khả năng học tập lớn hơn và được sử dụng rộng rãi cho các nhiệm vụ phức tạp hơn như học chữ viết tay hoặc nhận dạng ngôn ngữ Ngoài ra còn có các mạng thần kinh tích chập, mạng máy Boltzmann, mạng Hopfield và nhiều loại khác Chọn mạng phù hợp cho nhiệm

vụ phụ thuộc vào dữ liệu phải đào tạo và ứng dụng cụ thể mà chúng ta có ban đầu đầu Trong một số trường hợp, có thể nên sử dụng nhiều cách tiếp cận, chẳng hạn như trường hợp có nhiệm vụ đầy thách thức như nhận dạng giọng nói

2.4 Logic mờ

Lý thuyết mờ được đề xuất lần đầu tiên do giáo sư người Mỹ Lofti A Zadeh,

ở trường đại học California sáng lập năm 1965, sau đó được ứng dụng rộng rãi tại Nhật vào thập niên 80 và phát triển mạnh mẽ ở Châu Âu sau đó Hiện nay, các sản phẩm sử dụng công nghệ mờ khá phổ biến trên toàn thế giới hiện nay như máy ảnh, máy giặt thông minh, camera kỹ thuật số, xe ô tô, điều khiển tay máy, dự báo thòi tiết Lý thuyết mờ đã có nhiều ứng dụng ở khắp các lĩnh vực, đem lại những ứng dụng hữu ích cho con người, có lẽ là do lý thuyết tập mờ đã giải quyết được các bài toán bằng ngôn ngữ con người, nhập nhằng của ngôn ngữ tự nhiên và cố gắng mô phỏng hoạt động suy luận của con người Logic mờ hiện nay ứng dụng khá rộng rãi trong cuộc sống Trong một số mô hình giao dịch tiên tiến, việc tích hợp toán học logic

mờ cũng có thể được sử dụng để giúp các nhà phân tích tạo ra các tín hiệu mua và bán

tự động Các hệ thống này giúp các nhà đầu tư phản ứng với một loạt các biến số thị trường thay đối ảnh hưởng đến đầu tư

của họ Trong các mô hình giao dịch bằng phần mềm tiên tiến, các hệ thống có thể sử dụng các bộ mờ có thể lập trình để phân tích hàng ngàn chứng khoán theo thời gian thực và mang đến cho nhà đầu tư cơ hội tốt nhất có sẵn Logic mờ thường được sử dụng khi một nhà giao dịch tìm cách sử dụng nhiều yếu tố để xem xét Điều này có thể dẫn đến một phân tích thu hẹp cho các quyết định giao dịch Thương nhân cũng

có thể có khả năng lập trình nhiều quy tắc để ban hành các giao dịch

Hệ thống mờ là hệ thống hoạt động dựa trên cơ sở logic mờ và tập mờ Với các khái niệm cơ bản của tập mờ và logic mờ; sau đó là các nguyên lý cơ bản của hệ mờ Thuật ngữ mờ đã đề cập đến những điều không rõ ràng hoặc mơ hồ Trong thế giới thực, nhiều lần chúng ta gặp phải một tĩnh huống khi chúng ta có thể xác định trạng thái là đúng hay sai, logic mờ của chúng cung cấp một sự linh hoạt rất có giá trị cho

lý luận Theo cách này, chúng ta có thể xem xét sự không chính xác và không chắc chắn của bất kỳ tình huống nào Trong giá trị chân lý của hệ thống boolean, 1.0 đại diện cho giá trị chân lý tuyệt đối và 0,0 đại diện cho giá trị sai tuyệt đối Nhưng trong

hệ thống mờ, không có logic cho sự thật tuyệt đối và giá trị sai tuyệt đối Nhưng trong logic mờ, có giá trị trung gian quá hiện diện, một phần đúng và một phần sai

2.4.1 Tập mờ [10,11]

Có rất nhiều kiểu định nghĩa về tập hợp, trong đó có hai kiểu thường được sử dụng như sau :

• Các phần tử thuộc tập hợp sẽ được liệt kê cụ thể

• Các phần từ được mô tả thông qua vị từ đặc trưng

Ánh xạ pF được gọi lả hàm thành viên của tập F Tập kinh điẻn X được gọi lả

tập nển của tập mờ F Mỡ rộng với ịi 3 -*[OT],X 0 < // Ị ( Y )< 1

Mờ hoá là quá trình xác định giá trị rõ của biến theo các biến ngôn ngữ tự nhiên,

là quá trình chuyển đổi giá trị đầu vào rõ nét thành giá trị mờ đuợc thực hiện bằng cách

sử dụng thông tin trong cơ sở tri thức Mặc dù các loại đuờng cong khác nhau có thể đuợc

sử dụng nhu, các hàm Gaussian, hàm tam giác và hĩnh thang đuợc sử dụng phổ biến nhất trong quá trình làm mờ Những loại MF này có thể dễ dàng đuợc thực hiện bởi các bộ điều khiển nhúng, hĩnh ảnh 2.4 mô tả biến ngôn ngữ bằng tập mờ

, 0 ,

2.4.3 Các phép toán trên tập mờ

cho hai tạp mờ A, B với ịi A và Ị 1 S là hai hàm thuộc tưong ứng

Từ đó ta xảy dựns:

2\ J S A C 1

-Hc (*) = = max( Ị.I K (.*); M B (.v) )

Chủ thích: lấy tat cả phần trên của đồ thị

Khi đó hợp của hai tập mờ là một tập rõ

2Ẩ A s — c

Mx) = MM,BW = mm ( MA C-v); Ma O) )

động được thực hiện Ví dụ, nếu nhiệt độ thấp và mật độ hình ảnh cao, thì điện tích phải ở mức trung bình Nghiêng là một trong chín quy tắc chi phối hoạt động trơn tru của máy photocopy Các thuật ngữ mơ hồ, nhiệt độ thấp và mật độ cao, được biểu diễn dưới dạng tập mờ và các quy tắc ngôn ngữ khác nhau được biểu diễn dưới dạng quan hệ toán học giữa các tập hợp này Chiến lược điều khiển sau đó có thể được mã hóa dưới dạng thuật toán hoặc chương trình máy tính Trong quá trình vận hành máy, các cảm biến đo các giá trị hiện tại của các biến đầu vào ví dụ như nhiệt độ và mật

độ hĩnh ảnh, trong trường hợp này và sau đó một máy tính hoặc chip điện tử sẽ xác định các giá trị phù hợp của các biến hành động Một bộ điều khiển mờ gồm có ba khâu cơ bản:

• Khâu mờ hóa: mô hĩnh sẽ thực hiện quá trĩnh chuyển đổi một giá trị rõ đầu

vào thành một vector ụ gồm các độ phụ thuộc của giá trị rõ đó theo các giá

trị mờ đã định nghĩa cho biến ngôn ngữ đầu vào Đơn giản là như vậy nhưng đây lại là khâu khó khăn nhất khi phải thiết kế bộ điều khiển mờ, vĩ để mờ hóa ta cần phải có các hàm thành viên biểu diễn giá trị ngôn ngữ cho các biến đầu vào, mà điều này lại không hoàn toàn phụ thuộc vào kinh nghiệm các chuyên gia, cũng như không thế giải thích được cặn kẽ lý do tại sao lại chọn như vậy Trong số các thuộc tính chính của hệ thống mờ, nhiều đầu vào, cơ sở quy tắc và chuyển đổi thành đầu ra đơn lẻ bằng cách xử lý với công cụ khấu trừ là vấn đề quan trọng nhất Trong một số tình huống đặc biệt, đầu ra có thế nhiều hơn một Hệ thống mờ xác định hành vi của hệ thống bằng cách chuyến đối các biến thế tạo thành đầu vào thành biến thế đầu ra theo cách không

tuyến tính Bằng cách này, có thể kiểm soát hệ thống được kiểm soát để đạt được kết quả mong muốn bằng cách đưa cơ sở thông tin vào các chuyển đổi phi tuyến tính

• Công cụ suy diễn: xây dựng các luật mờ dựa trên kinh nghiệm của chuyên gia Đây là một cơ chế bao gồm các hoạt động, cho phép một hệ thống hoạt động như có một đầu ra bằng cách đưa các mối quan hệ được hĩnh thành giữa các cụm mờ đầu vào và đầu ra trong một đơn vị cơ sở quy tắc mờ với nhau Công cụ này phục vụ cho việc xác định loại đầu ra mà toàn bộ hệ thống sẽ cung cấp giữa các đầu vào bằng cách đưa các khoản khấu trừ của từng quy tắc lại với nhau

• Khâu giải mờ: chuyển đổi dữ liệu mờ thành tập rõ thông qua các công cụ giải mờ, là quá trĩnh làm mờ nghịch đảo trong đó ánh xạ được thực hiện để chuyển đổi kết quả mờ thành kết quả rõ nét Nó ánh xạ từ một không gian của các hành động điều khiển mờ được xác định trong một vũ trụ đầu ra của diễn ngôn thành một không gian của các hành động điều khiến rõ nét

Sự cần thiết của việc làm mờ được phát sinh do các hành động kiếm soát sắc nét trong một số triển khai thực tế là cần thiết đế vận hành kiếm soát

Hình ảnh 2.8 cấu trúc của bộ điều khiến mờ

Phương pháp giải mờ cực đại

+ Nguyên lý trung binh : y* - '1 ~' -

Hình ảnh 2.10 Phương pháp giải mờ trọng tâm Phương pháp điểm trọng tâm sẽ cho ra kết quả là hoành độ của điểm trọng tâm bên trong của miền giới hạn

bởi Py(y) và trục hoành Công thức tính y theo phương pháp điểm trọng tâm :

j/'rO'Xv

2.5 Hệ neural - mờ

Cả mạng neural nhân tạo và hệ thống mờ đều có một số điểm chung Chúng có thể được sử dụng để giải quyết các vấn đề (ví dụ: nhận dạng mẫu, hồi quy hoặc ước tính mật độ ) nếu không tồn tại bất kỳ mô hĩnh toán học nào của vấn đề đã cho Chúng có những nhược điếm và lợi thế nhất định mà gần như biến mất hoàn toàn bằng cách kết họp

cả hai khái niệm Mạng lưới thần kinh chỉ có thế đi vào hoạt động nếu vấn đề được thể hiện bằng một lượng đủ các ví dụ quan sát được Những quan sát này được sử dụng đế đào tạo mô hĩnh Một mặt không có kiến thức trước về vấn đề cần phải được đưa ra Mặt khác, không đơn giản đế trích xuất các quy tắc dễ hiếu từ cấu trúc của mạng lưới thần kinh Ngược lại, một hệ thống mờ đòi hỏi các quy tắc ngôn ngữ thay vĩ học các ví dụ như kiến thức trước Hơn nữa, các biến đầu vào và đầu ra phải