Chương 1 Tổng quan đề tài Chương này em sẽ giới thiệu tổng quan về đề tài, lý do em chọn đề tài, phạm vi và mục tiêu mà đề tài thực hiện.1 Giới thiệu đề tài 1.1 Tên đề tài Đề tài: Ứng dụng AI và các mô hình học máy để dự báo xu hướng diễn biến môi trường thủy sản ở Phú Yên 1.2 Lý do chọn đề tài Biến đổi khí hậu ngày càng trở nên nghiêm trọng. Năm vừa qua, không chỉ tình hình dịch bệnh khiến cho việc nuôi trồng thủy sản gặp nhiều khó khăn, các cơn bão cũng liên tục đổ bộ xuống miền Trung gây ra những thiệt hại nặng nề.TS Trần Quang Vinh hướng dẫn, em lựa chọn đề tài với mong muốn góp phần vào sự phát triển của ngành thủy sản nói chung và các hộ nuôi tôm hùm ở Phú Yên nói riêng. CÔNG CỤ VÀ PHƯƠNG PHÁP THỰC HIỆN 1.3 Mục tiêu và phạm vi đề tài Mục tiêu của đề tài là xây dựng được một mô hình dự báo và ứng dụng các kết quả dự báo vào việc dự báo các tham số quan trọng trong môi trường nuôi trồng thủy sản tại Phú Yên.4 Phạm vi đề tài Đề tài được xây dựng với phạm vi và yêu cầu như sau: • Xây dựng mô hình dự báo các tham số của 7 tham số gồm nhiệt độ, độ mặn, PH, NH3, H2S, TSS, DO, và COD. • Nhận xét và đánh giá kết quả đối với bộ dữ liệu hiện có.2 Công cụ và phương pháp thực hiện • Phương pháp thực hiện: phân tích, thiết kế dựa trên thống kê và học sâu.
• Công cụ thực hiện: ngôn ngữ: python; thư viện: tensorflow để xây dựng mạng học sâu; sklearn, pandas, numpy để xử lý dữ liệu.3 Bố cục đồ án Báo cáo này em chia làm 3 phần: 1. Phần đầu tiên là cơ sở lý thuyết, bao gồm các lý thuyết về mạng nơ-ron, lý thuyết về xử lý dữ liệu chuỗi, lý thuyết về các mô hình phổ biến trong xử lý dữ liệu chuỗi. Phần 2 là thiết kế hệ thống. Xây dựng mô hình dự báo.
Thử nghiệm mô hình với bộ dữ liệu có sẵn có sẵn và đánh giá kết quả đạt được.4 Kết luận Chương này em đã giới thiệu sơ qua về đề tài, mục tiêu và phạm vi đề tài. Phần tiếp theo em sẽ đi sâu vào cơ sở lý thuyết về cả học sâu và xử lý dữ liệu chuỗi. 3 Chương 2 Lý thuyết Chương này trình bày lý thuyết thực hiện trong đề tài, bao gồm các lý thuyết về mạng nơ-ron như: kiến trúc, hàm kích hoạt, dropout và thuật toán đào tạo. Tiếp theo là về lý thuyết trong việc xử lý dữ liệu chuỗi như phân tích dữ liệu, hàm lỗi để đánh giá kết quả, các mô hình học sâu hồi tiếp để dự báo kết quả.1 Lựa chọn các tham số dự báo Nhằm quản lý công tác quan trắc, cảnh báo môi trường ngành NTTS, phòng chống dịch bệnh động vật thủy sản, Bộ NN&PTNN đã ban hành quyết định số 2383/QĐ-BNN-NTTS ngày 06 tháng 08 năm 2008, thông tư số 32/2014/TT-BNNPTNT ngày 10 tháng 09 năm 2014 quy định hoạt động quan trắc, cảnh báo môi trường ngành NN&PTNT, thông tư 04/2016/TT-BNN&PTNT ngày 10 tháng 05 năm 2016 quy định phòng chống dịch bệnh động vật thủy sản, theo đó, các thông số quan trắc môi trường NTTS được chia ra: • Các thông số môi trường thông thường: Nhiệt độ không khí, áp suất khí quyển, độ ẩm, gió, sóng, dòng chảy, lượng mưa; nhiệt độ nước, độ đục, chất rắn lơ lửng (TSS), độ mặn, pH, DO, BOD5 , COD, SO42− , S 2− ; • Các chất dinh dưỡng: N O2− , N O3− , N H 4+ , PO43-, SiO32− , N tổng số (Nts), P tổng số (Pts); 4 2.
LỰA CHỌN CÁC THAM SỐ DỰ BÁO • Các kim loại nặng và hóa chất độc hại: Cu, Pb, Zn, Cd, As, Hg, Cr3+ , Cr6+ , Ni, Mn và Fe tổng số (Fets); • Hóa chất bảo vệ thực vật: Nhóm Clo hữu cơ, nhóm lân hữu cơ, nhóm carbamate, nhóm cúc tổng hợp, nhóm neonicotinoid, nhóm avermectin, thuốc trừ cỏ và tổng độ phóng xạ β, γ; • Thực vật phù du tổng số, các loài tảo độc hại; • Vi khuẩn tổng số, Coliforms, Vibrio spp. và các tác nhân gây bệnh ở động vật thủy sản nuôi (trên cơ sở thống nhất với cơ quan quản lý chuyên ngành thú y về phạm vi, địa điểm lấy mẫu xét nghiệm); • Các chất hữu cơ gây ô nhiễm: Chất hoạt động bề mặt, dầu, mỡ, phenol. Trong thực tế, hoạt động NTTS tự phát, không quy hoạch đã nảy sinh nhiều vấn đề gây bất lợi như việc sử dụng ồ ạt thức ăn công nghiệp, thuốc chữa bệnh và chất hóa học xử lý ao nuôi làm cho môi trường ngày càng suy thoái, ô nhiễm, dịch bệnh xuất hiện. làm suy giảm nguồn lợi trầm trọng.
Theo báo cáo quan trắc của Trung tâm Giống và kỹ thuật thủy sản Phú Yên và Trung tâm Quan trắc môi trường và bệnh thủy sản miền Trung thì tình trạng ô nhiễm môi trường tại các vùng nuôi ngày càng nghiêm trọng (hàm lượng DO thường xuyên thấp hơn ngưỡng cho phép). Nguyên nhân là do người nuôi chưa ý thức bảo vệ môi trường, chất thải như xác, tôm, cá, thức ăn dư thừa. bỏ lại ngay vùng nuôi. Và, do đặc thù nuôi lồng hở, hạn chế trong kỹ thuật như mật độ nuôi dày, sử dụng thức ăn tự nhiên.
nên lượng chất thải tích lũy ngày càng dày, phân hủy gây ô nhiễm. Do đó, các thông số ô nhiễm phát sinh chủ yếu liên quan đến quá trình phân hủy chất thải hữu cơ như: N H 4+ , N O2− , N O3− , P O43− , S 2− , COD. Từ đó làm thay đổi điều kiện môi trường nuôi trồng như pH tăng, DO bị suy giảm. Theo kết quả quan trắc chất lượng nước NTTS của Trung tâm Quan trắc môi trường và bệnh thủy sản miền Trung và Trung tâm Giống và Kỹ thuật thủy sản tỉnh Phú Yên diễn biến môi trường tại các vùng nuôi tôm hùm trên vịnh Xuân Đài và đầm Cù Mông từ đầu năm 2018 đến nay cho thấy đã xác định các thông số cần quan tâm theo dõi như NH3 – vượt ngưỡng giới hạn cho phép từ 1,1 đến 3 lần.
Tương tự, thông số H2 S cũng 5 2. LỰA CHỌN CÁC THAM SỐ DỰ BÁO vượt ngưỡng cho phép và tăng gấp 3 lần; tất cả các vùng nuôi tôm hùm trong vịnh Xuân Đài và đầm Cù Mông đang có hàm lượng DO (oxy hòa tan trong nước) thấp, chỉ đạt từ 3,3 mg/L đến 5,8 mg/L, trong khi giới hạn cho phép từ 6,2 mg/L đến 7,2 mg/L. Tình trạng thiếu oxy có xu hướng vào sáng sớm do hiện nay là mùa nắng nóng, thỉnh thoảng có mưa dông, nước dễ phân tầng. Các thông số dinh dưỡng còn lại như N O2− , N O3− , P O43− , COD đều có giá trị thấp hơn ngưỡng giá trị giới hạn nhiều lần.
Ammonia (N H3 ) trong các thủy vực được sinh ra từ quá trình phân hủy các protein, xác bã động thực vật phù du, sản phẩm bài tiết của động vật hay từ phân bón vô cơ, hữu cơ. Trong nước, ammonia tồn tại dưới hai dạng ammonia tự do (N H3 ) và ion (N H4+ ) trong trạng thái cân bằng phụ thuộc vào pH và nhiệt độ. Khi pH tăng, NH3 tự do tăng so với N H4+. Nhiệt độ nước tăng cũng làm tăng tỉ lệ N H3 nhưng ảnh hưởng của nhiệt độ ít hơn của pH.
Và trong hầu hết các thủy vực nhiệt độ dao động không quá lớn, nên trong nuôi trồng thủy sản việc đánh giá mức độ độc của khí amoni có liên quan trực tiếp đến pH của nước. Khí N H3 là yếu tố quan trọng có ảnh hưởng lớn đến tỷ lệ sống, sinh trưởng đối với thủy sinh vật. N H3 là khí độc đối với thủy sinh vật còn ion N H 4+ không độc và nồng độ NH3 gây độc đối với cá là 0,6-2,0 ppm, tác dụng độc hại của NH3 đối với cá là làm pH máu tăng dẫn đến rối loạn những phản ứng xúc tác của enzyme và độ bền vững của màng tế bào, làm thay đổi độ thẩm thấu của màng tế bào đưa đến cá chết vì không điều khiển được quá trình trao đổi muối giữa cơ thể và môi trường ngoài. NH3 cao cũng làm tăng tiêu hao oxy của mô, làm tổn thương mang và làm giảm khả năng vận chuyển oxy của máu.
Độ độc của NH3 đối với một số loài giáp xác cũng đã được nghiên cứu, ở nồng độ 0,09 mg/L NH3 làm giảm sự sinh trưởng của tôm càng xanh (Macrobrachium rosenbergii), ở nồng độ 0,45 mg/L làm giảm 50% sự sinh trưởng của các loài tôm he. Khí H2 S được hình thành từ quá trình phân hủy mùn bã hữu cơ của vi khuẩn trong điều kiện yếm khí (không có ôxy). H2 S sẽ kết hợp với Hemoglobin ngăn cản việc vận chuyển ôxy trong máu, khiến tôm không có đủ lượng ôxy cần thiết, tác động rất xấu đến tốc độ tăng trưởng và tỷ lệ sống của tôm nuôi. Nồng độ H2 S trong nước trên 0,03 ppm thì tôm nuôi sẽ bị nhiễm độc và chết hàng loạt.
LÝ THUYẾT CHUNG VỀ MẠNG NƠ-RON Từ những luận giải trên, bộ các thông số quan trắc mà đề tài nghiên cứu hướng tới là quan trắc 07 thông số chính, gồm: Nhiệt độ, pH, DO, độ mặn, độ đục, S 2− và N H 4+ .2 Lý thuyết chung về mạng nơ-ron Mạng nơ-ron là nền tảng của học sâu. Sự phát triển và dễ dang ứng dụng của nó khiến cho nó càng ngày càng phát triển. Trong phần này em giới thiệu tổng quan về học sâu, và mối liên hệ với mạng thần kinh của người. Từ đó, em cũng lấy ví dụ về một mạng đơn giản là mạng nơ ron truyền thẳng.1 Mạn nơ-ron là gì? Rất nhiều tác vụ liên quan đến trí thông minh, cực kỳ dễ dàng với chúng ta nhưng lại là thủ thách lớn nhất cho máy tính.
Ví dụ nhận diện kiểu, phát hiện tối tượng,. đều rất dễ dàng với cả động vật và trẻ nhỏ. Hay làm sao mà bộ não chúng ta thực hiện các nhiệm vụ nhận dạng, phân biệt hay phát hiện các đối tượng phức tạp một cách vô thức mà chúng ta không để ý? Câu trả lời chính là ở các mạng lưới thần kinh của chúng ta. Mạng nơ-ron nhân tạo lấy cảm từ chính những mang lưới thần kinh này.
Người ta thường viết tắt mạng thần kinh nhân tạo là Artifical Neural Network (ANN) hay Neural Network (NN). Một hệ thống gọi là mạng thần kinh nhân tọa khi nó phải có nhân, có cấu trúc đồ thị nơi mỗi nút thực hiện một vài tính toán. Các nút được kết nối với nhau như hình dưới Mỗi nút được hiện một phép tính đơn giản.