Đặt vấn đề Hiện nay, trên thế giới cũng như Việt Nam, dự báo thời tiết là một vấn đề rất quan trọng trong cuộc sống của con người. Gần như mọi hoạt động của con người đều rất nhạy cảm với thời tiết. Đặc biệt là hoạt động sản xuất lương thực chịu tác động rất lớn vào thời tiết và biến đổi khí hậu. Ngoài ra, các ngành ngư nghiệp, lâm nghiệp, năng lượng, quản lý tài nguyên nước, đất đai, … đều cần có thông tin dự báo thời tiết từ các trạm khí tượng [1].
Những thông tin dự báo và cảnh báo kịp thời, chính xác góp phần rất lớn tới quá trình phát triển kinh tế - xã hội và bảo vệ môi trường. Đồng thời, những cảnh báo nguy hiểm về hiện tượng thời tiết tiêu cực như hạn hán, lũ lụt, … cũng giúp con người có những hành động kịp thời làm giảm thiểu những thiệt hại. Ngày nay, sản xuất nông nghiệp ở Việt Nam vẫn phụ thuộc rất nhiều vào thời tiết. Sự thay đổi thất thường của các yếu tố thời tiết sẽ ảnh hưởng trực tiếp đến hoạt động sản xuất nông nghiệp, nhất là trồng trọt.
Những tác hại có thể kể đến như sự gia tăng dịch bệnh, dịch hại với cây trồng, giảm sút năng suất mùa màng,. Vậy nên nếu những thay đổi thời tiết có thể được dự đoán với độ chính xác đáng tin cậy thì chúng ta có thể sử dụng những dự đoán này để giúp người nông dân cũng như các hệ thống nông nghiệp tự động đưa ra quyết định điều chỉnh phù hợp giúp cho sản phẩm nông nghiệp luôn ở trong môi trường tốt nhất để phát triển, cũng như tránh được ảnh hưởng hoặc giảm thiểu thiệt hại từ thời tiết xấu [3]. Với mong muốn sẽ tìm được giải pháp cho vấn đề trên, học viên quyết định tìm hiểu và thực hiện một hệ thống dự báo thời tiết với độ chính xác cao, cung cấp một công cụ hữu hiệu cho nông dân và các hệ thống nông nghiệp tự động để giảm thiểu các tác động tiêu cực từ thời tiết với môi trường phát triển sản phẩm nông nghiệp. Sự kiện mưa sẽ là mục tiêu dự báo mà luận văn sẽ hướng đến vì thời tiết mưa có tác động trực tiếp đến môi trường, cũng như làm thay đổi những điều kiện phát triển của sản phẩm nông nghiệp.
1 Luan van Mục tiêu và giới hạn đề tài Mục tiêu của đề tài là thiết kế hệ thống dự báo mưa bao gồm một thiết bị có thể cập nhật dữ liệu môi trường theo thời gian thực và một thuật toán máy học để dự đoán sự kiện mưa trong tương lai. Các dữ liệu môi trường bao gồm nhiệt độ, độ ẩm sẽ được thu thập từ xa sau đó xử lý trên máy tính. Mô hình máy học Neural Network cùng với thuật toán Back Propagation sẽ được triển khai để xử lý dữ liệu môi trường, từ đó sẽ đưa ra dự đoán sự kiện mưa vào ngày tiếp theo. Với sự kiện đã được dự đoán sẽ là cơ sở để đưa ra những quyết định tức thời một cách thuận tiện trong nhiều lĩnh vực như nông nghiệp (điều khiển tưới tiêu, bón phân, điều chỉnh nhiệt độ), công nghiệp (điều khiển động cơ, vận hành hệ thống làm mát),.
Bên cạnh đó, luận văn cũng sẽ đánh giá hiệu quả khi áp dụng mô hình Neural Network vào hệ thống dự báo và hiệu năng của mô hình này so với các mô hình thuật toán dự đoán phổ biến khác như: SVM, Logistic Regression, Naive Bayes,. Giới hạn nghiên cứu là mô hình mạng cảm biến không dây Zigbee với cấu trúc mạng hình sao bao gồm 2 cảm biến nhiêt độ - độ ẩm được đặt ở 2 địa điểm khác nhau với mục đích là thu thập thông số môi trường diễn ra tại các địa điểm lắp đặt cảm biến. Mô hình dự báo là Neural Network truyền thẳng nhiều lớp và sử dụng thuật toán Back Propagation với các thông số mô hình được lựa chọn và thực nhiệm nhiều lần cùng với cơ sở dữ liệu đã thu thập để tìm ra mô hình có sai số thấp nhất giữa dự đoán và thực tế. Phương pháp nghiên cứu Trong luận văn này học viên thực hiện các phương pháp nghiên cứu sau để hoàn thành đề tài đặt ra: - Tham khảo các tài liệu trong và ngoài nước về lý thuyết và mô hình của mạng cảm biến không dây.
- Nghiên cứu các phần cứng dùng để thu thập các thông số môi trường và triển khai mô hình mạng cảm biến không dây. 2 Luan van - Tham khảo các tài liệu trong và ngoài nước về lý thuyết và mô hình các thuật toán để phục vụ cho việc dự báo thời tiết. - Tìm hiểu tính tương quan giữa các thông số trong các thuật toán. - Nghiên cứu ứng dụng mạng ANN truyền thẳng nhiều lớp vào hệ thống dự báo.
- Phân tích, so sánh và đánh giá kết quả từ mô hình thực tế. Tổng quan tình hình nghiên cứu Dự báo thời tiết là một công việc vô cùng phức tạp và đòi hỏi rất nhiều công đoạn phải được thực hiện một cách chuyên nghiệp. Mặc dù khoa học dự báo thời tiết ra đời đã ra đời từ rất lâu nhưng hiện nay chất lượng công tác dự báo thời tiết vẫn đang không ngừng được các nhà khoa học nghiên cứu và cải thiện. Các phương pháp đang được ứng dụng hiện nay bao gồm: Synop, thống kê, phân tích ảnh mây vệ tinh, Radar thời tiết, mô hình số trị,.
Tuy nhiên trong luận văn này học viên đã nghiên cứu một mô hình thuật toán máy học để ứng dụng cho dự đoán thời tiết. Máy học đang trở thành xu thế mới trên thế giới hiện này vì tính chính xác và ứng dụng đa dạng của nó để giải quyết các vấn đề thực tiễn trong đời sống và dự đoán thời tiết cũng là một trong những ứng dụng của máy học. Các thuật toán máy học đang được sử dụng rộng rãi để giải quyết các bài toán dự đoán ở khắp nơi trên thế giới. Được biết đến và ứng dụng nhiều phải kể đến những thuật toán như Neural Network, Support Vector Machine, Naive Bayes Classifier, Linear Regression, Logistic Regression,…[5].
Trong đó thuật toán Neural Network đang được sử dụng rất phổ biến trong dự đoán ô nhiễm môi trường, dự đoán thời tiết, dự đoán môi trường gây hại cho cây trồng,. Có rất nhiều nghiên cứu đã khai thác về vấn đề này và cho chúng ta thấy được sự đa dạng về ứng dụng của các thuật toán để giải quyết các bài toán trong thực tế: Thomas Truong, Anh Dinh, Khan Wahid (2017), đã có những nghiên cứu với đề tài: Hệ thống thu thập dữ liệu môi trường IoT để phát hiện nấm trong các vườn cây trồng. Họ thiết kế hệ thống Internet of Things (IoT) bao gồm thiết bị có khả năng gửi dữ liệu môi trường thời gian thực đến đám mây để lưu trữ và thuật toán học máy có khả năng dự đoán điều kiện môi trường để phát 3 Luan van hiện và ngăn chặn nấm. Dữ liệu môi trường bao gồm độ ẩm không khí, tốc độ gió và lượng mưa được xử lý bởi một máy tính từ xa để phân tích và quản lý.
Thuật toán học máy SVMr được phát triển để xử lý dữ liệu thô và dự báo nhiệt độ, độ ẩm không khí tương đối và tốc độ gió để hỗ trợ dự đoán sự hiện diện và lan truyền các bệnh nấm có hại ở các vườn cây trồng tại địa phương. Cùng với đó, các dữ liệu về môi trường và dự đoán môi trường dễ dàng được tiếp cận thông qua hệ thống IoT sẽ hỗ trợ các nông dân quản lý tốt hơn và ngăn ngừa lây lan bệnh nấm tại vườn cây của mình. [6] Đây là một đề tài sử dụng được sự hiệu quả của mạng cảm biến để thu thập dữ liệu và dùng máy học để xử lý những thông tin, thực hiện dự đoán. Bên cạnh đó những nghiên cứu về việc dự đoán được sử dụng rất nhiều trong vấn đề thiên tai, lũ lụt.
Có thể kể đến một đề tài như sau đã sử dụng mạng cảm biến kết hợp với mô hình Neural Network để giải quyết bài toán dự đoán lũ lụt: Prof.Roy, Dola Gupta, Sanjay Goswami (2015), đã có những nghiên cứu với đề tài: Hệ thống cảnh báo lũ được cải tiến sử dụng mạng cảm biến và mạng nơron nhân tạo. Trong đó, tác giả đã thiết kế hệ thống dựa vào hoạt động của bề mặt nước để kiểm soát lũ và giảm thiểu tác động của lũ lụt theo thời gian thực. Mô hình được xem xét ở đây giả định cho một hệ thống cảnh báo lũ lụt phức tạp. Các tham số đầu vào được giới hạn về mặt lý thuyết và dự đoán được mô phỏng bằng ANN.
Kết quả của nghiên cứu đã đưa ra cảnh báo sớm cũng như tình hình lũ lụt để hỗ trợ cho quản lý thiên tai và chống lại hậu quả của lũ lụt. [7] Ngoài những ứng dụng về dự báo lũ lụt, dự báo những thông số thời tiết hằng ngày trong thời gian gần với mô hình mạng Neural Network cũng đã được áp dụng từ rất lâu: Mohsen Hayati, Zahra Mohebi (2007), đã có những nghiên cứu với đề tài: Ứng dụng của mạng thần kinh nhân tạo để dự báo nhiệt độ. Trong đó, các tác giả đã nghiên cứu mạng thần kinh nhân tạo dựa trên mô hình mạng lan truyền 4 Luan van thẳng nhiều lớp (MLP) đã được huấn luyện và kiểm thử bằng thông số khí tượng trong vòng 10 năm từ 1996 đến 2006. Kết quả huấn luyện và kiểm thử cho thấy rằng mạng lan truyền thẳng nhiều lớp có sai số dự đoán nhỏ và có thể coi là một phương pháp tốt để mô hình hóa các hệ thống dự báo nhiệt độ ngắn hạn.
[8] Ngoài những ứng dụng về dự báo, các thuật toán máy học còn có thể sử dụng để lọc dữ liệu và giảm thiểu dữ liệu lưu trữ không cần thiết: L.Shakena Grace, Akshaya Krishnan, V. Sumalatha (2012), đã có những nghiên cứu với đề tài: Lọc dữ liệu trong mạng cảm biến không dây sử dụng mạng nơron để lưu trữ trong đám mây. Trong đó, các tác giả đã thiết kế mô hình mạng cảm biến không dây được tích hợp với môi trường đám mây để hỗ trợ lưu trữ và xử lý dữ liệu dễ dàng hơn. Khái niệm về gateways được giới thiệu để kết nối mạng cảm biến không dây và đám mây.
Sensor gateway thu thập thông tin từ các nút cảm biến, nén và truyền đến cloud gateway, sau đó sẽ được giải mã và lưu trữ tại cloud server. Bài báo sử dụng mạng nơron để lọc các giá trị bất thường tại sensor gateway trong quá trình thu thập.