Bên cҥnh viӋc chia nhӓ nhà ÿӇ bán rҩW WKjQK F{QJ Pj &{QJ W\ ĈҩW /jQK ÿmthӵc hiӋn thì mô hình nhà lҳp ghép bҵng các cҩu kiӋQErW{QJÿ~FVҹn mà Công ty CP Bê tông và Xây dӵQJ9LQDFRQH[ÿDQJWULӇ
Ĉẽ1**ẽ3'Ӵ.,ӂ1&Ӫ$1*+,ầ1&Ӭ8
KӃt cҩu bê tông ӭng lӵFWUѭӟc
Theo Wikipedia ӃWFҩX ErW{QJFӕWWKpS ӭQJVXҩWWUѭӟFFzQJӑLOjNӃWFҩX bê tông FӕWWKpSӭQJOӵFWUѭӟFKD\ErW{QJWLӅQiSKRһFErW{QJGӵӭQJOӵF WrQJӑLHán-9LӋWOjNӃWFҩXErW{QJFӕWWKpS VӱGөQJVӵNӃWKӧSӭQJOӵFFăQJUҩW FDRFӫDFӕWWKpSӭQJVXҩWWUѭӟFYjVӭFFKӏXQpQFӫDbê tông ÿӇWҥRQrQWURQJNӃWFҩX QKӳQJELӃQGҥQJ QJѭӧFYӟLNKLFKӏXWҧLӣQJD\WUѭӟFNKLFKӏXWҧL1KӡÿyQKӳQJ NӃW FҩX Er W{QJ Qj\ Fy NKҧ QăQJ FKӏX WҧL WUӑQJ OӟQ KѫQ NӃW FҩX Er W{QJ WK{QJ WKѭӡQJKRһFYѭӧWÿѭӧFQKӳQJQKӏSKD\NKҭXÿӝOӟQKѫQNӃWFҩXErW{QJFӕWWKpS WK{QJWKѭӡQJ
7KHR :LNLSHGLD WKu&{QJ QJKӋ WKL F{QJ OҳS JKpS Oj F{QJ QJKӋ OҳSráp WҥL KLӋQWUѭӡQJFiFFҩXNLӋQÿmÿѭӧFFKӃWҥRVҹQӣQKjPi\WKjQKFiFNӃWFҩXFKӏXOӵF FӫDPӝWF{QJWUuQKVDXNKLÿmÿѭӧFYұQFKX\ӇQÿӃQF{QJWUѭӡQJEҵQJFiFmӕLQӕL WKLF{QJWҥLF{QJWUѭӡQJ&iFFҩXNLӋQEҵQJNLPORҥLWKuWKѭӡQJÿѭӧFJLiSPӕLEҵQJ PӕLOLrQNӃWhàn KD\OLrQNӃWFѫNKtNKiF&iFFҩXNLӋQEҵQJErW{QJKRһFErW{QJ FӕWWKpSÿ~FVҹQWKuOLrQNӃWEҵQJPӕLOLrQNӃWErW{QJKD\ErW{QJFӕWWKpSFyFKҩW OѭӧQJWѭѫQJÿѭѫQJYӟLYLӋFWKLF{QJErW{QJWRjQNKӕL &iFFҩXNLӋQÿ~FVҹQFyWKӇ OjGҫPFӝWFҫX WKDQJEҧQ VjQSDnel VjQ WҩPWѭӡQJpanel WѭӡQJGjQ YuNqR PyQJFӕFÿRҥQÿѭӡQJӕQJWXQQHOÿӕWFӑF ³7KLF{QJF{QJWUuQKWKHRSKѭѫQJSKiSOҳSJKpSOjSKѭѫQJSKiSWURQJÿyFiFNӃWFҩXÿѭӧFFKӃWҥRWKjQKQKӳQJFҩXNLӋQWҥLQKjPi\YjÿѭӧFOҳSGӵQJEҵQJFiFSKѭѫQJWLӋQFѫJLӟLWҥLF{QJWUѭӡQJ´ ( ĈͱFYj ccs, 2009).
Cҩu tҥo nhà cao tҫng bê tông cӕWWKpSÿ~FVҹn
³&iFFҩXNLӋQFӝWGҫPVjQÿѭӧFVҧQ[XҩWWҥLQKjPi\&iFWҩPVjQÿѭӧFWKLӃWNӃFyKӋVѭӡQYjOӟSÿӋPO}LFӭQJFӫDF{QJWUuQKÿѭӧFWKLF{QJWҥLFKӛKRһFWUѭӧWO}L6DXNKLFӝWGҫPWҩPVjQÿѭӧFOҳSWKu ÿәPӝWOӟSErW{QJFӕWWKpSWRjQNKӕLWUrQWRjQEӝPһWVjQWӯQJWҫQJWҩPVjQOjWҩPOӟSJLҧLSKiSWKLӃWNӃYjWKLF{QJ ÿѭӧFӭQJGөQJWKjQKF{QJWҥLFKXQJFѭ7UXQJ+zD± Nhân Chính ± +j1ӝL´ ( ĈͱF và ccs, 2009)
0ӝWVӕFҩXNLӋQErW{QJFӕWWKpSÿ~FVҹQ:
Hình 2.1&iFORҥLFҩXNLӋQOҳSJKpS
Quá trình lҳp ghép
- 9ұQ FKX\ӇQ %DR JӗP EӕF [ӃS YұQ FKX\ӇQ FҩX NLӋQ Wӯ QѫL VҧQ [XҩW ÿӃQ F{QJWUѭӡQJYjFiFTXiWUuQKOLrQTXDQÿӃQYұQFKX\ӇQEӕF[ӃSFҩXNLӋQOҳSJKpS WҥLPһWEҵQJF{QJWUuQK
.LӇPWUDFKҩWOѭӧQJNtFKWKѭӟFKuQKGҥQJVӵÿӗQJEӝYjVӕOѭӧQJFҩXNLӋQ WKHRWKLӃWNӃNKX\ӃFKÿҥLYjJLDFѭӡQJFiFNӃWFҩXQӃXFҫQWKLӃW
&KXҭQEӏgiàn giiR FiFWKLӃWEӏSKөFYөFKRYLӋFWUHREXӝFFҭXOҳSFiF WKLӃWEӏGөQJFөÿLӅXFKӍQKNLӇPWUDFӕÿӏQKWҥPYjFӕÿӏQKYƭQKYLӉQ
&KXҭQEӏYӏWUtOҳSYӋVLQKYҥFKWLP WUөFJӕLWӵDÿӇÿһWFҩXNLӋQYjRYӏ WUtWKLӃWNӃ
- LҳSÿһWNӃWFҩX 7LӃQKjQKWUHREXӝFQkQJFҩXNLӋQYjRYӏWUtWKLӃWNӃFӕ ÿӏQKWҥPÿLӅXFKӍQKYjFӕÿӏQKYƭQKYLӉQNӃWFҩX
Trình tӵ lҳp ghép công trình
/ҳSÿһWOѭӟLWKpSYjÿәEVjQ
%ѭӟF/ҳSGӵQJFӝW %ѭӟF/ҳSGӵQJGҫPOrQFӝW
%ѭӟF/ҳSGӵQJWRjQEӝGҫPFKtnh %ѭӟF/ҳSGӵQJGҫPSKө
%ѭӟF/ҳSGӵQJWҩPVjQ %ѭӟF/ҳSGӵQJOѭӟLWKpSYjÿәE
Hình 2.27UuQKWӵWKLF{QJQKjOҳSJKpS
2.1.6 +uQKҧQKWKLF{QJOҳSJKpSWKӵFWӃ
Mҥng neuron nhân tҥo là mҥng ÿѭӧc xây dӵng bҵng cách sao chép lҥi các nguyên lý tә chӭc cӫa hӋ neuron con ngѭӡi 7K~FYj+ҧL
Cҩu trúc cѫ bҧn cӫa mӝt neuron trong hӋ neuron con ngѭӡi gӗm có các ÿҫu vào (dendrities), thân neuron và ÿҫu ra (axon) Thân neuron là phҫn tӱ xӱ lý có chӭc năng thu thұp tҩt cҧ các thông tin ÿӃn tӯ các ÿҫu vào (dendrities), tính toán và ÿѭa ra quyӃt ÿӏnh ӣ ÿҫu ra (axon) ÿӇ gӣi tín hiӋu ÿӃn nhiӅu neuron khác thông qua chӭFQăQJNӃt nӕi (synaps) nhѭ ÿѭӧc mô tҧ ӣ Hình 2.3 (Th~FYj+ҧL, 2000)
Hình 2.3: Cҩu trúc cӫa mӝt neuronWURQJKӋQHXURQFRQQJѭӡL
2.2.2 &iFWKjQKSKҫQFѫEҧQFӫDPҥQJQHXURQQKkQWҥR 2.2.2.1 &ҩXWU~FPӝWQHXURQQKkQWҥR7XҩQ
Hình 2.4: Cҩu trúc cӫa mӝt neuron xiFiFWtQKLӋXÿҫXYjR wkp: WUӑQJVӕFӫDWӯQJWtQKLӋXÿҫXYjR f(.): hàm tác ÿӝQJ ykNӃW[XҩWFӫDPҥQJ bWK{QJVӕҧQKKѭӣQJÿӃQQJѭӥQJUDFӫDÿҫXUD
- Các tín hiӋu input ÿѭӧc ÿѭa vào Neuron ÿӅu có mӝt trӑng sӕ wki ÿӇ phân biӋt mӭc ÿӝ quan trӑng cӫa tӯng tín hiӋu ÿӕi vӟi Neuron ҩy
- Bӝ tәng (.): tәng trӑng hóa các input uk = i p
- Hàm tác ÿӝng (f(.)): mөc ÿtch giӟi hҥn biên ÿӝ output cӫa neuron, giá trӏ kӃt xuҩt mҥng: yk = f(uk + b);
1JRjLUDWK{QJVӕEҧQKKѭӣQJÿӃQ JLiWUӏQJ}UDFӫD1HXURQ
&iFWKjQKSKҫQFѫ EҧQFӫDFiFPҥQJQHXURQQKkQWҥRÿy OjFiFSKҫQWӱ[ӱ OêP{KuQKNӃWQӕLYjYLӋFKXҩQOX\ӋQPҥQJ
Mӛi neuron ÿѭӧc cҩu tҥo tӯ nhiӅu thân neuron, mӛi thân neuron là mӝt phҫn tӱ xӱ lý Mӛi phҫn tӱ xӱ lý có vai trò tәng hӧp các thông tin tӯ nguӗn bên ngoài hoһc tӯ các phҫn tӱ xӱ lý khác và truyӅn ÿҥt lҥi các thông tin lên phҫn tӱ xӱ lý tiӃp nhұn
Mӛi phҫn tӱ xӱ lý có nhiӅu ÿҫu vào và mӝt ÿҫu ra ĈӇ kӃt hӧp các ÿҫu vào cӫa phҫn tӱ xӱ lý, mӝt hàm tәng hӧp f có chӭc năng tәng hӧp tҩt cҧ các thông tin tӯ các nguӗn bên ngoài hoһc tӯ nhiӅu phҫn tӱ xӱ lý khác gӱi ÿӃn và ÿӇ truyӅn thông tin ÿӃn mӛi phҫn tӱ xӱ lý sau ÿy, mӝt hàm tác ÿӝng hay còn gӑi là hàm truyӅn ÿҥt f(u) có nhiӋm vө xӱ lý thông tin và truyӅn ÿi
NӃu xj là ÿҫu vào tӯ môi trѭӡng bên ngoài hoһc ÿҫu ra cӫa mӝt phҫn tӱ xӱ lý thӭ j, wij là trӑng sӕ kӃt nӕi giӳa xj và phҫn tӱ xӱ lý thӭ i và T i là giá trӏ ngѭӥng cӫa phҫn tӱ xӱ lý thӭ i, thì hàm tәng hӧp fi ÿӇ kӃt hӧp tҩt cҧ các thông tin tӯ các ÿҫu vào cӫa phҫn tӱ xӱ lý i ÿѭӧc ÿӏQKQJKƭDPӝt trong các dҥng nhѭ sau:
+jPWәQJKӧSSKLWX\ӃQEuQKSKѭѫng: f = i m
MSE: Mean squared error performance function (Hàm thӵc hiӋQWUXQJEuQKEuQKSKѭѫQJVDLVӕ)
MSEREG: Mean squared error with regularization performance function (Hàm thӵc hiӋQWUXQJEuQKEuQKSKѭѫQJVDLVӕ có qui tҳc) SSE: Sum squared error performance function
(Hàm thӵc hiӋn tәQJEuQKSKѭѫQJVDLVӕ)
KӃt hӧp ÿҫu ra cӫa phҫn tӱ xӱ lý thӭ i là mӝt hàm tác ÿӝng còn gӑi là hàm truyӅn ÿҥt f(u) (transfer funtion) Giá trӏ các nút trong lӟp ҭn và trong lӟp xuҩt là giá trӏ cӫa hàm truyӅn vӟi tham sӕ là tәng trӑng hóa, ÿӗ thӏ cӫa hàm truyӅn có dҥng chӳ S - nên ngѭӡi ta gӑi là hàm dҥng S
Mӝt hàm f(u) là mӝt hàm truyӅn dҥng S nӃu nó thӓa :
- f(u) là hàm bӏ chһQ1JKƭDOjJLiWUӏ cӫa f(u) không ÿѭӧc vѭӧt quá chһn trên FNJQJQKѭ thҩp hѫn chһn dѭӟi bҩt chҩp giá trӏ cӫa u
- f(u) là hàm ÿѫn ÿiӋu tăng Giá trӏ cӫa f(u) luôn tăng khi giá trӏ u tăng, nhѭng do tính chҩt thӭ nhҩt nên khi u tăng, f(u) tiӋm cұn giӟi hҥn là chһn trên và khi u giҧm, f(u) tiӋm cұn giӟi hҥn là chһn dѭӟi cӫa hàm
- f(u) là hàm liên tөc và trѫn, vì vұy nó có ÿҥo hàm và ÿӝ dӕc rõ ràng và phân biӋt tҥi tӯng ÿiӇm
Mӝt sӕ hàm truyӅn ÿѭӧc sӱ dөng trong mҥng neuron nhiӅu lӟp (mutilayer networks) vӟi thuұt toán lan truyӅQQJѭӧc là hàm logsig, tansig và purelin
Hình 2.7 +jPWUX\ӅQSXUHOLQ +jPORJVLJFKRJLiWUӏ NӃW[XҩWÿҫXUDQҵPWURQJNKRҧQJÿӃQ +jPWDQVLJFKRJLiWUӏNӃW[XҩWÿҫXUDQҵPWURQJNKRҧQJ-ÿӃQ +jPWX\ӃQWtQKVӱGөQJWURQJWKXұWWRiQODQWUX\ӅQQJѭӧFOjKjPSXUHOLQ
1ӃXOӟSQHXURQÿҫXUDFӫDPҥQJVӱGөQJKjPWiFÿӝQJOjSXUHOLQWKuJLiWUӏ ÿҫXUDRXWSXWFyWKӇQKұQEҩWNǤJLiWUӏQjR
7KjQKSKҫQTXDQWUӑQJWKӭKDLFӫDPҥQJQHXURQQKkQWҥRÿy OjP{KuQKNӃWQӕL0{KuQKNӃWQӕLFӫDFiFPҥQJQHXURQQKkQWҥRFyWKӇÿѭӧFFKLDUDOjPKDLORҥLÿy là các PҥQJKѭӟQJ WLӃQYjFiFPҥQJKѭӟQJ lùi
0ҥQJKѭӟQJ WLӃQ IHHGIRUZDUGQHWZRUNOjPҥQJÿѭӧF[k\GӵQJEҵQJFiFK ÿҫXUDFӫDQHXURQOӟSÿӭQJWUѭӟFFKtQKOjÿҫXYjRFӫDQHXURQӣOӟSÿӭQJVDXQy 0ҥQJKѭӟQJ WLӃQQKLӅXOӟSJӗPFyOӟSFiFQHXURQÿҫXYjRFiFOӟSQHXURQҭQ YjOӟSFiFQHXURQÿҫXUD0ҥQJQHXURQQKLӅXOӟSFyWKӇJLҧLTX\ӃWFiFEjLWRiQ SKLWX\ӃQQKӡYjRFiFOӟSҭQ&iFOӟSҭQQj\[HQJLӳDFiFLQSXWErQQJRjLYj RXWSXWFӫDPҥQJ&jQJQKLӅXOӟSҭQWKuNKҧQăQJPӣUӝQJWK{QJWLQFjQJFDo và [ӱOêWӕWPҥQJFyQKLӅXLQSXWYjRXWSXW7URQJNKLÿy PҥQJQHXURQOӟSÿѭӧF Vӱ GөQJ UӝQJ UmL WURQJ FiF KӋ WX\ӃQ WtQK QKѭQJ FҩX WU~F PҥQJ QHXURQ OӟS JLӕQJQKѭ FҩXWU~FQHXURQJӝSOҥLQrQQyNK{QJFyNKҧQăQJELӇXGLӉQ FiFKӋ SKLWX\ӃQ
0ӝWVӕP{KuQKPҥQJQHXURQKѭӟQJWLӃQ QKѭ:
Hình 2.80ҥQJQHXURQYӟLQKLӅXÿҫXYjR +RZDUGYjFFV 2009)
Mạng lưới phản hồi (feedback network) cung cấp phản hồi cho các nơ-ron tương ứng hoặc các lớp phía trên Các nơ-ron đệ quy (recurrent neurons) là các mạng đa chiều, trong đó các phần tử cấu thành là các nơ-ron và mỗi mạng là một mạng lưới phản hồi 1HXURQ khác nhau tùy thuộc vào năng lực của nơ-ron.
0ӝWEѭӟFTXDQWUӑQJWURQJPҥQJQHXURQOjYLӋFKXҩQOX\ӋQPҥQJKD\FzQOj KӑF9LӋFKӑFQj\QKҵPJL~SFKRPҥQJWtFKONJ\QKӳQJNLQKQJKLӋPYjSKҧQӭQJWӕW KѫQ
Có hai cách hӑc khác nhau trong mҥng neuron nhân tҥo: Hӑc thông sӕ (parameter learning) và hӑc cҩu trúc (structure learning) Trong luұQ YăQ Qj\ WD dùng cách hӑc thông sӕ ÿӇ huҩn luyӋn mҥng7XҩQ
Hӑc thông sӕ là phѭѫng pháp hӑc bҵng cách cұp nhұt trӑng sӕ kӃt nӕi ChӃ ÿӝ hӑc thông sӕ ÿѭӧc áp dөng là chӃ ÿӝ hӑc giám sát Hai hàm hӑFÿѭӧc sӱ dөng cho mҥng KѭӟQJ tiӃn là :
- Learngd: Gradient descent weight/bias learning function (hàm hӑc giҧm gradient sӱ dөng trӑng sӕ/nút bias ± ÿӏQKKѭӟng)
- Learngdm: Grad descent w/momentum weight/bias learning function (hàm hӑc giҧm gradient sӱ dөng trӑng sӕ/nút bias ± ÿӏQKKѭӟQJWăQJFѭӡng)
Trong cách hӑc giám sát, mҥng neuron nhân tҥo ÿѭӧc cung cҩp mӝt dãy các cһp ÿҫu vào, ÿҫu ra mong muӕQ[G[Gô[NGN.KL mӛi ÿҫu vào x(k) ÿѭӧc ÿһt vào mҥng thì ÿҫu ra mong muӕn tѭѫng ӭng d(k) và ÿҫu ra mong muӕn d(k) ÿѭӧc giám sát trong khâu phát sinh tín hiӋu sai sӕ Trӑng sӕ kӃt nӕi giӳa các neuron trong mҥng này sӁ ÿѭӧc cұp nhұt sӱ dөng tín hiӋu sai lӋch này sao cho ÿҫu ra thұt sӵ cӫa mҥng sӁ tiӃn ÿӃn ÿҫu ra mong muӕn cӫa mҥQJ7XҩQ 2007)
Hình 2.11 Mô tҧ cách hӑc giám sát cӫa mӝt mҥng neuron nhân tҥo7XҩQ
2.2.4.2 0ҥQJKѭӟQJWLӃQYjJLҧLWKXұWODQWUX\ӅQQJѭӧF7XҩQ
Giҧi thuұt truyӅQ QJѭӧc (back propagation algorithm) là mӝt trong các giҧi thuұt quan trӑng nhҩt trong lӏch sӱ phát triӇn cӫa các mҥng neuron nhân tҥo Giҧi thuұt ÿѭӧc sӱ dөng ÿӇ huҩn luyӋn các mҥng KѭӟQJ tiӃn nhiӅu lӟp vӟi các phҫn tӱ xӱ lý trong mҥng có hàm tác ÿӝng là hàm phi tuyӃn Mҥng KѭӟQJ tiӃn nhiӅu lӟp ÿѭӧc kӃt hӧp vӟi thuұt giҧi truyӅQQJѭӧc còn ÿѭӧc gӑi là mҥng truyӅQQJѭӧc (back propagation network) NӃu cho tұp các cһp mүu huҩn luyӋn ÿҫu vào - ra (x(k), d(k) vӟLN ôSJLҧi thuұt sӁ cung cҩp mӝt thӫ tөc cho viӋFFұS nhұt cỏc trӑng sӕ
Khâu phát sinh tín hiӋu sai sӕ
Tín hiӋu sai sӕ GĈҫu ra mong muӕn) thuұt vұn hành theo hai luӗng dӳ liӋu Ĉy là:
- Ĉҫu tiên, các mүu huҩn luyӋn ÿѭӧc truyӅn tӯ lӟp neuron ÿҫu vào ÿӃn lӟp ÿҫu ra và cho kӃt quҧ thӵc sӵ y(k) cӫa lӟSQHXURQÿҫu ra
- Sau ÿy, tín hiӋu sai lӋch giӳa ÿҫu ra mong muӕn và ÿҫu ra thӵc sӵ cӫa mҥng truyӅQQJѭӧc tӯ lӟp ÿҫu ra ÿӃn các lӟp ÿӭng trѭӟc ÿӇ cұp nhұt các trӑng sӕ kӃt nӕi trong mҥng
ViӋc áp dөng phѭѫng pháp lan truyӅn ngѭӧc là mӝt quá trình lһp ÿi lһp lҥi nhiӅu lҫn hai tiӃn trình chính: ánh xҥ và lan truyӅQQJѭӧc sai sӕ Hai tiӃn trình này ÿѭӧc áp dөng trên mӝt tұp mүu xác ÿӏnh Ta gӑi tiӃn trình này là luyӋn mҥng hay còn gӑi là hӑc
Quá trình luyӋn mҥng ÿѭӧc bҳt ÿҫu vӟi các trӑng sӕ tùy ý có thӇ là các sӕ ngүu nhiên và tiӃn hành lһp ÿi lһp lҥi Mӛi lҫn lһp ÿѭӧc gӑi là mӝt thӃ hӋ Trong mӛi thӃ hӋ, mҥng hiӋu chӍnh các trӑng sӕ sao cho sai sӕ giҧm dҫn TiӃn trình ÿiӅu chӍnh nhiӅu lҫn giúp cho trӑng sӕ dҫn dҫn ÿҥt ÿѭӧc tұp hӧp các giá trӏ tӕi ѭu
Dӳ liӋu công trình cө thӇ
Để tiến hành khảo sát, nhóm nghiên cứu đã phỏng vấn 4 chuyên gia Nếu câu hỏi mở có nội dung là "Theo ý kiến của anh/chị, cấu trúc câu hỏi lý tưởng cho một cuộc khảo sát là như thế nào?", thì tiếp theo cần đặt thêm câu hỏi chính thức (Tín, 2010).
Có nhiӅXSKѭѫQJSKiSÿӇ lҩy mүXQKѭQJYuNK{QJFyÿLӅu kiӋn vӅ thӡi gian, thông tin vӅ tәng thӇ, chi phí nên ta có thӇ sӱ dөQJSKѭѫQJSKiSOҩy mүu thuұn tiӋn (Trӑng và Ngӑc, 2010, tr.33) Tuy nhiên dӳ liӋX OLrQ TXDQ ÿӃQ FKX\rQ OƭQK Yӵc chuyên môn vӅ lҳp ghép nên bҧng câu hӓi chӍ gӱLÿӃn các FKӍKX\WUѭӣQJKRһFFiQ EӝEDQÿLӅXKjQKGӵiQFӫDnhà thҫu thi công lҳp JKpS bҵng email, phát bҧng hӓi trӵc tiӃp và phӓng vҩn trӵc tiӃp Danh mөc FiFF{QJWUuQKFҫQOҩ\GӳOLӋXÿѭӧF [iF ÿӏQK WK{QJ TXD GDQK PөF FiF F{QJ WUuQK ÿm WKL F{QJ WUrQ ZHEVLWH FӫD F{QJ W\
(Vinaconex) &iFF{QJWUuQKWKLF{QJÿѭӧc thu thұp dӳ liӋu là công trình thi công phҫn thân bҵng công nghӋ thi công bê tông cӕt thép dӵ ӭng lӵc tiӅn chӃ ÿѭӧFÿ~F sҹQWURQJQKjPi\Yjÿѭӧc lҳp dӵng tҥLF{QJWUѭӡng
PLVVLQJ³Vӵ chӋFK´ELDV1Kӳng bҧng câu hӓi trҧ lӡLNK{QJÿҫ\ÿӫ hay bӏ chӋch sӁ bӏ loҥi (Tín, 2009)
1 - 3KkQWtFKÿiQKJLiVѫ EӝYӅGӳOLӋXÿѭӧFWKX WKұS
2 - ;iFÿӏQK WӕFÿӝ thi công lҳp dӵng bê tông cӕt thép dӵ ӭng lӵc tiӅn chӃ
- Mô hình ANN (Artificial Neural Networks)
- Matlab 2009b YӟLVӵKӛWUӧFӫDF{QJFөNeural Network Toolbox
4.1.1 7KLӃWNӃEҧQJWKXWKұSGӳOLӋX
Bҧng WKXWKұSGӳOLӋXÿѭӧFWKLӃWNӃJӗPFySKҫQ 3KҫQ7K{QJWLQYӅF{QJWUuQKÿѭӧFNKҧRViW*ӗPPӝWVӕWK{QJWLQQKѭ
Gói thҫu ĈӏDÿLӇm xây dӵng
7ѭYҩn thiӃt kӃ 3KҫQ6ӵWKӵFKLӋQFӫDFiF\ӃXWӕҧQKKѭӣQJWӟLWӕFÿӝWKLF{QJ*ӗPFy FkXKӓLOLrQTXDQÿӃQVӵWKӵFKLӋQFӫD\ӃXWӕTXҧQOêWUrQF{QJWUѭӡQJ0ӛLFkXKӓL ÿѭӧFP{WҧFKLWLӃWÿӇJLҧLWKtFKFKRQJѭӡLÿѭӧFNKҧRViWKLӇXU}KѫQYӅ\ӃXWӕҧQK KѭӣQJ0ӛLFkXKӓLFyPӭFWUҧOӡLYӅVӵWKӵFKLӋQ:
(1)= Rҩt không tӕt (2)= Không tӕt (3)= Trung bình vӯa phҧi (4)= Tӕt
*ӗPFyPөFKӓLQKҵPFXQJFҩSQKӳQJWK{QJWLQYӅQKӳQJÿһFWUѭQJF{QJ WUuQKQKѭGLӋQWtFKVjQVӕWҫQJVӕFҩXNLӋQWKӡLJLDQWKLF{QJOҳSJKpSVӕOѭӧQJ FҭXEӕWUtô&iF\ӃXWӕQj\ÿһFWUѭQJFKRWӯQJF{QJWUuQKÿѭӧFNKҧRViW
3KҫQ7K{QJWLQFKXQJYӅQJѭӡLFXQJFҩSVӕOLӋXF{QJWUuQK
*ӗPPөFKӓLOLrQTXDQÿӃQQJѭӡLFXQJFҩSWK{QJWLQYӅNLQKQJKLӋPOjPYLӋF WURQJ OƭQK YӵF [k\ GӵQJ NLQK QJKLӋP OjP YLӋF WURQJ OƭQK YӵF WKL F{QJ OҳSJKpSô
7DWLӃQKjQKWKXWKұSGӳOLӋX WKHRGDQKPөFF{QJWUuQKÿmFKXҭQEӏWUѭӟF&iF EҧQJKӓLÿѭӧFJӱLHPDLOÿӃQFKӍKX\WUѭӣQJQJѭӡLSKөWUiFKWKLF{QJF{QJWUuQKÿӇ WKXWKұS1JRjLUDPӝWVӕF{QJWUuQKӣNKXYӵFSKtD1DPWKuQKӳQJQJѭӡLSKөWUiFK WKLF{QJWUrQF{QJWUѭӡQJÿѭӧFKӓLWUӵFWLӃSWK{QJWLQ9ӟLF{QJWUuQKGӵNLӃQOҩ\
VӕOLӋXWKuFKӍWKXWKұSÿѭӧFEӝVӕOLӋXWURQJÿyFyF{QJWUuQKӣNKXYӵFSKtD
%ҳFYjF{QJWUuQKӣNKXYӵFSKtD1DP
4XiWUuQK[ӱOêGӳOLӋXJӗPFyEѭӟF
4.1.3.1 1KұSGӳOLӋXWӯEҧQJKӓLYjRSKҫQPӅPH[FHO
Content creators play a vital role in connecting with audiences and delivering engaging content By understanding the needs and interests of their target consumers, content creators can craft messages that resonate and drive desired outcomes.
3KҫQ7DQKұSWUӵFWLӃSWK{QJWLQFӫDF{QJWUuQKYjREҧQJGӳOLӋX 3KҫQ /jSKҫQGӳOLӋXÿiQKJLiPӭFÿӝWKӵFKLӋQÿmÿѭӧFPmKyDVҹQWURQJEҧQJ
FkXKӓLQrQWDQKұSWUӵFWLӃSVӕÿmPmKyDWѭѫQJӭQJYӟLFkXWUҧOӡLWURQJEҧQJKӓL
&iFVӕÿѭӧFPmKyDWѭѫQJӭQJWӯÿӃQ
MӭFÿӝ chính xác cӫa viӋc lұp kӃ hoҥch thӵc hiӋn công viӋFWUѭӟc khi thi công lҳp dӵng cӫa nhà thҫu
A2 MӭFÿӝ kiӇm soát và quҧn lý thi công cӫa cán bӝ kӻ thuұt nhà thҫu
A3 1ăQJOӵc và kinh nghiӋm cӫa chӍ KX\WUѭӣng F{QJWUѭӡng
A4 Kinh nghiӋm cӫa TVGS vӟi công nghӋ thi công bê tông lҳp ghép
A5 Khҧ QăQJFXQJӭng cҩu kiӋn cho công trình cӫa nhà máy sҧn xuҩt
A6 Khҧ QăQJFXQJӭng máy móc thi công tҥi công WUѭӡng xây dӵng
A7 Khҧ QăQJFXQJFҩSÿҫ\ÿӫ các dөng cө ODRÿӝng
A8 Sӵ lành nghӅ cӫa công nhân lҳp dӵng
A9 MӭFÿӝ thuұn lӧi cӫa vӏ trí cӫa công trình
A10 Bӕ trí tәng mһt bҵQJF{QJWUѭӡng xây dӵng
3KҫQ 7ӯPөF%ÿӃQ%, B14 ljQKӳQJGӳOLӋXÿӏQKOѭӧQJQrQQKұSWUӵFWLӃS
YjREҧQJGӳOLӋX1KӳQJPөFFznOҥLOjGӳOLӋXÿӏQKWtQKWDWLӃQKjQKPmKyDYӟL JLiWUӏVӕYjQKұSYjREҧQJGӳOLӋXJLiWUӏVӕWѭѫQJӭQJ
B1 TәQJGLӋQWtFKVjQWKLF{QJOҳp ghép (phҫn khung) m 2
B2 Sӕ tҫng thi công lҳp ghép Tҫng
B6 Giá trӏ theo hӧSÿӗng thi công (H̩ng mͭc s̫n xṷt, v̵n chuy͋n, l̷p dQJYjWKLF{QJÿ͝ bù) Tӹ ÿӗng
B7 Giá trӏ thanh quyӃt toán (H̩ng mͭc s̫n xṷt, v̵n chuy͋n, l̷p dQJYjWKLF{QJÿ͝ bù) Tӹ ÿӗng
B8 Tәng thӡi gian thi công lҳp ghép theo hӧSÿӗng Ngày
B9 ThӡLÿLӇm bҳWÿҫu thi công lҳp ghép
B10 ThӡLÿLӇm kӃt thúc thi công lҳp ghép thӵc tӃ
B11.+uQKWKӭFOLrQNӃWFKӫ yӃu giӳDGҫPYjFӝW: (chӑn 1 trong 2 loҥi)
%,ӂ1Ĉӎ1+7ậ1+ *,ẩ75ӎ0ư+ẽ$ a Liên kӃWѭӟWÿҫu dҫm gác lên mһt trên cӝt) 1 b Liên kӃt xӓ lӛ ÿҫu dҫm xӓ vào thép chӡ cӫa cӝt) 2
B12.+uQKGiQJFҩu kiӋn cӝt chӫ yӃu là: (chӑn 1 trong 4 loҥi)
%,ӂ1Ĉӎ1+7ậ1+ *,ẩ75ӎ0ư+ẽ$ a Chӳ nhұt, hình vuông 1 b Chӳ L (V) 2 c Chӳ T 3 d Chӳ C 4
DĈә bê tông toàn khӕi 1
EĈә bê tông toàn khӕi có sӱ dөng cӝt vách lҳp ghép
WUѭӟFNKLÿә bê tông 2
F7Uѭӧt lõi toàn bӝ lõi cӭng 3
B14.6ӕOѭӧQJFҭu bӕ trí lҳp dӵng trong công trình (cҭu tháp, cҭu bánh lӕp, cҭu
B15 MӭFÿӝ ÿLӇn hình cӫa cҩu kiӋn trên mһt bҵng kӃt cҩu Sӕ chӫng loҥi cҩu kiӋn trên 1 mһt bҵng ít thì mӭFÿӝ ÿLӇn hình cao
B16 MӭFÿӝ ÿLӇn hình giӳa các mһt bҵng kӃt cҩu Sӵ lһp lҥi cҩu kiӋn giӳa các mһt bҵng kӃt cҩu các tҫng
3KҫQ1KӳQJELӃQÿӏQKWtQKÿѭӧFPmKyDÿӇQKұSYjREҧQJGӳOLӋX
C1 Vӏ trí công tác hiӋn tҥi cӫa Anh/Chӏ trong công ty:
%,ӂ1Ĉӎ1+7ậ1+ *,ẩ75ӎ0ư+ẽ$ a *LiPÿӕF3KyJLiPÿӕc 1 b 7Uѭӣng phòng/ Phó phòng 2 c ChӍ KX\WUѭӣng/ ChӍ huy phó 3 d Khác 4
C2 Sӕ QăPNLQKQJKLӋm cӫa Anh/Chӏ trong ngành xây dӵng:
C3 Sӕ QăPNLQKQJKLӋm cӫa Anh/Chӏ WURQJOƭQKYӵc thi công lҳp ghép:
C4 Phҫn lӟn dӵ án xây dӵng tham gia Anh/Chӏ ÿyQJYDLWUz
E7ѭYҩn thiӃt kӃ/giám sát 2 c Nhà thҫu 3 d Khác 4
C5 Phҫn lӟn YӕQdӵ án xây dӵng Anh/Chӏ tham gia thuӝc dӵ án cӫa:
C6 Phҫn lӟn các công trình anh/chӏ tham gia thuӝc loҥi công trình:
%,ӂ1Ĉӎ1+7ậ1+ *,ẩ75ӎ0ư+ẽ$ a Dân dөng 1 b Công nghiӋp 2 c CҫXÿѭӡng 3 d Hҫm 4 e Khác 5
D'ѭӟi 200 tӍ 1 b Tӯ ÿӃQGѭӟi 400 tӍ 2 c Tӯ 400 tӍ ÿӃQGѭӟi 600 tӍ 3 d Tӯ 600 tӍ trӣ lên 4
According to various research studies, playing video games can enhance cognitive abilities, problem-solving skills, and hand-eye coordination Action games like first-person shooters (FPS) and real-time strategy (RTS) games have been shown to improve spatial navigation and decision-making Moreover, video games can provide a platform for social interaction and collaboration, fostering teamwork and communication skills.
KuQK ĈӕLYӟLELӃQKuQKWKӭFOLrQNӃWFKӫ\ӃXJLӳDGҫPYjFӝW(B11), ta FKӍWKXWKұS ÿѭӧFKuQKWKӭFOLrQNӃt xӓ lӛ ÿҫu dҫm xӓ vào thép chӡ cӫa cӝW1KѭYұ\ÿӕLYӟL ELӃQQj\WDNK{QJÿѭDYjRÿҫXYjRFӫDP{KuQKYj[HPQKѭJLӟLKҥQFӫDP{KuQK 0{KuQKFKӍ[HP[pWÿӕLYӟLKuQKWKӭFOLrQNӃWFKӫ\ӃXJLӳDGҫPYjFӝWOjOLrQNӃW [ӓOӛ
&iFELӃQFzQOҥL cóVӕOLӋXÿҫ\ÿӫQrQWDWLӃQKjQKPmKyDELӃQYjELӃQÿәL PӝWVӕWK{QJWLQGӳOLӋXÿҫXYjRÿӇWҥRUDELӃQPӟLÿѭDYjRP{KuQK &iFELӃQPӟL ÿѭӧFWtQKWRiQWKHRF{QJWKӭFQKѭVDX:
1 ngày = Thời điểm kết thúc thi công thực tế - Thời điểm bắt đầu thi công
7ӕFÿӝWKLF{QJWKHRKӧSÿӗQJ Y11 (m 2 QJj\FҭX
Y11 m /ngày/cẩu Thời gian thi công theo hợp đồng (ngày) Số lượng cẩuu hay Y 11 m /ngày/ca cẩu = 2 B1(m 2 )
7ӕFÿӝWKLF{QJWKHRWKӵFWӃ Y12 (m 2 QJj\FҭX
Y12 m /ngày/cẩu Thời gian thi công thực tế(ngày) Số lượng cẩuu hay 12 m /ngày/ca cẩu = 2 B1(m 2 )
Bҧng 4.1 Bҧng thӕng kê các biӃQÿѭӧc mã hóa trong bӝ dӳ liӋu
1 A1 X11 MӭFÿӝ chính xác cӫa viӋc lұp kӃ hoҥch thӵc hiӋn công viӋFWUѭӟc khi thi công lҳp dӵng cӫa nhà thҫu
2 A2 X12 MӭFÿӝ kiӇm soát và quҧn lý thi công cӫa cán bӝ kӻ thuұt nhà thҫu
3 A3 X13 1ăQJOӵc và kinh nghiӋm cӫa chӍ KX\WUѭӣng công
4 A4 X14 Kinh nghiӋm cӫa TVGS vӟi công nghӋ thi công bê tông lҳp ghép
5 A5 X15 Khҧ QăQJFXQJӭng cҩu kiӋn cho công trình cӫa nhà máy sҧn xuҩt
6 A6 X16 Khҧ QăQJFXQJӭng máy móc thi công tҥLF{QJWUѭӡng xây dӵng 7 A7 X17 Khҧ QăQJFXQJFҩSÿҫ\ÿӫ các dөng cө ODRÿӝng 8 A8 X18 Sӵ lành nghӅ cӫa công nhân lҳp dӵng
9 A9 X19 MӭFÿӝ thuұn lӧi cӫa vӏ trí cӫa công trình 10 A10 X110 Bӕ trí tәng mһt bҵQJF{QJWUѭӡng xây dӵng 11 B1 X21 TәQJGLӋQWtFKVjQWKLF{QJOҳp ghép (phҫn khung) 12 B2 X22 Sӕ tҫng thi công lҳp ghép
16 B6 X26 Giá trӏ theo hӧSÿӗng thi công (H̩ng mͭc s̫n xṷt, v̵n chuy͋n, l̷p dQJYjWKLF{QJÿ͝ bù)
17 B12 X27 +uQKGiQJFҩu kiӋn cӝt chӫ yӃu 18 B13 X28 3KѭѫQJSKiSWKLF{QJO}LFӭQJ
19 B14 X29 6ӕOѭӧQJFҭu bӕ trí lҳp dӵng trong công trình (cҭu tháp, cҭu bỏnh lӕp, cҭX[tFKô
20 B15 X210 MӭFÿӝ ÿLӇn hình cӫa cҩu kiӋn trên mһt bҵng kӃt cҩu 21 B16 X211 MӭFÿӝ ÿLӇn hình giӳa các mһt bҵng kӃt cҩu
22 Y11 7ӕFÿӝWKLF{QJWKHRKӧSÿӗQJPQJj\FҭX 23 Y12 7ӕFÿӝWKLF{QJtheo WKӵFWӃPQJj\FҭX
9ӟLF{QJWUuQKÿѭӧFJӱLEҧQJFkXKӓLWKuFKӍEҧQJKӓLÿѭӧFWUҧOӡLWѭѫQJ ӭQJYӟLF{QJWUuQKYӟLWӹOӋSKҧQ KӗLJҫQ9ӟLÿһF WK YӅ F{QJ QJKӋ WKL F{QJOҳSJKpSQrQVӕOѭӧQJF{QJWUuQKWKLF{QJtWKѫQVRYӟLFiFF{QJWUuQKWKLF{QJ WUX\ӅQWKӕQJ6ӕOѭӧQJF{QJWUuQKNǤYӑQJOҩ\ÿѭӧFVӕOLӋXOjWK{QJWLQQӝLEӝ FӫDÿѫQYӏWKLF{QJQӳDQrQFjQJtWKѫQ9jWKӵFWӃFKӍQKұQÿѭӧFEҧQJKӓLFzQ EҧQJKӓLFzQOҥLNK{QJWKӇOҩ\VӕOLӋXYuNK{QJOLrQOҥFÿѭӧFYӟLQJѭӡLSKөWUiFK F{QJ WUuQK GR F{QJ WUuQK ÿm WKL F{QJ [RQJ OkX UӗL PӝW Vӕ FzQ OҥL WKu NK{QJ QKұQ ÿѭӧFVӵSKҧQKӗLWtFKFӵFFӫDQJѭӡLSKөWUiFKWKLF{QJF{QJWUuQKFҫQWKXWKұSGӳ OLӋXÿk\FNJQJOjPӝWNKyNKăQWURQJTXiWUuQKWKXWKұSGӳOLӋX
+uQKĈӏDÿLӇP[k\GӵQJF{QJWUuQKNKҧRViW
TP.HCM Yj Fic WӍnh lân
Thành phố Hồ Chí Minh có mức chi phí sinh hoạt đang tăng theo Công ty cổ phần Nghiên cứu thị trường và Dữ liệu quốc tế (Euromonitor International) Theo báo cáo của Euromonitor International, chi phí sinh hoạt của thành phố Hồ Chí Minh đã tăng 3,7% trong năm 2022 và dự kiến sẽ tăng thêm 3,5% nữa trong năm 2023 Điều này khiến chi phí sinh hoạt của thành phố Hồ Chí Minh cao hơn mức trung bình của các thành phố Đông Nam Á khác.
ChӍ KX\WUѭӣng/ ChӍ huy phó 4 20.0 20.0 35.0
WUѭӣQJ&KӍ huy phó Khác 20%
WUѭӣQJ&KӍ huy phóKhác
WUѭӣQJFKӍKX\SKyFKLӃP,FzQOҥLOjFiFFiQEӝSKөWUiFKWKLF{QJWUӵFWLӃSWҥL F{QJWUuQK%ҧQJNKҧRViWFKӍJӱLÿӃQQKӳQJQJѭӡLWUӵFWLӃSWKDPJLDYjRF{QJWiF WKLF{QJWUrQF{QJWUѭӡQJQrQVӕOLӋXFyÿӝWLQFұ\NKicaoÿLӅXQj\VӁÿѭӧFlãm rõ KѫQWURQJSKҫQWLӃSWKHR
Bҧng 4.4 0{WҧVӕ QăPNLQKQJKLӋm trong ngành xây dӵng
+uQK6ӕQăPNLQKQJKLӋPWURQJQJjQK[k\GӵQJ 6ӕQJѭӡLÿѭӧFNKҧR ViWFy NLQKQJKLӋPWURQJQJjQK [k\GӵQJWӯ-QăP FKLӃP Wӹ OӋ UҩW OӟQ WLӃS ÿӃQ Oj Wӯ - QăP FKLӃP FzQ QKӳQJ QJѭӡL GѭӟLQăPNLQKQJKLӋPFKLӃPPӝWWӹOӋQKӓQKҩW 7KHR/RQJYjccs (Long, 2008),VӕQJѭӡLFyNLQKQJKLӋPOӟQKѫQQăPFjQJFKLӃPWӹOӋFjQJOӟQWKuFjQJ WӕW .ӃWTXҧQj\FӫQJFӕWKrPFѫVӣWLQFұ\YӅVӵFKtQK[iFFӫDQJXӗQWK{QJWLQ ÿѭӧFFXQJFҩS
4.2.1.4 6ӕQăPNLQKQJKLӋPWURQJOƭQKYӵFWKLF{QJOҳSJKpS
Bҧng 4.5 0{Wҧsӕ QăPNLQKQJKLӋPWURQJOƭQKYӵc thi công lҳp ghép
+uQK6ӕQăPNLQKQJKLӋPWURQJOƭQKYӵFWKLF{QJOҳSJKpS
6ӕ QJѭӡL ÿѭӧF NKҧR ViW Fy NLQK QJKLӋP OƭQK YӵF WKL F{QJ OҳS JKpS Wӯ - QăP FKLӃP Wӹ OӋ UҩW OӟQ WLӃS ÿӃQ Oj Wӯ - QăP FKLӃP FzQ OҥL Oj QKӳQJQJѭӡLGѭӟL2 năPNLQKQJKLӋPFKLӃPPӝWWӹOӋQKӓQKҩW.ӃWTXҧQj\FKR WKҩ\NLQKQJKLӋPFӫDQJѭӡLQKӳQJQJѭӡLSKөWUiFKWKLF{QJOҳSJKpSOkXQăPÿӗQJ WKӡLFjQJNKҷQJÿӏQKGӳOLӋXF{QJWUuQKWKXWKұSÿѭӧFWLQFұ\FDR
Chӫ ÿҫXWѭWKjQKYLrQ trong BQLDA 5 25.0 25.0 25.0
+uQK9DLWUzFKӫ\ӃXWURQJFiFGӵiQWKDPJLD 1KӳQJQJѭӡLÿѭӧFNKҧRViWNKLWKDPJLDWURQJOƭQKYӵF[k\GӵQJFKӫ\ӃXOj QKjWKҫX(FKLӃP)FzQOҥLOjYDLWUzFKӫÿҫXWѭ(FKLӃP) 1KѭYұy, tӹOӋ SKkQEӕQj\SKKӧSYӟLTXDQÿLӇPSKkQWtFKFӫDÿӅWjLOjSKkQWtFKWUrQTXDQÿLӇP FӫDQKjWKҫXWKLF{QJOҳSJKpS
Bҧng 4.7 0{WҧQJXӗQYӕQGӵiQWKDPJLD
+uQK1JXӗQYӕQFiFGӵiQ tham gia
&iFGӵiQWKDPJLDFKӫ\ӃXFӫDQJѭӡLNKҧRViWOjGӵiQQKjQѭӟFFKLӃPÿӃQ PӝWVӕtWFzQOҥLUѫLYjRGӵiQWѭQKkQYjGӵiQNKiF
%ҧQJ/oҥi công trình tham giaFKӫ\ӃX Frequency Percent Valid Percent
Ĉẩ1+*,ẩ0é+ẻ1+
9ӟLP{KuQK[iFÿӏQKWӕFÿӝWKLF{QJOҳSJKpSFҩXNLӋQErW{QJGӵӭQJOӵF WLӅQFKӃEҵQJӭQJGөQJ$11ÿmFKREӝWUӑQJVӕKӧSOêYӟLNLӃQWU~FPҥQJQKѭVDX
Hàm huҩn luyӋn là traingdx
Hàm thӵc hiӋn là mse
Hàm truyӅn cho lӟp ҭn là logsig
Hàm truyӅn cho lӟSQHXURQÿҫu ra là purelin
%ҧQJ6DLVӕJLӳDJLiWUӏÿҫXUD WKӵFWӃYjGӵÿRiQ
.ӃWTXҧGӵÿRiQWӕFÿӝWKLF{QJYӟLJLiWUӏMSE = 153; R 2 = 0.6379, MAPE
= 15%.7X\UҵQJJLiWUӏ5 2 FKѭDÿҥWJҫQQKѭQJYӟLEӝVӕOLӋXFKӍFyPүXNLӇPWUDWKuÿyOjNӃWTXҧWѭѫQJÿӕLNKҧTXDQYӅNKҧQăQJKӝLWөFӫDPҥQJ9ӟLPӭFÿӝVDLVӕSKҫQWUăPWUXQJEuQK0$3( 4.55FyWKӇFKҩSQKұQÿѭӧFWURQJQJKLrQFӭXYӟLEӝGӳOLӋXWKXWKұSWѭѫQJÿӕLtW
0{KuQKWUrQ[iFÿӏQKÿѭӧFWӕFÿӝWKLF{QJWURQJJLDLÿRҥQWULӇQNKDLWKLF{QJ 9uO~FÿyFiF \ӃXWӕÿҫXYjR;ÿӃQ;ÿmÿѭӧFWKӵFKLӋQWUrQF{QJWUѭӡQJ
;iFÿӏQKWӕFÿӝWKLF{QJO~FQj\PDQJWtQKNLӇPWUDOҥLNKҧQăQJÿiSӭQJFӫDÿѫQ YӏWKLF{QJYӟLWLӃQÿӝÿmÿӅUD7ӯÿyFyFѫVӣÿӇÿLӅXFKӍQKOҥLFiFKWKӭFWәFKӭF WKLF{QJFKRSKKӧSYjÿiSӭQJÿѭӧFWLӃQÿӝÿӅUD ĈӇP{KuQKFyWKӇJL~SÿѫQYӏWKLF{QJ[iFÿӏQKÿѭӧFWLӃQÿӝWәQJWKӇWURQJ JLDLÿRҥQÿҩXWKҫXWKѭѫQJWKҧRKӧSÿӗQJWKuPӝWVӕ\ӃXWӕÿҫXYjRÿѭӧFORҥLUD
&iF \ӃX Wӕ ORҥL UD WURQJ ÿҫX YjR Oj ; ÿӃQ ; FKӍ FiF \ӃX Wӕ ÿһF WUѭQJ FKR c{QJWUuQKÿѭӧFÿѭDYjRP{KuQK
%ҧQJ23&iFELӃQÿҫXYjRP{KuQK
1 X21 TәQJGLӋQWtFKVjQWKLF{QJOҳp ghép (phҫn khung) 2 X22 Sӕ tҫng thi công lҳp ghép
6 X26 Giá trӏ theo hӧSÿӗng thi công (H̩ng mͭc s̫n xṷt, v̵n chuy͋n, l̷p dQJYjWKLF{QJÿ͝ bù)
7 X27 +uQKGiQJFҩu kiӋn cӝt chӫ yӃu 8 X28 3KѭѫQJSKiSWKLF{QJO}LFӭQJ
9 X29 6ӕOѭӧQJFҭu bӕ trí lҳp dӵng trong công trình (cҭu tháp, cҭu bỏnh lӕp, cҭX[tFKô
10 X210 MӭFÿӝ ÿLӇn hình cӫa cҩu kiӋn trên mһt bҵng kӃt cҩu 11 X211 MӭFÿӝ ÿLӇn hình giӳa các mһt bҵng kӃt cҩu
%ҧQJ4&iFELӃQÿҫXUDP{KuQK
1 Y12 7ӕFÿӝWKLF{QJWKHRWKӵFWӃP 2 QJj\FҭX forward networks) và sӱ dөng thuұt toán lan truyӅQ QJѭӧc (back-SURSDJDWLRQ ÿӇ huҩn luyӋn mҥng TLӃQKjQKOӵDFKӑQNLӃQWU~FPҥQJQKѭVDX :
- +jPWәQJKӧSVӱGөQJKjPWX\ӃQWtQK - +jPKXҩQOX\ӋQ
Xét 6 hàm huҩn luyӋn sau: traingd, traingdm, traingdx, trainrp, trainlm, trainscg
- +jPKӑF: Learngdm - HjPWKӵFKLӋQ: 6ӱGөQJKjPVDLVӕWUXQJEuQKEuQKSKѭѫQJMSE (Mean squared error) - 6ӕOӟSҭQ: tDVӁ[pWFiFQ~WÿLӇQKuQKQKѭVDX : 8, 10, 15, 20, 25, 30, 35, 40 - +jPWUX\ӅQ
/ӟS ҭQ : Wӯ NKҧR ViW WURQJ P{ KuQK WUѭӟF WD VӁ OӵD FKӑQ KjP ORJVLJ WURQJTXiWUuQKKXҩQOX\ӋQ
/ӟS[XҩW : WLӃSWөFFKӑQKjPSXUHOLQ - /ӵDFKӑQNLӃQWU~FPҥQJ
4XiWUuQKSKkQFKLDEӝGӳOLӋX,FiFhWKӭFOӵDFKӑQNLӃQWU~FPҥQJKӧSOêQKҩW ÿѭӧc thӵc hiӋn QKѭP{KuQKWUѭӟF6DXÿk\OjNӃWTXҧKXҩQOX\ӋQ:
6ӱGөQJEӝVӕOLӋXVӕ,WLӃQKjQKKXҩQOX\ӋQKjPKXҩQOX\ӋQYӟLVӕQ~WҭQ NKiFQKDX:
%ҧQJ25.ӃWTXҧKXҩQOX\ӋQYӟLKjPKXҩQOX\ӋQWUDLQJG
%ҧQJ.ӃWTXҧKXҩQOX\ӋQYӟLKjPKXҩQOX\ӋQWUDLQJGP
%ҧQJ.ӃWTXҧKXҩQOX\ӋQYӟLKjPKXҩQOX\ӋQWUDLQJG[
%ҧQJ.ӃWTXҧKXҩQOX\ӋQYӟLKjPKXҩQOX\ӋQWUDLQJUS
%ҧQJ.ӃWTXҧKXҩQOX\ӋQYӟLKjPKXҩQOX\ӋQWUDLQVFJ
%ҧQJ.ӃWTXҧKXҩQOX\ӋQYӟLKjPKXҩQOX\ӋQWUDLQOP
%ҧQJ%ҧQJVRViQKNӃWTXҧKXҩQOX\ӋQYӟi 6 hàm huҩn luyӋn khác nhau
+jPKXҩQOX\ӋQ traingd traingdm traingdx trainrp trainscg trainlm
R2 0.6730 0.3915 0.2281 0.2084 0.3959 0.3633 KӃt quҧ trong bҧng 5.31 cho thҩ\YӟLEӝVӕOLӋXVӕNLӃQWU~FPҥQJYӟLKjP KXҩQOX\ӋQtraingdYjVӕQHXURQWURQJOӟSҭQ25WKuNӃW[XҩWPҥQJFKRNӃWTXҧKӧS OêQKҩW06( 5 2 =0.5982)
7LӃSWөFNLӇPWUDNӃWTXҧWUrQYӟLYLӋFKXҩQOX\ӋQPҥQJYӟLEӝVӕOLӋXWKӭ 3, 4 ĈӇ tiӃt kiӋm công sӭc huҩn luyӋn ta không thӵc hiӋQQKѭSKѭѫQJSKiSWURQJP{KuQKWUѭӟc VӟiPӛLEӝVӕOLӋXWDWKӵFKLӋQ1OҫQKXҩQOX\ӋQWUrQFQJNLӃQWU~F PҥQJ VDX ÿy WtQK JLi WUӏ WUXQJ EuQK FKR NLӃQ WU~F PҥQJ ÿy Yj [HP [pW Vӕ
WUX\ӅQOjWUDLQJG[FKӍWKD\ÿәLVӕQHXURQWURQJOӟSҭQ
%ҧQJ.ӃWTXҧKXҩQOX\ӋQKjPWUDLQJGYӟLEӝVӕOLӋXWKӭ
%ҧQJ.ӃWTXҧKXҩQOX\ӋQKjPWUDLQJGYӟLEӝVӕOLӋXWKӭ
%ҧQJ.ӃWTXҧKXҩQOX\ӋQKjPWUDLQJGYӟLEӝVӕOLӋXWKӭ
%ҧQJ7Uӏ trung bình kӃt quҧ huҩn luyӋn (hàm traingd) cӫa 4 bӝ sӕ liӋu
KӃt quҧ trong bҧng 5.35 cho thҩ\ YӟLEӝVӕOLӋXWKX thұSÿѭӧF WKuNLӃQWU~F PҥQJYӟLKjPKXҩQOX\ӋQtraingdYjVӕQHXURQWURQJOӟSҭQ20WKuNӃW[XҩWPҥQJ
ӃWOXұQFKӑQKjPKXҩQOX\ӋQOjtraingdYjVӕQHXURQWURQJOӟSҭQOj20
Subsequently, the complex characters are parsed and reformatted using a specialized algorithm This process involves extracting meaningful patterns from the input text and rearranging them into a coherent structure The resulting output is a concise and summarized version of the original text, designed to enhance its readability and accessibility while preserving its essential information.
%ҧQJ.ӃWTXҧKXҩQOX\ӋQYӟLFiFFKXNǤNKiFQKDXP{KuQKELӃQÿҫu vào)
MSE 608 552 688 808 774 875 MAPE 24.09 25.99 29.96 35.00 21.06 34.59 R2 0.1204 0.3994 0.4455 0.3825 0.1612 0.4533 1KuQNӃWTXҧWURQJEҧQJ,NKLFKXNǤWKD\ÿәLWӯÿӃQWKuJLiWUӏ06(EӝNLӇPWUDJLҧPGҫQYj5 2 QJj\FjQJWăQJÿLӅXQj\FKӭQJWӓPҥQJKӑFNLQKQJKLӋPWӯEӝGӳOLӋXUҩWWӕW1KѭQJNKLFKXNǤWăQJWӯÿӃQOҫQWKuJLiWUӏ06(FӫDEӝNLӇPWUD OҥLWăQJOrQYj5 2 Fy[XKѭӟQJJLҧPĈLӅXQj\NKҷQJÿӏQKUҵQJ NKL WăQJ FKX NǤ KXҩQ OX\ӋQ ÿm OjP FKR PҥQJ KӑF TXi WKXӝF YӟL Eӝ Gӳ OLӋXKXҩQOX\ӋQQrQNKLÿѭDEӝGӳOLӋXNLӇPWUDYjRWKuPҥQJÿmNK{QJFKRNӃWTXҧVDLOӋFKQKLӅXKѫQ1KѭYұ\YӟLFKXNǤWKuPҥQJÿҥWNӃWTXҧKӧSOêQKҩtYӟLJLiWUӏMSE = 242; R 2 = 0.2334; và sai sӕ MAPE là 14.34%
6.1.1 &iF\ӃXWӕWiFÿӝQJWӕFÿӝWKLF{QJOҳSJKpS
7UrQFѫVӣWKXWKұSFiF\ӃXWӕҧQKKѭӣQJWӕFÿӝWKLF{QJYjWKҧROXұQYӟLFiF chuyên gia,PӝWVӕ\ӃXWӕҧQKKѭӣQJFKtQKÿӃQWӕFÿӝWKLF{QJOҳSJKpSErW{QJGӵ ӭQJOӵFWLӅQFKӃÿѭӧF[iFÿӏQK QKѭ
1KyPWKӭQKҩWFiF\ӃuWӕOLrQTXDQÿӃQF{QJWiFWәFKӭFWKLF{QJWUrQF{QJ
1 MӭFÿӝ chính xác cӫa viӋc lұp kӃ hoҥch thӵc hiӋn công viӋFWUѭӟc khi thi công lҳp dӵng cӫa nhà thҫu
2 MӭFÿӝ kiӇm soát và quҧn lý thi công cӫa cán bӝ kӻ thuұt nhà thҫu 3 1ăQJOӵc và kinh nghiӋm cӫa chӍ KX\WUѭӣQJF{QJWUѭӡng
4 Kinh nghiӋm cӫa TVGS vӟi công nghӋ thi công bê tông lҳp ghép 5 Khҧ QăQJFXQJӭng cҩu kiӋn cho công trình cӫa nhà máy sҧn xuҩt 6 Khҧ QăQJFXQJӭng máy móc thi công tҥLF{QJWUѭӡng xây dӵng 7 Khҧ QăQJFXQJFҩSÿҫ\ÿӫ các dөng cө ODRÿӝng
8 Sӵ lành nghӅ cӫa công nhân lҳp dӵng 9 MӭFÿӝ thuұn lӧi cӫa vӏ trí cӫa công trình 10 Bӕ trí tәng mһt bҵQJF{QJWUѭӡng xây dӵng
1KyPWKӭhaiFiF\ӃXWӕWKXӝFYӅÿһFWUѭQJFӫDF{QJWUuQKWKLF{QJOҳSJKpS
11 TәQJGLӋQWtFKVjQWKLF{QJOҳp ghép (phҫn khung) 12 Sӕ tҫng thi công lҳp ghép
13 TәQJVӕFҩXNLӋQFӝW 14 TәQJVӕFҩXNLӋQGҫm 15 TәQJVӕFҩXNLӋQVjQSDQHO 16 +uQKGiQJFҩu kiӋn cӝt 17 3KѭѫQJSKiSWKLF{QJO}LFӭQJ 18 6ӕOѭӧQJFҭu bӕ trí lҳp dӵQJWURQJF{QJWUuQK 19 MӭFÿӝ ÿLӇn hình cӫa cҩu kiӋn trên mһt bҵng kӃt cҩu
20 Mối liên hệ giữa các mắt bằng kết cấu 7ӯFiF \ӃXWӕҧQKKѭӣQJWӕFÿӝWKLF{QJOҳSJKpSOXұQYăQ ÿӅ[XҩWPӝWVӕ ELӋQSKiSFKtQKQKҵPFҧLWKLӋQWӕFÿӝWKLF{QJOҳSJKpSFKRF{QJWUuQK QKѭ là:
1 /ұS NӃ KRҥFK WKӵF KLӋQ F{QJ YLӋF PӝW FiFK FKtQK [iF WUѭӟF NKL WKL công.&iFF{QJWiFFҫQWKӵFKLӋQWURQJNӃKRҥFKOjGӵ trù vұWWѭPi\PyFWKLӃt bӏ, ÿӝLQJNJQKkQOӵc, KRҥFKÿӏQKWLӃQÿӝ thi công sҧn xuҩt tҥi nhà máy, tiӃQÿӝ lҳp dӵng tҥLF{QJWUѭӡngô3KҧLSKӕi hӧSFKtQK[iFJLӳa tiӃQÿӝ sҧn xuҩt cҩu kiӋQWURQJQKj Pi\YjWLӃQÿӝ lҳp dӵQJWUrQF{QJWUѭӡng 6ӵSKӕLKӧSNK{QJWӕWVӁWiFÿӝQJUҩWOӟQ ÿӃQWӕFÿӝWKLF{QJFKӍFҫQVDLVyWYӅWUuQKWӵJLӳDWLӃQÿӝVҧQ[XҩWYjWLӃQÿӝOҳS GӵQJ GүQ WӟL YLӋF WKLӃX FҩX NLӋQ KRһF FҩX NLӋQ NK{QJ ÿӗQJ Eӝ WKu YLӋF OҳS GӵQJ NK{QJWKӇWLӃQKjQKÿѭӧFĈk\OjF{QJWiFFҫQFKXҭQEӏWKұWNӻWUѭӟFNKLWLӃQKjQK WKLF{QJOҳSGӵQJ
2 ĈjRWҥRFiQEӝNӻWKXұWKLӇXU}YӅF{QJQJKӋWKLF{QJOҳSJKpS;k\
GӵQJÿӝLQJNJFiQEӝNӻWKXұWKLӇXELӃWYӅNӻWKXұWWUuQKWӵWKLF{QJVӵSKӕLKӧS JLӳDFiFEӝSKұQOLrQTXDQWURQJTXiWUuQKWKLF{QJOҳSJKpS
3 %ӗLGѭӥQJFKӍKX\WUѭӣQJFyQăQJOӵFYjNLQKQJKLӋPWURQJWKLF{QJ OҳSJKpS1ăQJOӵc quҧn lý phân phӕi công viӋc, nhân lӵc, vұt lӵFYjWәFKӭFSKӕi hӧp làm viӋFYӟLFiQEӝNӻWKXұWYjFiFErQOLrQTXDQWURQJTXiWUuQKWKLF{QJ 4 ;k\GӵQJYjÿjRWҥRQKӳQJF{QJQKkQOҳSGӵQJOjQKQJKӅ'RÿһFWK
YӅF{QJQJKӋOҳSJKpSQrQNK{QJWKӇVӱGөQJQKӳQJODRÿӝQJQKѭFiFF{QJWUuQK WKLF{QJWRjQNKӕL9uYұ\SKҧLÿjRWҥRQKӳQJF{QJQKkQFKX\rQÿҧPQKұQF{QJ YLӋFYӅOҳSGӵQJ
5 &KXҭQ Eӏ ÿҫ\ ÿӫ Pi\ PyF WKLӃW Eӏ F{QJ GөQJ Fө ODR ÿӝQJ ÿһF WK
FKRF{QJYLӋFOҳSGӵQJ
6.1.2 ӃWTXҧWKXWKұSGӳOLӋXF{QJWUuQK
7ӕFÿӝWKLF{QJWUXQJEuQKWKHRKӧSÿӗQJNKXYӵF+j1ӝLP 2 QJj\FDFҭX QKӓ KѫQ NKX YӵF 73+&0 P 2 QJj\FD FҭX 1KѭQJ WKӵF WӃ KRjQ WRjQQJѭӧFOҥLWӕFÿӝWKLF{QJWUXQJEuQKWKHRWKӵFWӃNKXYӵF+j1ӝLP 2 QJj\FDFҭXOҥLOӟQKѫQNKXYӵF73+&0P 2 QJj\FDFҭX1KѭYұ\VӵNǤYӑQJYӅWӕFÿӝWKLF{QJӣNKXYӵF73+&0FDRQKѭQJNӃWTXҧKRҥWÿӝQJOҥLFKRNӃWTXҧ
73+&0WURQJJLDLÿRҥQÿҩXWKҫXWKѭѫQJWKҧRKӧSÿӗQJYӅYLӋF[iFÿӏQKNKRҧQJ WKӡLJLDQ WKLF{QJFKRSKKӧSWKHRQăQJOӵF Wә FKӭF WKLF{QJÿLӅX NLӋQWKӵFWӃ KLӋQFy
6ӵELӃQÿӝQJYӅWӕFÿӝWKLF{QJNKXYӵF+j1ӝLOӟQKѫQNKXYӵF73+&0 WKӇKLӋQӣÿӝOӋFKFKXҭQJҩSOҫQÿӝOӋFKFKXҭQWKHRKӧSÿӗQJOjVRYӟL m 2 QJj\FDFҭXWKHRWKӵFWӃOjVRYӟLP 2 QJj\FDFҭXĈLӅXQj\WKӇKLӋQ WtQKәQÿӏQKFӫDWӕFÿӝWKLF{QJNK{QJFDR&ҫQ[HP[pWOҥLFiFQJX\rQQKkQGүQ ÿӃQVӵWKD\ÿәLQj\ÿӇWuPQKӳQJELӋQSKiSWKtFKKӧSWK~Fÿҭ\WӕFÿӝWKLF{QJOҳS GӵQJ
9ӟLEӝVӕOLӋXWKXWKұSÿѭӧFWKuF{QJWUuQKYѭӧWWLӃQÿӝĈk\OjFRQVӕ ÿiQJÿѭӧFEiRÿӝQJWKӇKLӋQVӵ \ӃXNpPWURQJYҩQÿӅKRҥFK ÿӏQKYjWәFKӭFWKL F{QJFӫDQKjWKҫX
6.1.3 XiFÿӏQKWӕFÿӝWKLF{QJOҳSJKpS
7ӯEӝGӳOLӋXWKXWKұSÿѭӧF, haiP{KuQK[iFÿӏQKWӕFÿӝWKLF{QJOҳSJKpS FҩXNLӋQErW{QJGӵӭQJOӵFWLӅQFKӃEҵQJӭQJGөQJ$11ÿmÿѭӧF[k\GӵQJ9ӟL GӳOLӋXÿҫXYjROj\ӃXWӕҧQKKѭӣQJWӕFÿӝWKLF{QJOҳSJKpSYjÿҫXUDOjWӕF ÿӝWKLF{QJOҳSJKpSWKӵFWӃP 2 QJj\FDFҭXlà mô hình thӭ nhҩt VàGӳOLӋXÿҫX YjROj\ӃXWӕҧQKKѭӣQJWӕFÿӝWKLF{QJOҳSJKpSYjÿҫXUDOjWӕFÿӝWKLF{QJ OҳSJKpSWKӵFWӃP 2 QJj\FDFҭXlà mô hình thӭ hai
Hai m{KuQK[iFÿӏQKÿѭӧFEӝWUӑQJVӕKӧSOêYӟLNLӃQWU~FPҥQJQKѭVDX
Mô hình thӭ nhҩt Mô hình thӭ hai
Hàm huҩn luyӋn là traingdx
Hàm truyӅn cho lӟp ҭn là logsig
Hàm truyӅn cho lӟSQHXURQÿҫu ra là purelin
Hàm huҩn luyӋn là traingd
Hàm truyӅn cho lӟp ҭn là logsig
Hàm truyӅn cho lӟSQHXURQÿҫu ra là purelin
Tӯ kiӃn trúc mҥng KӧSOêQKҩW trên, ta có thӇ [iFÿӏQKÿѭӧc tӕFÿӝ thi công vӟi bӝ trӑng sӕ lӟp ҭn, lӟp xuҩt ÿmFy (xem phҫn phө lөc 2) M{KuQKthӭ nhҩt ÿmGӵ ÿRiQ WӕF ÿӝ WKL F{QJ YӟL FiF JLi WUӏ FӫD P{ KuQK VDL Vӕ EuQK SKѭѫQJ WUXQJ EuQK
MSE = 153; KӋ Vӕ [iF ÿӏQK R 2 = 0.6379, VDL Vӕ SKҫQ WUăP WX\ӋW ÿӕL MAPE =
14.55%7X\UҵQJJLiWUӏ5 2 không caoQKѭQJYӟLEӝVӕOLӋXÿѭӧFVӱGөQJÿӇ[k\
GӵQJP{KuQKWKuÿyOjNӃWTXҧWѭѫQJÿӕLNKҧTXDQYӅNKҧQăQJKӝLWөFӫDPҥQJ 9ӟLPӭFÿӝVDLVӕSKҫQWUăPWUXQJEuQK0$3( FyWKӇFKҩSQKұQÿѭӧF WURQJQJKLrQFӭXYӟLEӝGӳOLӋXÿѭӧFWKXWKұS Mô hình này giúp nhà thҫX[iFÿӏnh ÿѭӧc tӕFÿӝ thi công ngoài hiӋQWUѭӡQJNKLÿmWKӵc hiӋQÿҫ\ÿӫ các công tác ngoài hiӋQWUѭӡng ;iFÿӏQKWӕFÿӝWKLF{QJO~FQj\PDQJWtQKNLӇPWUDOҥLNKҧQăQJÿiS ӭQJFӫDÿѫQYӏWKLF{QJYӟLWLӃQÿӝÿmÿӅUD7ӯÿyFyFѫVӣÿӇÿLӅXFKӍQKOҥLFiFK WKӭFWәFKӭFWKLF{QJFKRSKKӧSYjÿiSӭQJÿѭӧFWLӃQÿӝÿӅUD
