Luận Văn Thạc Sĩ: Dự Báo Dịch Sốt Xuất Huyết Bằng Phương Pháp Học Máy

Luận văn thạc sĩ nghiên cứu dự báo dịch sốt xuất huyết sử dụng phương pháp học máy, ứng dụng công nghệ hiện đại trong y tế dự phòng.

• Tác giả: Nguyễn Bình Minh
• Người hướng dẫn: TS. Mai Hoàng Bảo Ân
• Trường học: Đại học Thủ Dầu Một
• Chuyên ngành: Hệ thống thông tin
• Đề tài: Dự báo dịch sốt xuất huyết bằng phương pháp học máy
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2019
• Địa điểm: Bình Dương

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• DANH MỤC CÁC TỪ VIẾT TẮT, CÁC KÝ HIỆU
• DANH SÁCH CÁC BẢNG BIỂU
• DANH SÁCH CÁC HÌNH
• MỞ ĐẦU
• 0.1. Tính cấp thiết của đề tài
• 0.2. Mục tiêu nghiên cứu
• 0.3. Đối tượng và phạm vi nghiên cứu, phương pháp nghiên cứu
• 1. CHƯƠNG 1: GIỚI THIỆU TỔNG QUAN
• 1.1. Tổng quan về tỉnh Bình Dương
• 1.2. Tổng quan về dịch bệnh SXH tại Việt Nam và tỉnh Bình Dương
• 1.3. Tổng quan về phát hiện tri thức và khai phá dữ liệu
• 1.4. Các phương pháp khai phá dữ liệu
• 1.5. Một số ứng dụng của phát hiện tri thức, khai phá dữ liệu
• 2. CHƯƠNG 2: CÁC NGHIÊN CỨU LIÊN QUAN
• 2.1. Các nghiên cứu liên quan đến dự báo dịch bệnh dựa trên khai phá dữ liệu
• 2.2. Một số kỹ thuật xây dựng mô hình dự báo
• 2.2.1. Dự báo dựa trên khai phá Luật kết hợp
• 2.2.2. Dự báo bằng kỹ thuật học máy hồi qui và phân lớp
• 2.2.2.1. Hồi qui tuyến tính (Linear Regression – LR)
• 2.2.2.2. Rừng ngẫu nhiên (Random Forests - RF)
• 2.2.2.3. Máy vector hỗ trợ (Support Vector Machines - SVM)
• 2.2.3. Một số nhóm mô hình dự báo dịch bệnh thường gặp
• 3. CHƯƠNG 3: XÂY DỰNG MÔ HÌNH DỰ BÁO, THỰC NGHIỆM
• 3.1. Đề xuất phương pháp xây dựng mô hình dự báo dịch sốt xuất huyết
• 3.2. Đánh giá độ chính xác của thuật toán và mô hình dự báo
• 3.3. Thực nghiệm mô hình
• 3.3.1. Nguồn dữ liệu
• 3.3.2. Tìm hiểu, mô tả và tiền xử lý dữ liệu
• 3.3.3. Nội dung nghiên cứu và kết quả đạt được
• 3.3.4. Định hướng phát triển
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Giới thiệu tổng quan

Chương này trình bày tổng quan về tỉnh Bình Dương, tình hình dịch bệnh sốt xuất huyết tại Việt Nam và tỉnh Bình Dương, công tác phòng chống dịch bệnh, và đặc điểm dịch bệnh sốt xuất huyết tại Bình Dương. Tỉnh Bình Dương, thuộc vùng Đông Nam bộ, có tốc độ đô thị hóa nhanh và là một trong những tỉnh công nghiệp phát triển. Tình hình dịch bệnh sốt xuất huyết tại đây ngày càng phức tạp, với nhiều đợt dịch lớn xảy ra trong những năm qua. Việc nghiên cứu và ứng dụng các phương pháp học máy trong dự báo dịch bệnh là rất cần thiết nhằm nâng cao hiệu quả phòng chống dịch bệnh.

1.1 Tổng quan về tỉnh Bình Dương

Bình Dương có diện tích tự nhiên 2.694,43 km2 và dân số khoảng 2.951. Tỉnh có 09 đơn vị hành chính cấp huyện và 91 đơn vị hành chính cấp xã. Khí hậu tại Bình Dương là khí hậu nhiệt đới gió mùa, với mùa mưa kéo dài từ tháng 5 đến tháng 10. Sự phát triển kinh tế đi kèm với sự gia tăng dân số đã tạo ra nhiều thách thức trong công tác chăm sóc sức khỏe và phòng chống dịch bệnh, đặc biệt là dịch sốt xuất huyết.

1.2 Tình hình dịch bệnh sốt xuất huyết tại Việt Nam và tỉnh Bình Dương

Dịch sốt xuất huyết là một trong những bệnh truyền nhiễm nguy hiểm, lây lan qua muỗi Aedes. Tại Việt Nam, số ca mắc bệnh ngày càng tăng, với Bình Dương là một trong những tỉnh có số ca mắc cao nhất. Trong vòng 10 năm qua, nhiều đợt dịch lớn đã xảy ra, gây ra nhiều ca mắc và tử vong. Việc nghiên cứu và dự báo dịch bệnh là cần thiết để có biện pháp phòng chống hiệu quả.

II. Các nghiên cứu liên quan

Chương này trình bày các nghiên cứu liên quan đến dự báo dịch bệnh dựa trên khai phá dữ liệu và các phương pháp học máy. Nghiên cứu cho thấy rằng việc ứng dụng các phương pháp học máy như hồi quy tuyến tính, rừng ngẫu nhiên, và máy vector hỗ trợ có thể giúp cải thiện độ chính xác trong dự báo dịch bệnh. Các mô hình này đã được áp dụng thành công trong nhiều nghiên cứu trước đây, cho thấy tiềm năng lớn trong việc dự báo dịch sốt xuất huyết.

2.1 Các nghiên cứu liên quan đến dự báo dịch bệnh

Nhiều nghiên cứu đã chỉ ra rằng việc sử dụng các phương pháp khai phá dữ liệu có thể giúp dự báo chính xác hơn về sự bùng phát của dịch bệnh. Các mô hình học máy như hồi quy tuyến tính và rừng ngẫu nhiên đã được áp dụng để phân tích dữ liệu và dự đoán số ca mắc bệnh trong tương lai. Những nghiên cứu này cung cấp cơ sở lý thuyết vững chắc cho việc áp dụng các phương pháp học máy trong dự báo dịch sốt xuất huyết.

2.2 Một số kỹ thuật xây dựng mô hình dự báo

Các kỹ thuật như hồi quy tuyến tính, rừng ngẫu nhiên, và máy vector hỗ trợ đã được nghiên cứu và áp dụng trong việc dự báo dịch bệnh. Mỗi phương pháp có những ưu điểm và nhược điểm riêng, nhưng đều có khả năng cung cấp thông tin hữu ích cho việc dự báo. Việc lựa chọn phương pháp phù hợp sẽ phụ thuộc vào đặc điểm của dữ liệu và mục tiêu nghiên cứu.

III. Xây dựng mô hình dự báo thực nghiệm

Chương này tập trung vào việc xây dựng mô hình dự báo dịch sốt xuất huyết và thực nghiệm với các dữ liệu thu thập được. Dữ liệu được sử dụng bao gồm thông tin về ca bệnh, khí hậu, và dân số từ năm 2006 đến 2018. Các mô hình học máy được áp dụng để phân tích và dự đoán số ca mắc bệnh trong tương lai. Kết quả thực nghiệm cho thấy các mô hình học máy có thể cải thiện độ chính xác trong dự báo dịch bệnh.

3.1 Đề xuất phương pháp xây dựng mô hình dự báo

Để xây dựng mô hình dự báo dịch sốt xuất huyết, cần thu thập và xử lý dữ liệu từ nhiều nguồn khác nhau. Việc phân tích dữ liệu sẽ giúp xác định các yếu tố ảnh hưởng đến sự bùng phát dịch bệnh. Các mô hình học máy sẽ được áp dụng để dự đoán số ca mắc bệnh dựa trên các yếu tố này. Đề xuất mô hình dự báo sẽ được thực hiện dựa trên kết quả phân tích dữ liệu.

3.2 Thực nghiệm mô hình

Thực nghiệm mô hình dự báo được thực hiện trên các tập dữ liệu đã thu thập. Kết quả cho thấy rằng các mô hình học máy như hồi quy tuyến tính và rừng ngẫu nhiên có thể dự đoán chính xác số ca mắc bệnh. Việc so sánh kết quả giữa các mô hình cho thấy rằng rừng ngẫu nhiên có độ chính xác cao hơn so với hồi quy tuyến tính. Điều này cho thấy tiềm năng của các phương pháp học máy trong việc dự báo dịch sốt xuất huyết.

Nội dung chính

Tổng quan nghiên cứu

Tỉnh Bình Dương, một trong những trung tâm công nghiệp phát triển nhanh tại khu vực Đông Nam Bộ, đang đối mặt với sự gia tăng phức tạp của dịch bệnh sốt xuất huyết (SXH). Trong vòng 10 năm từ 2007 đến 2017, tỉnh đã ghi nhận nhiều đợt dịch lớn với số ca mắc và tử vong cao nhất nhì khu vực phía Nam. Năm 2016, Bình Dương có 3.928 ca mắc SXH với 1 ca tử vong, và năm 2017 tính đến cuối tháng 7 đã có 3.694 ca mắc với 1 ca tử vong. Tình hình dịch bệnh diễn biến không theo chu kỳ cố định, gây khó khăn cho công tác phòng chống.

Trong bối cảnh đó, việc ứng dụng các phương pháp khai phá dữ liệu và học máy để dự báo dịch SXH trở nên cấp thiết nhằm hỗ trợ cảnh báo sớm, giảm thiểu thiệt hại và tối ưu nguồn lực phòng chống dịch. Nghiên cứu tập trung xây dựng mô hình dự báo dịch SXH trên địa bàn tỉnh Bình Dương giai đoạn 2006-2018, dựa trên dữ liệu ca bệnh, khí hậu, môi trường và dân số của 9 huyện, thị, thành phố trong tỉnh. Mục tiêu chính là phát triển mô hình dự báo chính xác, có khả năng ứng dụng thực tiễn để hỗ trợ các cơ quan quản lý y tế trong công tác phòng chống dịch.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu dựa trên hai lý thuyết chính: khai phá dữ liệu (Data Mining) và học máy (Machine Learning). Khai phá dữ liệu là quá trình trích xuất tri thức có giá trị từ các tập dữ liệu lớn, bao gồm các kỹ thuật như phân lớp (classification), hồi quy (regression), phân nhóm (clustering), và mô hình ràng buộc (dependency modeling). Học máy cung cấp các thuật toán để xây dựng mô hình dự báo dựa trên dữ liệu đã thu thập, trong đó các thuật toán phổ biến được sử dụng gồm:

• Hồi quy tuyến tính (Linear Regression - LR): Mô hình dự báo biến liên tục dựa trên mối quan hệ tuyến tính giữa biến phụ thuộc và các biến độc lập.
• Cây quyết định (Decision Tree - DT): Mô hình phân loại dựa trên cấu trúc cây, dễ hiểu và hiệu quả trong khai phá dữ liệu.
• Rừng ngẫu nhiên (Random Forest - RF): Tập hợp nhiều cây quyết định, cải thiện độ chính xác và khả năng chống nhiễu.
• Máy vector hỗ trợ (Support Vector Machine - SVM): Thuật toán phân lớp mạnh mẽ, hiệu quả với dữ liệu có số chiều lớn.
• Naïve Bayes (NB): Thuật toán phân lớp dựa trên xác suất Bayes, đơn giản và nhanh chóng.

Các khái niệm chuyên ngành quan trọng bao gồm: chỉ số Breteau (BI) và chỉ số mật độ muỗi (DI) – các chỉ số côn trùng quan trọng trong dự báo dịch SXH; các chỉ số khí hậu như nhiệt độ, độ ẩm, lượng mưa; và các chỉ số dân số như mật độ dân cư.

Phương pháp nghiên cứu

Nguồn dữ liệu chính được thu thập từ Trung tâm Y tế Dự phòng tỉnh Bình Dương, Trung tâm quan trắc môi trường và Cục Thống kê tỉnh, bao gồm dữ liệu ca bệnh SXH, khí hậu, môi trường và dân số từ năm 2006 đến 2018. Bộ dữ liệu ban đầu gồm 63.544 bản ghi với 31 thuộc tính, sau khi tiền xử lý và lọc bỏ các thuộc tính không cần thiết còn lại 1.405 dòng dữ liệu với 14 thuộc tính, trong đó có 2 thuộc tính mục tiêu là số ca bệnh và trạng thái dịch.

Phương pháp phân tích sử dụng các thuật toán học máy hồi quy và phân lớp để xây dựng mô hình dự báo. Đánh giá hiệu năng mô hình dựa trên các chỉ số như độ chính xác (Accuracy), Precision, Recall, F1-Score cho bài toán phân lớp và MAE (Mean Absolute Error) cho bài toán hồi quy. Quá trình đánh giá sử dụng kỹ thuật holdout và k-fold cross validation để đảm bảo tính khách quan và độ tin cậy của kết quả.

Timeline nghiên cứu bao gồm: thu thập và tiền xử lý dữ liệu, xây dựng mô hình, thực nghiệm và đánh giá mô hình, so sánh kết quả với các nghiên cứu khác, và đề xuất mô hình phù hợp cho tỉnh Bình Dương.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Hiệu quả mô hình Random Forest: Thuật toán Random Forest đạt độ chính xác phân lớp lên đến 99,8%, vượt trội so với các thuật toán khác như SVM, KNN và Naïve Bayes. Trong bài toán hồi quy, Random Forest và Decision Tree có độ lỗi thấp nhất, với MAE của Random Forest là 0,9192, cho thấy khả năng dự báo số ca bệnh chính xác.

2. Tác động của các yếu tố môi trường và dân số: Độ tương quan giữa số ca bệnh SXH với các yếu tố nhiệt độ, độ ẩm và lượng mưa là cao nhất, cho thấy khí hậu có ảnh hưởng mạnh đến sự phát triển của dịch bệnh. Chỉ số côn trùng BI và DI cũng có tương quan đáng kể với số ca bệnh, khẳng định vai trò của véc-tơ truyền bệnh.

3. Phân bố dữ liệu và tính cân bằng: Dữ liệu phân bố không cân bằng về trạng thái dịch, tuy nhiên mô hình Random Forest vẫn duy trì độ chính xác cao, cho thấy khả năng xử lý dữ liệu không cân bằng tốt của thuật toán này.

4. So sánh với các nghiên cứu khác: Kết quả mô hình hồi quy và phân lớp của nghiên cứu tương đồng với các nghiên cứu tại Hà Nội và Ấn Độ, tuy nhiên có sự khác biệt về số lượng mẫu và đặc điểm dữ liệu, làm nổi bật tính đặc thù của vùng nghiên cứu.

Thảo luận kết quả

Kết quả cho thấy mô hình dự báo dịch SXH dựa trên học máy, đặc biệt là thuật toán Random Forest, có khả năng dự báo chính xác và ổn định trên dữ liệu thực tế của tỉnh Bình Dương. Sự ảnh hưởng rõ rệt của các yếu tố khí hậu và côn trùng phù hợp với các nghiên cứu dịch tễ học trước đây, đồng thời nhấn mạnh tầm quan trọng của việc tích hợp dữ liệu đa chiều trong dự báo dịch bệnh.

Việc sử dụng kỹ thuật k-fold cross validation giúp đánh giá mô hình khách quan, giảm thiểu hiện tượng overfitting. Mô hình cũng cho thấy ưu điểm vượt trội so với các phương pháp truyền thống về độ chính xác và khả năng xử lý dữ liệu phức tạp.

Dữ liệu nghiên cứu tuy đã được tiền xử lý kỹ lưỡng nhưng vẫn cần mở rộng thêm về số lượng và chất lượng để nâng cao hiệu năng mô hình. Việc áp dụng mô hình dự báo này có thể hỗ trợ các cơ quan y tế trong việc cảnh báo sớm, phân bổ nguồn lực hiệu quả và giảm thiểu tác động của dịch SXH tại địa phương.

Đề xuất và khuyến nghị

1. Triển khai mô hình dự báo Random Forest trong hệ thống giám sát dịch bệnh: Cơ quan y tế tỉnh Bình Dương nên áp dụng mô hình dự báo này để cảnh báo sớm nguy cơ dịch SXH, giúp chủ động trong công tác phòng chống. Thời gian triển khai dự kiến trong vòng 6-12 tháng, phối hợp với Trung tâm Y tế Dự phòng.

2. Tăng cường thu thập và chuẩn hóa dữ liệu: Đề xuất xây dựng hệ thống thu thập dữ liệu liên tục, đầy đủ về ca bệnh, khí hậu, côn trùng và dân số để nâng cao độ tin cậy và hiệu quả dự báo. Chủ thể thực hiện là Sở Y tế và các đơn vị liên quan, với kế hoạch dài hạn từ 1-3 năm.

3. Đào tạo nhân lực và nâng cao năng lực phân tích dữ liệu: Tổ chức các khóa đào tạo về khai phá dữ liệu và học máy cho cán bộ y tế nhằm nâng cao khả năng vận hành và phát triển mô hình dự báo. Thời gian đào tạo trong 3-6 tháng, do các trường đại học và viện nghiên cứu phối hợp thực hiện.

4. Phối hợp liên ngành trong phòng chống dịch: Khuyến khích sự phối hợp giữa các ngành y tế, môi trường, thống kê và công nghệ thông tin để khai thác tối đa nguồn dữ liệu và phát triển các giải pháp dự báo toàn diện. Chủ thể là các cơ quan quản lý tỉnh, với kế hoạch triển khai liên tục.

Đối tượng nên tham khảo luận văn

1. Cán bộ quản lý y tế và phòng chống dịch: Nghiên cứu cung cấp công cụ dự báo dịch bệnh chính xác, hỗ trợ ra quyết định phân bổ nguồn lực và triển khai các biện pháp phòng chống hiệu quả.

2. Nhà nghiên cứu và sinh viên chuyên ngành hệ thống thông tin và y tế công cộng: Luận văn trình bày chi tiết về ứng dụng học máy trong dự báo dịch bệnh, cung cấp cơ sở lý thuyết và thực nghiệm quý giá cho các nghiên cứu tiếp theo.

3. Chuyên gia công nghệ thông tin và phát triển phần mềm y tế: Tài liệu mô tả quy trình xây dựng và đánh giá mô hình học máy, giúp phát triển các ứng dụng dự báo dịch bệnh tích hợp trong hệ thống quản lý y tế.

4. Cơ quan hoạch định chính sách y tế: Nghiên cứu cung cấp bằng chứng khoa học để xây dựng các chính sách phòng chống dịch dựa trên dữ liệu và công nghệ hiện đại, nâng cao hiệu quả quản lý dịch bệnh.

Câu hỏi thường gặp

1. Mô hình học máy nào được đánh giá hiệu quả nhất trong nghiên cứu?
   Mô hình Random Forest được đánh giá có độ chính xác phân lớp lên đến 99,8% và MAE thấp trong hồi quy, cho thấy hiệu quả vượt trội so với các thuật toán khác như SVM, KNN và Naïve Bayes.

2. Các yếu tố nào ảnh hưởng mạnh nhất đến số ca bệnh sốt xuất huyết?
   Nhiệt độ, độ ẩm và lượng mưa có độ tương quan cao nhất với số ca bệnh, cùng với các chỉ số côn trùng như BI và DI, phản ánh vai trò quan trọng của khí hậu và véc-tơ truyền bệnh.

3. Dữ liệu nghiên cứu được thu thập trong khoảng thời gian nào và ở đâu?
   Dữ liệu được thu thập từ năm 2006 đến 2018 tại 9 huyện, thị, thành phố thuộc tỉnh Bình Dương, bao gồm số ca bệnh, khí hậu, môi trường và dân số.

4. Phương pháp đánh giá mô hình được sử dụng như thế nào?
   Nghiên cứu sử dụng kỹ thuật holdout và k-fold cross validation để đánh giá độ chính xác, Precision, Recall, F1-Score cho phân lớp và MAE cho hồi quy, đảm bảo tính khách quan và độ tin cậy của kết quả.

5. Làm thế nào để áp dụng mô hình dự báo vào thực tiễn phòng chống dịch?
   Cơ quan y tế có thể tích hợp mô hình vào hệ thống giám sát dịch bệnh để cảnh báo sớm, từ đó chủ động triển khai các biện pháp phòng chống, phân bổ nguồn lực hợp lý và giảm thiểu thiệt hại do dịch bệnh gây ra.

Kết luận

• Nghiên cứu đã xây dựng thành công mô hình dự báo dịch sốt xuất huyết tại tỉnh Bình Dương dựa trên phương pháp học máy, với thuật toán Random Forest cho kết quả tốt nhất.
• Các yếu tố khí hậu, côn trùng và dân số có ảnh hưởng rõ rệt đến sự biến động của dịch bệnh, được mô hình hóa hiệu quả.
• Phương pháp đánh giá mô hình sử dụng k-fold cross validation và các chỉ số đa chiều đảm bảo độ tin cậy và khách quan.
• Kết quả nghiên cứu có thể hỗ trợ công tác cảnh báo sớm và phòng chống dịch bệnh tại địa phương, góp phần nâng cao hiệu quả quản lý y tế.
• Đề xuất triển khai mô hình trong hệ thống giám sát dịch bệnh, đồng thời tăng cường thu thập dữ liệu và đào tạo nhân lực để phát triển bền vững.

Các cơ quan y tế và quản lý cần phối hợp triển khai mô hình dự báo, đồng thời tiếp tục thu thập dữ liệu và cập nhật mô hình để nâng cao hiệu quả phòng chống dịch sốt xuất huyết tại Bình Dương.

Trích đoạn nội dung tài liệu

phần Mở đầu và Kết luận gồm 03 chƣơng với các nội dung chính nhƣ sau: Chƣơng 1: Trình bày tổng quan về tỉnh Bình Dƣơng, về tình hình dịch bệnh sốt xuất huyết tại Việt Nam và tỉnh Bình Dƣơng; công tác phòng chống dịch bệnh và đặc điểm dịch bệnh sốt xuất huyết tại Bình Dƣơng. Trình bày tổng quan về phát hiện tri thức và khai phá dữ liệu. 3 Chƣơng 2: Trình bày một số nghiên cứu liên quan về dự báo dịch bệnh nói chung và dự báo dịch bệnh sốt xuất huyết nói riêng. Trình bày mô hình dự báo dịch sốt xuất huyết tại Bình Dƣơng dựa trên các k thuật học máy hồi quy, phân lớp.

Chƣơng 3: Xây dựng mô hình dự báo và thực nghiệm. Mô tả, tìm hiểu, phân tích dữ liệu sử dụng cho thực nghiệm; Trình bày các kết quả thực nghiệm, đánh giá nhận xét, so sánh kết quả các mô hình và đề xuất chọn mô hình phù hợp để dự báo dịch bệnh sốt xuất huyết tại tỉnh Bình Dƣơng. 4 CHƢƠNG 1: GIỚI THIỆU TỔNG QUAN Trong chƣơng này, tác giả trình bày tổng quan về tỉnh Bình Dƣơng, về tình hình dịch bệnh sốt xuất huyết tại Việt Nam nói chung và tỉnh Bình Dƣơng nói riêng; công tác phòng chống dịch bệnh và đặc điểm dịch bệnh sốt xuất huyết tại Bình Dƣơng. Trình bày tổng quan về khai phá dữ liệu, học máy và các phƣơng pháp, mô hình dự báo dịch bệnh.

Tổn quan về tỉn B n Dƣơn. Tỉnh Bình Dƣơng thuộc vùng Đông Nam bộ, giáp ranh với các tỉnh/thành nhƣ: TP. Hồ Chí Minh, Đồng Nai, Bình Phƣớc, Tây Ninh; nằm trong V ng kinh tế trọng điểm phía Nam; có diện tích tự nhiên 2.694,43 km2; dân số 2.951, mật độ dân số 769 ngƣời/ km2. Bình Dƣơng có 09 đơn vị hành chính cấp huyện (gồm: thành phố Thủ Dầu Một, thị xã Dĩ An, thị xã Thuận An, thị xã Bến Cát, thị xã Tân Uyên và các huyện Bàu Bàng, Bắc Tân Uyên, Dầu Tiếng, Phú Giáo) và 91 đơn vị hành chính cấp xã (46 xã, 41 phƣờng, 04 thị trấn).

Toàn tỉnh hiện có 29 khu công nghiệp và 12 cụm công nghiệp. Khí hậu ở Bình Dƣơng cũng nhƣ khu vực miền Đông Nam bộ: nắng nóng và mƣa nhiều, độ ẩm khá cao. Khí hậu nhiệt đới gió m a ổn định, trong năm phân chia thành hai m a rõ rệt: m a khô và m a mƣa. M a mƣa thƣờng bắt đầu từ tháng 5 kéo dài đến cuối tháng 10 dƣơng lịch.

Vào những tháng đầu m a mƣa, thƣờng xuất hiện những cơn mƣa rào lớn, rồi sau đó dứt hẳn. Những tháng 7, 8, 9 thƣờng là những tháng mƣa dầm. Nhiệt độ trung bình hàng năm ở Bình Dƣơng từ 26oC-27oC. Nhiệt độ cao nhất có lúc lên tới 39,3oC và thấp nhất từ 16oC- 17oC (ban đêm) và 18oC vào sáng sớm.

Vào m a nắng, độ ẩm trung bình hàng năm từ 76%-80%, cao nhất là 86% (vào tháng 9) và thấp nhất là 66% (vào tháng 2). Lƣợng nƣớc mƣa trung bình hàng năm từ 1. Bình Dƣơng là một trong những tỉnh công nghiệp phát triển, tốc độ đô thị hóa cao; tốc độ tăng dân số cơ học rất nhanh. Đi kèm với sự phát triển kinh tế thì 5 Bình Dƣơng cũng đối mặt với các vấn đề xã hội trong đó có vấn đề về chăm sóc sức khỏe và phòng chống dịch bệnh.

Nhất là tình hình bệnh SXHD cũng tăng nhanh lên theo, số ca mắc bệnh ngày càng cao hàng năm và không theo chu kỳ nhất định mà diễn biến ngày một phức tạp. Tổn quan về dịc ện SXH tại Việt Nam và tỉn B n Dƣơn. Dịch bệnh d ng để mô tả những bệnh gây ra bởi vi sinh vật truyền nhiễm mà thỉnh thoảng lại xảy ra với số lƣợng lớn ngƣời mắc. Một khi đƣợc đƣa vào cộng đồng, vi sinh vật truyền nhiễm nhƣ virus và vi khuẩn có thể lây lan từ ngƣời này sang ngƣời khác.

Và nếu mỗi một ngƣời truyền bệnh cho hơn một ngƣời khác, số ca bệnh sẽ tăng theo cấp số nhân dẫn đến sự lây lan mạnh là đặc trƣng của một bệnh dịch. Sốt xuất huyết Dengue là một bệnh truyền nhiễm do vi rút Dengue gây ra, và đƣợc lây truyền qua véc-tơ trung gian là muỗi Aedes aegypti (chủ yếu) và Aedes albopictus [1]. Bệnh ngày càng tăng nhanh và xu hƣớng lan rộng trên toàn thế giới khi hiện nay đã có trên 100 quốc gia có sốt xuất huyết lƣu hành. Theo số liệu báo cáo của WHO, năm 2008 có khoảng 1,2 triệu ca sốt xuất huyết, đến 2010 nó tăng lên thành 2,2 triệu ca, và cho đến năm 2015 đã có 3,2 triệu ca mắc đƣợc báo cáo.

Nhƣng đó chỉ là số liệu trên giấy, con số thực tế đƣợc ƣớc tính cho thấy hằng năm có khoảng 390 triệu ca mắc. Sốt xuất huyết (SXH) là bệnh nguy hiểm, ƣớc tính mỗi năm có khoảng 500.000 ngƣời phải nhập viện, trong đó có 2,5% ngƣời tử vong vì SXH. Việt Nam nằm trong vành đai nhiệt đới với khí hậu thuận lợi cho sự phát triển của các loài muỗi lây truyền sốt xuất huyết. Việt Nam có tỉ lệ mắc sốt xuất huyết khá cao.

Theo số liệu báo cáo của WHO về số ca mắc sốt xuất huyết Dengue trung bình từ năm 2004-2010 của các quốc gia trên thế giới, Việt Nam đứng thứ 3 với trung bình 91. Bình Dƣơng là một trong những tỉnh có số ca mắc SXHD cao nhất cả nƣớc. Trong vòng 10 năm từ 2007 - 2016 đã có nhiều đợt dịch lớn xảy ra vào các năm 6 2008, 2012 và 2015, số ca mắc và tử vong cao nhất nhì khu vực phía Nam. Theo số liệu báo cáo của TTYTDP tỉnh Bình Dƣơng, năm 2016, cả tỉnh có 3.928 ca mắc SXHD, trong đó có 01 ca tử vong.

Trong năm 2017, tính đến thời điểm cuối tháng 7, Bình Dƣơng đã có 3.694 ca, có 01 ca tử vong. Cũng nhƣ nhiều nơi lƣu hành bệnh sốt xuất huyết, hệ thống giám sát sốt xuất huyết ở Việt Nam dựa vào báo cáo thụ động đƣợc chẩn đoán lâm sàng ở bệnh nhân nhập viện. Kiểm soát véc-tơ là công cụ chính để dự phòng và kiểm soát bệnh sốt xuất huyết. Chiến lƣợc này phải đối mặt với những hạn chế về tính kịp thời trong phát hiện và ngăn chặn dịch, đòi hỏi cần có những biện pháp khác để hỗ trợ kiểm soát bệnh tốt hơn.

Trong các yếu tố nguy cơ giúp truyền bệnh sốt xuất huyết thì thời tiết, khí hậu là yếu tố đặc biệt quan trọng, gây ảnh hƣởng đến sự sinh sản và phát triển của vec-tơ truyền bệnh, chẳng hạn nhƣ mƣa cung cấp môi trƣờng thuận lợi để muỗi đẻ trứng, nhiệt độ cao sẽ làm giảm thời gian sinh trƣởng và phát triển của muỗi… Việc nghiên cứu dự báo sớm nguy cơ xảy ra dịch sốt xuất huyết là rất cần thiết, giúp các nhà quản lý, chuyên môn chủ động trong công tác phòng chống dịch một cách hiệu quả, giảm đƣợc nguồn lực phân bổ cũng nhƣ tránh đƣợc rủi ro, thiệt hại lớn khi dịch xảy ra.3 Tổn quan về p át iện tri t ức và k ai p á dữ liệu Khai phá dữ liệu là một lĩnh vực trong khoa học máy tính, nó tƣơng đối trẻ và liên ngành. KPDL là quá trình khai phá, trích xuất, khai thác và sử dụng những dữ liệu có giá trị tiềm ẩn từ bên trong lƣợng lớn dữ liệu đƣợc lƣu trữ trong các cơ sở dữ liệu (CSDL), kho dữ liệu, trung tâm dữ liệu… dựa trên kĩ thuật nhƣ mạng nơ ron, lí thuyết tập thô, tập mờ, biểu diễn tri thức… Các chuyên gia cho rằng, hiện nay chúng ta đang sống trong một xã hội “rất giàu về thông tin nhƣng nghèo về tri thức”. Chính vì vậy đòi hỏi phải phát 7 triển các phƣơng pháp khai phá, phát hiện ra những thông tin, tri thức có ích bị che lấp trong các “núi” dữ liệu phục vụ cho công việc của các nhà quản lý, các chuyên gia, từ đó thúc đẩy khả năng sản xuất, kinh doanh, cạnh tranh của các tổ chức, doanh nghiệp. Khai phá dữ liệu là một ngành học mới xuất hiện gần đây nhằm đáp ứng nhu cầu này.

Các kết quả nghiên cứu c ng với những ứng dụng thành công trong khai phá dữ liệu, khám phá tri thức cho thấy khai phá dữ liệu là một lĩnh vực khoa học tiềm năng, mang lại nhiều lợi ích, đồng thời có ƣu thế hơn hẳn so với các công cụ phân tích dữ liệu truyền thống. Hiện nay các cơ sở dữ liệu cần khai phá thƣờng có kích thƣớc rất lớn, đa dạng và ngày càng phức tạp chẳng hạn các CSDL về thời tiết, CSDL dân cƣ các thành phố, CSDL đa phƣơng tiện, CSDL y tế, CSDL văn bản,. Còn các nhà thống kê thì xem khai phá dữ liệu nhƣ là một qui trình phân tích đƣợc thiết kế để thăm dò một lƣợng cực lớn các dữ liệu nhằm phát hiện ra các mẫu thích hợp hoặc các mối quan hệ mang tính hệ thống giữa các biến và sau đó sẽ hợp thức hoá các kết quả tìm đƣợc bằng cách áp dụng các mẫu đã phát hiện đƣợc cho các tập con mới của dữ liệu. Để khai thác nguồn thông tin có hiệu quả thì các phƣơng pháp quản trị và khai thác cơ sở dữ liệu truyền thống đang ngày càng không đáp ứng nhu cầu.

Vì vậy việc nghiên cứu các k thuật khai thác, tổ chức khai thác dữ liệu để khám phá tri thức là vấn đề quan trọng. Quá trình KPDL bao gồm các giai đoạn cơ bản sau: Thu thập dữ liệu - >Trích lọc dữ liệu (selection) -> chuyển đổi dữ liệu (Tranformation) -> phát hiện và trích mẫu dữ liệu -> Đánh giá kết quả mẫu (Enaluvation of Result). 8 Hình 1: Quá trình KPDL, phát hiện tri thức 1.1 Các p ƣơn p áp k ai p á dữ liệu KDD bao gồm hai yếu tố quan trọng không thể thiếu đƣợc là dự đoán (Prediction) và mô tả (Description). Dự đoán (Prediction): Đòi hỏi sử dụng một vài biến hoặc trƣờng để dự đoán thông tin tiềm ẩn hoặc một giá trị tƣơng lai của một biến thuộc tính mà ta quan tâm đến.

Mô tả (Description): Tập trung là nổi bật lên mô hình kết quả mà con ngƣời có thể hiểu sâu về thông tin dữ liệu. Với hai mục đích chính đã nêu ở trên, ngƣời ta thƣờng sử dụng các phƣơng pháp sau cho khai phá dữ liệu: - Phân lớp (Classification): Là việc học một hàm ánh xạ từ một mẫu dữ liệu vào một trong số các lớp đã đƣợc xác định trƣớc đó. - Hồi qui (Regression): Là việc học một hàm ánh xạ từ một mẫu dữ liệu thành một biến dự đoán có giá trị thực. 9 - Phân nhóm (Clustering): Là việc mô tả chung để tìm ra các tập hay các nhóm, loại mô tả dữ liệu.