Mạng bayesian belief networks (BBNs) và giới thiệu một số nghiên cứu ứng dụng trong quản lý xây dựng

Bài viết giới thiệu về Mạng bayesian belief networks (BBNs), phần mềm áp dụng và các phạm vi ứng dụng của nó nhằm khuyến khích các nhà nghiên cứu Việt Nam trong quá trình áp dụng quản lý xây dựng.

MẠNG BAYESIAN BELIEF NETWORKS (BBNs) VÀ GIỚI THIỆU MỘT SỐ NGHIÊN CỨU ỨNG DỤNG TRONG  QUẢN LÝ XÂY DỰNG KS. NGUYỄN VĂN TUẤN, ThS. LƯU TRƯỜNG VĂN ­ Trường Đại Học Bách Khoa Tp.HCM GS. LÊ KIỀU ­ Trường Đại Học Kiến Trúc Hà Nội Sơ đồ 1a: Mô hình minh họa mạng BBNs   [3] 1. GIỚI THIỆU  BayesianBelief Networks (BBNs) gọi Bayesian Networks (BNs) hay Belief Networks (BNs) phát triễn đầutiên vào cuối năm 1970s Đại học Stanford [1] BBNs mô hình đồ thị (graphical   model) thể mối quan hệ nhân– quả(cause – effect) giữacácbiến BBNs chủ yếu dựa lý thuyết xác suất có điều kiện hay gọi lý thuyết Bayes (Bayesian   theory,   hay   Bayes’   theory) Chính thế, kỹ thuật có tên gọi Bayesian Belief Networks (BBNs) BBNs dạng biểu đồ ảnh hưởng (influence   diagram), kết hợp hài hòa lý thuyết xác suấtvà lý thuyếtđồ thị đểgiải hai vấn đề quan trọng: tính không chắc  chắn và tính phức tạp, ứng dụng rộngrãi trongtoánhọc vàkỹ thuật[2] Sơ đồ 1a, 1b trình bày mô hình minh họacho mạngBBNs Sơ đồ 1b: Mô hình minh họa mạng BBNs   [3] Cùng với lý thuyết khác lôgic mờ (Fuzzy Logic), mạng nơron nhân tạo (Artificial   Neural   Networks   ­   ANNs), thuậttoángen (Genitic Algorithrs ­ GAs)…, BBNs phươngphápchủ yếudựa xác suất có điều kiện để dự báo (prediction) chuẩn đoán (diagnosis) việc, vấn đề đã, xảy Chẳng hạn, thiên nhiên, đểdự báonướclũ haybãocho mộtkhu vực đó, ta dựa vào liệu lần xảy bão, lụt trước chứng (evidences) liênquan,xâydựngmôhìnhBBNs vàtừ ta có thểdự báược có haykhông việc xảy nước lũ hay bão mức độảnhhưởnglà nhưthếnào Trong lónh vực xây dựng, BBNs dùng để dự báo, đánh giá rủi ro tiến độ, kinh phí, chất lượng, tai nạn lao động Ngoài ra, BBNs dùng để chuẩn đoán y học; công nghệkỹ thuật, dự báo chất lượng phần mềmmáy tính, rủi ro tai nạn đườngsắt…[1],[8] 2. CƠ SỞ LÝ THUYẾT 2.1. Công thức Bayes  BBNs dựa lý thuyết xác suất có điều kiện Thomas Bayes, ông đưa qui luật xác suất, gọi công thức Bayes [4] Côngthứcđơngiảnnhấtnhưsau: P( A / B) P ( B / A) x P ( A) P( B) Trong đó: A B hai kiệncó thể xảy phụ thuộcvới P(A) xácsuấtcủasự kiệnA; P(B) xác suấtcủa kiện B; P(B/A) xác suất có điềukiệncủaB biếttrướcA xảy ra; P(A/B) xác suấtcó điều kiệncủaA biếttrướcB đãxảyra Sơ đồ 4, thể cấu trúc mạng BBNs tổng quát hơn, phức tạp với nhiều nút (nodes) nhiều cạnh liênkết(edges) [5], [4] Chủ đầu tư khó khăn tài Nút nguyên nhân (parent node) Mũi tên liên kết (edge) Sự chậm trễ tiến độ công trình Nút kết (child  node) Sơ đồ 3: Cấu trúc đơn giản của mạng BBNs trong xây  dựng 2.2. Cấu trúc mạng BBNs  BBNs môhình trực tiếpmàmỗi biến đại diện nút (node), mối quanhệnhânquảgiữahai biếnđó biểu thị mũi tên gọi “edge” Mũi tên hướng từ nút nguyên nhân “parent   node”  đến nút kết “child node” Nút kết phụ thuộccó điều kiện vào nút nguyên nhân Mỗi nút (hay biến) có trạng thái (state) tùy thuộcđặctrưng củabiếnđó Cụ thể, theo sơ đồ 2, nút “tuyết rơi” nút nguyênnhân ảnh hưởng đến nút kếtquả“tìnhtrạngcon đường”vàchúng có nhữngtrạngtháitươngứng[3] Trong quản lý dự án xây dựng, cấu trúc BBNs trình bày sơ đồ thể ảnh hưởng “chủ đầu tư khó khăn tài chính” đến “sự chậm trễ tiếnđộcôngtrình” Sơ đồ 4: Cấu trúc mạng BBNs tổng quát  2.3.  Bảng   xác   suất   có   điều  kiện(CPT) Mỗi nút gắn với bảngxác suấtcó điềukiện(conditional   probability   table:  CPT) dựa vào thông tin ban đầu hay liệu, kinh nghiệmtrongquákhứ.Ví dụ, mạngBBNs sơ đồ 2, CPT biến sau (Bảng1) [3]: Parentnode Precipitation Child node Road Conditions Impassable Passable None 0.05 0.95 Light 0.10 0.90 Heavy 0.70 0.30 Bảng 1: CPT của các biến “Road   Conditions” của  mạng BBNs theo sơ đồ 2 Nút nguyên nhân (Parent node) Tuyết rơi (Precipitation) Trạng thái (state) +Không (none) +Nhẹ (light) +Nặng (heavy) Tình trạng con  đường (Road conditions) Trạng thái (state) +Đi qua (passable) +Không qua (impassable) edge Nút kết (Child node) Sơ đồ 2:Cấu trúc đơn giản của BBNs trong tự  nhiên[3] Sơ đồ 5: Mô hình BBNs dùng để đánh giá mức độ rủi ro về tai nạn lao động trên   cao [4] Theo bảng1, ta thấy: “nếutuyếtrơi (Precipitation) trạng thái nhẹ (Light) khả (hay xác suất) để đường (Road   Conditions) qua (Passable) 90%; qua (Impassable) 10%”[3] suất ban đầu chúng CPTs xácđịnhtừ kinh nghiệmcủachuyêngia, hoặctừ kếtquảcủamôhìnhkhác…  Sau lập CPTs, đưa vào phầnmềmđểtính toán 2.6. Ứng dụng phần mềm MSBNX Trong BBNs, nút mà nguyên nhân ( no   parent) gây gọi nút gốc (root node) CPT củanút gọi xác suất ban đầu (prior probability) Theo sơ đồ 2, CPT nút Precipitation (Hình 2) [3]: Xét môhìnhở sơ đồ1a: Precipitation None Light Heavy 0.800 0.150 0.005 Bảng 2: CPT của các biến   “Precipitation” trong mạng BBNs theo sơ đồ 2 2.4. Phần mềm tính toán BBNs Có rấtnhiềuphầnmềmđểhổtrợ tính toán mạng BBNs, BNet.Builder, Hugin Explorer, MSBNx (của hãng Microsoft)… Có thể download địa chỉ: www.research.microsoft.com/adapt/MSBNx/ www.kdnuggets.com/software/bayesian.html/ www.hugin.dk/ www.cs.cmu.edu/~javebayes/ Bài báo giới thiệu phần mềmMSBNX [4] BBN 2.5.  Các bước xây dựng mô hình   Xác định biến trạng tháicủachúngđểđưavàomôhình  Xác định mối quan hệ “nhân– quả” biến dựa vào suy luận logic, liệuquákhứ…  Lập bảng xác suất có điều kiện (CPTs) ứng với kết hợp biến nguyên nhân bảng xác Giả sử ta có CPTs sau: 1- CPT nút “Cloudy”: Cloudy True False 0.50 0.50 2- CPT củanút“Spinkler”: Parentnodes Child node Cloudy Sprinkler True False True 0.10 0.90 Fasle 0.50 0.50 3- CPT củanút“Rain”: Parentnodes Child node Cloudy Rain True False True 0.80 0.20 Fasle 0.20 0.80 4- CPT củanút“WetGrass”: Parentnodes Sprinkler True False Rain Child node Wet Grass True False True 0.99 0.01 False 0.90 0.10 True 0.90 0.10 False 0.00 1.00 Các bảng xác suấtcó điều kiện CPTs đưavàophầnmềmMSBNX nhưsau: Sơ đồ 6: Kết quả sau khi dùng phần   mềm MSBNX để giải mạng BBNs ở sơ  đồ 1a 3. CÁC ỨNG DỤNG CỦA BBNs - William Marsh ứng dụng mạng BBNs (Bayesian Network) để mô hình hóa kếtquảrủi ro tai nạn côngnghiệp đườngsắtở VươngquốcAnh [6] - Martin   Neil   &   Norman   Fenton, Northampton   Square ứng dựng BBNs để dự báo chất lượng phần mềm tronghội nghịhàngnămlầnthứ21 vào tháng12, năm1996[7] - Long D. Nguyen ứng BBNs để đánh giá rủi ro tai nạn lao động làm việc cao công trường xây dựng Tác giả kiểmchứng tính hợp lý mô hình công trình cụ thểở SanFrancisco,California[4] - Brian   S   G   E   Sahely; David   M.  Bagley chẩnđoán xáo trộn việcxử lý nướcthải bị ô nhiễmbằng Kết thể mô cáchápdụngmôhìnhBBNs [1] hình xác suất tương ứng sơ đồ Dựa vào đó, ta thấy rằng, xác suất - Isabel Milho, Ana Fred, Jorge Albano,   Nuno   Baptista,   Poulo   Sena ứng dụng biến “WetGrass” trạng thái BBNs để chuẩn đoán bệnh y học “True” 0.6471 trạng thái “Fasle” [8] 0.3529 4. KẾT LUẬN & KIẾN NGHỊ BBNs ứng dụng rộngrãi nhiều lónh vực khác nhau, cho nhiều ngành khác Tuy nhiên, quản lý xây dựng, việc ứng dụng BBNs cònnhiềuhạn chếđối với cảthếgiới nói chungvàViệtNamnói riêng BBNs sử dụng quản lý dự án để dự báo, đánh giá rủi ro vềtiếnđộ,kinh phí, chấtlượng, tai nạnlao động…trongxâydựng.Bảnthân nhómtác giả đangthực hiệnmột đề tài với tựa đề “Nghiên  cứu  định   lượng   rủi  ro  tiến   độ  xây   dựng    mô hình Bayesian Belief Networks” Hiện đề tài nói giai đọan kết thúc,kếtquảnghiêncứusẽđược công bốtrongvài thángtới Qua báo, nhóm tác giả mong muốn giới thiệu mạng BBNs, phần mềm áp dụng phạm vi ứng dụng nhằm khuyến khích nhà nghiên cứu Việt Nam theo hướngnghiêncứu “cũ người” “mới ta” quản lý xây dựng Hy vọng rằng, với phát triễn mạnh mẽ ưu điểm vượt trội, tương lai không xa BBNs đưa vào ứng dụng quản lý xây dựng Việt Namnhưlà một“vũkhí” lợi hại TÀI LIỆU THAM KHẢO [1] Brian S G E Sahely; David M Bagley (2001): “Diagnosing   upsets   in   anaerobic   wastewater   treatment   using   Bayesian   Belief   Networks.” Journal of EnvironmentalEngineering127(4) (2001) [2] Murphy, K (2001): “ A   brief   introduction to graphical models and Bayesian   Networks” October14, 2001 [3] Charles River Analytics, Inc (2004): “About Bayesian Belief Networks” [4] Long D Nguyen (2005): “Accident   risks   of   working­   at­   heights   in   building   construction:   An   Assessment   Framework.”  Termprojectreport,May 5, 2005 [5] Kevin P Murphy (2001): “An  introdution   to   graphical   models.”, 10 May 2001 [6] William Marsh, RADAR Group QueenMary, University of London, Mile End Road, E1 4NS, London, UK william@dcs.qmul.ac.uk: “Using   Bayesian   Networks to Model Accident Causation in the   UK Railway Industry” [7] Neil, M and Fenton, N (1996): “Predicting   software   quality   using   Bayesian   Belief   Networks” Proceeding of 21st Annual Software Engineering Workshop, NASA/Goddard Space Flight Center, December 4-5, 1996 [8] Isabel Milho, Ana Fred, Jorge Albano, Nuno Baptista, Poulo Sena: An   “ Auxiliary System for Medical Diagnosis Based   on Bayesian Belief Networks”  ... tiến   độ ? ?xây   dựng? ?   mô hình? ?Bayesian? ?Belief? ?Networks? ?? Hiện đề tài nói giai đọan kết thúc,kếtquảnghiêncứusẽđược công bốtrongvài thángtới Qua báo, nhóm tác giả mong muốn giới thiệu mạng BBNs,... BBNs ứng dụng rộngrãi nhiều lónh vực khác nhau, cho nhiều ngành khác Tuy nhiên, quản lý xây dựng, việc ứng dụng BBNs cònnhiềuhạn chếđối với cảth? ?giới nói chungvàViệtNamnói riêng BBNs sử dụng quản. .. muốn giới thiệu mạng BBNs, phần mềm áp dụng phạm vi ứng dụng nhằm khuyến khích nhà nghiên cứu Việt Nam theo hướngnghiêncứu “cũ người” “mới ta” quản lý xây dựng Hy vọng rằng, với phát triễn mạnh