Luận văn Quy trình thực hiện một 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 QUẢN LÝ XÂY DỰNG VỀ DỰ BÁO TỔNG MỨC ĐẦU TƯ DỰ ÁN GIAO THÔNG TẠI BÌNH ĐỊNH Biên soạn & giảng: PGS.TS. Lưu Trường Văn 1Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM • Bài giảng này biên soạn theo luận văn thạc sỹ của Lưu Nhất Phong, ngành Công nghệ & Quản lý xây dựng tại Đại học Bách Khoa TP.HCM • Tên luận văn: ỨNG DỤNG MẠNG NƠ-RON NHÂN TẠO VÀ HỒI QUY ĐA BIẾN ĐỂ DỰ BÁO TỔNG MỨC ĐẦU TƯ CÁC DỰ ÁN CÔNG TRÌNH GIAO THÔNG Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM 2 1. MỤC TIÊU NGHIÊN CỨU Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở 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 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 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 án Địa điểm: Các dự án xây dựng công trình giao thông tỉnh Bình Định Không gian: Thời điểm thu thập số liệu, tháng 7/2010; nghiên cứu thực hiện trong khoảng từ tháng 7/2010 đến tháng 12/2010 Quan điểm phân tích: Phân tích và thảo luận theo quan điểm của Chủ đầu tư. Trang 5 2. CÔNG CỤ NGHIÊN CỨU Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM 6 Các công cụ nghiên cứu Nội dung 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 Phát triển và rút ra các nhân tố chính ảnh hưởng đến tổng mức - Thảo luận nhóm - Bảng câu hỏi 7 đầu tư xây dựng công trình giao thông. - Khảo sát thu thập đánh giá của chuyên gia - Phân tích thống kê của SPSS Xây dựng mạng nơron thực hiện dự báo. - Neural Network của SPSS Phân tích hồi quy đa biến và kiểm định mô hình hồi quy - Linear Regression của SPSS 3. QUY TRÌNH THỰC HIỆN NGHIÊN CỨU Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM 8 Phương pháp nguyên cứu. 3 4 2 Tham khảo ý kiến các chuyên gia Xác định các yếu tố chính ảnh hưởng đến tổng XÁC ĐỊNH ĐỀ TÀI Xác định các nhân tố ảnh Quy trình nguyên cứu 5 Thu thập số liệu các biến tiềm qua thảo luận nhóm, bảng câu hỏi mức đầu tư bằng phương pháp phân tích thống kê hưởng qua các tài liệu, sách báo và các nghiên cứu trước đây năng Trang 9 Phương pháp nguyên cứu. 7 6 Xử lý số liệu Hồi quy đa biến Xử lý ban đầu số liệu thu thập Quy trình nghiên cứu (tt). 8 Xây dựng mô hình hồi quy 9 Kiểm định và đánh giá độ phù hợp của mô hình 10 Phân tích kết quả MLR 11 Xử lý số liệu mạng nơron nhân tạo 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) • Phạm vi dự án (xây dựng mới, nâng cấp cải tạo...) • Vị trí dự án xây dựng (đồng • Vận tốc thiết kế • Số lượng cống bê tông cốt thép thoát nước trên tuyến • Số lượng cầu bản bê tông cốt thép thoát nước trên tuyến • Số lượng cầu dầm bê tông cốt thép thoát nước trên tuyến • Loại kết cấu lớp mặt đường (bê tông xi măng, bê tông nhựa...) • Tình trạng ngập nước xung quanh nền đường • Điều kiện địa chất bằng, miền núi, đô thị) • Thời gian thực hiện dự án • Chiều dài tuyến đường • Bề rộng nền đường • Bề rộng mặt đường • Tải trọng thiết kế • Giá dầu • Giá nhựa đường • Giá xi măng • Giá thép • Mức lương cơ bản Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM 11 Bảng câu hỏi Bảng câu hỏi gồm có 3 phần chính: – Phần giới thiệu: Nhằm định hướng các ứng viên hiểu được vấn đề đang khảo sát, có được cái nhìn khách quan cũng như hiểu được cách trả lời các câu hỏi khảo sát cho phù hợp với suy nghĩ, kinh nghiệm và sự hiểu biết của bản thân từng người. – Phần A: Đánh giá các yếu tố ảnh hưởng đến tổng mức đầu tư dự án công trình giao thông qua thang đo tỷ lệ Likert với mức độ từ 1 đến 5. – Phần B: là phần thông tin cá nhân của các ứng viên, có thể dùng để thực hiện nhiều phép phân tích thống kê nhằm mục đích đánh giá bổ sung về thông tin khảo sát. Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM 12 THU THẬP DỮ LIỆU Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM 13 Phương pháp thu thập dữ liệu 3 5 - Dữ liệu từ nguồn sơ cấp (primary sources): Bảng câu hỏi được gửi trực tiếp hoặc gián tiếp qua email đến Dữ liệu dùng cho nghiên cứu này chủ yếu từ hai nguồn sơ cấp và thứ cấp. Company LogoTrang 14 người được phỏng vấn. - Dữ liệu từ nguồn thứ cấp (Secondary sources): Thu thập dữ liệu trong các kho lưu trữ của các Chủ đầu tư; Dữ liệu các nhân tố chính của các dự án đã thực hiện từ năm 2000 -2009 của các dự án xây dựng công trình giao thông (đường bộ) được thu thập. 4. Tóm tắt về các bước xây dựng mô hình dự báo theo ANN và MLR Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM 15 Các bước xây dựng mô hình ANN 5 Bước 1 Thu thập và mã hóa dữ liệu, nhập vào SPSS Bước 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 Bước 3 Phân chia tập dữ liệu để huấn luyện (training) và kiểm tra (test) Bước 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 LogoTrang 16 dữ liệu đầu ra. Bước 5 Lựa chọn huấn huyện mạng theo cách cập nhật trọng số một lần, mẻ (batch); từng bộ (online) hoặc từng phần (mini-batch). Bước 6 Thiết lập các khống chế dừng huấn luyện và các lựa chọn xuất ra kết quả thực hiện. Bước 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) 3Các bước xây dựng mô hình MLR 5 Bước 1 Thu thập và mã hóa dữ liệu, nhập vào SPSS, kiểm tra điều kiện đủ thẳng qua scatterplot của biến Y với các biến X Bước 2 Phân tích tương quan tuyến tính giữa tất cả các biến là yếu tố chính. Bước 3 Xác định duy nhất 01 biến phụ thuộc và tùy chọn các biến độc lập theo từng block, đồng thời với việc lựa chọn thủ tục chọn biến theo một trong các cách Enter; Remove; Backward; Forward; Stepwise. Lựa chọn xuất ra các thông số thống kê hồi quy như: các ước Company LogoTrang 17 Bước 4 lượng, khoảng tin cậy, ma trận hiệp phương sai, model fit (cácthống 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 3Các 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 kê Durbin – Watson, - Kiểm tra giả định phương sai phần dư cân bằng qua quan sát scatterplot của phần dư với các biến độc lập - Kiểm tra điều kiện gần chuẩn của phần dư bằng biểu đồ tần suất hoặc biểu đồ Q – Q plot. Company LogoTrang 18 - Kiểm tra đa cộng tuyến bằng độ chấp nhận (Tolerance) hoặc VIF. - Kiểm định giả thuyết về độ phù hợp của mô hình - Kiểm định giả thuyết về ý nghĩa của hệ số hồi quy - Kiểm định giả thuyết về tầm quan trọng của các biến Bước 7 Sử dụng mô hình hồi quy đa biến để dự báo. 5. Kết quả chi tiết của nghiên cứu Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM 19 5.1. PHÂN TÍCH VỀ ĐỐI TƯỢNG THAM GIA PHỎNG VẤN & DỮ LIỆU THỨ CẤP Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM 20 Kinh nghiệm của các ứng viên tham gia phỏng vấn Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM 21 Kinh nghiệm của các ứng viên tham gia phỏng vấn • Có 54,6% số ứng viên so với tổng số ứng viên phỏng vấn có thời gian làm việc lớn hơn 5 năm và 17,33% số ứng viên trong tổng số ứng viên phỏng vấn có thời gian làm việc từ 3 – 5 năm tiếp tục củng cố khẳng định kết quả trả lời phỏng vấn là đáng tin cậy Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM 22 Dữ liệu thứ cấp Để đảm bảo tính thống nhất và giảm độ phân tán của dữ liệu thu thập, dữ liệu một số biến định tính được phân theo các khung như sau: + Biến Quy mô dự án (cấp đường): Phân loại cấp quản lý đường theo TCVN4054 – 1998, bao gồm 5 cấp. + Biến Phạm vi dự án: Bao gồm hai loại là Nâng cấp (NC) và làm mới (LM). + Biến Vị trí dự án xây dựng: Bao gồm hai loại là trong đô thị (DT) và đồng bằng ngoài đô thị (DB). + Biến Loại kết cấu lớp mặt đường, bao gồm mặt đường bê tông nhựa (BTN) và mặt đường bê tông xi măng (BTXM). + Biến Tình trạng ngập nước xung quanh nền đường, bao gồm hai tình trạng có ngập nước (C) và không ngập nước (K). + Biến Điều kiện địa chất, bao gồm 03 loại: có xử lý đất yếu (DY), bình thường (BT) và có đào phá đá (DD). Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM 23 5.2. MÔ HÌNH ANN CHO TỔNG MỨC ĐẦU TƯ Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM 24 Mô hình ANN cho TMĐT 3 5 -Kết quả nguyên cứu định tính xây dựng được 20 nhân tố ảnh hưởng đến tổng mức đầu tư. - Thang đo lường của bảng câu hỏi đã được kiểm tra độ tin cậy theo Cronbach Alpha, cho kết quả tốt. - Dựa vào kết quả trả lời bảng câu hỏi của 75 chuyên gia theo tiêu chuẩn giá 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 LogoTrang 25 (One sample t - test), giữ nguyên 20 nhân tố làm biến đầu vào mô hình ANN • 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 dựng móng mặt đường, Chi phí xây dựng công trình thoát nước Nhóm 1: 3 dự án Nhóm 2: 30 dự án Loại bỏ biến Tổ hợp Phân chia dữ liệu Biến Tình trạng ngập nước xung quanh nền đường chỉ có 01 trạng thái không ngập nước Xử lý số liệu cho mạng nơ-ron nhân tạo Tổ hợp biến Mã hóa biến biến Trang 26 Snen = Bnen*chieudai*1000 Smat = Bmat*chieudai*1000 35 Kết quả xây dựng 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 LogoTrang 27 R2adj (Tongmuc) = 0,9661 R2adj (XDnen) = 0,9811 R2adj ( XDmat) = 0,9494 R2adj (XDcongtrinhtn) = 0,9506. 5.3. MÔ HÌNH MLR CHO TỔNG MỨC ĐẦU TƯ Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM 28 Hệ số tương quan giữa các biến độc lập Y X1 X2 X3 X4 X5 X6 X7 Tongmuc (Y) r 1 .653 .716 .688 .565 .711 .772 .745 sig .000 .000 .000 .001 .000 .000 .000 thoigian (X1) r .653 1 .756 .612 .674 .509 .787 .725 sig .000 .000 .000 .000 .004 .000 .000 chieudai (X2) r .716 .756 1 .509 .557 .379 .988 .948 sig .000 .000 .004 .001 .039 .000 .000 Lcong r .688 .612 .509 1 .726 .258 .585 .508 Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM 29 (X3) sig .000 .000 .004 .000 .169 .001 .004 Lcauban (X4) r .565 .674 .557 .726 1 .342 .592 .454 sig .001 .000 .001 .000 .064 .001 .012 Lcaudam (X5) r .711 .509 .379 .258 .342 1 .413 .379 sig .000 .004 .039 .169 .064 .023 .039 Snen (X6) r .772 .787 .988 .585 .592 .413 1 .955 sig .000 .000 .000 .001 .001 .023 .000 Smat (X7) r .745 .725 .948 .508 .454 .379 .955 1 sig .000 .000 .000 .004 .012 .039 .000 Tổ hợp Phân tích tương quanNhóm 1: 3 dự án Nhóm 2: 30 dự án Kiểm tra Xử lý số liệu cho mô hình MLR Mô hình MLR cho TMĐT Phân chia dữ liệu Biến Tongmuc và 7 biến độc lập có mối biếnđiều kiện đủ thẳng Trang 30 - Kiểm tra biểu đồ phân tán của 16 biến độc lập và biến phụ thuộc Tongmuc - Có 7 biến được chọn. Xác định biến định lượngSử dụng 16 biến định lượng liên hệ tương quan với nhau khá cao (thấp nhất là 0,565), P value = 1%. 35 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 LogoTrang 31 0 - Không thỏa kiểm định giả thuyết về ý nghĩa của hệ số hồi quy. ⇒mô hình MLR phù hợp phải có hệ số β 0 = 0. β 0 = 0. - Kết quả mô hình giải thích tổng mức đầu tư xây dựng công trình giao thông như trên 0 - Kết quả mô hình không hợp lý ở ý nghĩa hệ số hồi quy Ngày 15/01/11 35 Dò tìm các vi phạm giả thuyết, Kiểm định mô hình Hầu hết kết quả các bước kiểm tra thỏa các điều kiện và kết quả kiểm định có ý nghĩa thống kê phù hợp. -Tuy nhiên kiểm tra giả định liên hệ tuyến tính trên scatter plot giữa Residual ,Tongmuc có dấu hiệu đáng chú ý. Biểu đồ không có hướng, nhưng sự phân tán không thực sự dàn đều. - Vấn đề cũng xảy ra tương tự trong kiểm tra giả định phương sai cân bằng giữa biến Tongmuc và Lcaudam. Trang 32 MAPE (nhóm 1) = 2.59%, Adjust R square của mô hình do SPSS tính toán bằng 0,903 R square của mô hình đi qua gốc tọa độ được tính toán bằng 0,860 Biểu đồ phân tán giữa Residual chuẩn hóa và Tongmuc Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM 33 Biểu đồ phân tán giữa Residual và Snen Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM 34 Biểu đồ tần suất của phần dư Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM 35 35 Bảng tóm tắt kết quả của mô hình Model Summarye,f Model 1 2 3 R .863a .929c .956d .746 .864 .913 Adjusted .737 .854 .903 Std. Error of the Estimate 12360.17628 9210.71857 7486.01826 Change Statistics R Square Change .746 .118 .050 Company LogoTrang 36 F Change 84.952 24.223 15.388 df1 1 1 1 df2 29 28 27 Sig. F Change .000 .000 .001 Durbin-Watson 2.324 a. Predictors: Snen c. Predictors: Snen, Lcaudam d. Predictors: Snen, Lcaudam, Lcong e. Dependent Variable: Tongmuc f. Linear Regression through the Origin 35 Bảng ANOVA ANOVAe,f Model Sum of Squares df Mean Square F Sig. 1 Regression 1.298E+10 1 1.298E+10 84.952 .000a Residual 4.430E+09 29 1.528E+08 Total 1.741E+10 30 2 Regression 1.503E+10 2 7.517E+09 88.602 .000c Residual 2.375E+09 28 8.484E+07 Company LogoTrang 37 Total 1.741E+10 30 3 Regression 1.590E+10 3 5.299E+09 94.550 .000d 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 35 Bảng các hệ số của mô hình Coefficientsa,b Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Snen .300 .033 .863 9.217 .000 1.000 1.000 Company LogoTrang 38 2 Snen .231 .028 .667 8.284 .000 .753 1.328 Lcaudam 79.286 16.110 .396 4.922 .000 .753 1.328 3 Snen .149 .031 .428 4.793 .000 .404 2.477 Lcaudam 78.081 13.097 .390 5.962 .000 .752 1.329 Lcong 22.493 5.734 .328 3.923 .001 .459 2.178 a. Dependent Variable: Tongmuc; b. Linear Regression through the Origin 5.4. TỰ ĐỘNG HÓA DỰ BÁO Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM 39 35 Tự động hóa dự báo + Tính toán dự báo Tổng mức đầu tư, Chi phí xây dựng nền, Chi phí xây dựng móng mặt, Chi phí xây dựng công trình thoát nước theo mô hình ANN và Tổng mức đầu tư theo mô hình MLR. + Cho phép người dùng cập nhật lại bộ ma trận trọng số, thay Ngôn ngữ Visual Basic lập trình phần mềm: A&M Predictor Company LogoTrang 40 đổi số nút ẩn cho mạng ANN và cập nhật các hệ số hồi quy cho mô hình MLR. + Lưu file và mở file đã có, cũng như tạo một file mới để nhập dữ liệu - Ứng dụng phần mềm để dự đoán cho dự án số 23 và 28 A&M Predictor Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM 41 Liệt kê và so sánh kết quả tính toán dự án số 23 (triệu VNĐ) Tongmuc XDnen XDmat XDcongtri nhtn Thực tế 9598 706 7636 892 ANN Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM 42 11701,39 845,69 10050,04 635,43 MAPE (%) 21.91% 19.79% 31.61% 28.76% MLR 10014,29 MAPE (%) 4.34% Liệt kê và so sánh kết quả tính toán dự án số 28 (triệu VNĐ) Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM 43 Liệt kê và so sánh kết quả tính toán dự án số 28 (triệu VNĐ) Tongmuc XDnen XDmat XDcongtri nhtn Thực tế 9598 706 7636 892 ANN Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM 44 11701,39 845,69 10050,04 635,43 MAPE (%) 21.91% 19.79% 31.61% 28.76% MLR 10014,29 MAPE (%) 4.34% Cửa sổ thực hiện cập nhật trọng số của mô hình ANN Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM 45 Cửa sổ thực hiện cập nhật hệ số hồi quy của mô hình MLR Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM 46 Cửa sổ thực hiện lưu một file mới chương trình A&M Predictor Giảng viên: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM 47 Tài liệu tham khảo quan trọng [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 Management, 131, 765-771. [4] Khoa, P. V.,Van, L. T. và Long, L. H. (2007). Ước lượng chi phí xây dựng chung cư bằng mạng neuron nhân tạo. Science & Technology Development, 10, 84-92. Trang 48 Xin caûm ôn! Chuùc caùc baïn ñaït nhieàu thaønh quaû toát trong học tập! Biên soạn & giảng: PGS.TS. Lưu Trường Văn, Đại học Mở TP.HCM 49