Ước tính chi phí dự phòng cho dự án ngoài ngân sách bằng công cụ mạng neuron nhân tạo

 Thu thập dữ liệu và xử lý số liệu bằng mạng neuron nhân tạo để xác định các yếu tố ảnh hưởng đến chi phí dự phòng của dự án ngoài ngân sách được xây dựng tại Tp.Hồ Chí Minh.. Tuy nhiên

TRƯỜNG ĐẠI HỌC BÁCH KHOA

-

DƯƠNG MINH TRÍ

ƯỚC TÍNH CHI PHÍ DỰ PHÕNG CHO DỰ

ÁN NGOÀI NGÂN SÁCH BẰNG CÔNG CỤ

MẠNG NEURON NHÂN TẠO

Chuyên ngành : CÔNG NGHỆ VÀ QUẢN LÝ XÂY DỰNG

Mã số ngành : 60 58 90

LUẬN VĂN THẠC SĨ

TP HỒ CHÍ MINH, Tháng 12 năm 2011

TRƯỜNG ĐẠI HỌC BÁCH KHOA

-

DƯƠNG MINH TRÍ

ƯỚC TÍNH CHI PHÍ DỰ PHÕNG CHO DỰ

ÁN NGOÀI NGÂN SÁCH BẰNG CÔNG CỤ

MẠNG NEURON NHÂN TẠO

Chuyên ngành : CÔNG NGHỆ VÀ QUẢN LÝ XÂY DỰNG

Mã số ngành : 60 58 90

LUẬN VĂN THẠC SĨ

TP HỒ CHÍ MINH, Tháng 12 năm 2011

TRƯỜNG ĐẠI HỌC BÁCH KHOA ĐẠI HỌC QUỐC GIA TP.HỒ CHÍ MINH

Cán bộ hướng dẫn khoa học : TS Lưu Trường Văn

Cán bộ chấm nhận xét 1 : TS Đinh Công Tịnh

Cán bộ chấm nhận xét 2 : TS Lê Hoài Long

Luận văn Thạc sĩ được bảo vệ tại:

HỘI ĐỒNG CHẤM BẢO VỆ LUẬN VĂN THẠC SĨ

TRƯỜNG ĐẠI HỌC BÁCH KHOA, ngày …… tháng …… năm ……

TRƯỜNG ĐẠI HỌC BÁCH KHOA CỘNG HÕA XÃ HỘI CHỦ NGHĨA VIỆNAM

PHÒNG ĐÀO TẠO SĐH Độc Lập - Tự Do - Hạnh Phúc

- -oOo -

Tp HCM, ngày 15 tháng 12 năm 2011

NHIỆM VỤ LUẬN VĂN THẠC SĨ

Họ và tên học viên : DƯƠNG MINH TRÍ Phái : Nam

Năm sinh : 18/08/1984 Nơi sinh : Kiên Giang Chuyên ngành : Công Nghệ và Quản Lý Xây Dựng MSHV : 10080303

1 TÊN ĐỀ TÀI:

ƯỚC TÍNH CHI PHÍ DỰ PHÕNG CHO DỰ ÁN NGOÀI NGÂN SÁCH BẰNG CÔNG CỤ MẠNG NEURON NHÂN TẠO.

2 NHIỆM VỤ LUẬN VĂN:

 Giới thiệu các phương pháp ước tính chi phí dự phòng trên thế giới và phương pháp ước tính được áp dụng phổ biến của các dự án ngoài ngân sách ở Việt Nam

 Thu thập dữ liệu và xử lý số liệu bằng mạng neuron nhân tạo để xác định các yếu tố ảnh hưởng đến chi phí dự phòng của dự án ngoài ngân sách được xây dựng tại Tp.Hồ Chí Minh

 Huấn luyện dữ liệu bằng công cụ mạng neuron nhân tạo, tìm ra mô hình mạng tối ưu

và cho kết quả ước tính chính xác nhất

 Lập một chương trình ước tính ứng dụng kết quả huấn luyện mạng neuron

 Đề xuất một số hướng nghiên cứu khác liên quan đến chủ đề chi phí dự phòng

4 NGÀY HOÀN THÀNH NHIỆM VỤ : 15/12/2011

5 HỌ VÀ TÊN CÁN BỘ HƯỚNG DẪN: TS LƯU TRƯỜNG VĂN

Nội dung và đề cương Luận văn Thạc sĩ đã được Hội Đồng Chuyên Ngành thông qua

CÁN BỘ HƯỚNG DẪN CHỦ NHIỆM BỘ MÔN KHOA QL CHUYÊN NGÀNH

TS.LƯU TRƯỜNG VĂN TS LƯƠNG ĐỨC LONG

LỜI CÁM ƠN

Để hoàn thành luận văn này bên cạnh những kiến thức tôi thu nhận được trong suốt quá trình học tập tại trường và sự cố gắng của bản thân còn có sự giúp đỡ, động viên của Thầy Cô, bạn bè, đồng nghiệp và gia đình trong suốt quá trình tôi thực hiện luận văn

Trước tiên, tôi xin gửi lời chân thành cám ơn đến Thầy TS Lưu Trường Văn đã

định hướng, truyền đạt những kinh nghiệm quý báo trong nghiên cứu, đã tận tình hướng dẫn tôi trong suốt quá trình thực hiện luận văn

Tôi xin gửi lời cám ơn chân thành đến tất cả Quý Thầy Cô trong bộ môn Thi Công và Quản Lý Xây Dựng đã truyền đạt cho tôi nhiều kiến thức bổ ích trong lĩnh vực quản lý dự án trong quá trình học tập Những kiến này sẽ là hành trang quý báo để tôi làm việc cũng như nghiên cứu sau này

Xin chân thành cám ơn đến tất cả các bạn K2010, các bạn đã cùng tôi học tập, thảo luận, cùng tôi trải qua những ngày tháng học tập thật vui và bổ ích, các bạn đã giúp tôi hoàn thiện mình hơn và mở ra cho tôi nhiều tư duy mới

Xin cám ơn ban Tổng Giám Đốc Tập đoàn Đất Xanh (Dat Xanh Group), Giám Đốc Xây Dựng cùng những người bạn đồng nghiệp phòng Quản Lý Xây Dựng đã tạo điều kiện, hổ trợ và cung cấp nhiều dữ liệu quý báo để tôi có thể hoàn thành luận văn này

Cuối cùng tôi xin cám ơn những người thân trong gia đình, những người bạn thân đã luôn ở bên tôi, quan tâm, động viên và giúp đỡ tôi vượt qua những khó khăn, trở ngại để hoàn thành luận văn này

Tp Hồ Chí Minh, ngày 15 tháng 12 năm 2011

Dương Minh Trí

TÓM TẮT

Theo một nghiên cứu của Baccarini công bố năm 2007, trên thế giới đã có 12 phương pháp khác nhau để ước tính chi phí dự phòng Tuy nhiên, phương pháp ước tính chi phí dự phòng được sử dụng phổ biến nhất của dự án ngoài ngân sách ở Việt Nam là phương pháp cổ điển (ước lượng một con số phần trăm cố định cho chi phí dự phòng) Đây là phương pháp ước tính kém chính xác nhất (Bacarini, 2007), việc ước tính chi phí dự phòng không chính xác dẫn đến việc ước tính tổng chi phí của dự án không chính xác làm đe dọa mục tiêu của dự án

Nghiên cứu này cung cấp cho các nhà đầu tư, các nhà quản lý dự án một phương pháp ước tính chi phí dự phòng khoa học, chính xác và đang được áp dụng nhiều trên thế giới đó là ước tính bằng công cụ mạng neuron nhân tạo và hồi quy tuyến tính (Baccarini, 2007)

Bộ dữ liệu của nghiên cứu là 30 dự án chung cư đã hoàn thành và được xây dựng trên địa bàn Tp.Hồ Chí Minh Từ số liệu thu thập được, áp dụng phương pháp phân tích dữ liệu bằng công cụ mạng neuron nhân tạo theo Chua, D.K.H tìm ra được 8 yếu tố ảnh hưởng đến chi phí dự phòng Ưu diểm của phương pháp này là xác định các yếu tố ảnh hưởng không dựa trên đánh giá chủ quan của các chuyên gia mà dựa trên

bộ dữ liệu khách quan thu thập được

Huấn luyện dữ liệu bằng công cụ mạng neuron nhân tạo và hồi quy tuyến tính Kết quả cho thấy mô hình mạng neuron nhân tạo cho kết quả chính xác hơn (hệ số xác định R2

= 91.45%, hệ số xác định điều chỉnh AdjR2 = 88.19%, sai số phẩn trăm tuyệt đối trung bình MAPE = 1.93%)

Từ kết quả huấn luyện mạng neuron nhân tạo, lập trình một phần mềm ứng dụng bằng ngôn ngữ lập trình Visual Basic 6

ABSTRACT

According to Bacarini’s study announced in 2007, there were 12 various methods to estimate cost contingency in the world However, the most popular method of estimating cost contingency for off-budget projects in Vietnam is classical one (estimating a specific figure of percentage for cost contingency) This is the most inaccurate method (Bacarrini, 2007) Estimating cost contingency inaccurately leads total cost of the project incorrect, which threatens project goal

This study provides investors and project managers with a scientific and precise method of estimating cost contingency which is being used in many countries in the world That is estimating by Artificial Neural Networks (ANN) and Regression Analysis (Baccarini, 2007)

The study database is 30 apartment projects which were finished and built in Hochiminh city According to collected figures, applying a method of database analysis through Artificial Neural Networks (ANN) by Chua, D.K.H found out 8 factors impacting on the cost contingency Strengths of this approach is to identify the key determinants influencing is not based on subjective assessments by experts that based on objective data collected

Training database by Artificial Neural Networks (ANN) and Regression Analysis, the results showed that ANN gave more exactly (coefficient of determination R2 = 91.45%, adjusted coefficient of determination AdjR2 88.19%, mean absolute percentage error MAPE = 1.93%)

From the results of training Artificial Neural Networks (ANN), programming

an application software through programming language Visual Basic 6

MỤC LỤC

CHƯƠNG 1 : GIỚI THIỆU 7

1.1 Lý do chọn đề tài : 7

1.2 Xác định vấn đề nghiên cứu : 10

1.3 Mục tiêu nghiên cứu : 10

1.4 Phạm vi nghiên cứu : 10

1.5 Đóng góp của đề tài: 11

CHƯƠNG 2 : TỔNG QUAN 12

2.1 Các định nghĩa: 12

2.1.1 Định nghĩa chi phí dự phòng: 12

2.1.2 Định nghĩa dự án ngoài ngân sách: 13

2.2 Các nghiên cứu tương tự: 14

2.2.1 Các nghiên cứu tương tự về chi phí dự phòng của dự án: 14

2.2.2 Các nghiên cứu ước tính chi phí bằng mạng neuron nhân tạo (ANN)

16

2.3 Một vài phương pháp ước tính chi phí dự phòng: 18

2.3.1 Phương pháp truyền thống: 18

2.3.2 Phương pháp Monte Carlo: 18

2.3.3 Phương pháp hồi quy tuyến tính: 18

2.3.4 Phương pháp mạng neuron nhân tạo: 19

CHƯƠNG 3 : PHƯƠNG PHÁP NGHIÊN CỨU 20

3.1 Quy trình nghiên cứu: 20

3.2 Thu thập dữ liệu: 21

3.3 Công cụ nghiên cứu: 21

3.3.1 Tổng quan về mạng neuron nhân tạo (nguồn Neural Network Toolbox TM 6 Tác giả : Howard Demuth, Mark Beale, Martin Hagan) 22

3.3.2 Mô hình neuron (nguồn Neural Network Toolbox TM 6 Tác giả: Howard

Demuth, Mark Beale, Martin Hagan) 24

3.3.2.1 Neuron một biến đầu vào 24

3.3.2.2 Neuron nhiều biến đầu vào 25

3.3.2.3 Hàm chuyển (hàm truyền) 26

3.3.3 Cấu trúc mạng (nguồn Neural Network Toolbox TM 6 Tác giả: Howard Demuth, Mark Beale, Martin Hagan): 27

3.3.3.1 Mạng một lớp: 27

3.3.3.2 Mạng nhiều lớp: 28

3.4 Phân tích dữ liệu: 29

3.4.1 Xác định mô hình mạng neuron theo Chua, D.K.H: 29

3.4.2 Xác định các yếu tố chính theo Chua, D.K.H: 31

3.4.3 Mô hình ANN: 31

CHƯƠNG 4 : XÁC ĐỊNH CÁC YẾU TỐ ẢNH HƯỞNG VÀ THU THẬP DỮ LIỆU 33

4.1 Xác định sơ bộ các yếu tố ảnh hưởng: 33

4.2 Thu thập dữ liệu: 34

4.3 Xác định các yếu tố ảnh hưởng chính bằng mạng neuron nhân tạo (mô hình ANN1): 37

4.3.1 Xác định cấu trúc mô hình ANN1 (xem quy trình hình 3.10): 37

4.3.2 Xác định các yếu tố ảnh hưởng chính: 42

CHƯƠNG 5 : XÁC ĐỊNH CHI PHÍ DỰ PHÕNG BẰNG MẠNG NEURON (MÔ HÌNH ANN2) 44

5.1 Mô hình mạng huấn luyện: 44

5.2 Cấu trúc mạng huấn luyện: 44

5.2.1 Hàm huấn luyện: 44

5.2.2 Hàm học: 45

5.2.3 Số lớp ẩn: 46

5.2.4 Số neuron trong một lớp ẩn: 46

5.2.5 Hàm chuyển (truyền): 46

5.2.6 Khắc phục tính quá khớp (lờn) trong quá trình huấn luyện: 47

5.3 Huấn luyện mạng: 48

CHƯƠNG 6 : XÁC ĐỊNH CHI PHÍ DỰ PHÕNG BẰNG HỒI QUY TUYẾN TÍNH 58

6.1 Dữ liệu đưa vào mô hình: 58

6.2 Phân tích mô hình hồi quy: 59

CHƯƠNG 7 : ỨNG DỤNG KẾT QUẢ NGHIÊN CỨU 67

7.1 So sánh kết quả giữa mô hình hồi quy và ANN: 67

7.2 Lập trình: 67

7.3 Áp dụng chương trình: 69

CHƯƠNG 8 : KẾT LUẬN VÀ KIẾN NGHỊ 71

8.1 Kết luận: 71

8.2 Kiến nghị: 71

TÀI LIỆU THAM KHẢO 73

PHỤ LỤC 76

Phụ lục 1: Bảng câu hỏi khảo sát 76

Phụ lục 2: Bảng câu hỏi thu thập dữ liệu 78

Phụ lục 3: Kết quả hồi quy với phương pháp chọn biến forward và stepwise

81

Phụ lục 4: Ma trận trọng số và bias 87

Phụ lục 5: Code chương trình ước tính chi phí dự phòng 90

DANH MỤC HÌNH VẼ

Hình 1.1: Các phương pháp ước tính chi phí dự phòng trên thế giới (Nguồn

David Baccarini, 2007) 7

Hình 1.2: Phối cảnh dự án Chung cư Phú Gia Hưng. 8

Hình 1.3: Phối cảnh dự án Căn hộ cao cấp Packsimex 9

Hình 3.1: Quy trình nghiên cứu 20

Hình 3.2: Chu trình huấn luyện mạng neuron (nguồn Neural Network Toolbox TM 6) 22

Hình 3.3: Neuron một biến đầu vào (nguồn Neural Network Toolbox TM 6) 24

Hình 3.4: Neuron nhiều biến đầu vào (nguồn Neural Network Toolbox TM 6) 25

Hình 3.5: Hàm chuyển Hard – Limit (nguồn Neural Network Toolbox TM 6) 26

Hình 3.6: Hàm chuyển Linear (nguồn Neural Network Toolbox TM 6) 26

Hình 3.7: Hàm chuyển Log – Sigmoid (nguồn Neural Network Toolbox TM 6) 26

Hình 3.8: Cấu trúc mạng neuron một lớp (nguồn Neural Network Toolbox TM 6)27 Hình 3.9: Cấu trúc mạng neuron nhiều lớp (nguồn Neural Network Toolbox TM 6) 28

Hình 3.10: Quy trình xác định mô hình để xác định các yếu tố ảnh hưởng 29

Hình 3.11: Sơ đồ huấn luyện mạng neuron (Phan Văn Khoa, 2007) 32

Hình 4.1: Cấu trúc mạng neuron giai đoạn 1 40

Hình 4.2: Cấu trúc mạng neuron giai đoạn 2 40

Hình 5.1 : Sai số MAPE và hệ số xác định R 2 ứng với các hàm huấn luyện khác nhau. 53

Hình 5.2 : Sai số MAPE ứng với thay đổi hàm chuyển trong lớp ẩn. 54

Hình 5.3 : Hệ số xác định R 2 ứng với thay đổi hàm chuyển trong lớp ẩn. 54

Hình 5.4 : Sai số MAPE ứng với các lần thực nghiệm khác nhau. 56

Hình 5.5 : Hệ số xác định R 2 ứng với các lần thực nghiệm khác nhau. 57

Hình 6.1: Biểu đồ phân tán đã được chuẩn hóa. 62

Hình 6.2: Biểu đồ tần suất của phần dư chuẩn hóa. 64

Hình 7.1: Cấu trúc mạng neuron huấn luyện. 67

Hình 7.2: Giao diện chương trình. 68

Hình 7.3: Phối cảnh dự án Sunview Apartment. 69

Hình 7.4: Áp dụng chương trình 70

DANH MỤC BẢNG BIỂU Bảng 1.1: Tổng mức đầu tư được duyệt của dự án Chung cư Phú Gia Hưng. 8

Bảng 1.2: Tổng mức đầu tư được duyệt dự án Căn hộ cao cấp Packsimex. 9

Bảng 2.1: Một số nghiên cứu trước đây liên quan đến dự phòng của dự án 15

Bảng 2.2: Một số nghiên cứu trước đây về ước tính chi phí bằng mạng neuron nhân tạo (ANN) 17

Bảng 3.1: Kỹ thuật leave – one – out cross – validation 30

Bảng 4.1: Các yếu tố sơ bộ ảnh hưởng tổng hợp từ các nghiên cứu trước 33

Bảng 4.2: Các yếu tố sơ bộ ảnh hưởng tổng hợp từ các chuyên gia 34

Bảng 4.3: Các yếu tố sơ bộ ảnh hưởng tổng hợp từ các nghiên cứu trước 35

Bảng 4.4: Bảng tổng hợp dữ liệu thu thập được từ dự án thực tế. 37

Bảng 4.5: Bảng mô tả phân loại thang đo 6 điểm 38

Bảng 4.6: Bảng mô tả phân loại thang đo 5 điểm 38

Bảng 4.7: Bảng tổng hợp dữ liệu sau khi đã phân loại 39

Bảng 4.8: Kết quả sai số CE RMS qua 30 lần huấn luyện 41

Bảng 4.9: Phầ trăm (%) thay đổi biến mục tiêu 43

Bảng 4.10: Các yếu tố ảnh hưởng chính đến chi phí dự phòng. 43

Bảng 5.1: Huấn luyện mạng với các cấu trúc mạng khác nhau 52

Bảng 6.1: Bảng dữ liệu đưa vào mô hình hồi quy. 59

Bảng 6.2: Ma trận hệ số tương quan Pearson. 59

Bảng 6.3: Bảng phân tích ANOVA. 60

Bảng 6.4: Các thông số thống kê của từng biến trong phương trình. 61

Bảng 6.5: Bảng kiểm định tương quan hạng Spearman. 63

Bảng 6.6: Model Summary. 64

Bảng 6.7: Hệ số VIF của các biến độc lập. 65

Bảng 6.8: Bảng tổng hợp kết quả phương trình hồi quy. 66

Bảng 7.1: Bảng so sánh kết quả giữa mô hình hồi quy và ANN. 67

Bảng 7.2: Phạm vi áp dụng của biến đầu vào. 68

CHƯƠNG 1 : GIỚI THIỆU

Merrow and Schroeder 1991, nhấn mạnh mối quan hệ giữa sự vượt chi phí

và chi phí dự phòng bằng cách phát biểu sự vượt chi phí có thể được xem là dự

phòng không đầy đủ trong ước lượng chi phí Dự phòng phí là chi phí linh hoạt

cung cấp cho các nhà quản lý để giải quyết những bất ổn đe dọa mục tiêu của dự án

(Diekmann et al,1998) Vì vậy việc ước lượng chính xác chi phí dự phòng là rất

quan trọng cho việc quản lý chi phí dự án

Ở Việt Nam phần lớn các chủ đầu tư của các dự án ngoài ngân sách, nhiều

đơn vị tư vấn quản lý dự án thường chọn một con số phần trăm cố định để ước tính

chi phí dự phòng Họ thường cố định một con số phần trăm cho tất cả các dự án,

mặc dù các dự án này có quy mô khác nhau, có thời gian thi công khác nhau, có

nhiều đặc điểm khác nhau … Con số này thường là 10% so với tổng mức đầu tư

Đây là phương pháp ước lượng chi phí dự phòng kém chính xác nhất (Baccarini,

2007) Do đó, dẫn đến việc nhiều dự án ngoài ngân sách ở Việt Nam ước lượng

không chính xác chi phí dự phòng, gây ra rất nhiều khó khăn trong việc quản lý chi

phí của dự án, làm đe dọa các mục tiêu dự án

Một số dự án ngoài ngân sách điển hình ước tính chi phí dự phòng theo

phương pháp gán một con số phần trăm cố định (bằng 10%) so với tổng mức đầu tư

của dự án:

Liệu chi phí dự phòng của dự án Chung cư Phú Gia Hưng có đảm bảo, dự

án do Công ty CP DV Địa ốc Đất Xanh làm chủ đầu tư, có thời gian thực

hiện từ năm 2009 đến năm 2012

Hình 1.2: Phối cảnh dự án Chung cƣ Phú Gia Hƣng

STT Khoản mục chi phí Giá trị sau thuế (đồng)

Liệu chi phí dự phòng của dự án Căn hộ cao cấp Packsimex có đảm bảo,

dự án do Công ty CP XNK Sản xuất Gia công và Bao bì Packsimex làm

chủ đầu tư, có thời gian thực hiện từ năm 2009 đến năm 2013

Hình 1.3: Phối cảnh dự án Căn hộ cao cấp Packsimex

STT Khoản mục chi phí Giá trị sau thuế (đồng)

1.2 Xác định vấn đề nghiên cứu :

Ngày 26/5/2010 Bộ Xây Dựng ban hành Thông tư số 04/2010/TT-BXD:

“Hướng dẫn lập và quản lý chi phí đầu tư xây dựng công trình” Trong Thông

tư hướng dẫn phương pháp xác định chi phí dự phòng bằng cách lấy tổng chi phí dự

phòng do yếu tố công việc khối lượng phát sinh và chi phí dự phòng do yếu tố trượt

giá Vậy đối với các dự án ngoài ngân sách thì ngoài phương pháp tính theo Thông

tư 04/2010/TT-BXD còn phương pháp nào tính khác không? Liệu phương pháp đó

có khoa học, có chính xác không? Có dễ dàng thực hiện? Cách tiến hành xây dựng

phương pháp đó như thế nào và các yếu tố nào ảnh hưởng đến chi phí dự phòng

trong phương pháp đó? Những câu hỏi trên cũng là những lý do chính để hình

thành nên đề tài: “Ước tính chi phí dự phòng cho dự án ngoài ngân sách bằng

công cụ mạng Neuron nhân tạo”

1.3 Mục tiêu nghiên cứu :

Nghiên cứu được tiến hành nhằm đáp ứng các mục tiêu sau đây:

Xác định các yếu tố (các biến đầu vào) ảnh hưởng đến chi phí dự

Không gian: Thời điểm thu thập dữ liệu là 8 tuần (bắt đầu từ ngày 15/8/2011

đến 09/10/2011) Nghiên cứu được thực hiện trong khoảng thời gian tháng 10 đến

tháng 12/2011 Với dữ liệu thu thập là các số liệu của các dự án xây dựng có vốn

đầu tư ngoài ngân sách đã hoàn thành trong khoảng thời gian từ năm 2010 trở về

trước

Địa điểm: Nghiên cứu chỉ thực hiện khảo sát, thu thập số liệu ở các dự án

xây dựng dân dụng tại thành phố Hồ Chí Minh và một số tỉnh lân cận khu vực phía

nam

Tính chất và đặc trƣng của đối tƣợng nghiên cứu: Nghiên cứu thực hiện

ước lượng chi phí dự phòng cho các dự án xây dựng dân dụng có vốn ngoài ngân

sách để xác định tổng mức đầu tư của dự án Nghiên cứu trong giai đoạn lập dự án

đầu tư xây dựng công trình

Quan điểm phân tích: Phân tích và thảo luận theo quan điểm của chủ đầu

tư, các nhà quản lý dự án và các chuyên gia trong lĩnh vực xây dựng có nhiều kinh

nghiệm trong việc quản lý chi phí dự án

1.5 Đóng góp của đề tài:

Ở Việt Nam có rất nhiều nghiên cứu liên quan đến việc ước lượng chi phí

cho các dự án xây dựng, nhưng hiện nay vẫn chưa có nghiên cứu cụ thể nào về ước

lượng chi phí dự phòng cho các dự án xây dựng Do đó, qua đề tài nghiên cứu này,

tác giả dự kiến có những đóng góp sau:

Giới thiệu cho các chủ đầu tư và các nhà quản lý dự án, có vốn đầu tư

ngoài ngân sách một phương pháp ước lượng chi phí dự phòng khoa

học và chính xác Từ đó giảm bớt rủi ro trong việc quản lý chi phí của

dự án

Đề tài góp phần xác định các yếu tố ảnh hưởng đến chi phí dự phòng

của các dự án xây dựng trong giai đoạn lập dự án đầu tư xây dựng công

trình (báo cáo nghiên cứu khả thi)

CHƯƠNG 2 : TỔNG QUAN

2.1 Các định nghĩa:

2.1.1 Định nghĩa chi phí dự phòng:

Khi ước lượng tổng mức đầu tư cho một dự án thì luôn luôn có sự không

chắc chắn của tất cả các nội dung mà được cho là đã ước lượng chính xác, những

cái không chắc chắn này là rủi ro của dự án Bằng cách thông qua các dự án trong

quá khứ ta có thể ước lượng một khoảng chi phí để khắc phục các rủi ro này,

khoảng chi phí đó được cộng thêm vào tổng mức đầu tư và nó được gọi là chi phí

dự phòng

Theo PMI 2004, dự phòng là một quỹ ngân sách hoặc thời gian cần được ước

lượng trước để giảm nguy cơ đe dọa các mục tiêu của dự án đến mức độ chấp nhận

được cho các tổ chức, nhà đầu tư

Dự phòng là một trong các yếu tố chi phí quan trọng được đánh giá trong giá

gói thầu và là một phần không thể thiếu trong việc ước lượng tổng chi phí dự án

(Ostwalt, 2001)

Dự phòng là một chi phí mà kết quả có thể là từ thiết kế sai hay một sự việc

không mong muốn, một yếu tố không lường trước hoặc không chắc chắn trong

phạm vi dự án, khoảng chi phí dự phòng phụ thuộc vào tình trạng thiết kế, thi công,

độ phức tạp và sự không chắc chắn của các bộ phận cấu thành dự án (US

Derpartment of Energy Directives, 1997)

Theo Thông tư số 04/2010/TT-BXD ban hành ngày 26/5/2010 thì: “Chi phí

dự phòng bao gồm: chi phí dự phòng cho yếu tố khối lượng công việc phát sinh

chưa lường trước được khi lập dự án và chi phí dự phòng cho yếu tố trượt giá trong

thời gian thực hiện dự án”

Có rất nhiều định nghĩa về chi phí dự phòng nhưng để hiểu rõ hơn về chi phí

dự phòng ta tìm hiểu thêm các thuộc tính của chúng:

Dự trữ (reserve) : Chi phí dự phòng là tiền dự trữ (PMI, 2004) Đây có

lẽ là thuộc tính dễ nhìn thấy nhất của chi phí dự phòng (Baccarini,

2005)

Rủi ro (risk) và không chắc chắn (uncertainty) : Khoảng ngân sách cho

dự phòng phản ánh sự tồn tại của rủi ro và không chắc chắn trong dự án

(Thompson and Perry, 1992) Vì vậy, việc cung cấp chi phí dự phòng là

một công cụ quản lý rủi ro (Baccarini, 2007)

Cam kết cuối cùng ( total commitment): Việc bao gồm chi phí dự phòng

trong dự toán đồng nghĩa với việc cam kết đây là chi phí cuối cùng của

dự án (Baccarini, 2007)

Hành vi dự án (project behaviour): Chi phí dự phòng có thể tác động

lớn đến kết quả của dự án Nếu dự phòng quá cao nó khuyến khích quản

lý cẩu thả, dẫn tới dự án không kinh tế và lãng phí đi những khoản đầu

tư có sẵn vào các dự án khác Nếu dự phòng quá thấp sẽ dẫn tới một

con số chi phí không thực tế để thực hiện dự án và kết quả đạt được là

một dự án không đạt yêu cầu (Dey et al, 1994)

2.1.2 Định nghĩa dự án ngoài ngân sách:

Hiện nay có rất nhiều định nghĩa khác nhau về dự án ngoài ngân sách, nhưng

trong giới hạn đề tài này, dự án ngoài ngân sách được hiểu là dự án dân dụng có

tổng vốn tư nhân trong nước chiếm hơn 70% trong tổng số vốn của dự án hoặc tổng

vốn nhà nước chiếm nhỏ hơn 30% trong tổng số vốn của dự án

2.2 Các nghiên cứu tương tự:

2.2.1 Các nghiên cứu tương tự về chi phí dự phòng của dự án:

Du Y Kim, Seung

H.Han, Hyoungkwan

Kim, 2008

- Bài báo: “Discriminant Analysis for Predicting Ranges

of Cost Variance in International Construction Project”

- Nội dung: Phân tích biệt thức được sử dụng để dự báo chi phí dự phòng cho các nhà thầu trước khi dự thầu

Nghiên cứu giúp nhà thầu xác định được số dự phòng hợp lí để vừa đảm bảo lợi nhuận vừa đảm bảo chiến thắng trong gói thầu

Rifat Sonmez, Arif

Ergin and M Talat

Birgonul, 2007

- Bài báo: “Quantitative Methodology for Determination

of Cost Contingency in International Projects”

- Nội dung: Xây dựng mô hình hồi quy tuyến tính để xác định chi phí dự phòng trong giai đoạn đấu thầu của các

dự án xây dựng quốc tế Các biến đầu vào của mô hình là các yếu tố tài chính có mức độ rủi ro cao

Gabiel A Barraza

and Rafael A Bueno,

2007

- Bài báo: “Cost Contingency Management”

- Nội dung: Tác giả đề xuất sử dụng mô phỏng Monte Carlo như một phương pháp quản lý chi phí dự phòng của dự án

Burroughs and

Juntima, 2004

- Bài báo: “Exploring Techniques for Contingency Setting”

- Nội dung: Kỹ thuật hồi quy tuyến tính được sử dụng để

đo lường sự thực hiện dự phòng của dự án, giá trị tuyệt đối phần trăm dự phòng sử dụng trừ đi phần trăm dự phòng ước tính Dữ liệu nghiên cứu được thu thập từ

tiến độ của dự án xây dựng Mô hình này kết hợp được

sự không chắc chắn của chi phí, tiến độ và tính toán được cho phí dự phòng của dự án

David N.Ford, 2002 - Bài báo: “Achieving Multiple Project Objectives

through Contingency Management”

- Nội dung: Thu thập cách thức quản lý dự phòng của các

dự án thực tế, sau đó lập ra một mô hình mô phỏng cách quản lý dự phòng Từ đó các nhà quản lý sẽ tìm ra được cách quản lý dự phòng của họ để đạt nhiều mục tiêu dự

Sau đó phát triển một phần mềm máy tính, Estimate Scroce Program (ESP) để tự động ước lượng chi phí dự phòng cũng như chi phí của dự án

Stephen Mark and

Dong Chen and

Bảng 2.1: Một số nghiên cứu trước đây liên quan đến dự phòng của dự án

2.2.2 Các nghiên cứu ước tính chi phí bằng mạng neuron nhân tạo

(ANN)

Hola and Krzysztof,

2010

- Bài báo: “Estimation of earthworks execution time cost

by means of artificial neural networks”

- Nội dung: Nghiên cứu đã ứng dụng mạng neuron để ước lượng thời gian và chi phí của công tác đất Nghiên cứu này giúp lựa chọn sơ bộ máy cho công tác đất

Chao, 2009 - Bài báo: “Estimating project overheads rate in bidding:

DSS approach using neural networks”

- Nội dung: Xây dựng hệ thống hổ trợ ra quyết định dựa vào dữ liệu của công ty và mạng neuron để ước lượng chi phí xây dựng

Wilmot, 2005 - Bài báo: “Neural network modeling of highway

Kim, An and Kang,

2004

- Bài báo: “Comparision of construction cost estimating models based on regression analysis, neural network, and case-based reasoning”

- Nội dung: Xây dựng 3 mô hình, hồi quy tuyến tính, mạng neuron nhân tạo và case-based reasoning (CBR) để ước lượng chi phí xây dựng công trình Kết quả cho thấy mạng neuron nhân tạo cho kết quả dự báo chính xác nhất

Attalla and Hegazy,

Emsley, Lowe, Duff,

Harding and Hickson,

2002

- Bài báo: “Data modeling and application of a neural network approach to the prediction of total construction costs”

- Nội dung: Xác định các yếu tố ảnh hưởng và xây dựng

2 mô hình hồi quy và mạng neuron nhân tạo để ước lượng tổng chi phí xây dựng công trình Kết quả cho thấy

mô hình mạng neuron chính xác hơn

Chua, Kog, Loh and

án từ 27 nhân tố ban đầu

Phan Văn Khoa, Lưu

Trường Văn và Lê

- Nội dung: Nhận diện các nguyên nhân chính gây vượt chi phí và chậm tiến độ ở các dự án DD&CN trong giai đoạn thi công Xây dựng mô hình dự báo biến động chi phí và thời gian của dự án bằng ANN

Bảng 2.2: Một số nghiên cứu trước đây về ước tính chi phí bằng mạng

neuron nhân tạo (ANN)

2.3 Một vài phương pháp ước tính chi phí dự phòng:

2.3.1 Phương pháp truyền thống:

Ước tính theo phương pháp truyền thống có nghĩa là xác định một giá trị chi

phí dự phòng cố định bằng trực giác hay bằng kinh nghiệm từ các dự án trong quá

khứ Nghiên cứu cho thấy rằng đây là phương pháp ước tính chi phí dự phòng phổ

biến nhất (Baccarini, 2005) Phương pháp ước tính này rất khó khăn để chứng minh

hoặc bảo vệ (Thompson và Perry, 1992) Đây là phương pháp ước tính kém chính

xác và là một trong những lý do giải thích tại sao nhiều dự án bị vượt ngân sách

(Hartman, 2000) Những yếu kém của phương pháp ước tính truyền thống đã thôi

thúc nhiều nghiên cứu khác có cách tiếp cận ước tính chi phí dự phòng mạnh mẽ

hơn, có độ chính xác lớn hơn (Baccarini, 2007) Có thể kể đến một vài phương pháp

ước tính có độ chính xác nhiều hơn như Monte Carlo, hồi quy tuyến tính, mạng

neuron nhân tạo …

2.3.2 Phương pháp Monte Carlo:

Monte Carlo là một phương pháp phân tích định lượng là kỹ thuật thường

được sử dụng để ước tính chi phí và hổ trợ ra quyết định (Curran, 1989, Ahmad,

1992) Đây cũng là phương pháp được đề nghị để ước tính chi phí dự phòng của dự

án (Clark, 2001) Trong kỹ thuật này, các thành phần chi phí được mô hình như là

một biến ngẫu nhiên Một hàm phân phối xác xuất sẽ được gáng cho mỗi thành

phần chi phí và chi phí dự phòng sẽ được xác định bằng cách sử dụng mô phỏng

Tuy nhiên mối quan hệ phức tạp của các thành phần chi phí và việc khó khăn để xác

định được chính xác hàm phân phối xác xuất dẫn đến phương pháp này ít được ứng

dụng trong thời gian gần đây (Baccarini, 2007)

2.3.3 Phương pháp hồi quy tuyến tính:

Mô hình hồi quy được sử dụng kể từ những năm 1970 để ước tính chi phí và

trở thành một công cụ mạnh mẽ cho mục đích phân tích, dự báo và ước tính có độ

tin cậy đáng kể (Kim và cộng sự, 2004) Mô hình hồi quy cho kết quả tốt nhất trong

việc dự đoán giá gói thầu (Skitmore & Patchell, 1990) Bên cạnh đó hồi quy tuyến

tính cũng được áp dụng để ước tính chi phí dự phòng Oberlander & Trost, 2001 đã

có nghiên cứu phát triển mô hình hồi quy để ước tính chi phí dự phòng của dự án

xây dựng với bộ dữ liệu là 67 dự án đã hoàn thành từ 22 công ty khác nhau Khác

với phương pháp Monte Carlo, phân tích hồi quy dựa trên bộ dữ liệu thực tế, không

thừa nhận bất kì một phân phối xác xuất nào, không thừa nhận bất kì một trọng số

nào để ước tính chi phí dự phòng Đây cũng là một thuận lợi để phát triển của

phương pháp hồi quy, để phát triển một mô hình hồi quy chỉ cần một bộ dữ liệu

thực tế trong quá khứ và người cung cấp dữ liệu không nhất thiết phải là một

chuyên gia lâu năm trong một dự án (Burroughs & Juntima, 2004)

2.3.4 Phương pháp mạng neuron nhân tạo:

Mạng neuron nhân tạo (ANN) là một kỹ thuật xử lý thông tin mô phỏng theo

bộ não sinh học của con người và các tế bào thần kinh này kết nối với nhau (Chen

& Hartman, 2000) ANN sử dụng một cơ chế “học” và “huấn luyện” để giải quyết

vấn đề ANN phù hợp với các mô hình có dữ liệu phi tuyến, trái ngược với phương

pháp hồi quy phù hợp với các mô hình có dữ liệu tuyến tính (Baccarini, 2007)

Trong thời gian gần đây ANN được phát triển nhiều để ước tính chi phí và hổ trợ

trong việc quản lý xây dựng Chen và Hartman, 2000 có một nghiên cứu sử dụng

mô hình ANN để ước tính chi phí và thời gian dự phòng, mô hình có 19 yếu tố đầu

vào Kết quả mô hình cung cấp cho các nhà quản lý những khoảng thời gian và chi

phí có nguy cơ bị vượt để từ đó có kế hoạch dự phòng hợp lý Với dữ liệu phi tuyến

thì mô hình ANN cho kết quả tốt hơn nhiều so với mô hình hồi quy tuyến tính

(Baccarini, 2007)

CHƯƠNG 3 : PHƯƠNG PHÁP NGHIÊN CỨU

3.1 Quy trình nghiên cứu:

Xác định đề tài nghiên cứu

Bổ sung các yếu tố sơ bộ khác ảnh

hưởng đến chi phí dự phòng

Phỏng vấn 10 chuyên gia (hơn 7 năm kinh nghiệm trong lĩnh vực QLDA, chủ đầu tư)

Tiến hành thu thập dữ liệu theo

các yếu tố đã xác định, nguồn thu

thập là các dự án đã kết thúc trong

quá khứ

Xây dựng mô hình ANN1 theo

phương pháp của Chua, D.K.H

Phân tích, đánh giá mô hình ANN2

Loại bỏ được các yếu tố “ảo” và

xác định được các yếu tố chính

ảnh hưởng đến chi phí dự phòng

Huấn luyện mạng ANN2 bẳng

Matlab, với các yếu tố đầu vào đã

xác định ở bước trên

Lập một phần mềm ước tính chi phí dự phòng

Kết thúc nghiên cứu

3.2 Thu thập dữ liệu:

Sau khi tổng hợp các nghiên cứu của Rifat Sonmez, Arif Ergin và M Talat

Birgonul, 2007; Ali Touran, 2003 và John K Hollmann, 2009 Đã xác định được sơ

bộ 10 yếu tố ảnh hưởng đến chi phí dự phòng Từ đó thiết kế “Bảng câu hỏi khảo

sát” (xem phụ lục 1) để phỏng vấn trực tiếp 10 chuyên gia nhằm bổ sung thêm các

yếu tố sơ bộ khác ảnh hưởng đến chi phí dự phòng đặc thù trong điều kiện xây dựng

Việt Nam Chuyên gia ở đây là những người có hơn 7 năm kinh nghiệm trong lĩnh

vực xây dựng và từng trãi qua vị trí trưởng ban quản lý dự án hoặc phó ban quản lý

dự án của những dự án xây dựng đã hoàn thành trong khoảng thời gian từ năm 2010

trở về trước

Sau 2 tuần phỏng vấn trực tiếp 10 chuyên gia tìm được thêm 6 yếu tố sơ bộ

ảnh hưởng Vậy có tổng cộng 16 yếu tố sơ bộ ảnh hưởng đến chi phí dự phòng (xem

chương 4)

Từ 16 yếu tố sơ bộ ảnh hưởng chi phí dự phòng đã thu thập được, thiết kế

“Bảng câu hỏi thu thập dữ liệu thực tế” (xem phụ lục 2) để phỏng vấn trực tiếp

các trưởng ban quản lý dự án hoặc phó trưởng ban quản lý dự án nhằm thu thập dữ

liệu thực tế của các dự án xây dựng đã hoàn thành trong khoảng thời gian từ năm

2010 trở về trước

3.3 Công cụ nghiên cứu:

Với bộ dữ liệu thu thập được từ các dự án thực tế đã hoàn thành Sử dụng

mạng neuron nhân tạo theo phương pháp của Chua, D.K.H để loại bỏ các yếu tố ảo

từ 16 yếu tố ảnh hưởng sơ bộ, từ đó xác định các yếu tố chính ảnh hưởng đến chi

phí dự phòng

Sau khi xác định được các yếu tố chính ảnh hưởng đến chi phí dự phòng Sử

dụng mạng neuron nhân tạo để xây dựng mô hình ước tính chi phí dự phòng bằng

phần mềm Matlap

Sử dụng ngôn ngữ lập trình Visual Basic để lập trình một phần mềm ước tính

nhanh chi phí dự phòng

3.3.1 Tổng quan về mạng neuron nhân tạo (nguồn Neural Network

Toolbox TM 6 Tác giả : Howard Demuth, Mark Beale, Martin

Hagan)

Mạng neron bao gồm nhiều yếu tố đơn giản hoạt động song song

Những yếu tố này được mô phỏng giống như hệ thống thần kinh cơ học

Trong tự nhiên, các kết nối của các thành phần chủ yếu tạo nên chức năng

mạng Ta có thể huấn luyện mạng neuron để thực hiện một chức năng cụ thể

bằng cách điều chỉnh các giá trị liên kết giữa các yếu tố

Thông thường, mạng Neuron được điều chỉnh hoặc được huấn luyện

để ứng với một đầu vào cụ thể sẽ dẫn tới một mục tiêu cụ thể Mạng được

điều chỉnh, dựa trên sự so sánh đầu vào và mục tiêu cho đến khi đầu vào

mạng phù hợp với mục tiêu Hình 3.2 minh họa chu trình huấn luyện mạng

Hình 3.2: Chu trình huấn luyện mạng neuron (nguồn Neural Network

Toolbox TM 6)

Một số ứng dụng mạng neuron nhân tạo trên thế giới:

Xử lý ảnh và nhận biết bằng máy tính

Xử lý tín hiệu Nhận dạng mẫu

Kỹ thuật chế tạo

Y học, quân sự Kinh tế …

Một số ứng dụng mạng neuron nhân tạo trong quản lý xây dựng:

Ước lượng tổng chi phí của dự án

o Bài báo “Data modelling and the application of a neural network approach to prediction of total construction costs”

Tác giả Margaret W.Emsley và cộng sự

o Dữ liệu thu thập là 300 dự án xây dựng Mô hình gồm 41 biến đầu vào

o Sai số MAPE = 16.6%

Ước tính sớm chi phí xây dựng

o Bài báo “The neural network approach for early cost estimation of structural systems of building” Tác giả H

Murat Gunaydin và S Zeynep Dogan

o Dữ liệu thu thập là 30 dự án đã hoàn thành Mô hình gồm 8 biến đầu vào

o Sai số MAPE = 2% Độ chính xác của mô hình là 93%

Lựa chọn thầu phụ

o Bài báo “A neural network application to subcontractor rating in construction firms” Tác giả Vito Albino và A Claudio Gavavelli

o Nghiên cứu xây dựng mô hình hổ trợ ra quyết định lựa chọn thầu phụ, mô hình gồm 5 yếu tố đầu vào, dữ liệu thu thập từ 10 nhà thầu phụ Tác giả đưa ra 2 tình huống thực

tế, sau đó thu thập dữ liệu, huấn luyến mạng và so sánh kết quả huấn luyện mạng neuron với ý kiến của các chuyên gia trong lựa chọn thầu phụ để tìm sai số huấn luyện

o Tình huống A có sai số MSE = 0.06

o Tình huống B có sai số MSE = 0.34

3.3.2 Mô hình neuron (nguồn Neural Network Toolbox TM 6 Tác giả:

Howard Demuth, Mark Beale, Martin Hagan)

3.3.2.1 Neuron một biến đầu vào

Hình 3.3: Neuron một biến đầu vào (nguồn Neural Network

Toolbox TM 6)

Tính hiệu vào vô hướng p qua trọng liên kết w trở thành wp cũng là đại lượng vô hướng Ở đây wp là đối số duy nhất của hàm truyền

f, tính hiệu đầu ra là đại lượng vô hướng a

W và b đều là tham số điều chỉnh vô hướng của neuron Ý tưởng cơ bản của mạng neuron điều chỉnh các tham số này như thế nào

để mạng đạt được một đích mong muốn hay một hành vi nào đó Như

vậy ta có thể huấn luyện mạng làm một công việc nào đó bằng cách điều

chỉnh các trọng liên kết và bias b, hoặc mạng có thể tự điều chỉnh các

tham số này để đạt kết quả như mong muốn

Tất cả các neuron đều có sẵn bias (b), cho nên chúng ta có thể

bỏ đi khi cần thiết

Độ dốc b là một tham số điều chỉnh vô hướng của neuron, nó không phải là một đầu vào và nó cần được coi như vậy khi xem xét độ

phụ thuộc tuyến tính của các vectơ đầu vào

3.3.2.2 Neuron nhiều biến đầu vào

Hình 3.4: Neuron nhiều biến đầu vào (nguồn Neural

Network Toolbox TM 6)

Neuron với véc tơ vào gồm R phần tử (hình 3.4) Trong đó các đầu vào là p1,p2 …pr,được nhân các trọng liên kết W1,1,W1,2…W1,r các tỷ

trọng liên kết được biểu diễn bằng ma trận hàng ,vectơ p là một ma trận

cột Trong đó W là ma trận trọng liên kết có kích thước 1x R ,p là véc tơ

gồm R phần tử đầu vào, bias b, hàm chuyển của mạng là f Đầu vào hàm

chuyển là n bằng tổng của bias b và tích Wp Tổng này được đi qua hàm

chuyển f để có đầu ra của neuron là a Trong trường hợp này a là một đại

lượng vô hướng

Một lớp mạng đã được định nghĩa như hình 3.4, là sự kết hợp giữa các trọng liên kết, phép nhân, phép cộng, bias b, hàm chuyển f

Trong đó kích thước của ma trận được chỉ rõ ở bên dưới tên biến ma trận

của chúng Khi một hàm chuyển cụ thể được sử dụng thì hình vẽ biểu

tượng của hàm chuyển đó sẽ thay thế f ở trên

Hàm chuyển Log – Sigmoid nhận giă trị đầu vào và ép giá trị dầu ra nằm trong khoảng 0 đến 1 theo công thức n

e

a

11

3.3.3 Cấu trúc mạng (nguồn Neural Network Toolbox TM 6 Tác giả:

Howard Demuth, Mark Beale, Martin Hagan):

- Véc tơ vào a có s phần tử a T =[a1; a2; … aS]

Hình 3.8: Cấu trúc mạng neuron một lớp (nguồn Neural

Network Toolbox TM 6)

Trong mạng này mỗi phần tử của vectơ vào p liên hệ với đầu vào mỗi neuron thông qua ma trận trong liên kết W Bộ cộng của neuron

thứ i thu thập trong các liên kết đầu vào và bias để tạo thành một đầu ra

vô hướng n, các ni tập hợp với tạo thành s phần tử của véc tơ vào n Cuối

cùng ở lớp ra neuron ta thu được vectơ a gồm s phần tử

3.3.3.2 Mạng nhiều lớp:

Để khảo sát mạng nhiều lớp trước hết chúng ta đưa ra các ký hiệu quy ước một số lớp mạng Đặc biệt ta cần phân biệt sự khác nhau

ma trận trọng liên kết ở đầu vào và ma trận trọng liên kết ở giữa các lớp

và nắm vững ký hiệu nguồn và đích của ma trận trọng liên kết

Ta gọi ma trận trọng liên kết nối với đầu vào là các trọng vào (input weights) các ma trận đến từ lớp ra là trọng liên kết lớp (layer

weights) Ta dùng các chỉ số viết bên trên để phân biệt nguồn (chỉ số thứ

hai) và đích (chỉ số thứ nhất) cho các trọng liên kết và phần tử khác của

mạng (xem hình 3.9)

Hình 3.9: Cấu trúc mạng neuron nhiều lớp (nguồn Neural

Network Toolbox TM 6)

CERMS (Root – mean square classification error) : sai số căn bậc hai

trung bình phân loại, được xác định theo công thức:

2)(

1

i i

n CE

Trong đó :

n : số lượng mẫu trong bộ kiểm tra (testing)

Ei : giá trị mục tiêu

Pi : giá trị xuất ra từ mô hình

1.802 : là giá trị ngưỡng so sánh của mô hình, trong giới hạn luận văn

chấp nhận giá trị này để so sánh, xác định cấu trúc mô hình Nếu mô hình có hệ số CE nhỏ hơn giá trị này thì theo Chua, D.K.H cấu trúc

mô hình đó được chấp nhận

Kỹ thuật leave – one – out cross – validation là kỹ thuật loại dần mẫu

ra khỏi bộ huấn luyện dùng để phát triển mô hình Một chu trình thực nghiệm gồm n lần thực nghiệm (với n là số lượng mẫu) Mỗi lần thực nghiệm là một mẫu khác nhau cho bộ kiểm tra và các mẫu còn lại cho

bộ huấn luyện

Thực nghiệm số

Bộ huấn luyện (training) Bộ kiểm tra (testing)

3.4.2 Xác định các yếu tố chính theo Chua, D.K.H:

Ở mỗi một giai đoạn phát triển của mô hình các yếu tố ít ảnh hưởng được xác định và loại ra khỏi mô hình Việc này được thực hiện dần cho đến

khi xác định được tất cả các yếu tố ít ảnh hưởng Các yếu tố còn lại là các

yếu tố chính

Mỗi một giai đoạn phát triển mô hình bao gồm (nxm) lần thực nghiệm, với n là số lượng biến đầu vào của mô hình và m là số lượng mẫu

thu thập được Trong nghiên cứu này bao gồm hai giai đoạn phát triển mô

hình Giai đoạn 1 gồm 12x30 = 360 lần thực nghiệm và loại bỏ được 4 yếu tố

ít ảnh hưởng Giai đoạn 2 gồm 8x30 = 240 lần thực nghiệm và không có yếu

tố nào bị loại bỏ ra khỏi mô hình

Một yếu tố ít ảnh hưởng được xác định và loại bỏ bằng cách tăng giá trị thang đo đầu vào của biến đó và kết quả biến mục tiêu xuất ra từ mô hình

không thay đổi phân loại tương ứng

Total

errors squared of

Sum

R2 1

11

1

2

R p

n AdjR

n

Actual

Actual edicted

n

MAPE

1

Pr1

Trong đó: n: số lượng mẫu

p: số lượng biến đầu vào

Predicted: giá trị xuất ra từ mô hình

Actual: giá trị hướng tới của mô hình

Huấn luyện mạng neuron theo sơ đồ sau:

Hình 3.11: Sơ đồ huấn luyện mạng neuron (Phan Văn Khoa, 2007)

CHƯƠNG 4 : XÁC ĐỊNH CÁC YẾU TỐ ẢNH HƯỞNG

VÀ THU THẬP DỮ LIỆU

4.1 Xác định sơ bộ các yếu tố ảnh hưởng:

Sau khi tổng hợp các nghiên cứu của Rifat Sonmez, Arif Ergin và M Talat

Birgonul, 2007; Ali Touran, 2003 và John K Hollmann, 2009 Đã xác định được 10

yếu tố sơ bộ ảnh hưởng đến chi phí dự phòng như sau:

STT Các yếu tố sơ bộ ảnh hưởng

1 Loại dự án (chung cư, trung tâm thương mại, cao ốc văn

phòng)

2 Chi phí ước tính hoàn thành dự án

3 Thời gian ước tính hoàn thành dự án

4 Địa điểm xây dựng

5 Năng lực đơn vị thiết kế (số dự án tương tự đã thiết kế)

6 Năng lực nhà thầu thi công chính (số dự án tương tự đã thi

công)

7 Năng lực ban QLDA (số dự án tương tự đã tham gia)

8 Dự án có kế hoạch phân bổ chi phí rõ ràng, chi tiết hay không

9 Dự án có kế hoạch thực hiện rõ ràng, chi tiết hay không

10 Sự biến động giá cả thị trường (mức độ trượt giá bình quân)

Bảng 4.1: Các yếu tố sơ bộ ảnh hưởng tổng hợp từ các nghiên cứu trước

Tiến hành lập bảng câu hỏi phỏng vấn trực tiếp (xem phụ lục 1) các chuyên

gia nhiều năm kinh nghiệm (≥ 7 năm kinh nghiệm) trong lĩnh vực quản lý dự án và

từng đảm nhận vai trò trưởng ban quản lý dự án hoặc phó ban quản lý dự án để bổ

sung thêm các yếu tố ảnh hưởng

Sau thời gian 2 tuần thu thập, bổ sung được 6 yếu tố sơ bộ ảnh hưởng đến chi

phí dự phòng như sau: