Ứng dụng mạng nơron trong lựa chọn hàm lượng xi măng ở bước thiết kế và quản lý thi công trụ xi măng đất tại hiện trường

Hồ Chí Minh TRƯỜNG ðẠI HỌC BÁCH KHOA NGUYỄN BÁ TRƯỞNG ðỀ TÀI : ỨNG DỤNG MẠNG NƠ RON TRONG LỰA CHỌN HÀM LƯỢNG XI MĂNG Ở BƯỚC THIẾT KẾ VÀ QUẢN LÝ THI CÔNG TRỤ XI MĂNG ðẤT TẠI HIỆN TRƯỜNG

Trang 1

ðại Học Quốc Gia Tp Hồ Chí Minh TRƯỜNG ðẠI HỌC BÁCH KHOA

NGUYỄN BÁ TRƯỞNG

ðỀ TÀI :

ỨNG DỤNG MẠNG NƠ RON TRONG LỰA CHỌN HÀM LƯỢNG XI MĂNG Ở BƯỚC THIẾT KẾ VÀ QUẢN LÝ THI CÔNG TRỤ XI MĂNG ðẤT TẠI HIỆN TRƯỜNG

Chuyên ngành: Công nghệ và Quản lý xây dựng

LUẬN VĂN THẠC SĨ

TP HỒ CHÍ MINH, Tháng 12 năm 2010

Trang 2

CÔNG TRÌNH ðƯỢC HOÀN THÀNH TẠI TRƯỜNG ðẠI HỌC BÁCH KHOA ðẠI HỌC QUỐC GIA TP HỒ CHÍ MINH

Cán bộ hướng dẫn khoa học: TS PHẠM HỒNG LUÂN

……… ………

Cán bộ chấm nhận xét 1: ………

……… ………

.……… ……… ……

Cán bộ chấm nhận xét 2:………

……… ……… ……

Luận văn thạc sĩ ñược bảo vệ tại HỘI ðỐNG CHẤM BẢO VỆ LUẬN VĂN THẠC SĨ TRƯỜNG ðẠI HỌC BÁCH KHOA, ngày ……….tháng………năm…………

Trang 3

TRƯỜNG ðẠI HỌC BÁCH

KHOA

KHOA K Ỹ THUẬY XÂY DỰNG

CỘNG HOÀ XÃ HỘI CHỦ NGHIÃ VIỆT NAM

ðộc Lập - Tự Do - Hạnh Phúc

Tp HCM, ngày tháng 12 năm 2010

NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: ……… NGUYỄN BÁ TRƯỞNG …………Phái:……NAM

Ngày, tháng, năm sinh: … 02-12-1977 Nơi sinh: Bình ðịnh

Chuyên ngành: ……….Công nghệ và Quản lý xây dựng

MSHV:… 00808586

1- TÊN ðỀ TÀI:

ỨNG DỤNG MẠNG NƠ RON TRONG LỰA CHỌN HÀM LƯỢNG XI MĂNG Ở BƯỚC THIẾT KẾ VÀ QUẢN LÝ THI CÔNG TRỤ XI MĂNG ðẤT TẠI HIỆN TRƯỜNG

2- NHIỆM VỤ VÀ NỘI DUNG: - Tìm hiểu các vấn ñề liên quan ñến thiết kế, công nghệ và quản lý thi công trụ xi măng ñất - Xây dựng một mô hình dựa trên ứng dụng mạng nơron ñể lựa chọn hàm lượng xi măng hợp lý ở bước thiết kế và dự báo khối lượng công việc ở bước thi công ñể tạo ra trụ xi măng ñất ñạt cường ñộ yêu cầu và ñồng nhất dọc theo thân trụ với chi phí máy và xi măng tiết kiệm nhất - Ứng dụng kết quả ñầu ra của mô hình là khối lượng công việc thi công ñể áp dụng vào quản lý cải tiến liên tục quy trình thi công nhằm tạo ra sản phẩm trụ xi măng ñất có cường ñộ ñạt yêu cầu thiết kế và ñồng ñều dọc theo thân trụ 3- NGÀY GIAO NHIỆM VỤ :

4- NGÀY HOÀN THÀNH NHIỆM VỤ:

5- CÁN BỘ HƯỚNG DẪN : TS PHẠM HỒNG LUÂN

Nội dung và ñề cương Luận văn thạc sĩ ñã ñược Hội ðồng Chuyên Ngành thông qua CÁN BỘ HƯỚNG DẪN CHỦ NHIỆM BỘ MÔN KHOA QL CHUYÊN NGÀNH QUẢN LÝ CHUYÊN NGÀNH

Trang 4

LỜI CẢM ƠN Trước tiên cho em được gửi lời cảm ơn đến tất cả quý thầy cô trong ban giảng viên lớp cao học khóa 2008 Bộ môn : THI CÔNG VÀ QUẢN LÝ XÂY DỰNG

Xin cảm ơn Thầy Phạm Hồng Luân đã tận hình hướng dẫn và kịp thời có những định hướng trong quá trình làm luận văn

Chân Thành cảm ơn tất cả các bạn bè và đồng nghiệp đã giúp đỡ trong công việc cũng như về mặt tinh thần để luận văn này được hoàn tất

Xin cảm ơn những lời chỉ bảo của Cha - Mẹ và các Anh - Chị trong gia đình để đạt được những thành quả như hôm nay

Lời cuối cùng xin được cảm ơn tất cả quý thầy cô của trường ĐẠI HỌC BÁCH TP, Hồ Chí Minh , những người ít nhiều đã bỏ công sức để truyền đạt kiến thức trong quá trình dạy dỗ

Vì thời gian có hạn và những kiến thức còn hạn chế chắc chắn không thể tránh khỏi những thiếu sót

Rất mong sự đóng góp ý kiến của quý thầy cô và các bạn

HỌC VIÊN

NGUYỄN BÁ TRƯỞNG

Trang 5

HVTH: NGUYỄN BÁ TRƯỞNG NGÀNH: CÔNG NGHỆ VÀ QUẢN LÝ XÂY DỰNG

TÓM TẮT

Trong những năm gần ñây trụ xi măng ñất ñã ñược ứng dụng trong xây dựng nền móng công trình ở nhiều lĩnh vực khác nhau, tuy nhiên xác ñịnh hlxm ở bước thiết kế và quản lý thi công trụ xi măng ñất tại hiện trường ñể tạo ra sản phẩm trụ xi măng ñất ñảm bảo chất lượng và ñáp ứng các yêu cầu thiết kế vẫn là vấn ñề khó khăn của các cơ quan thiết kế, giám sát và quản lý thi công

Kế thừa những nguyên lý chung trong thiết kế, thi công mà các tiêu chuẩn TCVN 385:2006 và tiêu chuẩn JIS A702 của Nhật Bản ñã ñưa ra là: khai thác thông tin từ dữ liệu các công trình ñã thi công, công trình tương tự ñể ứng dụng vào thiết

kế, giám sát, thi công các công trình tiếp theo, nghiên cứu ñã thiết lập mô hình dựa trên ứng dụng mạng nơ ron ñể học các tập dữ liệu thu thập ñược, từ ñó dự báo ra các thông tin phục vụ cho thiết kế và quản lý thi công tại hiện trường

- Thông tin phục vụ cho thiết kế là tổng chi phí máy và vật liệu xi măng tính trên 1md theo từng lớp ñịa chất tương ứng với hàm lượng xi măng (hlxm) gia cố khác nhau

- Thông tin phục vụ cho quản lý thi công là khối lượng công việc (klcv) thiết

bị cần thực hiện theo chiều sâu ñể ñạt ñược cường ñộ thiết kế ñồng ñều dọc theo thân trụ qua các lớp ñịa chất khác nhau

Từ các thông tin mà mô hình cung cấp, ở bước thiết kế ta lựa chọn hlxm sao cho tổng chi phí máy và vật liệu xi măng tính trên 1md theo từng lớp ñịa chất là nhỏ nhất, ở bước thi công cứ sau mỗi lần thí nghiệm xác ñịnh cường ñộ thân trụ thì số liệu về ñịa chất, hlxm gia cố thực tế, klcv thi công thực tế, kết quả ép mẫu thực tế ñược cập nhập vào tập dữ liệu ñã có và tiến hành dự báo klcv áp dụng vào thi công

ở bước tiếp theo

Trang 6

MỤC LỤC

TÓM TẮT 5

MỤC LỤC 6

CHƯƠNG 1: GIỚI THIỆU ðỀ TÀI NGHIÊN CỨU 12

1.1 Giới thiệu chung vấn ñề nghiên cứu 12

1.2 Mục tiêu nghiên cứu 17

1.3 Phạm vi và ñối tượng nghiên cứu 18

1.4 Phương pháp và công cụ nghiên cứu 18

1.4.1 Phương pháp nghiên cứu 18

1.4.2 Công cụ nghiên cứu 19

1.5 Sơ ñồ nghiên cứu 20

1.5.1 Quá trình hình thành ñề tài 20

CHƯƠNG 2: TỔNG QUAN VỀ MẠNG NƠ RON VÀ NGÔN NGỮ LẬP TRÌNH MATLAB TRONG DỰ BÁO 21

2.1 Tổng quan về dự báo 21

2.1.1 Khái niệm về dự báo và các phương pháp dự báo 21

2.1.2 Phương pháp ñịnh tính 21

2.1.3 Phương pháp ñịnh lượng 21

2.2 Mạng nơ ron và các khái niện cơ bản 22

2.2.1 Quá trình nghiên cứu và phát triển mạng nơ ron 22

2.2.2 Mạng nơ ron và mạng nơ ron nhân tạo 23

2.2.3 Cấu trúc một nơ ron nhân tạo (phần tử xử lý) 25

2.2.4 Mô hình kết nối của các mạng nơ ron nhân tạo 27

2.2.5 Luật học và các phương pháp huấn luyện mạng 29

2.2.6 Các mạng nuôi tiến và giải thuật truyền lùi 33

2.3 Ngôn ngữ lập trình matlab 37

2.3.1 Giải thuật Levenberg-Marquardt (TRAINLM) 38

2.3.2 Giải thuật Levenberg-Marquardt giảm bộ nhớ (TRAINLM) 39

2.3.3 Thiết kế mô hình dự báo bằng mạng nơ ron 39

2.4 Ưu, nhược ñiểm của mạng nơ ron trong dự báo 40

CHƯƠNG 3: TỔNG QUAN VỀ CÔNG NGHỆ VÀ QUẢN LÝ THI CÔNG TRỤ XI MĂNG ðẤT 43

3.1 Tổng quan về phương pháp gia cố nền ñất yếu bằng trụ xi măng ñất 43

3.1.1 Các phương pháp gia cố ñất yếu bằng cách trộn xi măng vào ñất 43

3.1.2 Một số kết quả nghiên cứu, ứng dụng trụ xi măng ñất 45

3.1.3 Các ñặc tính cơ bản của hỗn hợp ñất trộn xi măng, theo N.B.Kế (2009) 46

3.1.4 Nguyên lý thiết kế trụ xi măng ñất 49

3.2 Công nghệ thi công và quản lý chất lượng trong thi công trụ CDM bằng phương pháp Tenox Nhật Bản 51

3.2.1 Giới thiệu chung về phương pháp thi công Teno Column 51

3.2.2 Nguyên lý tạo thành Teno Colum bằng mũi khoan Teno 51

3.2.3 Ưu ñiểm của công nghệ Teno Column 52

3.2.4 Các bước thi công của phương pháp Teno Column 53

3.2.5 Thiết bị thi công dùng trong phương pháp Teno Column 54

3.2.6 Quản lý tri công trụ xi măng ñất trong phương pháp Teno 54

Trang 7

3.2.7 Quản lý chất lượng trong phương pháp thi công Teno 56

CHƯƠNG 4: THU THẬP, PHÂN TÍCH DỮ LIỆU VÀ XÂY DỰNG MÔ HÌNH 57

4.1 Thu thập số liệu 57

4.1.1 Thông tin về nguồn gốc dữ liệu 57

4.1.2 Kết quả thu thập dữ liệu 58

4.1.2.1 Tập dữ liệu ñất dính: 58

4.1.2.2 Tập dữ liệu ñất rời 59

4.2 Các bước xây dựng mô hình dựa trên ứng dụng mạng nơ ron .59

4.2.1 Huấn luyện tìm kiến cấu trúc mạng mô phỏng tốt nhất tập dữ liệu quá khứ: 60

4.2.1.1 Phân tích lựa chọn biến cho mô hình mạng nơ ron 60

4.2.1.2 Phương pháp tìm kiếm cấu trúc mạng có khả năng mô tả tốt nhất tập dữ liệu quá khứ 63

4.2.1.3 Số lớp ẩn, số nút trong lớp ẩn và hàm truyền ở các lớp 63

4.2.1.4 Phân chia tập dữ liệu và huấn luyện mạng và ngừng huấn luyện 64

4.2.1.5 Tiêu chuẩn ñánh giá 66

4.2.1.6 Sơ ñồ khối huấn luyện tìm cấu trúc mạng 68

4.2.1.7 Giao diện xuất nhập dữ liệu trong matlab 71

4.2.1.8 Kết quả huấn luyện tìm kiến cấu trúc mạng 73

4.2.2 Huấn luyện dự báo bước thiết kế 74

4.2.2.1 Phân tích xây dựng chương trình 74

4.2.2.2 Sơ ñồ khối viết chương trình 77

4.2.2.3 Giao diện nhập dữ liệu chương trình 80

4.2.3 Huấn luyện dự báo bước thi công 80

4.2.3.1 Phân tích xây dựng chương trình 80

4.2.3.2 Sơ ñồ khối viết chương trình 82

4.2.3.3 Giao diện nhập dữ liệu chương trình 84

4.3 Tiến trình thực hiện dự án trộn sâu có sự hỗ trợ của mạng nơ ron (xem hình trang sau) 85 CHƯƠNG 5: ỨNG DỤNG MÔ HÌNH VÀO LỰA CHỌN HÀM LƯỢNG XI MĂNG VÀ CẢI TIẾN LIÊN TỤC QUY TRÌNH THI CÔNG TẠI CÔNG TRÌNH KHU LƯU TRÚ CÔNG NHÂN KCX LINH TRUNG II 87

5.1 Giới thiệu chung về công trình .87

5.1.1 Thiết kế ban ñầu 87

5.1.2 Phương án thiết kế mới có sự hỗ trợ từ kết quả nghiên cứu 88

5.2 Huấn luyện và dự báo bước thiết kế ñể lựa chọn hlxm và klcv áp dụng vào thi công trụ thử 90

5.2.1 Dữ liệu ñầu vào 90

5.2.2 Kết quả huấn luyện dự báo của mạng 91

5.2.3 Tính toán các thông số áp dụng vào thi công 92

5.3 Huấn luyện và dự báo bước thi công ñể cải tiến klcv 93

5.3.1 Dữ liệu ñầu vào 93

5.3.2 Kết quả huấn luyện dự báo của mạng 93

5.3.3 Tính toán các thông số áp dụng vào bước tiếp theo 93

5.4 Các hình ảnh quản lý thi công tại hiện trường 94

CHƯƠNG 6: KẾT LUẬN VÀ KIẾN NGHỊ 96

6.1 Kết luận 96

6.1.1 Các nội dung về ứng dụng mạng nơ ron và ngôn ngữ lập trình matlab trong dự báo 96

6.1.2 Các nội dung về thiết kế và quản lý thi công trụ xi măng ñất 96

6.1.3 Các nội dung về thu thập số liệu, phân tích và xây dựng mô hình 96

6.1.4 Kết quả thu ñược từ việc ứng dụng mô hình vào thực tế 98

6.2 Kiến nghị 99

Trang 8

DANH MỤC CÁC HÌNH VẼ

Hình 1-1: Tổng kết các ứng dụng của công nghệ DM theo [Porbaha et al., 1998] 12

Hình 1-2: Sơ ñồ quy trình thiết kế lặp gồm: thí nghiệm trong phòng, thiết kế chức năng, thử hiện trường và thiết kế công nghệ, theo TCVN 385:2006 14

Hình 1-3: Sơ ñồ nguyên tắc thực hiện dự án trộn sâu, theo TCVN 385:2006 15

Hình 1-4: Sơ ñồ quá trình hình thành ñề tài 20

Hình 2-1: Mô hình phương pháp ñịnh lượng, N.Thống (1999) 21

Hình 2-2: Phương pháp phân tích ñịnh lượng N.Thống (1999) 22

Hình 2-3: Một mạng nơ ron ñơn giản gồm hai nơ ron 23

Hình 2-4: Mô phỏng một nơ ron sinh học và một nơ ron nhân tạo 24

Hình 2-5: Cấu trúc một nơ ron nhân tạo 25

Hình 2-6: Hàm truyền Hard-Limit 26

Hình 2-7: Hàm truyền Log-Sigmoid 26

Hình 2-15: Mô hình mạng nơ ron 1 lớp, H.Demuth, M.Beale, (2010) 28

Hình 2-16: Mô hình mạng nơ ron nuôi tiến nhiều lớp, H.Demuth, M.Beale, (2010) 29

Hình 2-17: Mô hình mạng nơ ron nuôi lùi, H.Demuth, M.Beale, (2010) 29

Hình 2-18: Mô tả cách học giám sát của một mạng nơ ron nhân tạo, N.T.Thành, (2008) 30

Hình 2-19: Mô tả cách học củng cố của một mạng nơ ron nhân tạo N.T.Thành, (2008) 31

Hình 2-20: Mô tả cách học không giám sát của một mạng nơ ron nhân tạo, N.T.Thành, (2008) 31

Hình 2-21: Mô tả luật học thông số tổng quát cho một phần tử xử lý thứ i, N.T.Thành, (2008) 31

Hình 2-22: Mô tả một mạng nuôi tiến 3 lớp với giải thuật truyền lùi, N.T.Thành 2008 34

Hình 2-23: Giao diện của Matlab 7.7.0 (R2008b) 37

Hình 2-24: Giao diện cửa sổ soạn thảo của Matlab 7.7.0 (R2008b) 38

Hình 3-1: Các công nghệ khoan phụt gia cố nền ñất yếu, N.Q.Dũng 43

Hình 3-2: Nguyên tắc chung của phương pháp trộn khô, theo TCVN 385:2006 44

Hình 3-3: Nguyên tắc chung của phương pháp trộn ướt, theo TCVN 385:2006 44

Hình 3-4: ðường cong ứng suất biến dạng của xi măng ñất, theo N.B.Kế, (2009) 47

Hình 3-5: Quan hệ giữa lượng trộn xi măng với cường ñộ của mẫu ñất xi măng ở 1 tháng tuổi theo N.B.Kế, (2009) 48

Hình 3-6: Quan hệ giữa ngày tuổi với cường ñộ của xi măng ñất theo N.B.Kế, (2009) 48

Trang 9

Hình 3-7: ðường cong quan hệ cường ñộ ximăng ñất với hàm lượng chất hữa cơ theo

N.B.Kế, (2009) 49

Hình 3-8: Quy trình thiết kế lặp, gồm: thí nghiệm trong phòng, thiết kế chức năng, thử hiện trường và thiết kế công nghệ, theo TCVN 385:2006 49

Hình 3-9: Hình lưỡi khoan Teno ñược ñăng ký bảo vệ tác quyền số 1197295 1197296 tại Nhật Bản, nguồn từ Hữu Lộc 51

Hình 3-10: ðất thải sau khi khoan cọc, nguồn từ Hữu Lộc 52

Hình 3-11: Trình tự các bước khoan trụ Teno column, nguồn từ Hữu Lộc 53

Hình 3-12: Các thiết bị chủ yếu trong phương pháp khoan Teno, nguồn từ Hữu Lộc 54

Hình 3-13: Hệ thống thiết bị ñiện toán kiểm tra quá trình cọc vữa, nguồn từ Hữu Lộc 55

Hình 3-14: Sơ ñồ nguyên lý hoạt ñộng của thiết bị ñiện toán, nguồn từ Hữu Lộc 55

Hình 4-1: Sơ ñồ khối huấn luyện tìm cấu trúc mạng ñất dính 68

Hình 4-1: 70 Hình 4-2: Sơ ñồ khối huấn luyện tìm cấu trúc mạng ñất rời 70

Thực hiện tương tự như trên, lưu cấu trúc mạng vào netok_roi.mat 70

Hình 4-3: Giao diện Matlab chứa ñoạn chương trình huấn luyện tìm kiếm 71

Hình 4-4: Giao diện Matlab khi nhập số liệu vào cho chương trình 71

Hình 4-5: ðồ thị biểu diển phần trăm của tổng bình phương toàn phần ñược giải thich bởi phương trình hồi quy (R2) 72

Hình 4-6: ðồ thị mô tả sai số trên tập huấn luyện và trên tập kiểm ñịnh 72

Hình 4-7: Sơ ñồ khối ñoạn chương trình huấn luyện dự báo bước thiết kế 77

Hình 4-8: Giao diện nhập dữ liệu chương trình huấn luyện dự báo bước thiết kế trong Matlab 80

Hình 4-9: Sơ ñồ khối ñoạn chương trình huấn luyện dự báo bước thi công 82

Hình 4-10: Giao diện nhập dữ liệu chương trình huấn luyện dự báo bước thi công trong Matlab 84

Hình 5-1: Bố trí trụ xi măng ñất dưới móng ñơn 89

Hình 5-2: Khoan trụ xi măng ñất tại Khu lưu trú công nhân KCX Linh Trung II 94

Hình 5-3: Khoan lấy lõi thân trụ tại hiện trường 94

Hình 5-4: Mẫu khoan lấy lõi trụ xi măng ñất 94

Hình 5-5: Mẫu khoan lấy lõi trụ xi măng ñất sau khi gia công 95

Hình 5-6: Thí nghiệm nén xác ñịnh cường ñộ mẫu trụ 95

Trang 10

DANH MỤC CÁC BẢNG BIỂU

Bảng 2-1: Các loại hàm truyền cơ bản: 26

Bảng 2-2: Phương trình các hàm truyền cơ bản 27

Bảng 2-3: Tám bước trong thiết kế mạng nơ ron cho mô hình dự báo, theo Kaastra va boyd, (1996) 39

Bảng 4-1: Danh mục các công trình thu thập số liệu ñưa vào nghiên cứu 57

Bảng 4-2: Thống kê theo chỉ tiêu trạng thái của ñất 58

Bảng 4-3: Thống kê theo chỉ tiêu phân loại của ñất 58

Bảng 4-4: Thống kê theo chỉ tiêu trạng thái của ñất 59

Bảng 4-5: Thống kê theo chỉ tiêu phân loại của ñất 59

Bảng 4-6: Tiêu chuẩn ñánh giá trạng thái ñất rời theo C.V.Chí (2003) 61

Bảng 4-7: Tiêu chuẩn phân loại ñất rời theo C.V.Chí (2003) 61

Bảng 4-8: Tiêu chuẩn ñánh giá trạng thái ñất dính, theo C.V.Chí (2003) 61

Bảng 4-9: Tiêu chuẩn phân loại ñất dính theo C.V.Chí (2003) 62

Bảng 4-10: Các biến ñầu vào và ra của mạng nơ ron mô phỏng tập dữ liệu ñất rời 62

Bảng 4-11: Các biến ñầu vào và ra của mạng nơ ron mô phỏng tập dữ liệu ñất dính 62

Bảng 4-12: Bảng cấu trúc mạng số lớp ẩn và hàm truyền ở các lớp ẩn 64

Bảng 4-13: Ma trận thống kê kết quả huấn luyện tìm kiếm cấu trúc mạng trên tập dữ liệu ñất dính 73

Bảng 4-14: Ma trận thống kê kết quả huấn luyện tìm kiếm cấu trúc mạng trên tập dữ liệu ñất roi 74

Bảng 5-1: Mối quan hệ giữa hlxm và cường ñộ nén một trục tại hiện trường theo từng loại ñất, theo JIS A 702 – Tiêu chuẩn cọc vữa Nhật Bản 90

Bảng 5-2: Chỉ tiêu cơ lý của các lớp ñất ñưa vào thiết kế 90

Bảng 5-3: Kết quả dự báo klcv việc theo hlxm tương ứng với từng lớp ñịa chất 91

Bảng 5-4: Bảng tính chi phí thi công theo hlxm tương ứng với từng lớp ñịa chất 91

Bảng 5-5: Kết quả tính hlxm và klcv tương ứng với chi phí min 91

Bảng 5-6: Hlxm lựa chọn và klcv áp dụng vào thi công trụ thử 91

Bảng 5-7: Kết quả lựa chọn tính toán các thông số thi công 92

Bảng 5-8: Chỉ tiêu cơ lý của các lớp ñất ñưa vào thiết kế 93

Bảng 5-9: Các thông số ñã thi công và kết quả ép mẫu ñạt ñược 93

Bảng 5-10: Kết quả dự báo klcv áp dụng vào thi công ở bước tiếp theo 93

Bảng 5-11: Kết quả lựa chọn tính toán các thông số áp dụng vào bước thi công tiếp theo 93

Trang 11

PHỤ LỤC 100

A CHƯƠNG TRÌNH HUẤN LUYỆN TÌM KIẾM CẤU TRÚC MẠNG CHO TẬP DỮ LIỆU ðẤT DÍNH 100

B CHƯƠNG TRÌNH HUẤN LUYỆN TÌM KIẾM CẤU TRÚC MẠNG CHO TẬP DỮ LIỆU ðẤT RỜI 105

C CHƯƠNG TRÌNH HUẤN LUYỆN DỰ BÁO BƯỚC THIẾT KẾ 110

D CHƯƠNG TRÌNH HUẤN LUYỆN DỰ BÁO BƯỚC THI CÔNG 112

E TẬP DỮ LIỆU ðẤT DÍNH 114

F TẬP DỮ LIỆU ðẤT RỜI 116

TÀI LIỆU THAM KHẢO 118

LÝ LỊCH TRÍCH NGANG 120

Trang 12

CHƯƠNG 1: GIỚI THIỆU ðỀ TÀI NGHIÊN CỨU

1.1 Giới thiệu chung vấn ñề nghiên cứu

Trong xây dựng công trình, nền móng luôn ñóng một vai trò quan trọng quyết ñịnh sự thành công của dự án cả về tiến ñộ, giá thành và ñạt ñược các mục tiêu khi ñưa công trình vào khai thác, sử dụng Khi xây dựng công trình trên nền ñất yếu giải pháp nền móng lại ñóng vai trò ñặc biệt quan trọng, nhất là những khu vực có tầng ñất yếu khá dày như vùng Nhà Bè, Bình Chánh, Thanh ða ở thành phố Hồ Chí Minh và một số tỉnh ở ñồng bằng sông Cửu Long

Trụ xi măng ñất (Deep soil mixing columns, soil mixing pile) là một trong những giải pháp xử lý nền ñất yếu ñược ứng dụng tương ñối rộng rãi trong nhiều lĩnh vực khác nhau như: Làm tường hào chống thấm cho ñê ñập, gia cố nền móng cho các công trình xây dựng, sửa chữa thấm mang cống và ñáy cống, ổn ñịnh tường chắn, chống trượt mái dốc, gia cố ñất yếu xung quanh ñường hầm,

Hình 1-1: Tổng kết các ứng dụng của công nghệ DM theo [Porbaha et al., 1998]

Ứng dụng Công nghệ DM

Trồi móng

Hố ñào

Trược mái

Chống ñỡ cho công trình lân

Ổn ñịnh cho các

hồ lớn

Bảo trì ñập ñất

Ổn ñịnh

bờ sông

Ngăn cản PCB

Xử lý VOCs

Vỏ tuy nen Neo ñất

Chống chấn

Bồn chứa và

Mố cầu dẫn

Công trình

Ổn ñịnh

bờ ñập

Tường chắn

Móng nhà

Tường chắn ñất

Chống thấm

Chống hóa lỏng ñất

Môi trường

Các ứng dụng mới

Trang 13

Trụ xi măng ñất là hỗn hợp giữa ñất nguyên trạng nơi gia cố và xi măng ñược phun xuống nền ñất bởi thiết bị khoan phun Mũi khoan ñược khoan xuống làm tơi ñất cho ñến khi ñạt ñộ sâu lớp ñất cần gia cố thì quay ngược lại và dịch chuyển lên Trong quá trình dịch chuyển xuống hoặc lên, xi măng ñược phun vào nền ñất (bằng

áp lực khí nén ñối với hỗn hợp khô, bằng bơm cao áp ñối với hỗn hợp vữa trộn ướt) Công nghệ trụ xi măng ñất có ưu ñiểm là khả năng xử lý sâu (ñến 40m, ñường kính cọc từ 0,6 ñến 1,5m ), thích hợp với nhiều loại ñất yếu (từ cát thô cho ñến bùn yếu), thi công ñược cả trong ñiều kiện nền ngập sâu trong nước hoặc ñiều kiện hiện trường chật hẹp, trong nhiều trường hợp ñã ñưa lại hiệu quả kinh tế rõ rệt so với các giải pháp xử lý khác

Hiệu quả của biện pháp xử lý nền bằng trụ xi măng ñất phụ thuộc rất nhiều vào loại ñất tại hiện trường, loại công trình xây dựng bên trên, kinh nghiệm của ñơn

vị thiết kế và sự tham gia của ñơn vị thi công

Hiên nay tài liệu quan trọng nhất mà các ñơn vị sử dụng trong thiết kế và thi công trụ xi măng ñất ñó là TCVN 385:2006 và Tiêu chuẩn JIS A702 của Nhật Bản Theo tiêu chuẩn TCVN 385:2006 thì quy trình thiết kế ñược thực hiện theo phương pháp lặp có sự kết hợp giữa phòng thí nghiệm với thực nghiệm tại hiện trường theo sơ ñồ trên

ðể có thể xác ñịnh ñược cường ñộ thiết kế tại hiện trường phải trải qua nhiều bước khác nhau theo một quy trình lặp lại mà các ñơn vị thiết kế thường gặp những khó khăn như: Cơ sở dữ liệu về tương quan giữa cường ñộ trong phòng và hiện trường không có hoặc không ñầy ñủ, một số ñơn vị ñã thực hiện thiết kế và thi công một số công trình nhưng không thực hiện thống kê, phân tích một cách khoa học nên việc khai thác dữ liệu áp dụng vào thực tế cũng hết sức hạn chế

Trang 14

Hình 1-2: Sơ ñồ quy trình thiết kế lặp gồm: thí nghiệm trong phòng, thiết kế chức

năng, thử hiện trường và thiết kế công nghệ, theo TCVN 385:2006

Cũng theo sơ ñồ trên, trong trường hợp trụ thử không ñạt cường ñộ hoặc ñộ ñồng nhất yêu cầu thì tiến hành ñiều chỉnh tính năng trộn và thậm chí phải thực hiện lại bước trộn thử trong phòng thí nghiệm Tuy nhiên ñiều chỉnh tính năng trộn như thế nào với mức ñộ bao nhiêu vẫn chưa có chỉ dẫn hoặc tài liệu hướng dẫn và trong thực tế các ñơn vị thi công thường ñiều chỉnh theo kinh nghiệm riêng của mình

Ở bước thiết kế, cường ñộ trụ xi măng ñất thường ñược xác ñịnh theo các yêu cầu chức năng của trụ xi măng ñất, ñối với cọc gia cố nền, cọc chịu tải cường ñộ trụ thường ñược xác ñịnh sao cho sức chịu tải của nền theo vật liệu và theo các yếu tố của nền ñất là tương ñương Tuy nhiên trụ xi măng ñất thường xuyên qua nhiều tầng ñịa chất khác nhau và có cường ñộ rất khác nhau, nếu không có các biện pháp ñiều chỉnh hlxm và quản lý trong quá trình thi công thì khó ñạt ñược cường ñộ ñồng ñều dọc theo thân trụ và gây lãng phí trong thiết kế và thi công

Xác lập các ñiều kiện thiết kế

Thí nghiệm trộn trong phòng với ñất ñại diện

và theo tỉ lệ trộn khác

Xác lập ñiều kiện thiết kế

Cơ sở dữ liệu về tương quan giữa cường ñộ trong phòngvà hiện

ðề xuất giải pháp thi công và sơ

bộ chọn kích thước khối gia cố

Phân tích thiết kế ñáp ứng các yêu cầu chức năng tổng thể

ðiều chỉnh tính năng trộn nếu

cường ñộ chưa ñạt yêu cầu

Kết quả khảo sát

hiện trường

Chế tạo trụ thử ñể xác nhận cường ñộ dự tính và ñộ ñồng nhất

Thiết kế kỹ thuật thi công, thi công ñại trà theo quy trình ñã ñảm bảo chất lượng yêucầu

Trang 15

Hình 1-3: Sơ ựồ nguyên tắc thực hiện dự án trộn sâu, theo TCVN 385:2006

Theo sơ trên quy trình kỹ thuật, quy ựịnh cuối cùng ựưa vào áp dụng thi công

là kết quả của một quá trình nhiều bước: lựa chọn kỹ thuật, khai thác thông tin kinh nghiệm từ các dự án trước ựây, trộn thử xác ựịnh cường ựộ trong phòng thắ nghiệm, thiết kế cơ sở, thi công chế tạo trụ thử tải công trường ựể xác nhận cường ựộ thiết

kế

Quy trình kỹ thuật, quy ựịnh áp dụng vào thi công thường quy ựịnh rõ:

- Thiết bị và công nghệ thi công, các thông số vận hành của thiết bị như tốc ựộ

di chuyển lên xuống của cần khoan, tốc ựộ quay của cầu khoan

Thiết kế ựịa kỹ thuật điều kiện nền ựất (Cường ựộ, mô ựun, thấm )

Yêu cầu chức năng

(ổn ựịnh, ựộ lún)

Lựa chọn kỹ thuật

(trộn khô, ướt, tổ hợp)

Khống chế công trường đường vào, môi trường, khắ hậu, chướng

Thiết kế cơ sở Loại và khối lượng xi măng, thiết bị, năng lượng

Trộn trong phòng

Chuẩn bị công trường và chế tạo trụ thử

Quy trình kỹ thuật quy ựịnh cuối cùng

Loại và khối lượng xi măng, thiết bị, khoảng

cách, chiều dài, vận tốc, hành trìnhẦ

Kế hoạch quản lý chất lượng Loại và tần suất thắ nghiệm, giám sát, quan trắc và kiểm tra

đánh giá kết quả thắ nghiệm và quan trắc

Kiểm ựịnh các thông số thiết kế, tắnh

biến thiên của các ựặc tắnh, chướng ngại

và ựiều kiện nền ựất Ầ

Thi công Chuẩn bị, thi công, thắ nghiệm(lấy mẫu và thắ nghiệm), giám sát, quan trắc, ghi chép hồ sơ

Kinh nghiệm từ các dự án

tương tự hoặc trước ựây

Kinh nghiệm từ các dự án

tương tự hoặc trước ựây

Lập hồ sơ hoàn công và nghiệm thu

Quan trắc dài hạn

Lập hồ sơ kinh nghiệm

Trang 16

- Vật liệu xi măng sử dụng, tỉ lệ trộn, tốc ựộ bơm vữa ựể ựảm bảo hlxm gia cố Trong thực tế thi công và quản lý chất lượng một số dự án khi triển khai ựã thực hiện ựầy ựủ các bước từ lựa chọn kỹ thuật ựến chế tạo trụ thử xác nhận cường

ựộ tại hiện trường ựều ựạt chất lượng, quy trình kỹ thuật thi công ựược duyệt, áp dụng vào thi công ựại trà nhưng vẫn xảy ra các rủi ro như: Khi thi công ựại trà cường ựộ mẫu không ựồng ựều dọc theo thân trụ, một số ựoạn cường ựộ mẫu vượt cường ựộ thiết kế, một số ựoạn không ựạt cường ựộ thiết kế

Khi làm thắ nghiệm khoan lấy lõi thân cọc nếu ựộ ựồng nhất, cường ựộ mẫu trụ không ựạt yêu cầu, ựơn vị thi công và thiết kế thường tiến hành ựiều chỉnh các thông số vận hành của thiết bị ựể tăng số vòng trộn trên 1md thân trụ hoặc tăng hlxm gia cố Tuy nhiên tăng lên bao nhiều phầm trăm ựể ựạt ựược cường ựộ và ựộ ựồng nhất vẫn là một ẩn số cho mỗi trường hợp cụ thể

Vắ dụ: Tại công trình Chung cư cho người thu nhập thấp đại địa Bảo, Phường Nại Hiên đông Ờ Quận Sơn Trà Ờ TP đà Nẵng nền móng công trình ựược thiết kế bằng hệ cọc vữa chịu lực D800 có chiều dài L=14,2m; cao ựộ ựầu cọc -2,3m; cao ựộ mũi cọc là -16,5m xuyên qua các lớp ựịa chất như sau:

- Lớp 1 từ 0 -:- -3,4m cát hạt nhỏ màu vàng nhạt, bão hòa nước, trạng thái rời

- Lớp 2 từ -3,4 -:- 6,0m Cát hạt nhỏ màu xám tro, xám ựen lẫn vỏ sò phân bố không ựều, bão hòa nước trạng thái chặt vừa

- Lớp 3 từ 6,0 -:-7,0m sét màu xám ựen trạng thái dẻo mềm

- Lớp 4 từ 7,0 -:- 10,3m cát hạt bụi màu xám tro lẫn ắt vỏ sò, bão hòa nước, trạng thái rời

- Lớp 5 từ 10,3 -:- 13,2m cát pha màu xám xi măng vàng nhạt, trạng thái dẻo

- Lớp 6 từ 13,2 -:- 25m cát hạt nhỏ màu hồng nhạt, vàng nhạt bão hòa nước trạng thái rời ựến chặt vừa

Ở bước thiết kế và trộn thử trong phòng thắ nghiệm xác ựịnh cường ựộ thiết kế

là 25kg/cm2, hlxm gia cố 300kg/m3 và tiến hành thi công cọc thử tại hiện trường theo quy trình thi công tạm thời Khi cọc ựạt ựộ tuổi 28 ngày tiến hành khoan lấy lõi

ựể thắ nghiệm kiểm tra cường ựộ chịu nén và kết quả như sau: Dọc theo chiều dài cọc ở các lớp ựất 2, 4, 5, 6 cường ựộ mẩu ựều ựạt trên 40kg/cm2, riêng mẫu nằm trong lớp ựất thứ 3 chỉ ựạt dưới 15kg/cm2, không ựạt theo yêu cầu thiết kế

Trong cuộc hộp giữa Tư vấn thiết kế, Chủ ựầu từ và đơn vị thi công xác ựịnh nguyên nhân không ựạt ựược cường ựộ của mẫu trụ là do lớp thứ 3 là ựất sét trạng

Trang 17

thái dẻo mềm và máy ñã không trộn ñủ số vòng trộn cần thiết trên 1md nên ñộ ñồng nhất của hỗn hợp kém Cuối cuộc họp ñơn thiết kế và thi công ñề xuất biện pháp ñiều chỉnh ñưa vào thi công ñại trà như sau: Giảm hlxm ở các lớp 2, 4, 5, 6 xuống còn 275kg/m3, tăng hlxm ở lớp thứ 3 lên 350 kg/m3 và tiến hành trộn 2 lần ở lớp thứ

3 (tăng klcv lên gấp 2 lần)

Kết quả khi thi công ñại trà cường ñộ mẫu dọc theo thân trụ ñều ñạt lớn hơn giá trị thiết kế yêu cầu, tuy nhiên trên ñây là biện pháp xử lý chủ yếu dựa vào kinh nghiệm, chứa ñựng nhiều rủi ro và hiệu quả kinh tế không ñược chưng minh rõ ràng

ðể tránh các rủi ro trên các ñơn vị thi công có thể ñề xuất cho ñơn vị thiết kế

và chủ ñầu tư chọn hlxm gia cố và chi phí máy cao, nhưng khi ñó khả năng trúng thầu sẽ giảm xuống

Nghiên cứu ñề xuất giải pháp ñể giảm rủi ro cho ñơn vị thi công, tiết kiệm chi phí cho chủ ñầu tư và nâng cao chất lượng thi công trụ xi măng ñất là những nội dung nghiên cứu của ñề tài này

1.2 Mục tiêu nghiên cứu

Trong thiết kế và thi công xây dựng vật liệu bê tông, vữa xây có thể ñạt ñược mác thiết kế bằng cách cung cấp vật liệu ñầu vào ñảm bảo các yêu cầu kỹ thuật, trộn ñúng cấp phối và thi công ñúng quy trình kỹ thuật ðồng thời mác bê tông và mác vữa cũng có thể tính toán ñể ñảm bảo ñược ñộ chính xác theo các quy trình hiện hành

Khác với vật liệu bê tông, vữa xây, vật liệu xi măng ñất ñược tạo thành bởi chính ñất tại hiện trường và chất kết dính xi măng bơm vào lòng ñất Vật liệu ñất rất

ña dạng, phức tạp, có nhiều chỉ tiêu cơ lý cho mỗi loại ñất do ñó hiện vẫn chưa có một công thức chung ñể có thể thiết kế thành phần cấp phối cho vữa xi măng ñất (xác ñịnh hlxm ñể ñạt ñược cường ñộ thiết kế)

Ngoài hlxm, klcv thiết bị thi công cũng là yếu tố rất quan trọng tạo nên cường

ñộ trụ xi măng ñất, và quyết ñịnh giá thành của sản phẩm trụ xi măng ñất ðại lượng ñặt trưng cho các thông số vận hành của thiết bị là tổng số nhát cắt ñi qua 1md của chuyển dịch trục trộn (trong ñề tài này gọi là klcv trên 1md trụ)

Trang 18

Tại mỗi một công trình trụ xi măng ñất thường xuyên qua từ nhiều tầng ñịa chất khác nhau do ñó việc ñảm bảo cường ñộ thân trụ ñược ñồng nhất suốt chiều dài

là vấn ñề hết sức thiết thực trong thiết kế và thi công trụ xi măng ñất

Từ những vấn ñề thực tiễn nói trên tác giả ñặt ra mục tiêu nghiên cứu của ñề tài này là:

- Xây dựng một mô hình dựa trên ứng dụng mạng nơron ñể lựa chọn hlxm hợp

lý ở bước thiết kế và dự báo klcv ở bước thi công ñể tạo ra trụ xi măng ñất ñạt cường ñộ yêu cầu và ñồng nhất dọc theo thân trụ với chi phí máy và xi măng tiết kiệm nhất

- Ứng dụng kết quả ñầu ra của mô hình là klcv thi công ñể quản lý cải tiến liên tục quy trình thi công nhằm tạo ra sản phẩm trụ xi măng ñất có cường ñộ ñạt yêu cầu thiết kế và ñồng ñều dọc theo thân trụ

1.3 Phạm vi và ñối tượng nghiên cứu

Một trong những ñặc tính quan trọng của hỗn hợp ñất trộn xi măng có ảnh hưởng lớn ñến giá thành xây dựng công trình và sự ổn ñịnh của công trình ñó là cường ñộ thân trụ xi măng ñất Trong ñó các yếu tố cấu thành cường ñộ thân trụ là: Các ñặc trưng cơ lý của ñất, hlxm gia cố và klcv của thiết bị dọc theo thân trụ

Từ yêu cầu thực tiễn thiết kế và thi công, ñối tượng nghiên cứu của luận văn này là:

- Bài toán tối ưu về chi phí máy thi công và chi phí xi măng trên cơ sở ñạt ñược cường ñộ thiết kế yêu cầu ñồng ñều theo suốt chiều dài thân trụ khi trụ xuyên qua các tầng ñịa chất khác nhau ðồng thời dự báo khối lượng cộng việc của thiết bị dọc theo chiều dài trụ làm cơ sở ñể quản lý trong quá trình thi công nhằm tạo ra trụ

xi măng ñất có chất lượng ñồng ñều và ñạt yêu cầu thiết kế

- Các quy trình quản lý thi công, quản lý chất lượng ñang ñược áp dụng, ñi sâu nghiên cứu các sự trường hợp không ñạt chất lượng ở các công trình ñã thi công tại Việt Nam, các biện pháp khắc phục ñược áp dụng và kết quả ñạt ñược, tìm ra các hạn chế Từ ñó nghiên cứu ñề xuất các phương pháp mới ñể phòng ngừa, giảm thiểu các trường hợp không ñạt chất lượng và cải tiến liên tục quy trình thi công nhằm nâng cao chất lượng sản phẩm

1.4 Phương pháp và công cụ nghiên cứu

1.4.1 Phương pháp nghiên cứu

Trang 19

Nghiên cứu tổng quan về các phương pháp và mô hình dự báo, trong ñó chú trọng nghiên cứu ứng dụng của mạng nơ ron trong dự báo, nghiên cứu các ñề tài, các bài báo về ứng dụng của mạng nơ ron vào dự báo

Nghiên cứu tổng quan về trụ xi măng ñất, nguyên lý thiết kế trụ xi măng ñất, công nghệ, quy trình thi công, các nội dung quản lý thi công và quản lý chất lượng ñang ñược áp dụng, phân tích nguyên nhân các trường hợp không ñạt chất lượng yêu cầu, tính hợp lý các biện pháp khắc phục, cải tiến ñã áp dụng, phát hiện các tồn tại cần khắc phục và cải tiến

Thu thập dữ liệu từ hồ sơ hoàn công của các công trình ñã thi công bao gồm số liệu về ñịa chất công trình, kết quả ép mẫu xi măng ñất tại hiện trường (bao gồm kết quả ép mẫu tươi và mẫu khoan lấy lõi) Phân tích tuyển chọn các dữ liệu ñáng tin cậy ñưa vào sử dụng căn cứ vào các tiêu chuẩn, quy trình và tài liệu nghiên cứu liên quan Phân tích xác ñịnh yếu tố ảnh hưởng ñến hlxm và klcv cần thiết của thiết bị thi công

Xây dựng mô hình mạng Nơ-ron ñể lựa chọn hlxm hợp lý và dự báo klcv thiết

bị phải thực hiện dọc theo chiều dài trụ nhằm giảm tối ña chi phí thi công theo các bước sau:

- Xây dựng sơ ñồ khối, viết chương trình huấn luyện tìm kiếm cấu trúc mạng cho kết qủa dự báo tốt và ổn ñịnh ñối với tập dữ liệu quá khứ

- Xây dựng sơ ñồ khối và viết chương trình trong ñó sử dụng cấu trúc mạng ñã lựa chọn ở trên ñể huấn luyện, tìm kiếm hlxm tối ưu và dự báo klcv thiết bị thi công phải thực hiện dọc theo chiều dài trụ

Ứng dụng kết quả của mô hình cải tiến sơ ñồ Nguyên tắc thực hiện dự án trộn sâu TCVN 385:2006 trong ñó chú trọng cải tiến liên tục klcv thực hiện của thiết bị dựa trên kết quả dự báo của mô hình mạng nơ ron xây dựng ñược

Tổng hợp phân tích kết quả thu ñược từ việc ứng dụng mô hình ñể có những kết luận kiến nghị và ñề xuất hướng nghiên cứu nâng cao năng lực của mô hình

1.4.2 Công cụ nghiên cứu

- Các lý thuyết về phân tích thống kế toán học, lý thuyết mạng nơ ron

- Ngôn ngữ lập trình Mathlab, Microsoft Excel 2007, các phầm mềm khác

- Mạng internet

Trang 20

1.5 Sơ ñồ nghiên cứu

Các tài liệu về công nghệ và quản lý chất lượng trụ xi măng ñất trong xây dựng công trình ñô thi và công nghiệp

XÂY DỰNG SƠ ðỒ NGHIÊN CỨU

3 Dự báo, nơ ron, forecast, neuron network, matlab

Thư viện SðH, ðại học Bách Khoa –

ðại học Quốc Gia TP HCM, các công

ty thiết kế và thi công trụ xi măng ñất

Tìm kiếm các trang web, các nguồn tài liệu

có liên quan ñến chủ ñề N/C

Tìm kiếm các học giả, sách ñiện tử

có liên quan ñến chủ ñề N/C

Trang 21

HVTH: NGUYỄN BÁ TRƯỞNG NGÀNH: CƠNG NGHỆ VÀ QUẢN LÝ XÂY DỰNG

CHƯƠNG 2: TỔNG QUAN VỀ MẠNG NƠ RON VÀ NGƠN NGỮ LẬP

TRÌNH MATLAB TRONG DỰ BÁO

2.1 Tổng quan về dự báo

2.1.1 Khái niệm về dự báo và các phương pháp dự báo

Dự báo là một khoa học và nghệ thuật tiên đốn những sự việc sẽ xảy ra trong tương lai, trên cơ sở phân tích khoa học về các dữ liệu đã thu thập được Dự báo được

sử dụng trong nhiều lĩnh vực khác nhau, mỗi lĩnh vực cĩ một yêu cầu về dự báo riêng nên phương pháp dự báo được sử dụng cũng khác nhau

2.1.2 Phương pháp định tính

Phương pháp này dựa trên cơ sở nhận xét của những yếu tố liên quan, dựa trên những ý kiến về các khả năng cĩ liên hệ của những yếu tố này trong tương lai Phương pháp định tính cĩ liên quan đến mức độ phức tạp khác nhau, từ việc khảo sát ý kiến được tiến hành một cách khoa học để nhận biết các sự kiện tương lai hay từ ý kiến phản hồi của một nhĩm đối tưởng hưởng lợi (chịu tác động) nào đĩ

2.1.3 Phương pháp định lượng

Phương pháp định lượng là một phương pháp khoa học dựa trên các phép tính tốn để nghiên cứu việc tạo ra các quyết định trong quản lý Phương pháp định lượng bắt đầu từ dữ liệu và vai trị chính của phương pháp này là xử lý dữ liệu để đưa ra kết quả là thơng tin, N.Thống (1999)

Hình 2-1: Mơ hình phương pháp định lượng, N.Thống (1999)

Trang 22

Phương pháp ñịnh lượng thường ñược tiến hành theo các bước sau:

Hình 2-2: Phương pháp phân tích ñịnh lượng N.Thống (1999)

2.2 Mạng nơ ron và các khái niện cơ bản

2.2.1 Quá trình nghiên cứu và phát triển mạng nơ ron

Năm 1936, Alan Turing là người ñầu tiên xem bộ não như một mô hình xử lý thông tin Năm 1943, Warren McCulloch và Walter Pitts ñã ñề xuất cách hoạt ñộng của các Neural, họ ñã tạo ra một mạng Neural ñơn giản bằng các mạch ñiện Từ ñó các nhà khoa học lao vào nghiên cứu các bộ máy thông minh

Năm 1949, Donall Hebb ñề xuất một giải thuật huấn luyện mạng Neural rất nổi tiếng, mà ngày nay nó vẫn còn ñược sử dụng

Thập niên 50 là thời kỳ mà mạng Neural phát triển cả phần cứng lẫn phần mềm Nathaniel Rochester và một số người khác từ các phòng thí nghiệm của IBM ñã xây dựng phần mềm mô phỏng mạng Neural dựa trên giải thuật của Hebb

Năm 1957, Frank Roseblantt bắt ñầu nghiên cứu về mạng Perceptron và ñã thành công trong việc thiết kế Mack I Perceptron nuerocomputer, ñó là mạng Neural

cổ ñiển nhất vẫn còn sử dụng ñến ngày nay

Năm 1959, Bernard Widrow và Marcian Hoff ñã xây dựng mạng Adaline, nó là áp dụng ñầu tiên của mạng Neural vào thực tế ñể dập tiếng vọng trên ñường dây ñiện thoại Năm 1967, Avanlanche áp dụng các mạng Neural vào việc nhận dạng giọng nói, ñiều khiển motor và một số ứng dụng khác

Xác ñịnh các vấn ñề cần giải quyết

Lập mô hình

Thu thập dữ liệu

Tìm lời giải Thử nghiệm lời giải

Phân tích kết quả

Thực hiện lời giải

Trang 23

Từ năm 1969 ñến năm 1981 mạng Neural rơi vào trạng thái im lặng cả về nghiên cứu và ứng dụng Tuy nhiên, có thể kể ñến bài báo cáo của Marvin Minsky và Seymour Papert bình luận về mạng perceptron, các nghiên cứu về quá trình học của mạng nhiều lớp, mạng tự tổ chức ( Self Organization ) của Teuvo Kohonen, mạng kiểu

bộ nhớ kết hợp ( BAM – Bidirectional Associative Memory ) của Anderson và mạng ART ( Adaptive Resonance Theory Neural Networks ) của Capenter

Năm 1982, John Hopfield công bố một công trình về mạng Neural một lớp trên National Academy of Sciences, nó ñược coi là một ñộng lực lôi kéo các nhà khoa học quay trở lại nghiên cứu về mạng Neural ðây là thời kỳ phục hưng của các nghiên cứu và ứng dụng mạnh mẽ của mạng Neural với các nghiên cứu về giải thuật lan truyền ngược sai số ( Backpropagation of error ), mạng Boltzmann, mạng Neocognitron của Fukushima

Từ cuối thập niên 80, ñầu thập niên 90 ñến nay, mạng nơ ron ñã khẳng ñịnh ñược vị trí của mình trong nhiều ứng dụng khác nhau nhờ kết kết hợp chúng với các kỹ thuật trí tuệ nhân tạo: Giải thuật di truyền, logic mờ và suy diễn xấp xỉ, hệ chuyên gia ñể phân tích

dữ liệu và thu thập trí thức phục vụ cho việc xây dựng các hệ thống thông minh

Những lĩnh vực ứng dụng khá hiệu quả của mạng nơ ron như: Thương mại, không gian vũ trụ, ñiều khiển tự ñộng, ngân hàng, ñiện tử, giải trí, công nghiệp, sản xuất, cơ khí, thông tin liên lạc, hóa học, vật liệu, kinh tế, môi trường,

2.2.2 Mạng nơ ron và mạng nơ ron nhân tạo

Mạng nơ ron là sự tái tạo bằng kỹ thuật các chức năng của hệ thần kinh con người Trong quá trình tái tạo không phải tất cả các chức năng của bộ não con người

có ñều ñược tái tạo, mà chỉ có những chức năng cần thiết phục vụ cho mục tiêu nghiên cứu và ứng dụng Bên cạnh ñó còn có những chức năng mới ñược tạo ra nhằm giải quyết những mục tiêu ñược ñịnh hướng trước

Hình 2-3: Một mạng nơ ron ñơn giản gồm hai nơ ron

Trang 24

Mạng nơ ron gồm vô số các nơ ron ñược liên kết truyền thông với nhau trong mạng

Một nơ ron chứa ñựng các thành phần cơ bản sau:

- Thân nơ ron ñược giới hạn trong một màng membran và trong cùng là nhân, từ thân nơ ron có rất nhiều ñường rẽ nhánh gọi là rễ

- “Bus” liên kết nơ ron này với các nơ ron khác ñược gọi là axon, trên axon có các ñường rẽ nhánh Nơ ron còn có thể liên kết với các nơ ron khác qua các rễ, chính

vì cách liên kết ña dạng như vậy nên mạng nơ ron có ñộ liên kết rất cao

- Các rễ của nơ ron ñược chia thành hai loại: Loại nhận thông tin từ nơ ron khác qua axon, gọi là rễ ñầu vào và loại ñưa thông tin qua axon tới các nơ ron khác gọi là rễ ñầu ra

Một nơ ron có thể có nhiều rễ ñầu vào, nhưng chỉ có một rễ ñầu ra Qua các nhánh axon liên kết nơ ron này với nơ ron khác, sự thay ñổi trạng thái của một nơ ron

sẽ kéo theo sự thay ñổi trạng thái của những nơ ron khác và tạo ra sự thay ñổi toàn bộ mạng nơ ron Việc thay ñổi trạng thái của mạng nơ ron có thể thực hiện qua một quá trình “dạy” hoặc do khả năng “học” tự nhiên

Việc mô phỏng những tính chất trên bằng một mô hình toán học tương ñương gọi

là mạng nơ ron nhân tạo

Hình 2-4: Mô phỏng một nơ ron sinh học và một nơ ron nhân tạo

Mạng nơ ron nhân tạo thực tế có thể ñược xây dựng bằng nhiều cách khác nhau

vì vậy trong thực tế tồn tại rất nhiều kiểu mang nơ ron nhân tạo Mạng nơ ron nhân tạo ñược ñặc trưng bởi ba yếu tố:

- Phần tử xử lý

- Mô hình kết nối của các mạng nơ ron nhân tạo

- Phương pháp huấn luyện mạng

Trang 25

2.2.3 Cấu trúc một nơ ron nhân tạo (phần tử xử lý)

Hình 2-5: Cấu trúc một nơ ron nhân tạo

- pj : ñầu ra của Neural thứ j hoặc ñầu vào từ môi trường bên ngoài

- wi,j : trọng số kết nối giữa Neural thứ i và Neural thứ j

- b : một hằng số (Bias)

- ai : ñầu ra của Neural thứ i

- f : hàm truyền

- net : ñối số của hàm f

net=wi,1.p1+wi,2.p2+…+wi,r.pr+b (1.1)

Các thông số:

- Trọng số (Weight) : Kết nối giữa hai Neural trong mạng Neural gọi là trọng số,

chúng có thể ñiều chỉnh ñược Khi các tín hiệu ñược ñưa vào Neural ñể xử lý thì nó ñược nhân với hệ số ảnh hưởng của mạng giữa hai lớp, gọi là hệ số trọng số w và sau

ñó ñược biến ñổi bởi hàm phi tuyến (hàm truyền)

- Bias: Là hằng số ñược ñưa trực tiếp vào mạng Neural thông qua bộ tổng, cũng

có thể ñưa vào mạng thông qua input với trọng số nhân với nó là w=1 Bias cho phép thay ñổi ñường phân chia về phía dưới, hoặc trên gốc toạ ñộ

- Tốc ñộ dạy: ðây là thông số rất quan trọng, nó quyết ñịnh ñến kết quả của quá

trình huấn luyện Nếu n quá lớn thì quá trình tính toán nhanh nhưng kết quả toàn cục

sẽ không tìm ñược, ngược lại, nếu n quá nhỏ thì kết quả toàn cục tìm ñược nhưng số bước tính toán lại rất nhiều ðể quá trình tính toán ñạt hiệu quả người ta thường chọn 0.1 < n <1

- Hàm truyền (hàm kích hoạt, hàm hoạt ñộng): Hàm truyền của Neural ñược

biểu diễn bởi hàm f(x) Nó ñịnh nghĩa tín hiệu output của nơ ron nếu tín hiệu input ñã ñược biết trước Tác dụng của hàm truyền là làm cho các tín hiệu nhập gần với tính hiệu xuất chuẩn

b

ai

Wi,1 Wi,2

Trang 26

Bảng 2-1: Các loại hàm truyền cơ bản:

Hình 2-6: Hàm truyền Hard-Limit Hình 2-7: Hàm truyền

Log-Sigmoid

Hình 2-8: Hàm truyền Linaer Hình 2-9: Hàm truyền Tan_Sigmoid

Hình 2-10: Hàm truyền Positive Linear Hình 2-11: Hàm truyền Radial Basis

Hình 2-12: Hàm truyền Satlin Hình 2-13: Hàm truyền Satlins

Hình 2-14: Hàm truyền Triangular

Trang 27

Bảng 2-2: Phương trình các hàm truyền cơ bản

e)

x(F

+

=1

e)

x(

0xneáu

1

Hình 2-13

Việc lựa chọn hàm truyền ảnh hưởng ựến thời gian dạy mạng và ựược xác ựịnh bởi:

- đặc tắnh của bài toán (tuyến tắnh, phi tuyến, liên tục, gián ựoạn )

- Thuận lợi cho việc ứng dụng máy tắnh

- Thuật toán dạy mạng

+ Lớp (layer): Mạng Neural có thể có một hay nhiều lớp Lớp ựầu vào gọi là

input layer, lớp cuối cùng có giá trị ựầu ra gọi là output layer (lớp output) Các lớp còn

lại gọi là hidden layer (lớp ẩn)

+ Khái niệm dạy mạng: Là quá trình làm thay ựổi các thông số trong mạng

(trọng số, Bias) cho phù hợp với kắch thắch bên ngoài, sau ựó chúng lưu giữ các giá trị này Cách dạy ựược xác ựịnh thông qua cách thức thay ựổi thông số

đó là:

- Mạng Neural ựược kắch thắch bởi ựầu vào

- Mạng Neural thay ựổi các thông số theo kết quả kắch thắch

Mạng Neural phản ứng lại một kắch thắch mới bằng những thay ựổi tìm thấy trong cấu trúc mạng

2.2.4 Mô hình kết nối của các mạng nơ ron nhân tạo

Thành phần quan trọng thứ hai của các mạng nơ ron nhân tạo ựó là mô hình kết nối Mô hình kết nối của các mạng nơ ron nhân tạo có thể chia thành hai loại ựó là các mạng nuôi tiến và các mạng nuôi lùi

Mạng nuôi tiến (feedforward network) là mạng ựược xây dựng bằng cách ựầu ra của nơ ron ở lớp trước chắnh là ựầu vào của các nơ ron ở lớp sau nó

Trang 28

- R : số lượng vectơ ñầu vào

- S : số lượng Neural trong một lớp

Trong mạng này, mỗi ñầu vào p ñược nối với mỗi Neural thông qua ma trận trọng số

W Mỗi Neural có một bộ tổng ñể cộng các trọng số và bias Kết quả của chúng là ñầu vào của hàm f

Thường thì số vectơ ñầu vào khác với số Neural (R≠S) Trong mạng không bắt buộc số ñầu vào bằng số Neural (R=S)

R 2, 2,2 1 , 2

R 1, 1,2 1 , 1

w w

S

w

w w W

Chỉ số hàng trong ma trận cho biết nơi ñến Neural và chỉ số trụ cho biết nơi bắt ñầu xuất phát từ input của trọng số

Ví du: W1,2 cho biết trọng số kết nối ñầu vào thứ hai và Neural thứ nhất

- Mạng nuôi tiến nhiều lớp

Trong mạng Neural có thể có nhiều lớp Mỗi lớp có một ma trận trọng số w và một bias b, và một output a Lớp Neural ñầu tiên gọi là lớp ñầu vào, lớp Neural cuối là lớp ñầu ra, các lớp Neural giữa hai lớp ñầu vào và ñầu ra gọi là lớp ẩn

Trang 29

Hình 2-16: Mô hình mạng nơ ron nuôi tiến nhiều lớp, H.Demuth, M.Beale, (2010)

- Mạng nuôi lùi (feedback network): là mạng ñược xây dựng khi các ñầu ra ñược

ñịnh hướng lùi về làm các ñầu vào cho các nơ ron ở cùng lớp hoặc ở lớp ñứng trước

nó

Hình 2-17: Mô hình mạng nơ ron nuôi lùi, H.Demuth, M.Beale, (2010)

Mạng mà các ñầu ra của lớp nơ ron ñầu ra là ñầu vào của lớp nơ-rơn ñầu vào thi ñược gọi là mạng recurrent hay còn gọi là mạng hồi tiếp vòng kín

2.2.5 Luật học và các phương pháp huấn luyện mạng

Thành phần quan trọng thứ 3 của các mạng nơ ron là việc huấn luyện (training)

hay còn gọi việc học cho các mạng Có hai cách học trong các mạng nơ ron nhân tạo

ñó là học thông số (parameter learning) và học cấu trúc

Học thông số là phương pháp học bằng cách cập nhập các trọng số kết nối, học cấu trúc là phương pháp học bằng cách thay ñổi cấu trúc bên trong mạng bao gồm số các phần

Trang 30

tử xử lý và mô hình kết nối mạng Trong luận văn này chỉ ñề cập ñến các phương pháp học thông số

Các phương pháp huấn luyện mạng

Luật học thông số tổng quát ñược phát triển nhằm cập nhập ma trận trọng số sao cho có ñược ma trận trọng số thực sự của mạng xấp xỉ với ma trận trọng số mong

muốn của mạng Học thông số có thể ñược chia ra làm ba chế ñộ học là: học có giám

sát, học củng cố và học không giám sát

- Mạng học có giám sát

Thuật toán này dùng ñể ñiều chỉnh sự khác nhau giữa các output thực tế và output yêu cầu tương ứng từng mẫu ñưa vào

ðể huấn luyện mạng phải cung cấp cho mạng một dãy n các cặp ñầu vào và ñầu

ra mong muốn: ( p(1), a(1); p(2), a(2); p(n), a(n)) Khi mỗi ñầu vào p(k) ñược ñặt vào mạng thì ñầu ra mong muốn tương ứng a(k) cũng ñược cấp ñến mạng Sai lệch giữa ñầu

ra thật sự y(k) và ñầu ra mong muốn a(k) ñược giám sát trong khâu phát sinh tín hiệu sai

số Trọng số kết nối giữa các nơ ron trong mạng sẽ ñược cập nhập từ tín hiệu sai số sao cho ñầu ra thực sự tiến gần ñến ñầu ra mong muốn của mạng

Hình 2-18: Mô tả cách học giám sát của một mạng nơ ron nhân tạo, N.T.Thành, (2008)

- Học củng cố

Trong môt số trường hợp mạng cung cấp các thông tin ñầu vào nhưng không ñược cung cấp rõ ràng các mẫu ñầu ra mong muốn cụ thể Mạng chỉ có thông tin là ñầu ra thật sự của nó quá cao hoặc chỉ ñúng 50% và chỉ có một thông tin hồi tiếp chỉ ñịnh ñầu ra của mạng ñúng hoặc sai Học trên cơ sở thông tin ñánh giá này gọi là học củng cố và thông tin hồi tiếp ñược gọi là tín hiệu củng cố

ðầu ra thực tế y ðầu vào p Mạng

Neural W

Khâu phát sinh Tín hiệu sai số

ñầu ra mong muốn a Tín hiệu sai số

Trang 31

Hình 2-19: Mô tả cách học củng cố của một mạng nơ ron nhân tạo N.T.Thành, (2008)

- Học không giám sát

Trong cách học không giám sát mạng không ñược cung cấp bất kỳ thông tín hồi tiếp nào, mạng chỉ ñược cung cấp các mẫu ñầu vào và mạng tự ñiều chỉnh các trọng số kết nối giữa các nơ ron trong mạng bằng cách sử dụng các mẫu ñầu ra thực sự của mạng

Hình 2-20: Mô tả cách học không giám sát của một mạng nơ ron nhân tạo, N.T.Thành,

(2008)

Luật học các trọng số

ðể nghiên cứu luật học các trọng số cho một mạng nơ ron ta hãy xem xét một cấu trúc huấn luyện tổng quát cho một phần tử xử lý thứ i trong mạng nơ ron nhân tạo như hình vẽ sau:

Hình 2-21: Mô tả luật học thông số tổng quát cho một phần tử xử lý thứ i, N.T.Thành, (2008)

ðầu ra thực tế y ðầu vào p Mạng

Neural

W

Khu phát sinh Tín hiệu củng cố

Tín hiệu củng cố Tín hiệu củng cố

Trang 32

Trong ñó ñầu vào pj, j= 1, 2, , m, có thể là ñầu ra từ một phần tử khác hoặc là ñầu vào từ bên ngoài

Trong mô hình học tổng quát này, giá trị ngưỡng θ của nơ ron thứ i có thể ñược ñưa vào trong việc học Nó ñược xem như một trọng số wim bằng cách gán một giá trị

cố ñịnh cho ñầu vào pm = -1

Tín hiệu ñầu ra mong muốn di chỉ có mặt trong chế ñộ học có giám sát hoặc trong chế ñộ học củng cố

Trong chế ñộ học có giám sát và học củng cố, các trọng số của phần tử xử lý i ñược cải tiến sử dụng tín hiệu sai lệch và tín hiệu củng cố Trong khi ñó ở chế ñộ học không giám sát, trong số của phần tử xử lý thứ i ñược cải tiến chỉ sử dụng tín hiệu ñầu

ra thực sự của mạng

Nếu wi(t) là vector trọng số, P(t) là vector các mẫu ñầu vào và r là tín hiệu học tại bước học t, thì luật học trọng số tổng quát trong các mạng nơ ron nhân tạo ñược ñịnh nghĩa như sau:

)()

)()()1(t w t rP t

Nếu là chế ñộ học giám sát, có tín hiệu của thầy giáo di, thì tín hiệu học r có thể ñược biểu diễn bằng một hàm có dạng tổng quát:

r = fr(wi, P, di) = tín hiệu sai lệch = di-yi (1.3) Nếu là chế ñộ học củng cố, có tín hiệu củng cố của thầy giáo di, thì tín hiệu học r

có thể ñược biểu diễn bằng một hàm có dạng tổng quát:

r = fr(wi, P, di) = tín hiệu học củng cố = di (1.4) Nếu là chế ñộ học không giám sát, không có tín hiệu của thầy giáo, thì tín hiệu học r có thể ñược biểu diễn bằng một hàm có dạng tổng quát:

r = fr(wi, P) = tín hiệu ra thực sự của mạng = yi (1.5) Nếu học trong thời gian liên tục, thì sử dụng phương trình sau ñể cải tiến vector trọng số tại thời ñiểm (t+1):

Trang 33

)()

(

t rP dt

Trong ñó ặ) là hàm tác ñộng của phần tử xử lý thứ i

Như vậy sự gia tăng trọng số ∆wi của vector trọng số ñược biểu diễn như sau:

2.2.6 Các mạng nuôi tiến và giải thuật truyền lùi

Giải thuật truyền lùi (back propagation algorithm) là một trong các giải thuật

quan trọng nhất trong lịch sử phát triển của các mạng Neural nhân tạọ Giải thuật ñược

sử dụng ñể huấn luyện các mạng nuôi tiến nhiều lớp với các phần tử xử lý trong mạng

có hàm tác ñộng là hàm tuyến tính hoặc phi tuyến Mạng nuôi tiến nhiều lớp kết hợp

với giải thuật truyền lùi còn ñược gọi là mạng truyền lùi (back propagation network)

Nếu cho tập hợp các cặp mẫu huấn luyện vào-ra (p(k),d(k)) với k=1,2,…,p, giải thuật

sẽ cung cấp một thủ tục cho việc cập nhật các trọng số kết nối trong mạng truyền lùi từ lớp Neural ñầu ra ñến lớp Neural ñầu vàọ

Giải thuật vận hành theo hai luồng dữ liệu: ðầu tiên các mẫu huấn luyện ñược truyền từ lớp Neural ñầu vào ñến lớp Neural ñầu ra và cho kết quả thực sự y(k) của lớp Neural ñầu rạ Sau ñó các tín hiệu sai lệch giữa ñầu ra mong muốn d(k) và ñầu ra thực

sự y(k) của mạng ñược truyền lùi từ lớp ñầu ra ñến các lớp ñứng trước ñể cập nhật các trọng số kết nối trong mạng

ðể làm rõ các nguyên lý làm việc của các mạng nuôi tiến ñược kết hợp với giải thuật truyền lùi, ở ñây ta chỉ xem xét một mạng nuôi tiến ba lớp ñó là lớp Neural ñầu vào, lớp Neural ẩn và lớp Neural ñầu ra và từ ñó ta có thể mở rộng các nguyên lý làm việc cho các mạng nuôi tiến nhiều lớp hơn

Trang 34

Giả sử lớp Neural ñầu vào của mạng có m ñầu vào: p1, p2,…, pm , lớp Neural ẩn của mạng có l phần tử xử lý với các ñầu ra là: z1, z2,…, zl và lớp Neural ñầu ra của mạng có n phần tử xử lý với n ñầu ra là: y1, y2, …, yn Ta cũng giả sử rằng vqj là trọng

số kết nối giữa ñầu vào thứ j của lớp Neural ñầu vào với phần tử xử lý thứ q của lớp Neural ẩn và wiq là trọng số kết nối giữa phần tử xử lý thứ q của lớp Neural ẩn với phần tử xử lý thứ i của lớp Neural ñầu ra

Hình 2-22: Mô tả một mạng nuôi tiến 3 lớp với giải thuật truyền lùi, N.T.Thành

2008 Cho cặp mẫu huấn luyện (p,d)

Hàm tổng hợp cho mỗi phần tử xử lý thứ q của lớp Neural ẩn là:

Hàm tổng hợp cho mỗi phần tử xử lý thứ i của lớp Neural ñầu ra là:

Hàm mục tiêu ñể ñánh giá sai lệch giữa ñầu ra mong muốn và ñầu ra thực sự của mạng ñược ñịnh nghĩa dưới dạng:

E

1

2

)(

2

1)

Trang 35

trong ñó: (∂E/∂w iq)=−(d i − y i);

( ∂y i/ ∂net i) =a' (net i)

và (∂net i/∂w iq)= z q

Do ñó, ta có: ∆w iq =η[d i−y i].[a'(net i)].[z q]=η.δqi.z q (1.16) trong ñó δqi =[d − i y i].[a'(net i)] là tín hiệu sai lệch

Trọng số giữa lớp Neural ẩn và lớp Neural ñầu vào ñược cập nhật bằng một lượng:

hay: ∆v qj = −η∑[( ∂E/ ∂y i)( ∂y i/ ∂z q)] ( ∂z q/ ∂net q)( ∂net q/ ∂v qj) (1.17) trong ñó: ( ∂E/ ∂y i) = − (d i −y i);

)).(

(')/)(

/(

i i

)(')[(

1

).()(

Nhập: tập các cặp mẫu huấn luyện {(p(k),d(k))/k=1,2,…,p}, trong ñó các vectơ ñầu vào với các phần tử cuối cùng ñược gán bằng –1, ñó là: pm+1(k)=-1

Bước 0: thiết lập hằng số học η>0, và thiết lập sai lệch Emax cho phép giữa ñầu ra mong muốn và ñầu ra thực sự của mạng Thiết lập các trọng số ban ñầu Thiết lập E=0

và k=1

Bước 1: Gán mẫu ñầu vào thứ k với lớp Neural ñầu vào (q=1):

Trang 36

Bước 2: Truyền tắn hiệu tiến thông qua mạng sử dụng công thức:

j

j q ij q i

q i q

y w a net a

cho mỗi phần tử xử lý thứ i ở lớp thứ q và cho ựến khi q ựạt ựến lớp Neural ựầu ra Qyi

Bước 3: Tắnh giá trị sai lệch và các tắn hiệu sai lệch cho lớp Neural ựầu:

d E

1

2

))((2

1

i Q i i Q

net a y k

w net

Tóm tắt

Hầu hết các giải thuật học ựều dựa trên sai lệch giữa kết quả thực hiện bởi nơ ron với kết quả mong muốn đó là một quá trình sửa sai theo giải thuật tổng quát gọi là lan truyền ngược sai lệch ( Back Propagatio ) Có thể phát biểu như sau:

Trong quá trình học, giá trị ựầu vào ựược ựưa vào nạng theo dòng chảy trong mạng tạo thành giá trị ở ựầu ra Tiếp ựến là quá trình so sánh giá trị tạo bởi mạng Neural với giá trị ra mong muốn Nếu hai giá trị này giống nhau thì không thay ựổi gì

cả Tuy nhiên, nếu có sai lệch giữa hai giá trị này thì ựi ngược mạng từ ựầu ra về ựầu vào ựể thay ựổi một số kết nối hay trọng số

đây là một quá trình lặp liên tục và có thể không dừng khi không thể tìm ựược các giá trị trọng số w sao cho ựầu ra tạo bởi mạng Neural bằng ựúng ựầu ra mong

Trang 37

HVTH: NGUYỄN BÁ TRƯỞNG NGÀNH: CƠNG NGHỆ VÀ QUẢN LÝ XÂY DỰNG

muốn Do đĩ trong thực tế người ta phải thiết lập tiêu chuẩn dừng dựa trên một sai số nào đĩ giữa hai giá trị này, hay dựa trên một số lần lặp xác định

2.3 Ngơn ngữ lập trình matlab

Matlab vừa là ngơn ngữ lập trình vừa là phần mềm ứng dụng tính tốn rất hiệu quả Matlab là từ viết tắt của "Matrix labolatory", được phát triển bởi tập đồn Math Work.Inc of Natick, Massachusetts - Hoa kỳ từ những năm 1970 Lúc đầu Matlab dùng để giải quyết các vấn đề về ma trận, đại số tuyến tính, giải tích số Hiện nay khả năng tính tốn của matlab rất lớn, bao trùm nhiều lĩnh vực khác nhau, từ các lĩnh vực chuyên ngành kỹ thuật điện, điện tử, điều khiển tự động, robot cơng nghiệp, vật lý hạt nhân cho đến các ngành xử lý tốn chuyên dụng như thơng kê, kế tồn

Matlab cùng bộ lệnh rất mạnh của nĩ cho phép giải quyết các bài tốn khác nhau

và ngày càng được mở rộng thơng quá các hàm ứng dụng được tạo lập bởi người sử dụng hay thơng qua thư viện trợ giúp

Chường trình matlab gồm phần lõi (core) và các mơđun phần mềm được gọi là các hộp cơng cụ (toolbox), mỗi một cơng cụ phục những tính tốn riêng biệt nào đĩ, ví

dụ Fuzzy Logic Toolbox chuyên giải quyết các bài tốn logic mờ, Neural Network

Toolbox chuyen giải quyết các bài tốn liên quan đến mạng nơ ron nhân tạo, Optimization Toolbox chuyên giải quyết các bài tốn tối ưu với biến số là số thực và

hàm mục tiêu liên tục

Với những ưu điểm trên tác giả sử dụng matlab làm phần mềm hổ trợ để thực hiện bài tốn dự báo dựa trên ứng dụng của mạng nơ ron nhân tạo Phiên bản sử dụng trong luận văn này là Matlab 7.7.0 R2008b

Hình 2-23: Giao diện của Matlab 7.7.0 (R2008b)

Trang 38

Khởi ñộng Matlab 7.7.0 R2008b, màn hình desktop mặc ñịnh như Hinh 2-23,

trong ñó cửa sổ Command Window là nơi chúng ta làm việc với chương trình, cửa sổ

Command History là nơi ghi lại toàn bộ các dòng lệnh ñã thực hiện, cửa sổ Current Directory là nơi thể hiện file và thư mục ñang làm việc, Khi chay chương trình,

Matlab hiểu thị kết quả trên cửa sổ Command Window

Hình 2-24: Giao diện cửa sổ soạn thảo của Matlab 7.7.0 (R2008b)

Khi viết chương trình dùng cửa sổ soan thảo của Matlab như Hình 2-24 ðể thuận tiện cho việc kiểm tra chương trình ñã viết, Matlab cung cấp công cụ Debug như chạy từng bước F11, thoát khỏi vòng lặp hoặc một hàm nào ñó Shift+F11, chạy toàn

bộ chương trình F5, tạo ñiểm bắt ñầu hoặc kết thúc việc kiểm tra trên chương trình F12

2.3.1 Giải thuật Levenberg-Marquardt (TRAINLM)

Theo Matlab Nueral Net Toolbox V7R14 gống như phường pháp Quasi- Newton, giải thuật Levevberg-Marquadt ñược thiết kế ñể ñạt ñược tốc ñộ bậc 2 mà không phải tính ma trận Hessian Khi hàm hiệu suất có dạng là tổng bình phương thì

ma trận Hessian và gardient ñược tính như sau:

Ma trận Jacobian là ñạo hàm bậc nhất sai số mạng tại ñiểm trọng số và ngưỡng hiện tại, e là vector sai số mạng Ma trận J ñược tính bằng kỹ thuật Backpropagation chuẩn nên phức tạp hơn tính bằng ma trận Hessian

Giải thuật Levenberg_Marquadt sử dụng phép gần ñúng này với ma trận Hessian trong phương pháp Newton

Trang 39

2.3.2 Giải thuật Levenberg-Marquardt giảm bộ nhớ (TRAINLM)

Trở ngại chính của thuật toán Levenberg_Marquardt là yêu cầu lưu trử nhiều ma trận có kích thước khá lớn Kích thước của ma trận Jacobiab là Qxn với Q là số mẫu huấn luyện và n là số trọng số và ngưỡng của mạng Giải thuật giải bộ nhớ ñề nghị không phải tính và lưu toàn bộ ma trận Ví dụ, nếu ta chia ma trận Jacobian thành hai

ma trận con, chúng ta có thể tính ma trận Hessian tương ứng như sau

2

1

J J J J J J J

J J J

Do ñó ma trận ñầy ñủ không phải tính một lần

Trong nghiên cứu này sử dụng hàm huấn luyện là hàm trainlm ñể cập nhập trọng

số và giá trị lệch theo thuật giải tối ưu hóa Levenberg-Marquadt kết hợp với kỹ thuật

dừng huấn luyện "sớm early stopping", và thiết lập các thông số của hàm trainlm như

sau:

ðiều chỉnh thích ứng lớn mu = 1;

Bước giảm mu_dec = 0,8;

Bước gia tăng mu_inc = 1,5;

Nhằm làm giảm tốc ñộ hội tụ

Với kỹ thuật dừng luyện sớm như early stopping thì việc chọn tập kiểm ñịnh sao cho ñại diện toàn bộ tập dữ liệu là rất quan trọng

2.3.3 Thiết kế mô hình dự báo bằng mạng nơ ron

Theo Kaastra và Boyd (1996) ñề nghị phương pháp thiết kế mô hình mạng nơ ron cho mô hình dự báo ñược thực hiện qua 8 bước sau:

Bảng 2-3: Tám bước trong thiết kế mạng nơ ron cho mô hình dự báo, theo Kaastra va

boyd, (1996)

Trang 40

Bảng 2-3 tiếp theo Bước 4 Chia ba tập dữ liệu con, tập huấn luyện, tập kiểm

- Số vòng lặp huấn luyện

- Tốc ñộ học và momentum

2.4 Ưu, nhược ñiểm của mạng nơ ron trong dự báo

ðược mô phỏng dựa trên hoạt ñộng của bộ não con người, có thể thích nghi với nhiều dạng dữ liệu Do ñó mạng Nơ-ron là giải pháp thực sự tối ưu trong ứng dụng dự báo Tính ưu việt của mạng Nơ ron thể hiện qua những thế mạnh sau: N.ð.Thúc, (2000)

- Mạng Nơ ron cho phép ta thay thế thời gian tính toán của con người bằng thời gian máy, do ñó tiết kiệm ñược chi phí

- Mạng Nơ ron có thể tạo ra một mô hình tốt hơn khi những qua hệ giữa các biến nhập và biến xuất phức tạp hơn khả năng xử lý của các công cụ cổ ñiển

- Mạng Nơ ron ñảm bảo rằng mô hình sẽ tốt nhất có thể nếu ta không biết ñược dạng bài toán dự báo

- Có thể xây dựng mô hình mạng Nơ ron có nhiều kết xuất, trong khi các mô hình

cổ ñiển thường chỉ có một mà thôi

- Mạng Nơ ron có những khả năng mà phương pháp cổ ñiển không thể thể thực hiện ñược, như việc xử lý các mẫu xuất hiện không thường xuyên,…

- Với giải thuật truyền ngược sai số (BackPropagation) việc ứng dụng mạng Nơ ron vào thực tế trở nên khá dễ dàng

Các nhược ñiểm của mạng nơ ron N.ð.Thúc, (2000)

- ðối với các dữ liệu tuyến tính mạng nơ ron không thể dự báo tốt hơn hồi quy tuyến tính

- Kích thước mẫu phải ñủ lớn thì mạng nơ ron mới phát huy tính ưu việc của nó

- Rất khó ñể biết ñược khi nào thì bài toán ñủ lớn và phức tạp phải cần ñến mạng

nơ ron ñể giải quyết ðể tìm ra ñiều này thì thời gian và chi phí phải bỏ ra là rất lớn

Định dạng
Số trang	121
Dung lượng	4,35 MB