Ước lượng chi phí đầu tư xây dựng dự án chung cư bằng neural networks

ĐẠI HỌC QUỐC GIA TP.HCM TRƯỜNG ĐẠI HỌC BÁCH KHOA PHAN VĂN KHOA ƯỚC LƯNG CHI PHÍ ĐẦU TƯ XÂY DỰNG DỰ ÁN CHUNG CƯ BẰNG NEURAL NETWORKS CHUYÊN NGÀNH : CÔNG NGHỆ VÀ QUẢN LÝ XÂY DỰNG MÃ NGÀNH : 60.58.90 LUẬN VĂN THẠC SĨ TP HỒ CHÍ MINH, Tháng năm 2006 CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM TRƯỜNG ĐẠI HỌC BÁCH KHOA PHÒNG ĐÀO TẠO SĐH ĐỘC LẬP – TỰ DO – HẠNH PHÚC Tp.HCM, ngày ….tháng … năm 2006 NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên : PHAN VĂN KHOA Ngày, tháng, năm sinh : Chuyên ngành Phái : 22/05/1979 nam Nơi sinh: Huế : Công Nghệ Và Quản Lý Xây Dựng MSHV : 00804210 I – TÊN ĐỀ TÀI: ƯỚC LƯNG CHI PHÍ ĐẦU TƯ XÂY DỰNG CHUNG CƯ BẰNG NEURAL NETWORKS II – NHIỆM VỤ VÀ NỘI DUNG Chương 1: Đặt vấn đề Chương 2: Tổng quan lý thuyết Chương : Phương pháp nghiên cứu Chương : Thực huấn luyện tập mẫu liệu Matlab Chương 5: Chương trình tự động hóa ước lượng ứng dụng ước lượng chi phí đầu tư xây dựng Chương 6: Kết luận III – NGÀY GIAO NHIỆM VỤ : 06/02/2006 IV – NGÀY HOÀN THÀNH NHIỆM VỤ : 06/07/2006 V – HỌ VÀ TÊN CÁN BỘ HƯỚNG DẪN THỨ : TS NGUYỄN CÔNG THẠNH VI – HỌ VÀ TÊN CÁN BỘ HƯỚNG DẪN THỨ : ThS LƯU TRƯỜNG VĂN CÁN BỘ HƯỚNG DẪN CHỦ NHIỆM NGÀNH CN BỘ MÔN QL CHUYÊN NGÀNH Nội dung đề cương luận văn thạc só Hội đồng chuyên ngành thông qua Ngày …… tháng ……năm 2006 TRƯỞNG PHÒNG ĐT-SĐH TRƯỞNG KHOA QL NGÀNH Luận văn thạc só Ngành: Công nghệ & quản lý xây dựng K15 TÓM TẮT NỘI DUNG Ước lượng chi phí đầu tư xây dựng chung cư giai đoạn thực dự án đầu tư, đánh giá tài chánh lợi nhuận dự án mạng lại vấn đề sống doanh nghiệp hoạt động lónh vực đầu tư xây dựng Việc thu thập liệu thực khứ giúp nhà đầu tư ước lượng chi phí đầu tư xây dựng Lý thuyết mạng nơ ron nhân tạo thực hữu ích cho việc ước lượng sở công trình tương tự tác động yếu tố giá Luận văn nghiên cứu xây dựng lý thuyết mạng nơ ron nhân tạo để ước lượng chi phí đầu tư xây dựng chung cư, tập mẫu liệu thu thập từ 14 công trình xây dựng từ năm 2000 đến nay, với biến đầu vào: Số tầng cao, tổng diện tích xây dựng, cấp công trình, năm xây dựng, giá xăng dầu, giá xi măng, giá sắt thép; biến đầu ra: tổng chi phí đầu tư xây dựng Với hổ trợ phần mềm tính toán Matlab ngôn ngữ lập trình Visual C++ tác giả tự động hóa ước lượng sở nguồn liệu nhập vào, cho phép ước lượng tổng chi phí công trình xây dựng chung cư Tuy nhiên mức độ nghiên cứu nhiều hạn chế chưa thể ứng dụng cách rộng rãi, cần phải nghiên cứu thêm GVHD : Ts Nguyễn Công thạnh & Ths Lưu Trường Văn Thực hiện: Phan Văn Khoa Trang Luận văn thạc só Ngành: Công nghệ & quản lý xây dựng K15 ABSTRACT The estimation of the investment cost of the apartment buidings in the stage of performing the investment, the financial assessment as well as the benefits from the projects are the survival of the enterprises operating in the field of investment construction The collection of real data in the past can help investors estimate the investment expenditures of building The Artificial Neural Networks theory is quite useful for the assessment based on the similar projects under the impact of the price elements(e.g the price of ciment, bar steel, fuel,…) This research is developed from the Artificial Neural Networks theory to evaluate the investment cost of the apartment buildings The model of the data file which has been collected from 14 projects carried out from the year2000 up to this time; with the input variances, including the number of stores, the total in building area, the building year, the costs of ciment and iron& steel, A92 gasoline and the output variance: the total cost of building Thanks to the calculating software- Matlab and the programming language-Visual C++, author automates the estimation on the base of the input data, which is enable for caculating the total construction cost of the apartment buildings Nevertheless, the research still has limitations and hasn’t yet extensively applied Hence, it needs to be further studied GVHD : Ts Nguyễn Công thạnh & Ths Lưu Trường Văn Thực hiện: Phan Văn Khoa Trang Luận văn thạc só Ngành: Công nghệ & quản lý xây dựng K15 Estimation of the cost of a building construction projects is an important task in the building investment – Finance analysis The selections data in the part is very important to estimated the cost of building construction project Artificial Neural Networks theory is truly for estimated cost based on the similar projects, material (ciment, bar steel) cost, fuel (A92 gasoline) cost This research proposed, Artificial Neural Networks is formulated and a neural network architecture is presented for estimation of the cost of building construction project The model is applied to estimated the cost of building, the selection data from 14 building construction projects, was builded from 2000 up to date, inputs variance including: stores number, total build area, build year, building level, ciment and bar steel cost, A92 gasoline cost Output Variance: Total cost of building By Matlab software and Visual C++, the new computational model is based on a solid mathematical foundation making cost estimation consistently more reliable and predictable However, final solutions have been considered MỤC LỤC CHƯƠNG 1: ĐẶT VẤN ĐỀ GVHD : Ts Nguyễn Công thạnh & Ths Lưu Trường Văn Thực hiện: Phan Văn Khoa Trang Luận văn thạc só Ngành: Công nghệ & quản lý xây dựng K15 Đặt vấn đề nghiên cứu Mục đích nghiên cứu: Phạm vi nghiên cứu: Một số nghiên cứu khác có liên quan đến nội dung luận văn: CHƯƠNG 2: TỔNG QUAN VỀ LÝ THUYẾT Giới thiệu Cơ sở lý thuyết Neural Network 2.1 Khái Niệm Mạng Neural: 2.2 Cấu Trúc Mạng Neural: 2.2.1 Cấu Trúc Của Bộ Não: 2.2.2 Cấu Trúc Của Một Neural: 2.2.3 Hàm Hoạt Động 2.2.4 Cấu Trúc Mạng Neural: 2.3 Tiến trình học (training): 2.3.1 Định Nghóa: 2.3.2 Giải Thuật Học: 2.3.3 Giải Thuật Back-Propagation GVHD : Ts Nguyễn Công thạnh & Ths Lưu Trường Văn Thực hiện: Phan Văn Khoa Trang Luận văn thạc só Ngành: Công nghệ & quản lý xây dựng K15 CHƯƠNG : PHƯƠNG PHÁP NGHIÊN CỨU Thu thập & phân tích số liệu Các bước thực hiện: Dữ liệu thu thập: Chương : THỰC HIỆN HUẤN LUYỆN TẬP MẪU DỮ LIỆU BẰNG MATLAB Một số giới thiệu hàm huấn luyện Nơ ron Matlab 1.1 Hàm huấn luyện 1.2 Hàm học thích nghi 1.3 Hàm thực Huấn luyện mạng nơ – ron chương trình Matlab Trình tự thực huấn luyện mạng nơ – ron Matlab Dữ liệu huấn luyện (training) Chương 5: CHƯƠNG TRÌNH TỰ ĐỘNG HÓA ƯỚC LƯNG VÀ ỨNG DỤNG ƯỚC LƯNG CHI PHÍ ĐẦU TƯ XÂY DỰNG GVHD : Ts Nguyễn Công thạnh & Ths Lưu Trường Văn Thực hiện: Phan Văn Khoa Trang Luận văn thạc só Ngành: Công nghệ & quản lý xây dựng K15 Cơ sở lập trình tính toán ước lượng – mục tiêu xây dựng toán 1.1 Cơ sở lập trình tính toán ước lượng 2.2 Mục tiêu xây dựng toán Lập trình Visual C++ 2.1 Mã (code) phần lập trình 2.2 Phần giao diện hướng dẫn thực thao tác: p dụng ước lượng tổng chi phí chung cư Bắc Bình Giới hạn liệu tính toán ước lượng Chương 6: KẾT LUẬN Ứùng dụng mô hình - Phát triển đề tài 1.1 ng dụng mô hình: 1.2 Phát triển đề tài 1.3 Những khó khăn gặp phải Kết luận - ý nghóa đề tài TÀI LIỆU THAM KHẢO PHỤ LỤC BẢNG DANH SÁCH CÁC BẢNG BIỂU – HÌNH VẼ Hình 2.1: Cấu trúc Neural sinh học GVHD : Ts Nguyễn Công thạnh & Ths Lưu Trường Văn Thực hiện: Phan Văn Khoa Trang Luận văn thạc só Ngành: Công nghệ & quản lý xây dựng K15 Hình 2.2 : Cấu trúc Neural Hình 2.3: Ảnh hưởng thông số b đến ngõ Hình 2.4: Cấu trúc khác Neural Hình 2.5: Đồ thị hàm Threshold Hình 2.6: Đồ thị hàm piecewise-linear Hình 2.7: Đồ thị hàm sigmoid (logistic) Hình 2.8: Hàm tan – sigmoid (tan-hyperbol) Hình 2.9 : Cấu trúc mạng neural lớp Hình 2.10: Cấu trúc mạng neural nhiều lớp Hình 2.11 : Cấu trúc mạng hồi quy Hình 2.12: Cấu trúc mạng neural dạng lưới Hình 2.13: Tiến trình học Hình 2.14 : Sơ đồ huấn luyện mạng Hình 2.15 : Định nghóa đạo hàm Hình 2.16 : Mô tả phương thức giảm Hình 2.17 : Bước điều chỉnh trọng số Hình 2.18 : Bước điều chỉnh vượt qua Emin Hình 2.19: Bước điều chỉnh không mong muốn Hình 2.19b: Sơ đồ thực Training Back-propagation Hình 2.20: Mô hình tính toán neuron Hình 2.21: Mô hình tính toán mạng neural tổng quát GVHD : Ts Nguyễn Công thạnh & Ths Lưu Trường Văn Thực hiện: Phan Văn Khoa Trang Luận văn thạc só Ngành: Công nghệ & quản lý xây dựng K15 Hình 3.1: Sơ đồ thực mạng Nơ - ron Hình 3.2: Trình tự thực ANN Hình 3.3 : Giản đồ thực NN Hình 4.1 : Giao diện Matlab Hình 4.2 : Bảng quản lý liệu mạng Hình 4.3 : Bảng nhập Matrận đầu vào Hình 4.4 : Bảng nhập ma trận đầu Hình 4.5 : Tạo mạng Hình 4.6: Giao diện sau nhập liệu Hình 4.7: Bảng thông tin huấn luyện mạng Hình 4.8: Các thông số việc huấn luyện mạng Hình 4.9: Mạng nơ – ron liệu nhập vào Hình 4.10: Biểu đồ sai số việc huấn luyện Hình 4.11: Biểu đồ giá trị sai số sau kết thúc huấn luyện lần Hình 4.12: Biểu đồ giá trị sai số sau kết thúc huấn luyện lần Hình 4.13: Giao diện quản lý mạng sau huấn luyện Hình 4.14: Ma trận đầu việc huấn luyện Hình 4.15: Ma trận sai số việc huấn luyện Hình 4.16: Ma trận trọng số giá trị đầu vào Hình 4.17: Ma trận trọng số lớp thứ Hình 4.18: Ma trận trọng số nút Bias vào GVHD : Ts Nguyễn Công thạnh & Ths Lưu Trường Văn Thực hiện: Phan Văn Khoa Trang Luận văn thạc só trang 109 49 01/04 7,100 7,000 45,000 900 50 02/04 7,200 6,850 45,000 900 51 03/04 7,750 7,550 45,000 900 52 04/04 7,550 7,550 45,000 900 53 05/04 7,550 7,550 45,000 900 54 06/04 7,250 7,350 45,000 900 55 07/04 7,250 7,350 45,000 900 56 08/04 7,350 7,350 45,000 900 57 09/04 7,350 7,350 45,000 900 58 10/04 7,350 7,350 45,000 900 59 11/04 7,350 7,350 45,000 900 60 12/04 7,350 7,350 46,000 920 61 01/05 7,350 7,350 46,000 920 62 02/05 7,350 7,350 46,000 920 63 03/05 7,350 7,450 43,000 860 64 04/05 7,450 7,400 43,182 864 65 Quyù 4/05 7,500 7,300 42,865 857 66 Quy 1/06 7,450 7,300 42,865 857 67 Quyù 2/06 7,560 7,300 44,050 881 68 06/06 7,560 44,050 881 Luận văn thạc só trang 110 PHỤ LỤC 2: BẢNG DỮ LIỆU GIÁ XĂNG A92 TỪ NĂM 2000 ĐẾN NAY (Nguồn: Doanh Nghiệp Kinh Doanh Xăng Dầu Phước An) NĂM Tháng Tháng Tháng Tháng Tháng Tháng Tháng 2000 4800 4800 4800 4800 4800 4800 4800 2001 4800 4800 4800 5400 5400 5400 5400 2002 5400 5400 5400 5400 5400 5400 5400 2003 5400 5400 5400 5400 5400 5400 5600 2004 5600 5600 5600 5600 5600 7000 7000 2005 7500 7500 7500 8000 8000 8000 8800 2006 9500 9500 9500 11000 11000 11000 11000 NĂM Tháng 08 Tháng 09 Tháng 10 Tháng 11 Tháng 12 2000 4800 4800 4800 4800 4800 2001 5400 5400 5400 5400 5400 2002 5400 5400 5400 5400 5400 2003 5600 5600 5600 5600 5600 2004 7000 7000 7000 7000 7500 2005 10000 10000 10000 9500 9500 2006 Luận văn thạc só trang 111 PHỤ LỤC 3: BẢNG MÃ LẬP TRÌNH VISUAL C++ // Neural ContructionDlg.cpp : implementation file// #include "stdafx.h" #include #include "Neural Contruction.h" #include "Neural ContructionDlg.h" #ifdef _DEBUG #define new DEBUG_NEW #undef THIS_FILE static char THIS_FILE[] = FILE ; #endif //volatile bool m_bThread; //UINT ThreadProc(LPVOID pParam); FILE *m_File=NULL; DWORD CALLBACK EditStreamCallback( DWORD dwCookie, // application-defined value LPBYTE pbBuff, // pointer to a buffer LONG cb, // number of bytes to read or write LONG *pcb // pointer to number of bytes transferred ); ///////////////////////////////////////////////////////////////////////////// // CAboutDlg dialog used for App About class CAboutDlg : public CDialog {public: CAboutDlg(); // Dialog Data //{{AFX_DATA(CAboutDlg) enum { IDD = IDD_ABOUTBOX }; //}}AFX_DATA // ClassWizard generated virtual function overrides //{{AFX_VIRTUAL(CAboutDlg) protected: Luận văn thạc só trang 112 virtual void DoDataExchange(CDataExchange* pDX); // DDX/DDV support //}}AFX_VIRTUAL // Implementation protected: //{{AFX_MSG(CAboutDlg) //}}AFX_MSG DECLARE_MESSAGE_MAP() }; CAboutDlg::CAboutDlg() : CDialog(CAboutDlg::IDD){ //{{AFX_DATA_INIT(CAboutDlg) //}}AFX_DATA_INIT} void CAboutDlg::DoDataExchange(CDataExchange* pDX) { CDialog::DoDataExchange(pDX); //{{AFX_DATA_MAP(CAboutDlg) //}}AFX_DATA_MAP} BEGIN_MESSAGE_MAP(CAboutDlg, CDialog) //{{AFX_MSG_MAP(CAboutDlg) // No message handlers //}}AFX_MSG_MAP END_MESSAGE_MAP() ///////////////////////////////////////////////////////////////////////////// // CNeuralContructionDlg dialog CNeuralContructionDlg::CNeuralContructionDlg(CWnd* pParent /*=NULL*/) : CDialog(CNeuralContructionDlg::IDD, pParent) { //{{AFX_DATA_INIT(CNeuralContructionDlg) m_dInput1 = 0.0; m_dInput2 = 0.0; m_dInput3 = 0.0; m_dInput4 = 0.0; m_dInput5 = 0.0; m_dInput6 = 0.0; m_dInput7 = 0.0; m_dOut = 0.0; //}}AFX_DATA_INIT // Note that LoadIcon does not require a subsequent DestroyIcon in Win32 m_hIcon = AfxGetApp()->LoadIcon(IDR_MAINFRAME); } void CNeuralContructionDlg::DoDataExchange(CDataExchange* pDX) Luận văn thạc só { trang 113 CDialog::DoDataExchange(pDX); //{{AFX_DATA_MAP(CNeuralContructionDlg) DDX_Text(pDX, IDC_EInput1, m_dInput1); DDX_Text(pDX, IDC_EInput2, m_dInput2); DDX_Text(pDX, IDC_EInput3, m_dInput3); DDX_Text(pDX, IDC_EInput4, m_dInput4); DDX_Text(pDX, IDC_EInput5, m_dInput5); DDX_Text(pDX, IDC_EInput6, m_dInput6); DDX_Text(pDX, IDC_EInput7, m_dInput7); DDX_Text(pDX, IDC_EOut, m_dOut); //}}AFX_DATA_MAP} BEGIN_MESSAGE_MAP(CNeuralContructionDlg, CDialog) //{{AFX_MSG_MAP(CNeuralContructionDlg) ON_WM_SYSCOMMAND() ON_WM_PAINT() ON_WM_QUERYDRAGICON() ON_BN_CLICKED(IDC_BResult, OnBResult) ON_BN_CLICKED(IDC_BClose, OnBClose) ON_BN_CLICKED(IDC_BUdWeight, OnBUdWeight) ON_BN_CLICKED(IDC_BClear, OnBClear) ON_BN_CLICKED(IDC_BSave, OnBSave) ON_BN_CLICKED(IDC_BOpen, OnBOpen) //}}AFX_MSG_MAP END_MESSAGE_MAP() ///////////////////////////////////////////////////////////////////////////// // CNeuralContructionDlg message handlers BOOL CNeuralContructionDlg::OnInitDialog() { CDialog::OnInitDialog(); // Add "About " menu item to system menu // IDM_ABOUTBOX must be in the system command range ASSERT((IDM_ABOUTBOX & 0xFFF0) == IDM_ABOUTBOX); ASSERT(IDM_ABOUTBOX < 0xF000); CMenu* pSysMenu = GetSystemMenu(FALSE); if (pSysMenu != NULL) { CString strAboutMenu; Luận văn thạc só trang 114 strAboutMenu.LoadString(IDS_ABOUTBOX); if (!strAboutMenu.IsEmpty()) { pSysMenu->AppendMenu(MF_SEPARATOR); pSysMenu->AppendMenu(MF_STRING, IDM_ABOUTBOX, strAboutMenu); } } // Set the icon for this dialog The framework does this automatically // when the application's main window is not a dialog SetIcon(m_hIcon, TRUE); // Set big icon SetIcon(m_hIcon, FALSE); // Set small icon // TODO: Add extra initialization here m_fWeight11=1.1124; m_fWeight12=0.3224; m_fWeight13=-1.1094; m_fWeight14=-1.1711; m_fWeight15=0.4989; m_fWeight16=-0.8225; m_fWeight17=-0.0518; m_fWeight21=-0.6106; m_fWeight22=0.5793; m_fWeight23=-0.3817; m_fWeight24=0.9256; m_fWeight25=-0.8105; m_fWeight26=0.7816; m_fWeight27=1.0187; m_fWeight31=-1.0148; m_fWeight32=3.6641; m_fWeight33=2.9649; m_fWeight34=0.3725; m_fWeight35=0.7141; m_fWeight36=-0.0281; m_fWeight37=1.2533; m_fWeight41=-0.505; m_fWeight42=1.9019; m_fWeight43=-1.3054; m_fWeight44=0.962; m_fWeight45=-0.8469; m_fWeight46=-0.1138; m_fWeight47=0.3069; m_fWeight51=1.5712; m_fWeight52=-1.79; m_fWeight53=-2.0883; m_fWeight54=-0.1351; m_fWeight55=0.5188; m_fWeight56=-0.5963; m_fWeight57=0.4269; m_fWeight61=1.3568; m_fWeight62=-1.1148; m_fWeight63=-1.3311; m_fWeight64=-0.2283; m_fWeight65=-0.1227; m_fWeight66=0.6551; m_fWeight67=1.1406; m_fWeight71=0.1875; m_fWeight72=1.9339; m_fWeight73=-0.9328; m_fWeight74=0.9793; m_fWeight75=0.5886; m_fWeight76=-0.2375; m_fWeight77=-0.3799; m_fWeight81=-0.9627; m_fWeight82=0.59; m_fWeight83=-0.2009; m_fWeight84=0.1693; m_fWeight85=-0.1085; m_fWeight86=1.1706; m_fWeight87=-0.4881; m_fWeight91=0.379; m_fWeight92=1.335; m_fWeight93=-0.1611; m_fWeight94=-0.4111; m_fWeight95=-0.3658; m_fWeight96=1.6904; m_fWeight97=-0.3848; m_fWeight101=-0.145; m_fWeight102=1.2507; m_fWeight103=-0.9378; m_fWeight104=0.5089;m_fWeight105=-0.9667; m_fWeight106=0.1631; m_fWeight107=0.0438; Luận văn thạc só trang 115 m_fBias1=-1.7051; m_fBias2=1.5917; m_fBias3=-1.23; m_fBias4=1.6584; m_fBias5=-0.19127; m_fBias6=0.75045; m_fBias7=-0.67033; m_fBias9=2.1423; m_fBias10=-1.985; m_fOWeight1=0.82897; m_fOWeight2=0.077449; m_fOWeight3=3.8453; m_fOWeight6=-1.2196; m_fOWeight4=2.3903; m_fOWeight=1; m_fOBias=1.0659; return TRUE; // return TRUE unless you set the focus to a control } void CNeuralContructionDlg::OnSysCommand(UINT nID, LPARAM lParam) if ((nID & 0xFFF0) == IDM_ABOUTBOX) { CAboutDlg dlgAbout; dlgAbout.DoModal(); } else { CDialog::OnSysCommand(nID, lParam); } } // If you add a minimize button to your dialog, you will need the code below // to draw the icon For MFC applications using the document/view model, // this is automatically done for you by the framework void CNeuralContructionDlg::OnPaint() { if (IsIconic()) { m_fOWeight5=2.2038; m_fOWeight7=0.84679; m_fOWeight8=-0.28416; m_fOWeight9=2.2507; m_fOWeight10=0.14607;// { m_fBias8=-1.0575; CPaintDC dc(this); // device context for painting SendMessage(WM_ICONERASEBKGND, (WPARAM) dc.GetSafeHdc(), 0); // Center icon in client rectangle int cxIcon = GetSystemMetrics(SM_CXICON); int cyIcon = GetSystemMetrics(SM_CYICON); CRect rect; GetClientRect(&rect); int x = (rect.Width() - cxIcon + 1) / 2; int y = (rect.Height() - cyIcon + 1) / 2; // Draw the icon dc.DrawIcon(x, y, m_hIcon); Luận văn thạc só } trang 116 else { CDialog::OnPaint(); }} // The system calls this to obtain the cursor to display while the user drags // the minimized window HCURSOR CNeuralContructionDlg::OnQueryDragIcon() { return (HCURSOR) m_hIcon;} void CNeuralContructionDlg::OnBResult() { // TODO: Add your control notification handler code here UpdateData(TRUE); m_dOut1=UpStateWeight(m_fWeight11,m_fWeight12,m_fWeight13,m_fWeight14,m_fWeight15,m_fWe ight16,m_fWeight17,m_fBias1);//Hidden node m_dOut2=UpStateWeight(m_fWeight21,m_fWeight22,m_fWeight23,m_fWeight24,m_fWeight25,m_fWe ight26,m_fWeight27,m_fBias2);//Hidden node m_dOut3=UpStateWeight(m_fWeight31,m_fWeight32,m_fWeight33,m_fWeight34,m_fWeight35,m_fWe ight36,m_fWeight37,m_fBias3);//Hidden node m_dOut4=UpStateWeight(m_fWeight41,m_fWeight42,m_fWeight43,m_fWeight44,m_fWeight45,m_fWe ight46,m_fWeight47,m_fBias4);//Hidden node m_dOut5=UpStateWeight(m_fWeight51,m_fWeight52,m_fWeight53,m_fWeight54,m_fWeight55,m_fWe ight56,m_fWeight57,m_fBias5);//Hidden node m_dOut6=UpStateWeight(m_fWeight61,m_fWeight62,m_fWeight63,m_fWeight64,m_fWeight65,m_fWe ight66,m_fWeight67,m_fBias6);//Hidden node m_dOut7=UpStateWeight(m_fWeight71,m_fWeight72,m_fWeight73,m_fWeight74,m_fWeight75,m_fWe ight76,m_fWeight77,m_fBias7);//Hidden node m_dOut8=UpStateWeight(m_fWeight81,m_fWeight82,m_fWeight83,m_fWeight84,m_fWeight85,m_fWe ight86,m_fWeight87,m_fBias8);//Hidden node m_dOut9=UpStateWeight(m_fWeight91,m_fWeight92,m_fWeight93,m_fWeight94,m_fWeight95,m_fWe ight96,m_fWeight97,m_fBias9);//Hidden node m_dOut10=UpStateWeight(m_fWeight101,m_fWeight102,m_fWeight103,m_fWeight104,m_fWeight105 ,m_fWeight106,m_fWeight107,m_fBias10);//Hidden node m_fWeighttest=m_dOut1*m_fOWeight1 + m_dOut2*m_fOWeight2 + m_dOut3*m_fOWeight3 + m_dOut4*m_fOWeight4 + m_dOut5*m_fOWeight5 + m_dOut6*m_fOWeight6 + m_dOut7*m_fOWeight7 + m_dOut8*m_fOWeight8 + m_dOut9*m_fOWeight9 + m_dOut10*m_fOWeight10 + m_fOBias; Luận văn thạc só trang 117 // m_dOut=UpStateWeight(m_dOut1*m_fOWeight1,m_dOut2*m_fOWeight2,m_dOut3*m_fOWeight3,m_dOut4* m_fOWeight4,m_dOut5*m_fOWeight5,m_dOut6*m_fOWeight6,m_dOut7*m_fOWeight7+m_dOut8*m_fOWeig ht8+m_dOut9*m_fOWeight9+m_dOut10*m_fOWeight10,m_fOBias); m_dOutScale=TanSig(m_fWeighttest); m_dOut=(m_dOutScale+1)*(165423049019-3007261000)/2+3007261000; if(m_dInput1==0) { if(m_dInput2==0) { if(m_dInput3==0) { if(m_dInput4==0) { if(m_dInput5==0) { if(m_dInput6==0) { if(m_dInput7==0) m_dOut=0;} } } UpdateData(FALSE); } void CNeuralContructionDlg::OnBClose() { // TODO: Add your control notification handler code here OnOK();} void CNeuralContructionDlg::OnBUdWeight() { // TODO: Add your control notification handler code here /* CFileDialog m_lFile(TRUE); // Hien thi hop thoai File OOpen va luu ket qua if(m_lFile.DoModal()==IDOK) { } this->UpdateData(); CFile f; char strFilter[] = { "BCR Files (*.bcr)|*.bcr|All Files (*.*)|*.*||" }; CFileDialog FileDlg(TRUE, ".bcr", NULL, 0, strFilter); if( FileDlg.DoModal() == IDOK ) { if( f.Open(FileDlg.GetFileName(), CFile::modeRead) == FALSE ) return; } }} Luận văn thạc só trang 118 CArchive ar(&f, CArchive::load); // ar >> m_Make >> m_Model >> m_Year >> m_Mileage >> m_Owner; ar >> m_fWeighttest; ar.Close(); } else return; f.Close(); this->UpdateData(FALSE);*/ OpenFile();} void CNeuralContructionDlg::OnBClear() { // TODO: Add your control notification handler code here m_dInput1 = 0.0; m_dInput2 = 0.0; m_dInput3 = 0.0; m_dInput4 = 0.0; m_dInput5 = 0.0; m_dInput6 = 0.0; m_dInput7 = 0.0;// m_dOut = 0.0; UpdateData(FALSE); } void CNeuralContructionDlg::OnBSave() { // TODO: Add your control notification handler code here char result[100]; int num=24; sprintf( result, "%f", m_dInput1); m_cOut=result; this->UpdateData(); CFile f; char strFilter[] = { "BCR Files (*.bcr)|*.bcr|All Files (*.*)|*.*||" }; CFileDialog FileDlg(FALSE, ".bcr", NULL, 0, strFilter); if( FileDlg.DoModal() == IDOK ) { f.Open(FileDlg.GetFileName(), CFile::modeCreate | CFile::modeWrite); CArchive ar(&f, CArchive::store); // ar > m_dInput5 >> m_dInput6 >> m_dInput7 >> m_dOut; ar.Close(); } else return; f.Close(); this->UpdateData(FALSE); } LÝ LỊCH TRÍCH NGANG Họ Và Tên : PHAN VĂN KHOA Sinh ngày : 22/05/1979 Nơi sinh : Huế Địa liên lạc : 53/1/7C – Đường 494, khu phố 4, Tăng Nhơn Phú A, Quận 9, TP.HCM Điện thoại : 0989070922 - QUÁ TRÌNH ĐÀO TẠO Năm 1997 – 2002: Học trường Đại Học Bách Khoa TP.HCM – Ngành: Kỹ thuật xây dựng Năm 2004 – 2006: Học cao Học Ngành Công Nghệ Và Quản Lý Xây Dựng, khóa 15 – Trường Đại Học Bách Khoa TP.HCM - CÔNG TÁC HIỆN NAY Tháng 07/2002 – 12/2002: Công tác Tại Công Ty Cổ Phần Xây Dựng Và Sản Xuất Vật Liệu Xây Dựng Tháng 12/2002 – 06/2006 : Công tác Tại Công Ty Cổ Phần Đầu Tư Và Xây Dựng Số ... trình xây dựng chung cư, gồm có: chung cư tầng, chung cư tầng, chung cư 11 tầng, chung cư 12 tầng, chung cư 14 tầng, chung cư 15 tầng, chung cư 25 tầng; Thuộc dự án đầu tư thi công xây dựng công... xây dựng năm 2003 - Chung cư 5: 05 tầng, xây dựng năm 2003 - Chung cư 6: 12 tầng, xây dựng năm 2003 - Chung cư 7: 12 tầng, xây dựng năm 2003 - Chung cư 8: 05 tầng, xây dựng năm 2003 - Chung cư. .. tầng, xây dựng năm 2004 - Chung cư 10: 14 tầng, xây dựng năm 2005 - Chung cư 11: 09 tầng, xây dựng năm 2005 - Chung cư 12: 05 tầng, xây dựng năm 2005 - Chung cư 13: 15 tầng, xây dựng năm 2005 - Chung