Các nội dung cơ bản
- Nghiên cứu cơ sở hình thành giá đất và các phương pháp tính giá đất;
- Nghiên cứu logic mờ và mạng nơ ron;
- Ứng dụng logic mờ và mạng nơ ron xây dựng mô hình định giá đất.
Phương pháp thực hiện
a Nghiên cứu lý thuyết các vấn đề:
- Các yếu tố ảnh hưởng đến giá đất;
- Các phương pháp định giá đất;
- Mạng nơ ron b.Thực hành vấn đề sau:
- Xây dựng mô hình định giá đất bằng logic mờ và mạng nơ ron.
Cấu trúc của luận văn
Giá đất và các nhân tố ảnh hưởng đến giá đất
Trong quá trình đổi mới nền kinh tế-xã hội của nước ta, cơ chế quản lý kinh tế thị trường đang từng bước được hình thành Luật đất đai hiện hành quy định người sử dụng đất được hưởng các quyền chuyển đổi, chuyển nhượng, cho thuê, thừa kế, thế chấp và góp vốn bằng giá trị quyền sử dụng đất để sản xuất kinh doanh Vì vậy đặc trƣng của giá đất nói chung khác với đặc trƣng của giá các loại hàng hoá thông thường khác Sự khác nhau này có thể thấy ở một số đặc trƣng sau:
- Giá đất không giống nhau về cơ sở giá cả;
- Giá đất không giống nhau về thời gian hình thành;
- Giá đất đai không phải là biểu hiện tiền tệ của giá trị đất đai;
- Giá đất chủ yếu là do nhu cầu về đất đai quyết định;
- Giá đất có tính khu vực và tính cá biệt rõ rệt;
- Giá đất không giống nhau về hiện tƣợng khấu hao;
- Giá đất có xu thế tăng cao rõ ràng Để xác định giá đất phù hợp với điều kiện thực tế thì việc phân tích các nhân tố ảnh hưởng tới giá đất đóng một vai trò vô cùng quan trọng Có thể theo mối quan hệ giữa các nhân tố đó với đất và phạm vi ảnh hưởng để phân thành nhân tố thông thường, nhân tố khu vực và nhân tố cá biệt
Nhân tố thông thường là nói về những nhân tố ảnh hưởng chung có tính phổ biến, cộng đồng đến giá đất, phát sinh ảnh hưởng tổng thể đến mức giá cả đất trong điều kiện kinh tế, xã hội thông thường, từ đó trở thành cơ sở để quyết định giá cụ thể cho các loại đất a) Nhân tố hành chính Nhân tố hành chính chủ yếu là chỉ sự can thiệp của Nhà nước đến giá đất
Nhà nước xuất phát từ lợi ích toàn xã hội và từ góc độ phát triển kinh tế vĩ mô định ra chính sách hữu quan hoặc thúc đẩy chuyển dịch đất hoặc hạn chế việc sử dụng một loại đất nào đó Từ đó đạt đƣợc mục đích nâng cao hiệu quả sử dụng đất tổng thể Sự can thiệp này có ảnh hưởng rất lớn đến giá đất
Nhân tố hành chính ảnh hưởng đến giá đất có: Chế độ đất; chế độ nhà ở; quy hoạch đô thị; chính sách giá đất; chính sách thuế; chế độ quản lý giao thông và sự biến đổi về hành chính
Chế độ về đất: Chế độ đất bao gồm chế độ sở hữu đất và chế độ sử dụng đất Chế độ về đất khống chế trực tiếp sự tồn tại, tăng lên hoặc giảm xuống của giá đất Ở nước ta trong một thời gian dài thực hiện chế độ sử dụng đất, nghiêm cấm việc mua bán cho thuê, phương thức lưu chuyển đất chỉ có cấp phát, do đó thực ra không tồn tại giá đất Theo đà cải cách chế độ sử dụng đất, đất trởthành hàng hóa đặc biệt bắt đầu hội nhập vào lĩnh vực lưu thông, từ đó xuất hiện giá đất để thực hiện đền bù kinh tế trong quyền sử dụng đất Đồng thời cùng với việc hoàn thiện một bước chế độ sử dụng đất phải trả tiền, dưới tác động của kinh tế thị trường, sự tăng giảm của giá đất càng phù hợp với quy luật thị trường
Chế độ nhà ở: Từ giải phóng đến nay chế độ nhà ở truyền thống ở nước ta là chế độ phúc lợi tiền thuê thấp Vốn đầu tƣ vào tài sản nhà đất không thể thông qua họat động kinh doanh của bản thân nó để thu hồi, chỉ có thể dựa vào tài chính Nhà nước cấp phát để duy trì Cho nên trong tình trạng này, trong tiền thuê nhà không bao hàm tiền thuê đất, giá đất Mục tiêu của cải cách chế độ nhà ở là hủy bỏ việc bù đắp đó, từ đó mà xúc tiến quay vòng đầu tƣ lành mạnh vào tài sản nhà đất, thúc đẩy việc thực hiện giá đất hợp lý
Quy hoạch đô thị: Trong quy hoạch đô thị, các quy định về công dụng, tỷ lệ dung tích và mật độ kiến trúc đều có ảnh hưởng rất lớn đến giá đất Cùng một mảnh đất dùng cho kinh doanh, dùng cho nhà ở và công nghiệp, giá đất khác biệt nhau rất lớn Nhìn chung mà nói, đất dùng cho kinh doanh có hiệu quả lớn nhất, thứ đến là dùng cho nhà ở, đất dùng cho công nghiệp có hiệu quả thấp hơn Việc quy định mục đích sử dụng đất có ý nghĩa vô cùng to lớn đối với sự duy trì tính hoàn chỉnh của phân khu chức năng đô thị, tính tối ƣu của hiệu quả sử dụng tổng thể và tính hợp lý tối đa trong việc kết hợp giữa hiệu quả xã hội và hiệu quả kinh tế trong sử dụng đất Suất dung tích là tỷ lệ giữa tổng diện tích xây dựng với tổng diện tích đất sử dụng trong khu đất xây dựng, nếu suất dung tích lớn, thì trên một đơn vị diện tích đất sử dụng có diện tích xây dựng lớn, có thể thu đƣợc lợi cao, vì vậy mà giá cho đơn vị diện tích đất cũng cao; ngƣợc lại thì giá đất lại thấp Ở những khu vực hạn chế suất dung tích, sự cao thấp của tỷ lệ dung tích trực tiếp ảnh hưởng giá đất cao thấp trong khu vực bị hạn chế đó
Chính sách về giá đất: Chính sách về giá đất có ảnh hưởng lớn đến xu thế của giá đất Nói chung chính sách giá đất tăng cao tức là Chính phủ nới lỏng quản lý đối với giá đất, thúc đẩy giá đất tăng lên; chính sách giá đất thấp là Chính phủ dùng nhiều biện pháp để khống chế tăng giá của đất, từ đó làm cho mức giá đất hạ xuống hoặc ngƣng trệ lại Đồng thời, chính sách quản lý giá đất cũng ảnh hưởng đến tâm lý đầu tư của nhà đầu tư vào nhà đất, từ đó mà ảnh hưởng đến giá đất cao hay thấp
Chính sách thuế: Mức thuế phải gánh chịu cao hay thấp, bất kể xí nghiệp hay cá nhân, nó đều có quan hệ ảnh hưởng rất lớn Thuế tăng thì tích lũy của xí nghiệp, dân cƣ giảm, nên giá đất giảm, từ đó giảm đầu tƣ xã hội, mức tăng trưởng kinh tế hạ thấp Lúc này các xí nghiệp không đủ sức hoặc không muốn mở rộng đầu tƣ, khiến cho nhu cầu đất giảm, nên giá đất giảm Ngƣợc lại, giảm thuế thì tích lũy tăng, giá đất tăng lên
Thay đổi về hành chính: Thay đổi về hành chính nói chung đều làm cho giá đất ở đó tăng Thay đổi hành chính thường phân thành hai loại, một là nâng cấp, ví nhƣ một thành phố đƣợcnâng cấp từ đô thị loại 2 lên đô thị loại 1, hoặc nơi nào đó không phải là thị trấn nâng lên thành thị trấn một loại khác là tuy cấp bậc không thay đổi, nhƣng quyền quản lý chuyển từ khu này sang khu khác được chính sách ưu đãi thu hút hàng loạt đầu tư nước ngoài, phát triển kinh tế nhanh chóng, từ đó kéo theo giá đất tăng lên b) Nhân tố nhân khẩu
Trạng thái nhân khẩu là nhân tố chủ yếu nhất của kinh tế, xã hội Ảnh hưởng của nhân tố nhân khẩu đến giá đất có mối liên quan mật thiết với mật độ nhân khẩu, tố chất nhân khẩu và cấu thành nhân khẩu gia đình
Mật độ nhân khẩu: Mật độ nhân khẩu tăng cao, thì nhu cầu đối với đất tăng vì thế giá đất tăng lên Ví dụ nhƣ ở Nhật Bản, tỷ lệ tăng giá đất ở thành thị năm 1956 - 1960 là 11 - 13%, năm 1960 - 1961 là 17 - 18%, còn ở Mỹ năm
1956 - 1966, tỷ lệ biến động giá cả đất chỉ là 5,5 - 6,9% Nguyên nhân chủ yếu là Nhật Bản là nước có mật độ nhân khẩu thành thị cao nhất, là quốc gia có tỷ lệ tăng nhân khẩu cao nhất trong những nước có nền kinh tế phát triển, tốc độ phát triển kinh tế thành thị của Mỹ cũng rất nhanh, nhƣng do mật độ nhân khẩu thấp, tỷ lệ tăng nhân khẩu so với Nhật là thấp, yêu cầu đất không căng thẳng nhƣ Nhật Bản, do đó mức tăng giá đất tương đối nhỏ
Tố chất nhân khẩu: Tố chất nhân khẩu thường có tương quan với trình độ đƣợc giáo dục và tố chất văn hóa của nhân khẩu Nhân tố này nhìn chung có ảnh hưởng khá lớn đến giá đất nhà ở
Các phương pháp định giá đất theo thị trường
1.2.1 Phương pháp so sánh trực tiếp a Nguyên tắc Phương pháp này xác định mức giá thông qua việc tiến hành phân tích các mức giá đất thực tế đã chuyển nhượng quyền sử dụng đất trên thị trường của loại đất tương tự (về loại đất, diện tích đất, thửa đất, hạng đất, loại đô thị, loại đường phố và vị trí) để so sánh, xác định giá của thửa đất, loại đất cần định giá
Phương pháp so sánh trực tiếp được áp dụng để định giá đất khi trên thị trường có các loại đất tương tự đã chuyển nhượng quyền sử dụng đất so sánh đƣợc với loại đất cần định giá
Giá chuyển nhượng quyền sử dụng đất của loại đất tương tự sử dụng để phân tích, so sánh với loại đất cần định giá phải là giá chuyển nhƣợng quyền sử dụng đất thực tế trên thị trường trong điều kiện bình thường b Các bước thực hiện
Việc định giá đất theo phương pháp so sánh trực tiếp phải tiến hành các bước sau đây:
Bước 1: Khảo sát và thu thập thông tin
- Xác định địa điểm của thửa đất, khu đất trống (đất chƣa đƣợc đầu tƣ xây dựng các công trình trên đất) so sánh đƣợc với thửa đất, khu đất cần định giá để thu thập thông tin
Mỗi loại đất cần định giá, phải lựa chọn từ 3 đến 5 thửa đất, khu đất trống ở khu vực liền kề hoặc khu vực lân cận với thửa đất, khu đất cần định giá đã được chuyển nhượng thành công trên thị trường (bao gồm giao dịch trực tiếp giữa các cá nhân, tổ chức với nhau; trúng đấu giá quyền sử dụng đất, giao dịch thành công trên sàn giao dịch bất động sản) có những đặc điểm tương tự với thửa đất, khu đất cần định giá về: Loại đất, vị trí đất, qui mô diện tích, kết cấu hạ tầng, đặc điểm pháp lý và mục đích sử dụng đất
- Thời gian thu thập thông tin:
Những thông tin cần thu thập phải diễn ra trong khoảng thời gian gần nhất với thời điểm khảo sát để xác định giá của thửa đất, khu đất cần định giá
Trường hợp không thu thập được những thông tin trong khoảng thời gian gần nhất, thì có thể thu thập thông tin về các cuộc giao dịch chuyển nhƣợng quyền sử dụng đất trong thời hạn 01 năm tính đến thời điểm khảo sát để xác định giá đất
- Những thông tin cần thu thập:
+ Hiện trạng sử dụng đất (loại đất, qui mô diện tích và kích thước các cạnh, địa hình, tài sản trên đất, mục đích sử dụng đất hiện tại, mục đích sử dụng đất theo quy hoạch);
+ Điều kiện về kết cấu hạ tầng;
+ Môi trường (bao gồm môi trường tự nhiên như cảnh quan, nguồn nước, không khí, tiếng ồn, v.v và môi trường xã hội như trật tự và an ninh xã hội, trình độ dân trí);
+ Các đặc điểm về pháp lý (quy hoạch sử dụng đất, quy hoạch xây dựng nơi có thửa đất, khu đất; giấy chứng nhận quyền sử dụng đất; mức độ hoàn thành nghĩa vụ tài chính về đất đai theo quy định của pháp luật, v.v.);
+ Thời điểm chuyển nhƣợng, giao dịch hoặc đấu giá quyền sử dụng đất thành công; mức giá chuyển nhƣợng, giá trúng đấu giá quyền sử dụng đất;
+ Thời gian, điều kiện giao dịch chuyển nhƣợng và thanh toán
- Điều kiện của thông tin:
Những thông tin trên đây phải đƣợc thu thập từ kết quả những cuộc giao dịch chuyển nhượng quyền sử dụng đất thực tế trên thị trường trong điều kiện bình thường
Bước 2: So sánh, phân tích thông tin:
Căn cứ những thông tin đã khảo sát, thu thập được ở bước 1, tiến hành tổng hợp, phân tích, so sánh để lựa chọn những tiêu chí giống nhau và khác nhau giữa các thửa đất, khu đất so sánh với thửa đất, khu đất cần định giá Trên cơ sở đó xác định các tiêu chí giống và khác biệt về giá để tính toán, xác định giá cho thửa đất, khu đất cần định giá
Bước 3: Thực hiện điều chỉnh các yếu tố khác biệt về giá giữa các thửa đất, khu đất so sánh với thửa đất, khu đất cần định giá để xác định giá cho thửa đất cần định giá
Giá trị ƣớc tính của thửa đất, khu đất cần định giá đƣợc tính theo cách điều chỉnh các yếu tố khác biệt về giá với từng thửa đất, khu đất so sánh nhƣ sau:
Giá trị ƣớc tính của thửa đất, khu đất cần định giá
Giá chuyển nhƣợngquyền sử dụng đất của từng thửa đất, khu đất so sánh ±
Mức tiền điều chỉnh về giá hình thành từ những yếu tố khác biệt của từng thửa đất, khu đất so sánh với thửa đất, khu đất cần định giá Trong đó, mức tiền điều chỉnh về giá xuất phát từ những khác biệt về vị trí đất, kết cấu hạ tầng, đặc điểm pháp lý, mức độ ô nhiễm môi trường, v.v của từng thửa đất, khu đất so sánh so với thửa đất, khu đất cần định giá Mức tiềnđiều chỉnh về giá theo từng yếu tố khác biệt giữa thửa đất so sánh và thửa đất cần định giá (có thể tính theo giá trị tuyệt đối hoặc tỷ lệ phần trăm (%) của giá chuyển nhƣợng quyền sử dụng đất thực tế của thửa đất so sánh trên thị trường trong điều kiện bình thường tại địa phương, sau đó tính thành tiền) được xác định căn cứ vàođánh giá của các tổ chức tƣ vấn hoặc các chuyên viên và cơ quan có nhiệm vụ trực tiếp xác định giá đất tham mưu cho Ủy ban nhân dân cấp tỉnh quyết định giá đất cụ thể tại địa phương căn cứ vào các chứng cứ thị trường
LOGIC MỜ VÀ MẠNG NƠRON
Logic mờ
Như đã biết, trong những suy luận đời thường cũng như các suy luận khoa học, logic toán học đóng một vai trò rất quan trọng
Ngày nay, xã hội càng phát triển thì nhu cầu con người ngày càng cao
Do đó, sự tiến bộ của khoa học cũng rất cao Suy luận logic mệnh đề (tạm gọi là logic nguyên thủy hay logic rõ) với hai giá trị đúng, sai hay 1, 0 đã không giải quyết đƣợc hết các bài toán phức tạp nảy sinh trong thực tế
Ví dụ: quần áo nhƣ thế nào đƣợc gọi là dày, là mỏng để máy giặt biết đƣợc mà có chế độ tự động sấy khô cho hợp lý?
Những bài toán nhƣ vậy ngày một nhiều hơn trong các lĩnh vực điều khiển tối ƣu, nhận dạng hệ thống, nói chung là trong các quá trình quyết định nhằm giải các bài toán với các dữ liệu không đầy đủ, hoặc không đƣợc định nghĩa một cách rõ ràng (trong điều kiện thiếu thông tin chẳng hạn)
Một cách tiếp cận mới đã mang lại nhiều kết quả thực tiễn và đang tiếp tục phát triển đó là cách tiếp cận của lý thuyết tập mờ (FUZZY SET THEORY), do giáo sư Lotfi Zadeh của trường đại học California - Mỹ đề ra năm 1965
Công trình này thực sự đã khai sinh một ngành khoa học mới là lý thuyết tập mờ và đã nhanh chóng đƣợc các nhà nghiên cứu công nghệ mới chấp nhận ý tưởng Một số kết quả bước đầu và hướng nghiên cứu tiếp theo góp phần tạo nên những sản phẩm công nghiệp đang được tiêu thụ trên thị trường Lý thuyết tập mờ ngày càng phong phú và hoàn chỉnh, đã tạo nền vững chắc để phát triển logic mờ Có thể nói logic mờ (Fuzzy logic) là nền tảng để xây dựng các hệ mờ thực tiễn, ví dụ trong công nghiệp sản xuất xi măng, sản xuất điện năng, các hệ chuyên gia trong y học giúp chuẩn đoán và điều trị bệnh, các hệ chuyên gia trong xử lý tiếng nói, nhận dạng hình ảnh, Công cụ chủ chốt của logic mờ là tiền đề hóa và lập luận xấp xỉ với phép suy diễn mờ
Trong phần này, tác giả sẽ là giới thiệu khái niệm tập mờ, logic mờ, tập trung đi vào các phép toán cơ bản và bước đầu đi vào lập luận xấp xỉ với phép suy diễn mờ để có thể áp dụng cho bài toán định giá đất
Như chúng ta đã biết, tập hợp thường là kết hợp của một số phần tử có cùng một số tính chất chung nào đó Ví dụ : tập các sinh viên Ta có :
T = { t / t là sinh viên } Vậy, nếu một người nào đó là sinh viên thì thuộc tập T, ngược lại là không thuộc tập T Tuy nhiên, trong thực tế cuộc sống cũng nhƣ trong khoa học kỹ thuật có nhiều khái niệm không đƣợc định nghĩa một cách rõ ràng Ví dụ, khi nói về một "nhóm sinh viên khá", thì thế nào là khá? Khái niệm về khá không rõ ràng vì có thể sinh viên có điểm thi trung bình bằng 7.9 là khá, cũng có thể điểm thi trung bình bằng 6.6 cũng là khá (dải điểm khá có thể từ 6.5 đến 7.9), Nói cách khác, "nhóm sinh viên khá" không đƣợc định nghĩa một cách tách bạch rõ ràng như khái niệm thông thường về tập họp Hoặc, khi chúng ta nói đến một "lớp các số lớn hơn 10" hoặc "một đống quần áo cũ", là chúng ta đã nói đến những khái niệm mờ, hay những khái niệm không đƣợc định nghĩa một cách rõ ràng Các phần tử của nhóm trên không có một tiêu chuẩn rõ ràng về tính "thuộc về" (thuộc về một tập họp nào đó) Đây chính là những khái niệm thuộc về tập mờ Trong đối thoại hàng ngày chúng ta bắt gặp rất nhiều khái niệm mờ này Ví dụ, một ông giám đốc nói: " Năm qua chúng ta đã gặt hái đƣợc một số thành tích đáng khen ngợi Năm tới đây chúng ta phải cố gắng thêm một bước nữa" Đây là một câu chứa rất nhiều khái niệm mờ
Nhƣ vậy, logic rõ có thể biểu diễn bằng một đồ thị nhƣ sau
Hình 2.1: Đồ thị thể hiện biến lôgic rõ
Logic mờ cũng có thể biểu diễn bằng một đồ thị nhƣng là đồ thị liên tục
Hình 2.2: Đồ thị thể hiện một biến lôgic mờ Định nghĩa tập mờ (Fuzzy set):
Cho Ω là không gian nền, một tập mờ A trên Ω tương ứng với một ánh xạ từ Ω đến đoạn [0,1]
A : Ω → [0,1] đƣợc gọi là hàm thuộc về (membership function)
Trong đú, àA(a) ∈ [0,1] chỉ mức độ thuộc về (membership degree) của phần tử a vào tập mờ A
Khoảng xỏc định của hàm àA(a) là đoạn [0, 1], trong đú giỏ trị 0 chỉ mức độ không thuộc về, còn giá trị 1 chỉ mức độ thuộc về hoàn toàn
Ví dụ 1: Một sự biểu diễn tập mờ cho số "integer nhỏ"
Hình 2.3: Hàm thể hiện hàm “số integer nhỏ”
Ví dụ 2: Một sự biểu diễn tập mờ cho các tập người đàn ông thấp, trung bình và cao
Hình 2.4: Hàm thể hiện tập người đàn ông thấp, trung bình, cao
Ví dụ 3: Cho Ω = {1, 2, 3, 4, 5}, tập mờ A trên Ω tương ứng với ánh xạ àA nhƣ sau: àA : 1 → 0
Cách viết trên là sự liệt kê các phần tử khác nhau cùng với mức độ thuộc về tập hợp A
Từ định nghĩa trên chúng ta có thể phát biểu:
- Tập mờ A là rỗng nếu và chỉ nếu hàm thuộc về àA(a)= 0 ,∀a∈ Ω
- Tập mờ A là toàn phần nếu và chỉ nếu àA(a) = 1 ,∀a∈ Ω
- Hai tập mờ A và B bằng nhau nếu àA(x) = àB(x) với mọi x trong Ω
Ví dụ 4: Cho Ω = {1, 2, 3, 4, 5}, tập mờ A trên Ω tương ứng với ánh xạ àA nhƣ vớ dụ trờn
Tập mờ B trờn Ω tương ứng với ỏnh xạ àB như sau: àB : 1 → 0
Nhận thấy, àA(x) = àB(x) với mọi x trong Ω Vậy A= B
Trong logic rõ thì mệnh đề là một câu phát biểu có giá trị đúng hoặc sai.Trong logic mờ thì mỗi mệnh đề mờ là một câu phát biểu không nhất thiết là đúng hoặc sai
Mệnh đề mờ đƣợc gán cho một giá trị trong khoảng từ 0 đến 1 để chỉ mức độ đúng (độ thuộc về) của nó
Ví dụ : " Nam trông khá đẹp trai"
"Chiếc xe này chạy cũng đƣợc đấy"
"Cô ấy sống tạm gọi là hạnh phúc"
Cho Ω = {P1, P2, } với P1, P2, là các mệnh đề Tập mờ A trên Ω tương ứng với ánh xạ v như sau: v : Ω → [0, 1]
Ta gọi v(Pi) là độ thuộc về của mệnh đề Pi trên [0, 1]
Các phép toán trên mệnh đề mờ là các phép toán logic mờ dựa trên các tập mờ
Ký hiệu độ thuộc về của mệnh đề mờ P là v(P), ta có: 0≤v(P)≤ 1
2.1.4 Các phép toán mệnh đề trong logic mờ a Phép phủ định: v(┐P ) = 1 - v(P) b Phép tuyển: v(P1∨ P2) = max(v(P1), v(P2)) c Phép hội: v(P1∧ P2) = min(v(P1), v(P2))
Cho P, Q, R là các mệnh đề mờ với : v(P) = 0.1, v(Q)= 0.9, v(R) = 0.8
Mệnh đề M = (P∧Q)∨R có chân trị (độ thuộc về) là : 0.8 c Phép kéo theo: v(P→Q) = v(┐P∨Q) = max(v(┐P ), v(Q))
Ví dụ 2: Cho P, Q là các mệnh đề mờ với : v(P) = 0.1, v(Q)= 0.6 Mệnh đề v(P→Q) = v(┐P∨Q) = max(v(┐P ), v(Q)) = max(1- 0.1, 0.6)
Suy diễn mờ hay còn gọi là suy luận xấp xỉ là quá trình suy ra những kết luậndưới dạng các mệnh đề mờ trong điều kiện của qui tắc "Nếu thì ", với các dữ liệu đầu vào cho trước là không được rõ ràng
Thông thường, suy diễn mờ hay sử dụng luật Modus Ponnens hoặc Modus Tollen Trong logic rõ, Modus Ponnen diễn đạt nhƣ sau:
Mệnh đề 1 (Luật hoặc tri thức): P → Q Mệnh đề 2 (Sự kiện): P đúng
Kết luận: Q đúng Trong suy diễn mờ, luật được diễn đạt dưới dạng sau:
Sự kiện mờ: x=A' Kết luận: y=B' trong đó A, A' là các tập mờ trên không gian P, B và B' là các tập mờ trên không gian Q
Ví dụ : Luật mờ: Nếu góc tay quay ga lớn thì xe đi nhanh
Sự kiện mờ: Góc tay quay khá lớn Kết luận: Xe đi khá nhanh
Trong logic rõ Modus Tollen có dạng:
Mệnh đề 1 (Luật hoặc tri thức): P → Q Mệnh đề 2 (Sự kiện): ơQ đỳng
Kết luận: ơP đỳng Trong suy diễn mờ, luật được diễn đạt dưới dạng sau:
Luật mờ (hoặc tri thức mờ): P → Q
Sự kiện mờ: ơQ khỏ đỳng Kết luận: ơP khỏ đỳng
Luật mờ: Nếu góc tay quay ga lớn thì xe đi nhanh
Sự kiện mờ: Xe không đi nhanh lắm Kết luận: Góc tay quay không lớn lắm
Hình 2.5: Mô hình hệ thống suy diễn mờ
Bộ mờ hóa: Chuyển các biến giá trị thực thành các biến mờ
Cơ sở luật mờ: Là tập hợp các luật mờ
Bộ suy diễn mờ:Sử dụng các luật mờ để tính mức giá trị các luật Giải mờ:Chuyển kết quả mờ thành kết quả đầu ra thực
2.2 Mạng Nơ ron 2.2.1 Khái niệm mạng nơ ron
Mạng nơ ron nhân tạo là một mô phỏng xử lý thông tin, đƣợc nghiên cứu ra từ hệ thống thần kinh của sinh vật, giống nhƣ bộ não để xử lý thông tin Nó bao gồm số lƣợng lớn các mối gắn kết cấp cao để xử lý các yếu tố làm việc trong mối liên hệ giải quyết vấn đề rõ ràng Mạng nơ ron nhân tạo giống nhƣ con người, được học bởi kinh nghiệm, lưu những kinh nghiệm hiểu biết và sử dụng trong những tình huống phù hợp
Bộ giải mờ Đầu vào (số) Đầu vào (tập mờ)
Tham khảo luật mờ Đầu ra (tập mờ) Đầu ra (số) Đầu tiên mạng nơ ron nhân tạo đƣợc giới thiệu năm 1943 bởi nhà thần kinh học Warren McCulloch và nhà logic học Walter Pits Nhƣng với những kỹ thuật trong thời gian này chƣa cho phép họ nghiên cứu đƣợc nhiều Những năm gần đây mô phỏng mạng nơ ron nhân tạo xuất hiện và phát triển Các nghiên cứu ứng dụng đã đƣợc thực hiện trong các ngành: điện, điện tử, kỹ thuật chế tạo, y học, quân sự, kinh tế
2.2.2 Cấu trúc mạng nơ ron
Mỗi nơ ron (nút) là một đơn vị xử lý thông tin của mạng nơ ron, là yếu tố cơ bản để cấu tạo nên mạng nơ ron x1 x2 xn
Hình 2.6: Cầu trúc 1 nơ ron
Trong đó x i : Các tín hiệu input w kp : Trọng số của từng input F(.): Hàm hoạt động yk: Kết xuất của Neural b: Thông số ảnh hưởng đến ngưỡng ra của output a Mạng dẫn tiến một lớp
Mạng dẫn tiến một lớp là cấu trúc mạng nơ ron đơn giản nhất.Mạng này chỉ gồm1 lớp xuất, không có lớp ẩn
Hình 2.7: Mạng dẫn tiến một lớp b M ạng dẫn tiến nhiều lớp
Hình 2.8: Cấu trúc mạng dẫn tiến nhiều lớp
Mạng nơ ron nhiều lớp có thể giải quyết các bài toán phi tuyến nhờ vào các lớp ẩn Các lớp ẩn này xen giữa các input bên ngoài và output của mạng
Càng nhiều lớp ẩn thì khả năng mở rộng thông tin càng cao và xử lý tốt mạng có nhiều input và output
Các hàm hoạt động phải có các đặc tính sau:
- Hàm bị chặn trên và chặn dưới;
- Hàm có tính đơn điệu;
- Hàm phải có tính liên tục và trơn;
Trong thực tế thông thường người ta thường chọn các hàm sau: a Hàm Threhold
Tiến trình học là tiến trình quan trọng của con người, nhờ học mà bộ não ngày càng tích luỹ những kinh nghiệm để thích nghi với môi trường và xử lý tình huống tốt hơn Mạng neural xây dựng lại cấu trúc bộ não thì cần phải có khả năng nhận biết dữ liệu thông qua tiến trình học, với các thông số tự do của mạng có thể thay đổi liên tục bởi những thay đổi của môi trường và mạng neural ghi nhớ giá trị đó x1 x2 xn w1 w2 wn
Trong quá trình học, giá trị đầu vào đƣợc đƣa vào mạng và theo dòng chảy trong mạng tạo thành giá trị ở đầu ra
Tiếp đến là quá trình so sánh giá trị tạo ra bởi mạng nơ ron với giá trị ra mong muốn Nếu hai giá trị này giống nhau thì không thay đổi gì cả Tuy nhiên, nếu có một sai lệch giữa hai giá trị này vƣợt quá giá trị sai số mong muốn thì đi ngƣợc mạng từ đầu ra về đầu vào để thay đổi một số kết nối Đây là một quá trình lặp liên tục và có thể không dừng khi không tìm các giá trị w sao cho đầu ra tạo bởi mạng Neural bằng đúng đầu ra mong muốn Do đó trong thực tế người ta phải thiết lập tiêu chuẩn dựa trên một giá trị sai số nào đó của hai giá trị này, hay dựa trên một số lần lặp xác định Để tiện cho việc trình bày, ta ký hiệu y là giá trị kết xuất của mạng nơ ron, t là giá trị ra mong muốn, e là sai lệch giữa hai giá trị này: e = t – y (2.5)
Thuật toán Back – Propagation đƣợc sử dụng để điều chỉnh các trọng số kết nối sao cho tổng sai số E nhỏ nhất n
Trong đó: t (x i , w): giá trị của tập mẫu y (x i ): giá trị kết xuất của mạng
ỨNG DỤNG LOGIC MỜ TRONG ĐỊNH GIÁ ĐẤT
Mô hình hóa bài toán định giá đất
Giá đất phụ thuộc rất nhiều yếu tố từ khách quan đến chủ quan, để đơn giản ta xét các thửa đất trong cùng khu vực, khi đó giá đất sẽ phụ thuộc vào các yếu tố: Độ rộng mặt tiền, chiều dài thửa đất và khoảng cách từ từ đất đến đường chính
Lúc đó mỗi mẫu thu thập đƣợc mô tả bằng một bộ bốn giá trị: Độ rộng mặt tiền, chiều dài thửa đất, khoảng cách từ từ đất đến đường chính và giá
Mục tiêu là khi đã có tập dữ liệu này và có thêm một thửa đất mới ta đƣa ra đƣợc giá đất của thửa đất này
Dữ liệu huấn luyện: Gồm một tập bộ 4 giá trị: Chiều rộng, chiều dài và khoảng cách đến đường chính và giá Bộ dữ liệu bao gồm 116 mẫu được chia thành hai tập: tập học gồm 98 mẫu, tập kiểm tra gồm 18 mẫu Dữ liệu mẫu có chiều rộng từ 2.3 đến 6 mét, chiều dài từ 5 đến 20 mét, khoảng cách đến đường từ 0 đến 41.5 mét và có giá từ 2 đến 30 triệu đồng trên mét vuông
Bảng 3.1 Dữ liệu giá đất thu thập đƣợc
Rộng Dài Khoảng cách Giá thực tế
Định giá đất bằng logic mờ
Mô hình định giá đất có 3 biến đầu vào là chiều rộng, chiều dài và khoảng cách tới đường và 1 biến ra là giá đất
Mờ hóa: Chiều rộng đƣợc đánh giá qua 3 mức độ: Hẹp, vừa và rộng do đó ta biểu diễn biến này gồm 3 hàm thành viên: Hep, Vua, Rong
Hình 3.1: Hàm thuộc về của biến đầu vào rộng
Hàm thành viên “Hep” là làm trimf với giá trị bằng 0 tại 0.83, bằng 1 tại 2.3 và giá trị bằng 0 tại 3.77
Hàm thành viên “Vua” là làm trimf với giá trị bằng 0 tại 2.67, băng 1 tại 4.15 và bằng 0 tại 5.63
Hàm thành viên “Rong” là làm trimf với giá trị bằng bằng 0 tại 4.52, 1 tại
Tương tự, Chiều dài gồm 3 hàm thành viên: Ngan [-0.96 5.04 11.04], Vua [6.5 12.5 18.5], Dai [13.95 19.95 25.95]; Khoảng cách đến đường gồm 3 hàm thành viên: Sat[-16.6 0 16.6], Gan [4.15 20.75 37.35], Xa [24.9 41.5 58.1]; Giá đất gồm 3 hàm thành viên: Thap [-9.2 2 13.2], Vua [4.8 16 27.2],Cao [18.73 29.93 41.13]
Cơ sở luật mờ:Gồm 27 luật mang tính chất chuyên gia:
1 If (Rong is Hep) and (Dai is Ngan) and (CachDuong is Sat) then (Gia is vua) (1)
2 If (Rong is Hep) and (Dai is Ngan) and (CachDuong is Gan) then (Gia is Thap) (1)
27 If (Rong is Rong) and (Dai is Dai) and (CachDuong is Xa) then (Gia is Thap) (1)
Bộ suy diễn mờ:Chọn phương pháp suy diễn min-max Các luật được xem là tương đương nhau nên trọng số các luật được đặt bằng 1
Giải mờ: Sử dụng phương pháp giải mờ centroid
3.2.2 Kết quả thử nghiệm Áp dụng mô hình vừa đƣợc xây dựng với một số đầu vào đã đƣợc thu thập ta có kết quả sau:
Bảng 3.2: Kết quả áp dụng hệ suy diễn mờ
Rộng Dài Khoảng cách Giá Kết quả mô hình
- Kết quả mô hình không ổn định phụ thuộc vào độ đúng đắn của bộ tham số Bộ tham số có thể phù hợp cho bộ dữ liệu này nhƣng không phụ hợp với bộ dữ liệu khác
- Rất khó xác định đƣợc giá trị tốt nhất cho bộ tham số
- Không thể áp dụng cho các bộ dữ liệu khác nhau Ƣu điểm: Nhanh, đơn giản, không phụ thuộc dữ liệu.
Định giá đất bằng logic mờ và mạng nơ ron
Khắc phục hạn chế của phương pháp định giá đất bằng logic mờ, ta kết hợp kỹ thuật học máy bằng mạng nơ ron để xác định giá trị phù hợp cho các tham số của mô hình
Huấn luyện mô hình Áp dụng mô hình với dữ liệu mới
Hình 3.2: Các bước thực hiện định giá đất bằng logic mờ và mạng nơ ron
Bước 1: Đọc dữ liệu từ file Bước 2: Khởi tạo mạng nơ ron Bước 3: Huấn luyện mạng nơron Bước 4: Sử dụng mạng nơ ron đã huấn luyện để định giá một trường hợp cụ thể
3.3.2Mô hình định giá đất kết hợp hệ suy diễn mờ và mạng nơ ron
Hình 3.3: Mô hình định giá đất bằng suy diễn mờ và mạng nơ ron
Bộ giải mờ Đầu vào (số) Đầu vào (tập mờ)
Tham khảo luật mờ Đầu ra (tập mờ) Đầu ra (số)
So sánh tập dữ liệu huẩn luyện
Bộ suy diễn mờ:Sử dụng ANFIS luật học dạng TSK (Takasi,Sugeno và
R j : IF u 1 is A 1 j AND u 2 is A 2 j … AND u n is A n j THEN y = f j p0 j + 𝑛 𝑖=1 𝑝 𝑖 𝑗 𝑥 𝑖
Cấu trúc của ANFIS: Gồm 6 lớp
Lớp 1: Là lớp đầu vào, mỗi nút thứ i có tín hiệu u i Lớp 2: Mỗi phần tử là một hàm liờn thuộc à A2 j(ui) Lớp 3:Mỗi phần tửR j tương ứng thực hiện một luật thứ j: à j =∑ i=1 n à i (u i ) (3.1) Lớp 4:Mỗi phần tử n tương ứng thực hiện phép tính: à j = à j à j
Lớp 5:Mỗi phần tửntương ứng thực hiện phép tính:
𝑓 𝑗 = 𝜇 𝑗 (𝑝 0 𝑗 + 𝑛 𝑖=1 𝑝 𝑖 𝑗 𝑢 𝑖 ) (3.3) Lớp 6:Có một phần tử thực hiện phép tính giá trị đầu ra:
Vấn đề đặt ra là cần tìm các luật cập nhật bộ các thông số điều chỉnh ở các lớp 2 và 5 cho ANFIS khi sử dụng hàm liên thuộc Gauss thực hiện theo phương pháp hạ gradient để tìm các luật điều chỉnh các thông số nói trên
Luật cập nhật thông số điều chỉnh ở lớp 5:
(3.6) Luật cập nhật bộ thông số điều chỉnh ở lớp 2:
Thay đổi số lượng hàm thành viên và số bước lặp ta có mức độ lỗi như bảng sau:
Bảng 3.3: Mức độ lỗi qua từng bước học
Số hàm thành viên: 3 Số hàm thành viên:5
Thời gian(s) Lỗi Thời gian(s) Lỗi
- Thời gian học tỷ lệ tuyến tính với số lần học
- Thời gian học của mỗi lần học tăng lên khi số hàm thành viên tăng lên do khi số hàm thành viên tăng lên làm số nút trong mạng nơ ron tăng lên, công thức tính tăng lên Thời gian này không tăng tuyến tính theo số hàm thành viên mà theo hàm lũy thừa
- Sau một thời gian học mô hình đạt đến độ ổn định, thời gian để mô hình đạt độ ổn định phụ thuộc vào số hàm thành viên Khi số hàm thành viên càng nhiều thì càng cần nhiều lần học để mô hình ổn định
Bảng 3.4 Kết quả chạy thử đối với một số dữ liệu mẫu sử dụng mô hình 3 hàm thành viên
STT Rộng Dài Khoảng cách
Giá trị Sai số Giá trị Sai số Giá trị Sai số Giá trị Sai số
Hình 3.5: Sai số tương đối của giá trị theo mô hình và giá trị thực tế
Bảng 3.5 Kết quả chạy thử đối với một số dữ liệu mẫu sử dụng mô hình 4 hàm thành viên
STT Rộng Dài Khoảng cách
Giá trị Sai số Giá trị Sai số Giá trị Sai số Giá trị Sai số
Thử nghiệm với số lƣợng hàm thành viên là 3, 4 và 5 ta có sai số trung bình nhƣ sau:
Bảng 3.6: Sai số giữa mô hình và thực tế theo số hàm thành viên và số lần chạy:
- Thời gian học tỷ lệ tuyến tính với số lần học
- Kết quả mô hình ANFIS chính xác hơn nhiều so với mô hình hệ suy diễn mờ đơn thuần
- Khi số lần học tăng lên, độ chính xác của mô hình tăng lên, điều này chứng tỏ mô hình học ngày càng có hiệu quả tuy nhiên khi số lần học tăng đến một khoảng nào đó, mô hình ổn định giá trị đầu ra ít biến đổi
- Do số lƣợng dữ liệu thu thập chƣa nhiều nên khi sử dụng quá nhiều hàm thành viên dẫn đến tình trạng mô hình quá khớp với dữ liệu học
Trong luận văn này, học viên đã tìm hiểu các vấn đề liên quan đến giá đất, logic mờ và mạng nơ ron để xây dựng mô hình định giá đất Xây dựng mô hình định giá bằng lôgic mờ và mạng nơ ron sử dụng các dữ liệu thu thập trước đó để định giá thửa đất.Mô hình định giá đất bằng logic mờ còn nhiều hạn chết chƣa giải quyết đƣợc yêu cầu của bài toán Khắc phục các nhƣợc điểm của mô hình định giá đất bằng logic mờ tác giả đƣa ra mô hình định giá đất bằng việc kết hợp việc học máy bằng mạng nơ ron và logic mờ, mô hình này đã khắc phục đƣợc các hạn chế của mô hình định giá bằng logic mở đơn thuần Mô hình này giải quyết vấn đề phải có kiến thức chuyên gia trong việc tìm các tham số cho mô hình logic mờ, phù hợp với nhiều nguồn dữ liệu khác nhau,…Mô hình cơ bản giải quyết đƣợc các vấn đề về định giá đấttuy nhiên do thời gian có hạn, tác giả không xây dựng mô hình định giá trên toàn bộ các yếu tố ảnh hưởng đến giá đất nên độ chính xác của mô hình chƣa cao.
