Bài giảng Quy trình thực hiện một luận văn cao học ngành quản lý xây dựng về dự báo tổng mức đầu tư dự án giao thông tại Bình Định

Bài giảng Quy trình thực hiện một luận văn cao học ngành quản lý xây dựng về dự báo tổng mức đầu tư dự án giao thông tại Bình Định

QUY TRÌNH THỰC HIỆN MỘT LUẬN VĂN CAO HỌC NGÀNH

• Bài gi ả ng này biên so ạ n theo lu ậ n v ă n th ạ c s ỹ

c ủ a L ư u Nh ấ t Phong , ngành Công ngh ệ &

Gi ả ng viên: PGS.TS L ư u Tr ườ ng V ă n, Đạ i h ọ c M ở TP.HCM 2

1 M Ụ C TIÊU NGHIÊN C Ứ U

Gi ả ng viên: PGS.TS L ư u Tr ườ ng V ă n, Đạ i h ọ c M ở TP.HCM 3

Các mục tiêu nghiên cứu

Xác định các yếu tố ảnh hưởng đến tổng mức

đầu tư của dự án làm các biến đầu vào

Thiết lập mô hình ANN dự báo tổng mức

đầu tư, chi phí xây dựng nền đường,

xây dựng móng mặt và công trình thoát nước

Artificial Neural Network,

xây dựng móng mặt và công trình thoát nước

Xây dựng mô hình hồi quy đa biến

để so sánh với mô hình ANN

Tự động hóa dự báo

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

Network, Multiple linear regression

dự đoán TMĐT

Trang 4

Phạm vi nghiên cứu

Tính chất, đặc trưng của đối tượng nghiên cứu: Đối tượng nghiên cứu là

dự án xây dựng công trình giao thông (đường bộ), nghiên cứu trong giai đoạn chuẩn bị dự ánĐịa điểm: Các dự án

xây dựng công trình giao thông tỉnh Bình

Trang 5

2 CÔNG C Ụ NGHIÊN C Ứ U

Gi ả ng viên: PGS.TS L ư u Tr ườ ng V ă n, Đạ i h ọ c M ở TP.HCM 6

Các công cụ nghiên cứu

Xác định các nhân tố ảnh

hưởng đến tổng mức đầu tư

xây dựng công trình giao thông

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

Phân tích hồi quy đa biến và

kiểm định mô hình hồi quy - Linear Regression của SPSS

3 QUY TRÌNH TH Ự C HI Ệ N

Gi ả ng viên: PGS.TS L ư u Tr ườ ng V ă n, Đạ i h ọ c M ở TP.HCM 8

Xác định các yếu tố chính ảnh hưởng đến tổng

qua thảo luận nhóm, bảng câu hỏi

đến tổng mức đầu tư bằng phương pháp phân tích thống kênhân tố ảnh

Trang 9

Ph ươ ng pháp nguyên c ứ u

7

6

Xử lý số liệu Hồi quy đa biến

9

Kiểm định

và đánh giá

độ phù hợp của mô hình

10

Phân tích kết quả MLR

12

Xây dựng

mô hình mạng ANN

Trang 10

13

Huấn luyện mạng, đánh giá độ phù hợp mô hình

14

Phân tích kết quả ANN

Kết luận và kiến nghị

Sau khi thảo luận nhóm với 6

chuyên gia thực hiện quản lý dự

án, 20 yếu tố đã được phát

triển và được xem là ảnh

hưởng đến tổng mức đầu tư

dự án xây dựng công trình

đường bộ

Bao gồm các nhân tố sau:

• Quy mô dự án (cấp đường)

• Tình trạng ngập nước xung quanh nền đường

B ả ng câu h ỏ i

B ả ng câu h ỏ i g ồ m có 3 ph ầ n chính:

– Ph ầ n gi ớ i thi ệ u: Nh ằ m đị nh h ướ ng các ứ ng viên

hi ể u đượ c v ấ n đề đ ang kh ả o sát, có đượ c cái nhìn khách quan c ũ ng nh ư hi ể u đượ c cách tr ả l ờ i các câu

h ỏ i kh ả o sát cho phù h ợ p v ớ i suy ngh ĩ , kinh nghi ệ m

– Ph ầ n B: là ph ầ n thông tin cá nhân c ủ a các ứ ng

viên, có th ể dùng để th ự c hi ệ n nhi ề u phép phân tích

th ố ng kê nh ằ m m ụ c đ ích đ ánh giá b ổ sung v ề thông tin kh ả o sát.

Gi ả ng viên: PGS.TS L ư u Tr ườ ng V ă n, Đạ i h ọ c M ở TP.HCM 12

THU TH Ậ P D Ữ LI Ệ U

Gi ả ng viên: PGS.TS L ư u Tr ườ ng V ă n, Đạ i h ọ c M ở TP.HCM 13

Ph ươ ng pháp thu th ậ p d ữ li ệ u

3

5

- D ữ li ệ u t ừ ngu ồ n s ơ c ấ p (primary sources): B ả ng câu

h ỏ i đượ c g ử i tr ự c ti ế p ho ặ c gián ti ế p qua email đế n

D ữ li ệ u dùng cho nghiên c ứ u này ch ủ y ế u

t ừ hai ngu ồ n s ơ c ấ p và th ứ c ấ p.

Company Logo Trang 14

h ỏ i đượ c g ử i tr ự c ti ế p ho ặ c gián ti ế p qua email đế n

4 Tóm tắt về các bước xây dựng mô

hình dự báo theo ANN và MLR

Gi ả ng viên: PGS.TS L ư u Tr ườ ng V ă n, Đạ i h ọ c M ở TP.HCM 15

Các bước xây dựng mô hình ANN

5

B ướ c 1 Thu thập và mã hóa dữ liệu, nhập vào SPSS

B ướ c 2

Xác định biến đầu vào và biến đầu ra cho ANN, lựa chọn cách biến

đổi (rescaling) dữ liệu đầu vào theo một trong các cách:

Standardized, Normalized, Adjusted Normalized hoặc None

B ước 3 Phân chia tập dữ liệu để huấn luyện (training) và kiểm tra (test)

B ước 4

Thiết lập cấu trúc mạng bao gồm số lớp ẩn, số nút trong lớp ẩn, hàm truyền của lớp ẩn, hàm truyền lớp xuất, các biến đổi (rescale)

Company Logo Trang 16

B ước 4 hàm truyền của lớp ẩn, hàm truyền lớp xuất, các biến đổi (rescale)

dữ liệu đầu ra.

B ước 5 Lựa chọn huấn huyện mạng theo cách cập nhật trọng số một lần,

mẻ (batch); từng bộ (online) hoặc từng phần (mini-batch).

B ướ c 6 Thiết lập các khống chế dừng huấn luyện và các lựa chọn xuất ra

kết quả thực hiện.

B ướ c 7 Kiểm tra đánh giá sai số mô hình và sử dụng mạng (bộ trọng số tối

ưu được dùng cho các việc tự động hóa tính toán ước lượng)

Lựa chọn xuất ra các thông số thống kê hồi quy như: các ước

Company Logo Trang 17

Bước 4

Lựa chọn xuất ra các thông số thống kê hồi quy như: các ước

lượng, khoảng tin cậy, ma trận hiệp phương sai, model fit (các

thống kê đánh giá độ phù hợp của mô hình), các thống kê mô

tả, chuẩn đoán đa cộng tuyến, trị thống kê Durbin – Watson.

Bước 5

- Thiết lập để chương trình vẽ ra các dạng đồ thị liên quan đến

mô hình hồi quy

- Sao lưu các biến mới trong phân tích hồi quy tuyến tính như:

phần dư, giá trị dự đoán và các thông số liên quan đến biến

mới.

- Chạy phân tích hồi quy

Các bước xây dựng mô hình MLR (tt)

5

Bước 6

- Đánh giá độ phù hợp của mô hình bằng Adjust R square.

- Kiểm tra giả định liên hệ tuyến tính.

- Kiểm tra điều kiện độc lập của các phần dư bằng trị thống kêDurbin – Watson,

- Kiểm tra giả định phương sai phần dư cân bằng qua quan sátscatterplot của phần dư với các biến độc lập

5 Kết quả chi tiết của nghiên

cứu

Gi ả ng viên: PGS.TS L ư u Tr ườ ng V ă n, Đạ i h ọ c M ở TP.HCM 19

5.1 PHÂN TÍCH VỀ ĐỐI TƯỢNG THAM GIA PHỎNG VẤN & DỮ

LIỆU THỨ CẤP

Gi ả ng viên: PGS.TS L ư u Tr ườ ng V ă n, Đạ i h ọ c M ở TP.HCM 20

Kinh nghiệm của các ứng viên tham gia

phỏng vấn

Gi ả ng viên: PGS.TS L ư u Tr ườ ng V ă n, Đạ i h ọ c M ở TP.HCM 21

Kinh nghiệm của các ứng viên tham gia

Dữ liệu thứ cấp

Để đả m b ả o tính th ố ng nh ấ t và gi ả m độ phân tán c ủ a d ữ li ệ u thu th ậ p,

d ữ li ệ u m ộ t s ố bi ế n đị nh tính đượ c phân theo các khung nh ư sau:

+ Bi ế n Quy mô d ự án (c ấ p đườ ng): Phân lo ạ i c ấ p qu ả n lý đườ ng

+ Bi ế n Lo ạ i k ế t c ấ u l ớ p m ặ t đườ ng, bao g ồ m m ặ t đườ ng bê tông

nh ự a (BTN) và m ặ t đườ ng bê tông xi m ă ng (BTXM).

+ Bi ế n Tình tr ạ ng ng ậ p n ướ c xung quanh n ề n đườ ng, bao g ồ m

hai tình tr ạ ng có ng ậ p n ướ c (C) và không ng ậ p n ướ c (K).

+ Bi ế n Đ i ề u ki ệ n đị a ch ấ t, bao g ồ m 03 lo ạ i: có x ử lý đấ t y ế u (DY), bình th ườ ng (BT) và có đ ào phá đ á (DD).

Gi ả ng viên: PGS.TS L ư u Tr ườ ng V ă n, Đạ i h ọ c M ở TP.HCM 23

5.2 MÔ HÌNH ANN CHO

TỔNG MỨC ĐẦU TƯ

Gi ả ng viên: PGS.TS L ư u Tr ườ ng V ă n, Đạ i h ọ c M ở TP.HCM 24

Mô hình ANN cho TM Đ T

3

5-Kết quả nguyên cứu định tính xây dựng được 20 nhân tố ảnh hưởng đếntổng mức đầu tư

- Thang đo lường của bảng câu hỏi đã được kiểm tra độ tin cậy theoCronbach Alpha, cho kết quả tốt

- Dựa vào kết quả trả lời bảng câu hỏi của 75 chuyên gia theo tiêu chuẩngiá trị trung bình ≥ 3,8 trong thang đo Likert 5 mức độ ở mức ý nghĩa 5%

• Xác định nhân tố chính ảnh hưởng đến tổng mức đầu tư

Company Logo Trang 25

giá trị trung bình ≥ 3,8 trong thang đo Likert 5 mức độ ở mức ý nghĩa 5%(One sample t - test), giữ nguyên 20 nhân tố làm biến đầu vào mô hìnhANN

• Kết quả thu thập dữ liệu thứ cấp

- Dữ liệu thứ cấp 33 dự án theo 20 biến (làm biến đầu vào) và 04 biến đầu

ra gồm: Tổng mức đầu tư, Chi phí xây dựng nền đường, Chi phí xây dựngmóng mặt đường, Chi phí xây dựng công trình thoát nước

thái không ngập nước

X ử lý s ố li ệ u cho m ạ ng n ơ -ron nhân t ạ o

Tổ hợp

Nhóm 2: 30 dự án

Tổ hợp biến

Mã hóa biến

Tổ hợp biến

Trang 26

Snen = Bnen*chieudai*1000 Smat = Bmat*chieudai*1000 Snen = Bnen*chieudai*1000 Smat = Bmat*chieudai*1000

5

K ế t qu ả xây d ự ng mô hình ANN

Kết quả huấn luyện mô hình ANN bằng chương trình SPSS 17.0

Kết quả MAPE trung bình (nhóm 1) = 27%

Company Logo Trang 27

R2 adj (Tongmuc) = 0,9661

R2 adj (XDnen) = 0,9811

R2 adj ( XDmat) = 0,9494

R2 adj (XDcongtrinhtn) =

0,9506

5.3 MÔ HÌNH MLR CHO

TỔNG MỨC ĐẦU TƯ

Gi ả ng viên: PGS.TS L ư u Tr ườ ng V ă n, Đạ i h ọ c M ở TP.HCM 28

(X1)

r 653 1 756 612 674 509 787 725sig 000 000 000 000 004 000 000

chieudai

(X2)

r 716 756 1 509 557 379 988 948sig 000 000 004 001 039 000 000

Lcauban

(X4)

r 565 674 557 726 1 342 592 454sig 001 000 001 000 064 001 012

Lcaudam

(X5)

r 711 509 379 258 342 1 413 379sig 000 004 039 169 064 023 039

Snen

(X6)

r 772 787 988 585 592 413 1 955sig 000 000 000 001 001 023 000

Smat

(X7)

r 745 725 948 508 454 379 955 1sig 000 000 000 004 012 039 000

Tổ hợp

Phân tích tương quan

đủ thẳng

Trang 30

- Kiểm tra biểu đồ phân tán của

16 biến độc lập và biến phụ thuộc Tongmuc

- Có 7 bi ế n đượ c ch ọ n.

- Kiểm tra biểu đồ phân tán của

16 biến độc lập và biến phụ thuộc Tongmuc

- Có 7 bi ế n đượ c ch ọ n.

Xác định biến định lượng

5

Kết quả xây dựng mô hình MLR

Tongmuc = 0,149*Snen +78,081*Lcaudam+22,493*Lcong

-Stepwise, β ≠ 0 -Stepwise, forward: - Backward, β = 0

www.quantri.com.vn Company Logo Trang 31

- Backward, β0 = 0

- Kết quả mô hình

không hợp lý ở ý nghĩa hệ số hồi quy

Ngày 15/01/11

plot gi ữ a Residual ,Tongmuc có d ấ u hi ệ u đ áng chú ý Bi ể u

đồ không có h ướ ng, nh ư ng s ự phân tán không th ự c s ự

dàn đề u.

- V ấ n đề c ũ ng x ả y ra t ươ ng t ự trong ki ể m tra gi ả đị nh

ph ươ ng sai cân b ằ ng gi ữ a bi ế n Tongmuc và Lcaudam.

Trang 32

ph ươ ng sai cân b ằ ng gi ữ a bi ế n Tongmuc và Lcaudam.

MAPE (nhóm 1) = 2.59%,

Adjust R square c ủ a mô hình do SPSS tính toán b ằ ng 0,903

R square c ủ a mô hình đ i qua g ố c t ọ a độ đượ c tính toán b ằ ng 0,860

Bi ể u đồ phân tán gi ữ a Residual chu ẩ n

hóa và Tongmuc

Gi ả ng viên: PGS.TS L ư u Tr ườ ng V ă n, Đạ i h ọ c M ở TP.HCM 33

Bi ể u đồ phân tán gi ữ a Residual và Snen

Gi ả ng viên: PGS.TS L ư u Tr ườ ng V ă n, Đạ i h ọ c M ở TP.HCM 34

Bi ể u đồ t ầ n su ấ t c ủ a ph ầ n d ư

Gi ả ng viên: PGS.TS L ư u Tr ườ ng V ă n, Đạ i h ọ c M ở TP.HCM 35

5

Bảng tóm tắt kết quả của mô hình

Model Summary e,f

Model

R 863 a 929 c 956 d

.746 864 913 Adjusted 737 854 903 Std Error of the Estimate 12360.17628 9210.71857 7486.01826

c Predictors: Snen, Lcaudam

d Predictors: Snen, Lcaudam, Lcong

e Dependent Variable: Tongmuc

f Linear Regression through the Origin

5Bảng ANOVA

ANOVA e,f

Model

Sum of Squares df Mean Square F Sig.

1

Regression 1.298E+10 1 1.298E+10 84.952 000 a

Residual 4.430E+09 29 1.528E+08 Total 1.741E+10 30

2

Regression 1.503E+10 2 7.517E+09 88.602 000 c

Residual 2.375E+09 28 8.484E+07

Company Logo Trang 37

Total 1.741E+10 30

3

Regression 1.590E+10 3 5.299E+09 94.550 000 d

Residual 1.513E+09 27 5.604E+07

Total 1.741E+10 30

a Predictors: Snen

b This total sum of squares is not corrected for the constant because the constant is zero for regression through the origin.

c Predictors: Snen, Lcaudam

d Predictors: Snen, Lcaudam, Lcong

e Dependent Variable: Tongmuc

f Linear Regression through the Origin

5Bảng các hệ số của mô hình

Coefficients a,b

Model

Unstandardized Coefficients

Standardized Coefficients

t Sig.

Collinearity Statistics

B Std Error Beta Tolerance VIF

5.4 TỰ ĐỘNG HÓA DỰ BÁO

Gi ả ng viên: PGS.TS L ư u Tr ườ ng V ă n, Đạ i h ọ c M ở TP.HCM 39

+ Cho phép ng ườ i dùng c ậ p nh ậ t l ạ i b ộ ma tr ậ n tr ọ ng s ố , thay

Ngôn ng ữ Visual Basic l ậ p trình ph ầ n m ề m: A&M Predictor

Company Logo Trang 40

+ Cho phép ng ườ i dùng c ậ p nh ậ t l ạ i b ộ ma tr ậ n tr ọ ng s ố , thay

đổ i s ố nút ẩ n cho m ạ ng ANN và c ậ p nh ậ t các h ệ s ố h ồ i quy cho

Gi ả ng viên: PGS.TS L ư u Tr ườ ng V ă n, Đạ i h ọ c M ở TP.HCM 41

Li ệ t kê và so sánh k ế t qu ả tính toán d ự

án s ố 28 (tri ệ u VN Đ )

Gi ả ng viên: PGS.TS L ư u Tr ườ ng V ă n, Đạ i h ọ c M ở TP.HCM 43

C ử a s ổ th ự c hi ệ n c ậ p nh ậ t tr ọ ng s ố c ủ a

mô hình ANN

Gi ả ng viên: PGS.TS L ư u Tr ườ ng V ă n, Đạ i h ọ c M ở TP.HCM 45

C ử a s ổ th ự c hi ệ n c ậ p nh ậ t h ệ s ố h ồ i quy

c ủ a mô hình MLR

Gi ả ng viên: PGS.TS L ư u Tr ườ ng V ă n, Đạ i h ọ c M ở TP.HCM 46

C ử a s ổ th ự c hi ệ n l ư u m ộ t file m ớ i

ch ươ ng trình A&M Predictor

Gi ả ng viên: PGS.TS L ư u Tr ườ ng V ă n, Đạ i h ọ c M ở TP.HCM 47

Tài li ệ u tham kh ả o quan tr ọ ng

[1] Emsley, M W., Love, D J., Duff, A R., Harding, A and Hickson, A

(2002) Data modelling and the application of a neural network approach

to the prediction of total construction costs Construction Management

and Economics, 20, 465-472.

[2] Hegazy, T và Ayed, A (1998) Neural Network Model for Parametric

Cost Estimating of Highway Project Journal of Construction

Engineering and Management, 124, 210-218.

[3] Wilmot, C G., and Mei, B (2005) Neural network Modeling of Highway

construction Costs Journal of Construction Engineering and

Xin cảm ơn!

Chúc các bạn đạt nhiều thành quả

tốt trong học tập!

Biên so ạ n & gi ả ng: PGS.TS L ư u Tr ườ ng V ă n, Đạ i h ọ c M ở TP.HCM 49