Luận văn thạc sĩ: Ứng dụng mạng neuron trong dự báo mưa với dữ liệu từ mạng cảm biến không dây

Luận văn thạc sĩ nghiên cứu ứng dụng mạng neuron trong dự báo mưa, sử dụng dữ liệu từ mạng cảm biến không dây tại khu vực triển khai.

• Người hướng dẫn: Pgs.ts. Võ Minh Huân
• Trường học: Trường Đại Học Sư Phạm Kỹ Thuật Thành Phố Hồ Chí Minh
• Đề tài: Dự báo mưa bằng mạng neuron và cảm biến không dây
• Loại tài liệu: Luận văn
• Năm xuất bản: 2020
• Địa điểm: Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• TÓM TẮT
• ABSTRACT
• MỤC LỤC
• LÝ LỊCH KHOA HỌC
• DANH SÁCH CHỮ VIẾT TẮT
• DANH MỤC HÌNH
• DANH MỤC BẢNG
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Mục tiêu và giới hạn đề tài
• 1.2. Phương pháp nghiên cứu
• 1.3. Tổng quan tình hình nghiên cứu
• 1.4. Nội dung luận văn

Tóm tắt

I. Tổng quan về dự báo mưa bằng mạng neuron và cảm biến không dây

Dự báo mưa là một lĩnh vực quan trọng trong khí tượng học, ảnh hưởng đến nhiều hoạt động của con người. Việc áp dụng công nghệ hiện đại như mạng neuron và cảm biến không dây đã mở ra những phương pháp mới trong việc dự đoán thời tiết. Hệ thống dự báo mưa hiện nay không chỉ dựa vào các phương pháp truyền thống mà còn kết hợp với các thuật toán máy học để nâng cao độ chính xác và hiệu quả.

1.1. Khái niệm về mạng neuron trong dự báo thời tiết

Mạng neuron là một mô hình toán học mô phỏng cách thức hoạt động của não bộ con người. Trong dự báo thời tiết, mạng neuron có khả năng học hỏi từ dữ liệu quá khứ để đưa ra dự đoán chính xác hơn về các hiện tượng thời tiết như mưa.

1.2. Vai trò của cảm biến không dây trong dự báo mưa

Cảm biến không dây giúp thu thập dữ liệu môi trường như nhiệt độ, độ ẩm và áp suất không khí một cách liên tục và chính xác. Dữ liệu này là đầu vào quan trọng cho các mô hình dự báo, giúp cải thiện độ tin cậy của kết quả dự đoán.

II. Thách thức trong việc dự báo mưa chính xác

Dự báo mưa chính xác gặp nhiều thách thức do tính biến động của thời tiết. Các yếu tố như khí hậu, địa hình và sự thay đổi đột ngột của các điều kiện môi trường đều có thể ảnh hưởng đến kết quả dự đoán. Việc xử lý và phân tích dữ liệu thời tiết từ nhiều nguồn khác nhau cũng là một thách thức lớn.

2.1. Tính không chắc chắn trong dữ liệu thời tiết

Dữ liệu thời tiết thường có tính không chắc chắn cao, do đó việc phân tích và xử lý dữ liệu này đòi hỏi các phương pháp tiên tiến để giảm thiểu sai số trong dự đoán.

2.2. Khó khăn trong việc tích hợp công nghệ mới

Việc tích hợp các công nghệ mới như IoT và mạng neuron vào hệ thống dự báo hiện tại có thể gặp khó khăn về mặt kỹ thuật và chi phí. Điều này đòi hỏi sự đầu tư và nghiên cứu kỹ lưỡng.

III. Phương pháp dự báo mưa bằng mạng neuron

Phương pháp dự báo mưa bằng mạng neuron sử dụng các thuật toán học máy để phân tích dữ liệu môi trường và đưa ra dự đoán. Mô hình này có khả năng học hỏi từ dữ liệu quá khứ và cải thiện độ chính xác theo thời gian.

3.1. Cấu trúc mạng neuron trong dự báo

Cấu trúc của mạng neuron thường bao gồm nhiều lớp, mỗi lớp có nhiệm vụ xử lý các thông tin khác nhau. Việc lựa chọn cấu trúc phù hợp là rất quan trọng để đạt được kết quả dự đoán tốt nhất.

3.2. Thuật toán Back Propagation trong huấn luyện mạng

Thuật toán Back Propagation là một phương pháp phổ biến trong việc huấn luyện mạng neuron. Nó giúp tối ưu hóa các tham số của mô hình để giảm thiểu sai số dự đoán.

IV. Ứng dụng thực tiễn của hệ thống dự báo mưa

Hệ thống dự báo mưa dựa trên mạng neuron và cảm biến không dây có thể được ứng dụng trong nhiều lĩnh vực như nông nghiệp, quản lý tài nguyên nước và phòng chống thiên tai. Những dự đoán chính xác về mưa giúp người dân và các tổ chức có thể đưa ra quyết định kịp thời.

4.1. Ứng dụng trong nông nghiệp

Dự báo mưa chính xác giúp nông dân điều chỉnh lịch trình tưới tiêu và chăm sóc cây trồng, từ đó nâng cao năng suất và chất lượng sản phẩm.

4.2. Ứng dụng trong quản lý thiên tai

Hệ thống dự báo mưa có thể cung cấp thông tin kịp thời về các hiện tượng thời tiết cực đoan, giúp các cơ quan chức năng có biện pháp ứng phó hiệu quả.

V. Kết luận và tương lai của dự báo mưa

Dự báo mưa bằng mạng neuron và cảm biến không dây đang mở ra những cơ hội mới trong việc nâng cao độ chính xác và hiệu quả của các hệ thống dự báo thời tiết. Tương lai của lĩnh vực này hứa hẹn sẽ có nhiều tiến bộ nhờ vào sự phát triển của công nghệ và các thuật toán máy học.

5.1. Tiềm năng phát triển công nghệ dự báo

Với sự phát triển không ngừng của công nghệ, các hệ thống dự báo mưa sẽ ngày càng chính xác hơn, đáp ứng tốt hơn nhu cầu của xã hội.

5.2. Hướng nghiên cứu trong tương lai

Nghiên cứu về việc cải thiện các mô hình dự báo và tích hợp thêm nhiều nguồn dữ liệu sẽ là hướng đi quan trọng trong tương lai để nâng cao độ chính xác của dự báo mưa.

Trích đoạn nội dung tài liệu

Chương 1. Tổng quan 5 Chương này trình bày khái quát về dự báo thời tiết và các ứng dụng của dự báo thời tiết trong cuộc sống. Giới thiệu mô hình cảm biến không dây và thuật toán dự đoán mà luận văn sẽ sử dụng. Nội dung chương cũng đề cập đến lý do chọn đề tài, mục tiêu, giới hạn và phương pháp nghiên cứu sẽ sử dụng trong luận văn.

Cơ sở lý thuyết Trong chương này, các khái niệm về mạng cảm biến không dây, các mô hình và phương pháp xây dựng chúng sẽ được trình bày. Giới thiệu về mạng Neural Network và ưu điểm của mạng trong việc dự đoán mưa sẽ được trình bày trong chương này. Xây dựng hệ thống Trong chương này, thiết kế hệ thống mạng cảm biến không dây để thu thập các thông số môi trường bao gồm lựa chọn phần cứng và thiết kế mô hình sẽ được trình bày. Bên cạnh đó, chương này cũng sẽ trình bày cách mà hệ thống thu thập dữ liệu cũng như phương thức triển khai thuật toán dự đoán với thông số môi trường đã thu thập được, đồng thời cách thức lựa chọn các thông số của mô hình cũng sẽ được giới thiệu trong chương này.

Thực nghiệm và đánh giá Trong chương này, việc thực nghiệm với hệ thống đã được xây dựng ở chương 3 sẽ trình bày. Các bước thực thi trong thu thập dữ liệu và huấn luyện mô hình mạng ANN dự đoán trong hệ thống cũng sẽ được phân tích làm rõ. Bên cạnh đó các kết quả thực nhiệm thực tế mà mô hình đạt được cũng sẽ được đánh giá và phân tích. Việc kiểm thử và so sánh độ chính xác trong dự đoán của mô hình ANN với các mô hình thuật toán khác sẽ được trình bày và nhận xét trong chương này.

Kết luận Chương này sẽ tiến hành đánh giá các kết quả đạt được của hệ thống. Từ đó, so sánh với mục tiêu ban đầu đề ra và kết luận. Bên cạnh đó, chương này cũng sẽ trình bày hướng phát triển đề tài trong tương lai. CƠ SỞ LÝ THUYẾT Mạng cảm biến không dây 2.

Khái niệm Mạng cảm biến không dây là hệ thống các nút cảm biến kết nối với nhau bằng sóng vô tuyến và từ đó hình thành một mạng lưới liên kết, trong đó các nút này thường là các thiết bị nhỏ gọn, giá thành thấp và có khả năng thu thập các thông số môi trường xung quanh khu vực lắp đặt. Các điểm cảm biến này được lắp đặt số lượng lớn và phân bố một cách không có hệ thống trên một diện tích rộng, có thời gian hoạt động lâu dài và sử dụng nguồn năng lượng hạn chế. Nút cảm biến Một nút cảm biến được cấu tạo bởi 4 thành phần cơ bản sau : bộ xử lý, bộ cảm biến, bộ thu phát không dây và nguồn cung cấp. Tuỳ theo mục đích ứng dụng, nút cảm biến còn có thể có các thành phần bổ sung như hệ thống định vị và thiết bị di động [10].1 Thành phần nút cảm biến [10] 7  Bộ xử lý có khả năng lưu trữ và phân tích các thông số cảm biển sau khi được thu thập, quản lý các tác vụ hoạt động và giao tiếp với các nút khác để trao đổi thông tin, thực hiện nhiệm vụ.

 Bộ cảm biến thường gồm hai thành phần là đầu đo cảm biến với chức năng cảm nhận và cập nhật những thay đổi của các thông số môi trường. Thành phần thứ hai là bộ chuyển đổi tương tự có khả năng chuyển đổi các tín hiệu tương tự được thu nhận từ đầu đo sang tín hiệu số, sau đó mới được đưa tới bộ xử lý.  Bộ thu phát có khả năng đảm bảo kết nối và bảo toàn thông tin giữa nút cảm biến trong mạng với kết nối không dây như vô tuyến, hồng ngoại hoặc tín hiệu quang.  Bộ nguồn cung cấp năng lượng cho nút cảm biến.

Vì yêu cầu thiết kế nhỏ gọn nên pin hoặc ắc quy thường được lựa chọn làm bộ nguồn cho nút cảm biển. Ngoài ra những thành phần phụ khác có thể được bổ sung phụ thuộc vào mục đích của ứng dụng. Bộ định vị sẽ được triển khai khi mạng cảm biến yêu cầu có độ chính xác cao về vị trí. Các bộ phận di động sẽ được lắp đặt để đáp ứng với các yêu cầu như theo dõi chuyển động của vật thể.

Tất cả những thành phần này cần phải có kích cỡ phù hợp để tích hợp cùng với các thành phần khác. Ngoài kích cỡ ra các nút cảm ứng còn một số yêu cầu nghiêm ngặt khác, như là khả năng tiêu thụ năng lượng thấp, hoạt động ở mật độ cao và có khả năng tự hoạt động, giá thành thấp khi triển khai với số lượng lớn, và thích ứng với môi trường đặc biệt [10]. Đặc điểm của cấu trúc mạng cảm biến Đặc điểm của mạng cảm biến là bao gồm một số lượng lớn các nút cảm biến, các nút cảm biến đòi hỏi khả năng tiêu thụ năng lượng ở mức thấp và giới hạn lưu trữ do hạn chế về tài nguyên. Vì vậy, cấu trúc mạng mới có nhiều đặc điểm khác biệt so với các mạng truyền thống trước đây.

Sau đây là một số đặc điểm nổi bật trong mạng cảm biến [6]: 8  Kích thước vật lý nhỏ gọn.  Khả năng xử lý, lưu trữ và tương tác với các thiết bị cơ sở bị chi phối bởi công suất tiêu thụ.  Các nút cảm biến hoạt động đồng thời với độ tập trung cao.  Hạn chế trong khả năng liên kết vật lý và phân cấp điều khiển.

 Đa dạng trong thiết kế và sử dụng.  Hoạt động tin cậy. Cấu trúc cơ bản của mạng cảm biến không dây được thể hiện qua hình 2.2 Cấu trúc cơ bản của mạng cảm biến không dây [10] Các nút cảm biến được triển khai trong một trường cảm biến. Mỗi nút cảm biến được phát tán trong mạng có khả năng thu thập thông số liệu, định tuyến số liệu về bộ thu nhận để chuyển tới người dùng và định tuyến các bản tin mang theo yêu cầu từ nút thu phát đến các nút cảm biến.

Bộ thu nhận có thể liên lạc trực tiếp với trạm điều hành của người dùng hoặc gián tiếp thông qua Internet hay vệ tinh. Việc thiết kế mạng cảm biến phụ thuộc vào nhiều yếu tố như sau [10]:  Khả năng chịu lỗi  Khả năng mở rộng  Giá thành sản xuất  Tích hợp phần cứng  Môi trường hoạt động 9  Các phương tiện truyền dẫn  Cấu hình mạng cảm nhận  Sự tiêu thụ năng lượng 2. Kiến trúc và giao thức của mạng cảm biến không dây Kiến trúc giao thức áp dụng cho mạng cảm nhận được trình bày trong hình 2. Kiến trúc này bao gồm các lớp và các mặt phẳng quản lý.

Các mặt phẳng quản lý này giúp cho các nút có thể làm việc hiệu quả cùng nhau, định tuyến dữ liệu trong mạng cảm biến di động và chia sẻ tài nguyên giữa các nút cảm biến [11].3 Kiến trúc mạng cảm biến không dây [11] Lớp vật lý: có nhiệm vụ lựa chọn tần số cho mạng. Đồng thời tạo ra tần số sóng mang và phát hiện tín hiệu, điếu chế và mã hoá tín hiệu. Lớp liên kết số liệu: có nhiệm vụ phát hiện các khung dữ liệu và cách truy cập đường truyền, ghép các luồng dữ liệu. Vì môi trường có nhiễu và các nút cảm biến có thể di động, giao thức điều khiển truy nhập môi trường (MAC) phải xét đến vấn đề công suất và khả năng tối ưu hoá việc va chạm với thông tin từ các nút lân cận.

Lớp mạng: tập trung vào việc chọn đường số liệu được cung cấp bởi lớp truyền tải. 10 Lớp truyền tải: giúp duy trì luồng số liệu nếu ứng dụng mạng cảm biến yêu cầu. Lớp truyền tải chỉ cần thiết khi hệ thống cần được truy cập thông qua mạng Internet và các mạng bên ngoài khác. Lớp ứng dụng: tuỳ theo yêu cầu cảm biến, các loại phần mềm ứng dụng khác nhau có thể được phát triển và triển khai ở lớp ứng dụng.

Mặt phẳng quản lý nguồn: quản lý việc tiêu thụ năng lượng của một nút cảm biến. Mặt phẳng quản lý tính di động: có nhiệm vụ xác định và theo dõi hoạt động của các nút cảm biến lân cận. Mặt phẳng quản lý tác vụ: Có nhiệm vụ cân bằng và sắp xếp nhiệm vụ cảm biến giữa các nút trong một vùng cụ thể do đó các nút cảm biến có thể làm việc cùng với nhau hiệu quả về mặt năng lượng, có thể định tuyến số liệu trong một mạng cảm biến di động và chia sẻ tài nguyên giữa các nút cảm biến. Ưu điểm, nhược điểm của mạng cảm biến không dây Ưu điểm [10]:  Khả năng tự do kết nối và di động  Không hạn chế về không gian triển khai và vị trí kết nối.

 Dễ dàng lắp đặt và triển khai.  Không cần sử dụng cáp.  Tiết kiệm thời gian lắp đặt cáp.  Dễ dàng mở rộng Những thách thức và trở ngại [10]:  Lưu trữ dữ liệu  Vấn đề về năng lượng  Khả năng chịu lỗi  Định vị  Khả năng mở rộng 11  An ninh 2.

Sự khác nhau giữa WSN và mạng truyền thống Qua phân tích và tìm hiểu ta có thể thấy được sự khác biệt cơ bản của WSN và mạng truyền thống như sau [12]:  Số lượng các nút cảm biến trong một mạng cảm biến lớn hơn nhiều lần so với những nút cảm biến ad-hoc  Các nút cảm biến thường được triển khai với mật độ lớn hơn so với các mạng truyền thống.  Những nút cảm biến dễ hư hỏng sau thời gian dài lắp đặt.  Topo mạng cảm biến thay đổi rất thường xuyên.  Mạng cảm biến chủ yếu sử dụng truyền thông quảng bá khác với đa số các mạng ad hoc là điểm - điểm.

 Những nút cảm biến có giới hạn về năng lượng, khả năng tính toán và tài nguyên bộ nhớ.  Những nút cảm biến có thể định danh toàn cầu (global ID).  Nhiệm vụ được chia sẻ giữa các nút lân cận nhau trong mạng. Công nghệ truyền thông không dây Zigbee 2.

Tổng quan Công nghệ ZigBee được xây dựng dựa trên tiêu chuẩn 802.4 của tổ chức IEEE.4 này sử dụng tín hiệu radio có tần sóng ngắn. Nhờ chức năng điều khiển từ xa không dây, truyền dữ liệu ổn định, tiêu thụ năng lượng cực thấp, công nghệ mở đã giúp công nghệ ZigBee trở nên hấp dẫn sử dụng cho các ứng dụng, đặc biệt là ứng dụng trong nhà thông minh hiện nay.