Khóa luận tốt nghiệp hệ thống thông tin xây dựng mô hình dự báo số lượng ca nhiễm bệnh nhiệt đới dựa trên mạng liên kết giữa các tỉnh thành việt nam

Khóa luận trình bày mô hình dự báo ca nhiễm bệnh nhiệt đới tại Việt Nam dựa trên mạng liên kết giữa các tỉnh thành, mang lại giải pháp hiệu quả.

• Tác giả: Phạm Khôi Nguyên
• Người hướng dẫn: ThS. Đỗ Duy Thanh
• Trường học: Đại học Quốc gia TP. Hồ Chí Minh
• Chuyên ngành: Hệ thống thông tin
• Đề tài: Mô Hình Dự Báo Số Lượng Ca Nhiễm Bệnh Nhiệt Đới Tại Việt Nam
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2024
• Địa điểm: Hồ Chí Minh

Mục lục chi tiết

• LỜI CẢM ƠN
• 1. CHƯƠNG 1: TỔNG QUAN ĐỀ TÀI
• 1.1. Phát biểu bài toán. Thách thức. Mục tiêu đề tài.
• 1.2. Đối tượng và Phạm vi nghiên cứu
• 1.3. Đóng góp nghiên cứu
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
• 2.1. Nghiên cứu liên quan
• 2.2. Các nghiên cứu trước
• 3. CHƯƠNG 3: XỬ LÝ DỮ LIỆU
• 3.1. Xử lý dữ liệu thiếu. Xử lý chuỗi dừng. Chuẩn hoá dữ liệu. Chia dữ liệu.
• 3.2. Xây dựng bộ dữ liệu phân cấp. Xác định các vùng và tính toán giá trị thời tiết, tỉ lệ ca nhiễm. Xây dựng mô hình dự báo cho dữ liệu phân cấp.
• 4. CHƯƠNG 4: THỰC NGHIỆM VÀ ĐÁNH GIÁ
• 4.1. Quy trình xử lý dữ liệu và thực nghiệm
• 4.2. Thông số chi tiết cho quá trình thực nghiệm
• 4.3. Phương pháp đánh giá
• 4.4. Kết quả thực nghiệm và phân tích kết quả
• 5. CHƯƠNG 5: KẾT LUẬN
• 5.1. Kết quả đạt được
• 5.2. Hướng phát triển
• MỤC LỤC HÌNH ẢNH
• DANH MỤC TỪ VIẾT TẮT

Tóm tắt

I. Tổng quan về mô hình dự báo số lượng ca nhiễm bệnh nhiệt đới

Mô hình dự báo số lượng ca nhiễm bệnh nhiệt đới tại Việt Nam đang trở thành một chủ đề nóng trong nghiên cứu y tế. Với sự gia tăng của các bệnh như sốt xuất huyết và tiêu chảy, việc phát triển các mô hình dự báo chính xác là rất cần thiết. Mô hình này không chỉ giúp nhận diện sớm các nguy cơ bùng phát dịch bệnh mà còn hỗ trợ trong việc lập kế hoạch phòng chống hiệu quả.

1.1. Định nghĩa và tầm quan trọng của mô hình dự báo

Mô hình dự báo là công cụ giúp phân tích và dự đoán số lượng ca nhiễm bệnh dựa trên dữ liệu lịch sử. Tầm quan trọng của nó nằm ở khả năng cung cấp thông tin kịp thời cho các cơ quan y tế trong việc ứng phó với dịch bệnh.

1.2. Các loại bệnh nhiệt đới phổ biến tại Việt Nam

Việt Nam đang phải đối mặt với nhiều loại bệnh nhiệt đới như sốt xuất huyết, tiêu chảy, và bệnh dại. Những bệnh này không chỉ gây ra gánh nặng cho hệ thống y tế mà còn ảnh hưởng đến sức khỏe cộng đồng.

II. Thách thức trong việc dự báo số lượng ca nhiễm bệnh nhiệt đới

Việc dự báo số lượng ca nhiễm bệnh nhiệt đới tại Việt Nam gặp nhiều thách thức. Những thách thức này bao gồm sự thiếu hụt dữ liệu, sự biến động của thời tiết và các yếu tố xã hội. Những yếu tố này có thể làm giảm độ chính xác của các mô hình dự báo.

2.1. Thiếu hụt dữ liệu và ảnh hưởng đến dự báo

Dữ liệu không đầy đủ về các yếu tố khí hậu và ca nhiễm bệnh gây khó khăn trong việc xây dựng mô hình dự báo chính xác. Việc thu thập và xử lý dữ liệu là một trong những thách thức lớn nhất.

2.2. Biến động khí hậu và tác động đến dịch bệnh

Biến đổi khí hậu làm thay đổi các yếu tố môi trường, từ đó ảnh hưởng đến sự lây lan của bệnh. Các hiện tượng thời tiết cực đoan có thể làm gia tăng số lượng ca nhiễm bệnh.

III. Phương pháp xây dựng mô hình dự báo số lượng ca nhiễm

Để xây dựng mô hình dự báo số lượng ca nhiễm bệnh nhiệt đới, nhiều phương pháp khác nhau đã được áp dụng. Các phương pháp này bao gồm mô hình học sâu và các thuật toán máy học tiên tiến.

3.1. Mô hình học sâu trong dự báo dịch bệnh

Mô hình học sâu như LSTM và CNN đã được chứng minh là hiệu quả trong việc dự báo số lượng ca nhiễm. Những mô hình này có khả năng học từ dữ liệu lớn và phát hiện các mẫu phức tạp.

3.2. Các thuật toán máy học khác

Ngoài mô hình học sâu, các thuật toán như SARIMA và Random Forest cũng được sử dụng để dự báo. Những thuật toán này có thể cung cấp các dự đoán bổ sung cho mô hình học sâu.

IV. Ứng dụng thực tiễn của mô hình dự báo

Mô hình dự báo số lượng ca nhiễm bệnh nhiệt đới không chỉ có giá trị trong nghiên cứu mà còn có ứng dụng thực tiễn trong việc lập kế hoạch y tế công cộng. Các cơ quan y tế có thể sử dụng thông tin từ mô hình để triển khai các biện pháp phòng ngừa kịp thời.

4.1. Lập kế hoạch phòng chống dịch bệnh

Thông tin từ mô hình dự báo giúp các cơ quan y tế lập kế hoạch và triển khai các biện pháp phòng chống dịch bệnh hiệu quả hơn, từ đó giảm thiểu số lượng ca nhiễm.

4.2. Tăng cường nhận thức cộng đồng

Mô hình dự báo cũng có thể được sử dụng để nâng cao nhận thức của cộng đồng về các bệnh nhiệt đới, từ đó khuyến khích người dân thực hiện các biện pháp phòng ngừa.

V. Kết luận và hướng phát triển tương lai

Mô hình dự báo số lượng ca nhiễm bệnh nhiệt đới tại Việt Nam có tiềm năng lớn trong việc cải thiện sức khỏe cộng đồng. Tuy nhiên, cần tiếp tục nghiên cứu và phát triển để tối ưu hóa độ chính xác của mô hình. Hướng phát triển trong tương lai có thể bao gồm việc tích hợp thêm dữ liệu và cải tiến thuật toán.

5.1. Tích hợp dữ liệu đa dạng

Việc tích hợp dữ liệu từ nhiều nguồn khác nhau sẽ giúp cải thiện độ chính xác của mô hình dự báo. Các dữ liệu này có thể bao gồm thông tin về môi trường, xã hội và y tế.

5.2. Cải tiến thuật toán dự báo

Nghiên cứu và phát triển các thuật toán mới có thể giúp nâng cao hiệu suất của mô hình dự báo. Các công nghệ mới trong lĩnh vực học máy có thể được áp dụng để cải thiện kết quả.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Việt Nam nằm trọn trong vành đai khí hậu nhiệt đới gió mùa, khu vực có nguy cơ cao chịu ảnh hưởng và bùng phát hàng loạt bệnh nhiệt đới bị lãng quên (Neglected Tropical Diseases – NTDs) theo phân loại của Tổ chức Y tế Thế giới (WHO), tiêu biểu như Sốt xuất huyết, Tiêu chảy, Cảm cúm và Bệnh dại. Mặc dù y học hiện đại đã có các phác đồ điều trị hiệu quả, việc phát hiện chậm trễ hoặc chủ quan trong dự phòng dịch bệnh vẫn tiềm ẩn rủi ro biến chứng nghiêm trọng và tử vong. Dưới tác động của biến đổi khí hậu toàn cầu và các hiện tượng thời tiết cực đoan, quy luật lây lan của các bệnh nhiệt đới ngày càng trở nên phức tạp và khó lường.

Phần lớn các nghiên cứu dự báo dịch tễ chuỗi thời gian trong nước trước đây chủ yếu tiếp cận theo hướng mô hình hóa cục bộ trên từng tỉnh, thành phố riêng lẻ. Cách tiếp cận này bỏ qua mối liên kết không gian, tính tương đồng khí hậu giữa các địa phương lân cận và đặc tính truyền nhiễm xuyên ranh giới địa lý của các tác nhân gây bệnh (như vi khuẩn, virus truyền qua nguồn nước, không khí và tiếp xúc người - người). Nhằm giải quyết điểm nghẽn này, khóa luận "Xây dựng mô hình dự báo số lượng ca nhiễm bệnh nhiệt đới dựa trên mạng liên kết giữa các tỉnh thành Việt Nam" được thực hiện.

Mục tiêu và nhiệm vụ nghiên cứu của đề tài bao gồm 6 nhiệm vụ cụ thể:

1. Hệ thống hóa kiến thức cơ bản về các bệnh nhiệt đới bị lãng quên, phân tích thống kê về nguyên nhân và mức độ nguy hiểm của dịch bệnh.
2. Tổng hợp và phân tích chuyên sâu các thuật toán học sâu ứng dụng trong dự báo chuỗi thời gian và dữ liệu không gian - thời gian.
3. Làm chủ kỹ thuật xử lý dữ liệu chuỗi thời gian và các phương pháp tiền xử lý dữ liệu dịch tễ, khí tượng.
4. Xử lý, làm sạch và tái cấu trúc bộ dữ liệu đặc trưng khí hậu cùng tỷ lệ ca nhiễm; xây dựng kiến trúc dữ liệu phân cấp (Hierarchy) nhằm tối ưu hóa liên kết vùng.
5. Cài đặt, huấn luyện và thực nghiệm các thuật toán học sâu dự báo tỷ lệ ca nhiễm theo 3 hướng tiếp cận được thiết kế.
6. Phân tích, đối sánh hiệu năng mô hình trên các thang đo chuẩn hóa và tổng hợp kết quả nghiên cứu.

Nghiên cứu tập trung vào 3 hướng tiếp cận chính:

• Hướng tiếp cận 1: Xây dựng mô hình học sâu dự báo tỷ lệ ca nhiễm trên từng tỉnh đơn lẻ nhằm thiết lập đường cơ sở (baseline) so sánh.
• Hướng tiếp cận 2: Xây dựng bộ dữ liệu phân cấp cấp vùng (tổng hợp từ các tỉnh thành thuộc vùng) để làm giàu không gian đặc trưng và huấn luyện mô hình dự báo phân cấp.
• Hướng tiếp cận 3: Xây dựng bộ dữ liệu phân cấp kết hợp kiến trúc mô hình thầy giáo – học sinh (Teacher – Student) ứng dụng kỹ thuật chắt lọc tri thức (Knowledge Distillation) để cải thiện độ chính xác dự báo ở cấp tỉnh.

Đối tượng và phạm vi nghiên cứu:

• Đối tượng nghiên cứu: Tỷ lệ ca nhiễm bệnh Tiêu chảy (có đối sánh mở rộng với đặc trưng mùa vụ của Sốt xuất huyết) và các biến số khí tượng liên quan.
• Phạm vi không gian: Hệ thống các tỉnh, thành phố tại Việt Nam (dữ liệu phân tích thực nghiệm trên 55 tỉnh thành và phân tích chuyên sâu tại các tỉnh đại diện gồm Điện Biên, Hải Dương, Thái Bình, Kon Tum, Đà Nẵng, Bà Rịa – Vũng Tàu).
• Phạm vi thời gian: Chuỗi dữ liệu lịch sử giai đoạn 1997 – 2018.

Cơ sở lý thuyết và phương pháp

Khóa luận thiết lập nền tảng dựa trên lý thuyết dịch tễ học môi trường, xử lý chuỗi thời gian phân cấp và hệ thống thuật toán học sâu đa chiều.

Nhóm lý thuyết / Mô hình	Chi tiết thuật toán và thành phần cấu trúc	Vai trò trong nghiên cứu
Dữ liệu phân cấp (Hierarchy Data)	- Tính toán tỷ lệ ca nhiễm vùng: $R_{Area} = \sum_{i=1}^n R_i$ - Biến khí tượng trung bình: $Weather_{Area} = \frac{1}{n}\sum_{i=1}^n Weather_i$ - Biến khí tượng tích lũy: $Weather_{Area} = \sum_{i=1}^n Weather_i$	Tổng hợp đặc trưng khí hậu và dịch bệnh cấp vùng từ các tỉnh thành trực thuộc, bảo toàn tương quan không gian.
Mạng nơ-ron hồi quy & chú ý	- Recurrent Neural Network (RNN) - Long Short-Term Memory (LSTM) với 3 cổng: Input, Forget, Output - Attention Mechanism (tính toán trọng số Softmax trên tích vô hướng giữa Decoder và Encoder)	Khai thác mối phụ thuộc tuần tự theo thời gian và tập trung vào các bước thời gian mang thông tin quan trọng.
Mạng tích chập & Đồ thị không thời gian	- 1D-Convolutional Neural Network (CNN) - Temporal Graph Convolutional Network (T-GCN: kết hợp GCN và GRU) - Hierarchical Graph Convolutional Network (H-GCN: thực hiện Coarsening gom cụm siêu nút và Refining khôi phục đồ thị)	Mô hình hóa mối tương quan không gian giữa các tỉnh thông qua ma trận kề / ma trận Laplacian đồ thị kết hợp biến đổi thời gian.
Mô hình Transformer & Mạng hiện đại	- Temporal Fusion Transformer (TFT: gồm khối GRN, Static Covariate Encoders, Variable Selection, Interpretable Multi-Head Attention, Pinball Loss) - N-BEATS (Doubly Residual Stacking với nhánh Forecast và Backcast) - N-HiTS (Multi-Frequency Sampling với MaxPool kernels đa kích thước và Hierarchical Interpolation) - PatchTST (Patch Time Series Transformer)	Dự báo chuỗi thời gian đa biến, phân tách tín hiệu ngắn hạn - dài hạn và xử lý dữ liệu ngoại sinh phức tạp.

Phương pháp nghiên cứu thực nghiệm được triển khai theo quy trình khoa học dữ liệu:

• Nguồn dữ liệu: Dữ liệu khí tượng (nhiệt độ, độ ẩm, lượng mưa, lượng bốc hơi, số giờ nắng, áp suất không khí) và tỷ lệ mắc bệnh được thu thập hàng tháng từ các cơ quan quan trắc và y tế Việt Nam giai đoạn 1997 – 2018.
• Xử lý dữ liệu thiếu: Áp dụng kỹ thuật quy nạp (imputation) để điền khuyết số liệu khí tượng và dịch tễ.
• Kiểm tra tính dừng và chuẩn hóa: Phân tích chuỗi dừng và đưa các biến số về cùng thang đo nhằm đảm bảo tốc độ hội tụ của mô hình học sâu.
• Phân chia tập dữ liệu: Tách chuỗi dữ liệu theo trục thời gian thành các tập huấn luyện (training), kiểm định (validation) và kiểm tra (testing).
• Thang đo đánh giá hiệu năng:
  • Sai số tuyệt đối trung bình: $\text{MAE} = \frac{1}{N}\sum |y - \hat{y}|$
  • Căn bậc hai sai số bình phương trung bình: $\text{RMSE} = \sqrt{\frac{1}{N}\sum (y - \hat{y})^2}$
  • Sai số phần trăm tuyệt đối trung bình: $\text{MAPE} = \frac{100%}{N}\sum \left|\frac{y - \hat{y}}{y}\right|$
  • Xếp hạng trung bình (Rank) và phân phối sai số dạng biểu đồ hộp (Boxplot).

Nội dung chính theo từng chương

Chương 1. Tổng quan đề tài

Chương 1 làm rõ bối cảnh dịch tễ của các bệnh nhiệt đới bị lãng quên tại Việt Nam trong điều kiện biến đổi khí hậu. Tác giả chỉ ra các hạn chế của nghiên cứu tiền nhiệm khi xem xét các tỉnh thành như những thực thể độc lập. Chương này xác định bài toán dự báo đa biến với đầu vào là các yếu tố khí hậu (nhiệt độ, độ ẩm, lượng mưa, bốc hơi, giờ nắng) và đầu ra là tỷ lệ ca nhiễm tương lai tại từng địa phương. Tác giả xác lập cấu trúc 3 hướng tiếp cận thực nghiệm, định hình các thách thức kỹ thuật về sự thiếu hụt mẫu dữ liệu, đồng thời trình bày các đóng góp trọng tâm của khóa luận.

Chương 2. Kỹ thuật dự báo

Chương 2 cung cấp cơ sở toán học và kiến trúc chi tiết của các mô hình học sâu tiên tiến phục vụ dự báo chuỗi thời gian. Tác giả phân tích từ các mạng nơ-ron nền tảng (DNN, CNN 1 chiều, SimpleRNN) và hạn chế triệt tiêu/bùng nổ đạo hàm (Vanishing/Exploding Gradient), dẫn đến sự ra đời của mạng LSTM và cơ chế Attention. Nội dung trọng tâm đi sâu vào các kiến trúc hiện đại:

• T-GCN: Tích hợp GCN trích xuất không gian thông qua ma trận đặc trưng và ma trận kề với khối GRU trích xuất chuỗi thời gian.
• H-GCN: Cơ chế phân cấp đồ thị qua 2 giai đoạn Coarsening (rút gọn đồ thị thành các siêu nút bằng ma trận pooling $S$) và Refining (khôi phục biểu diễn chi tiết).
• TFT: Kiến trúc toàn diện kết hợp mạng nơ-ron cổng dư (GRN), bộ mã hóa hiệp biến tĩnh, mạng chọn biến độc lập cho từng loại đầu vào, cơ chế tự chú ý đa đầu diễn giải được và tối ưu hóa bằng hàm mất mát lượng tử (Pinball loss).
• N-BEATS và N-HiTS: Cơ chế xếp chồng dư kép (Doubly Residual Stacking). Trong đó N-HiTS bổ sung lớp MaxPool để lấy mẫu đa tần số (Multi-Frequency Sampling) với kernel lớn cho xu hướng dài hạn và kernel nhỏ cho biến động ngắn hạn, kết hợp nội suy phân cấp (Hierarchical Interpolation) giúp giảm chi phí tính toán khi mở rộng khoảng dự báo (horizon).
• PatchTST: Kiến trúc phân đoạn chuỗi thời gian thành các patch liên tục cho mô hình Transformer.

Chương 3. Xử lý dữ liệu

Chương 3 trình bày chi tiết quy trình tiền xử lý dữ liệu và phương pháp cấu trúc hóa dữ liệu phân cấp. Quy trình gồm 4 bước xử lý chuỗi:

1. Xử lý dữ liệu thiếu bằng phương pháp quy nạp nội suy trên các trường khí hậu và dịch bệnh.
2. Kiểm định và xử lý chuỗi dừng nhằm đảm bảo tính ổn định phân phối thống kê qua thời gian.
3. Chuẩn hóa dữ liệu về khoảng giá trị tối ưu cho hàm kích hoạt của mạng học sâu.
4. Phân chia chuỗi thời gian theo các cửa sổ trượt (lookback period) và bước dự báo tương lai (forecast horizon).

Nội dung cốt lõi của chương là thuật toán xây dựng bộ dữ liệu phân cấp cấp vùng: gộp các tỉnh có sự tương đồng về vị trí địa lý và điều kiện tự nhiên vào cùng một khu vực; tính toán tỷ lệ ca nhiễm vùng bằng tổng tỷ lệ các tỉnh thành viên; tính toán các giá trị khí tượng vùng bằng trung bình cộng (nhiệt độ, độ ẩm, áp suất) hoặc tổng tích lũy (lượng mưa, số giờ nắng). Cấu trúc dữ liệu mới cho phép mô hình tiếp cận đồng thời cả bức tranh vĩ mô của khu vực và biến động vi mô của từng tỉnh.

Chương 4. Thực nghiệm và đánh giá

Chương 4 công bố kết quả cài đặt và đánh giá định lượng các mô hình trên hệ thống độ đo chuẩn tắc (MAE, RMSE, MAPE). Quá trình thực nghiệm so sánh hiệu năng giữa các thuật toán đơn lẻ (LSTM, CNN, T-GCN, TFT, N-BEATS, N-HiTS, PatchTST), các mô hình tổ hợp động (Dynamic Weighted Ensemble – DWE) và các mô hình học trên bộ dữ liệu phân cấp (PatchTST_hierarchy).

Tác giả sử dụng biểu đồ hộp (Boxplot) để kiểm tra độ lệch phân phối sai số và biểu đồ Rank để xếp hạng thứ tự ưu tiên của các phương pháp trên tập dữ liệu 55 tỉnh thành. Kết quả phân tích sâu trên 6 tỉnh đại diện (Bà Rịa – Vũng Tàu, Đà Nẵng, Điện Biên, Hải Dương, Kon Tum, Thái Bình) cho thấy mô hình PatchTST kết hợp dữ liệu phân cấp (PatchTST_hierarchy) và mô hình DWE thể hiện tính thích ứng vượt trội trong việc bám sát các đường cong quan sát thực tế, hạn chế sai lệch tại các điểm đảo chiều dịch bệnh.

Chương 5. Kết luận

Chương 5 đúc kết các kết quả đạt được về mặt phương pháp luận và kỹ thuật mô hình hóa. Tác giả khẳng định hiệu quả của việc tái cấu trúc dữ liệu theo dạng phân cấp trong việc nâng cao độ chính xác dự báo chuỗi thời gian dịch tễ, đồng thời tổng kết các mặt hạn chế về quy mô dữ liệu lịch sử và đề xuất các định hướng nghiên cứu tiếp theo.

Kết quả và đóng góp

Khóa luận đạt được các kết quả nghiên cứu định lượng và đóng góp khoa học cụ thể:

Hạng mục so sánh	Mô hình cơ sở đơn lẻ (Single-province Baseline)	Mô hình kết hợp phân cấp (Hierarchical Approach)	Mô hình tổ hợp động (DWE)
Khai thác tương quan không gian	Không khai thác, chỉ xử lý chuỗi thời gian độc lập tại từng tỉnh.	Khai thác toàn diện thông qua tổng hợp đặc trưng khí hậu và tỷ lệ ca nhiễm cấp vùng.	Khai thác qua cơ chế kết hợp trọng số động từ các mô hình phụ cơ sở.
Độ chính xác dự báo (RMSE / MAE)	Sai số lớn, dễ chịu ảnh hưởng bởi độ nhiễu và tính bất ổn định của chuỗi dữ liệu tỉnh lẻ.	Giảm thiểu rõ rệt sai số RMSE và MAE; phân phối sai số trên biểu đồ Boxplot tập trung hơn.	Đạt kết quả tối ưu tương đương hoặc tiệm cận mô hình phân cấp tiên tiến.
Độ ổn định trên xếp hạng (Rank)	Xếp hạng trung bình thấp trên toàn bộ 55 tỉnh thành.	Đạt thứ hạng cao (Rank thấp) ổn định trên cả dữ liệu Tiêu chảy và Sốt xuất huyết.	Đạt thứ hạng cạnh tranh cao trong các thử nghiệm đối sánh.
Khả năng khái quát hóa	Dễ rơi vào hiện tượng quá khớp (overfitting) do số lượng mẫu huấn luyện tại một tỉnh bị giới hạn.	Làm giàu không gian mẫu, tăng cường khả năng học đặc trưng tổng quát của mạng học sâu.	Tối ưu hóa dự đoán dựa trên sự thích ứng linh hoạt của lớp trọng số thứ hai.

Các đóng góp chính của đề tài:

• Đề xuất phương pháp cấu trúc hóa dữ liệu khí tượng – dịch tễ dạng phân cấp (Hierarchy), cung cấp giải pháp làm giàu thông tin và giảm thiểu rủi ro thiếu hụt dữ liệu huấn luyện tại Việt Nam.
• Thực hiện khảo sát, cài đặt và so sánh toàn diện hệ thống các mô hình học sâu hiện đại nhất cho bài toán chuỗi thời gian y tế công cộng (bao gồm T-GCN, H-GCN, TFT, N-BEATS, N-HiTS, PatchTST và DWE).
• Chứng minh bằng thực nghiệm rằng việc tích hợp liên kết vùng và dữ liệu phân cấp giúp nâng cao rõ rệt độ chính xác dự báo tỷ lệ ca nhiễm tại các địa phương so với các phương pháp dự báo đơn lẻ truyền thống.

Hạn chế và hướng nghiên cứu tiếp

Khóa luận thẳng thắn chỉ ra các hạn chế xuất phát từ điều kiện dữ liệu thực tế:

• Hạn chế về dữ liệu gốc: Bộ dữ liệu quan trắc khí tượng và dịch tễ giai đoạn 1997 – 2018 tại một số địa phương còn thiếu hụt nhiều trường thông tin, đòi hỏi phải dùng kỹ thuật quy nạp nên có thể tạo ra độ lệch nhất định.
• Giới hạn về độ dài mẫu: Số lượng mẫu chuỗi thời gian theo tháng chưa đủ lớn để các mô hình học sâu dung lượng cao (như Transformer đa lớp) khai thác trọn vẹn sức mạnh biểu diễn mà không gặp thách thức về độ khái quát.
• Tính biến động cao của bệnh truyền nhiễm: Dữ liệu bệnh Tiêu chảy có tính chất bất ổn định cao và biên độ dao động mạnh hơn so với các bệnh có tính chu kỳ mùa vụ rõ nét như Sốt xuất huyết.

Hướng nghiên cứu và phát triển tiếp theo:

• Hoàn thiện và mở rộng kỹ thuật chắt lọc tri thức (Knowledge Distillation) với kiến trúc Teacher – Student trên cấu trúc dữ liệu phân cấp nhằm tối ưu hóa hơn nữa mô hình tại các tỉnh có số lượng mẫu ít.
• Tích hợp thêm các biến ngoại sinh phi khí tượng vào mô hình đồ thị động, bao gồm mật độ dân số, lưu lượng di chuyển liên tỉnh, điều kiện kinh tế – xã hội và hạ tầng y tế địa phương.
• Nghiên cứu cơ chế đồ thị thích ứng (Adaptive Graph Learning) để tự động cập nhật trọng số liên kết giữa các tỉnh theo thời gian thực thay vì sử dụng ma trận kề địa lý cố định.

Giá trị tham khảo

Khóa luận là tài liệu tham khảo chuyên môn cho sinh viên, học viên cao học và nghiên cứu sinh thuộc các ngành Hệ thống thông tin, Khoa học dữ liệu, Trí tuệ nhân tạo, Công nghệ thông tin y tế và Dịch tễ học tính toán.

Các nội dung có giá trị tham khảo nổi bật gồm:

• Khung lý thuyết và công thức toán học chi tiết của các kiến trúc học sâu chuỗi thời gian hiện đại (TFT, N-BEATS, N-HiTS, PatchTST, H-GCN).
• Phương pháp luận tiền xử lý và công thức tổng hợp dữ liệu chuỗi thời gian phân cấp áp dụng cho dữ liệu không gian – thời gian tại Việt Nam.
• Thiết kế thực nghiệm đối sánh đa mô hình sử dụng kết hợp các thang đo MAE, RMSE, MAPE cùng phương pháp phân tích xếp hạng Boxplot Rank.

Câu hỏi thường gặp

1. Khóa luận tập trung giải quyết bài toán dự báo cho loại bệnh nào và trong khung thời gian nào?
Nghiên cứu tập trung giải quyết bài toán dự báo tỷ lệ ca nhiễm bệnh Tiêu chảy (có phân tích đối sánh đặc tính mùa vụ với bệnh Sốt xuất huyết) trên hệ thống các tỉnh thành tại Việt Nam dựa trên dữ liệu chuỗi thời gian giai đoạn 1997 – 2018.

2. Ba hướng tiếp cận thực nghiệm chính được tác giả xây dựng trong đề tài là gì?
Tác giả thiết kế 3 hướng tiếp cận: (1) Dự báo tỷ lệ ca nhiễm trên từng tỉnh đơn lẻ làm đường cơ sở so sánh; (2) Xây dựng bộ dữ liệu phân cấp cấp vùng để huấn luyện mô hình học sâu cho từng khu vực/tỉnh; (3) Xây dựng bộ dữ liệu phân cấp kết hợp mô hình thầy giáo – học sinh (Teacher – Student) qua kỹ thuật chắt lọc tri thức (Knowledge Distillation).

3. Quy tắc toán học nào được dùng để xây dựng bộ dữ liệu phân cấp từ cấp tỉnh lên cấp vùng?
Tỷ lệ ca nhiễm khu vực được tính bằng tổng tỷ lệ ca nhiễm của các tỉnh trực thuộc ($R_{Area} = \sum R_i$). Các yếu tố khí hậu thông thường (nhiệt độ, độ ẩm, áp suất) được tính bằng giá trị trung bình cộng của các tỉnh trong vùng, trong khi các yếu tố tích lũy (tổng lượng mưa, tổng giờ chiếu sáng) được tính bằng tổng giá trị của các tỉnh trong vùng.

4. Những mô hình học sâu tiên tiến nào đã được phân tích cấu trúc và đưa vào thực nghiệm?
Khóa luận phân tích và cài đặt thực nghiệm các mô hình: CNN 1D, SimpleRNN, LSTM, LSTM-Attention, T-GCN, H-GCN, Temporal Fusion Transformer (TFT), N-BEATS, N-HiTS, PatchTST và mô hình tổ hợp động Dynamic Weighted Ensemble (DWE).

5. Kết quả thực nghiệm chỉ ra mô hình nào đạt hiệu năng dự báo vượt trội trên chuỗi dữ liệu dịch bệnh?
Mô hình PatchTST kết hợp cấu trúc dữ liệu phân cấp (PatchTST_hierarchy) và mô hình Dynamic Weighted Ensemble (DWE) đạt độ chính xác cao nhất, thể hiện qua các chỉ số sai số RMSE, MAE thấp nhất và thứ hạng phân phối (Rank) tối ưu trên tập dữ liệu 55 tỉnh thành.

Kết luận

Khóa luận của tác giả Phạm Khôi Nguyên đã giải quyết bài toán dự báo dịch tễ chuỗi thời gian tại Việt Nam thông qua việc kết hợp các yếu tố khí tượng và liên kết vùng địa lý. Bằng việc xây dựng thành công bộ dữ liệu phân cấp và triển khai thử nghiệm hệ thống mô hình học sâu tiên tiến (như PatchTST, N-HiTS, TFT, H-GCN và DWE), nghiên cứu đã chứng minh tính ưu việt của phương pháp tiếp cận phân cấp so với các mô hình dự báo đơn lẻ truyền thống. Kết quả nghiên cứu cung cấp cơ sở phương pháp luận và dữ liệu thực nghiệm giá trị cho việc phát triển các hệ thống cảnh báo sớm dịch bệnh nhiệt đới trong bối cảnh biến đổi khí hậu.

Trích đoạn nội dung tài liệu

Chương 1: Tổng quan đề tài. Giới thiệu về nội dung đề tài bao gồm động lực nghiên cứu, phát biểu bài toán, thách thức, mục tiêu, phạm vi — đối tượng nghiên cứu, và những đóng góp chính trong nghiên cứu. Chương 2: Cơ sở lý thuyết. Trình bày tổng quan về các lý thuyết cơ sở trong dịch bệnh với bệnh nhiệt đới bi lãng quên.

Trình bày các khảo sat về hướng tiếp cận dự báo tỉ lệ ca nhiễm dịch bệnh trong khu vực từ các công trình đi trước. Đồng thời, trình bày về các khái niệm về dự báo sử dụng mang học sâu va các thuật toán hoc sâu tiên tiến Chương 3: Xử lý dữ liệu. Trình bày quy trình tiền xử lý dữ liệu với các phương pháp xử lý dữ liệu cơ bản và xử lý dữ liệu chuỗi thời gian. Phương pháp xây dựng bộ dữ liệu có hệ thống thứ bậc Chương 4: Thực nghiệm và đánh giá.

Trình bày quy trình xử lý dữ liệu và thực nghiệm. Trình bày các thông số chỉ tiết cho quá trình thực nghiệm. Trình bày các phương pháp đánh giá. Báo cáo kết quả thực nghiệm và phân tích kết quả.

Chương 5: Kết luận: Trình bày và đưa ra nhận xét và so sánh về kết quả mang lại. Trình bày về những hướng cải tiễn hơn trong tương lai. TONG QUAN ĐÈ TÀI 1. Động lực nghiên cứu Việt Nam là quốc gia năm hoàn toàn trong vành đai khí hậu nhiệt đới.

Mà đây lại là vùng có nguy cơ cao chịu sự lây lan của hàng loạt các loại bệnh lý liên quan đến khí hậu và điều kiện sống, có thé kể đến như: Sốt Xuất Huyết, Tiêu Chay, Cảm cúm, v.Những loại bệnh nêu trên được WHO chính thức đưa vào danh sách cảnh báo “Các loại bệnh nhiệt đới bị lãng quên” - NTDs (Neglected Tropical Diseases)[1]. Sở di quy về cùng một nhóm bệnh nhiệt đới bị lãng quên là vì những loại bệnh này có thể dễ dàng điều trị với sự phát triển của y học hiện đại. Tuy nhiên, xét về nguy co nhiễm bệnh, việc chủ quan trong khâu nhận biết sớm và điều trị là rất nguy hiểm và có thé dẫn đến tử vong ngay cả trong điều kiện y học phát triển mạnh mẽ như hiện nay. Đặc biệt, trong thời budi biến đôi khí hậu toàn cầu, các hiện tượng thời tiết cực đoan ngày càng khó đoán, mà Việt Nam là một trong các quốc gia bị ảnh hưởng nặng nề nhất bởi biến đổi khí hậu [2] thì nguy cơ tiềm ân cho sự bùng phát của loại bệnh nhiệt đới này càng dễ phát sinh hơn và có thể phát sinh tại bất kỳ thời điểm nào.

Do đó nhu cầu về phát triển một hệ thống có khả năng dự báo và phát hiện nguy cơ bùng phát các căn bệnh nhiệt đới này, hiện nay, là rất cấp thiệt tại Việt Nam. Với sự phát triển mạnh mẽ của CNTT, các thuật toán máy học đã và đang chứng minh được sức mạnh rất lớn của chúng qua nhiều lĩnh vực như kinh tế, giáo dục và cả y tế. Nhiều công trình nghiên cứu trong nước đã được công bồ trên những mặt báo khoa học lớn quốc tế [5]-[6], tuy nhiên các nghiên cứu đang tập trung vào dự báo trên từng tỉnh đơn lẻ. Điều này là một sự thiếu sót vì đã có những nghiên cứu ở nước ngoài cho thấy các bệnh nhiệt đới, được đề cập đến ở đây là bệnh tiêu chảy có khả năng lây lan trong không khí và từ người sang người [7]- [9].

Chính vi vấn dé này đã trở thành động lực thúc day em thực hiện đề tài “Xây dựng mô hình dự báo số lượng ca nhiễm bệnh nhiệt đới dựa trên mạng liên kết giữa các tỉnh thành Việt Nam”. Mục tiêu của đề tài là khắc phục những thiếu sót về mối liên kết địa lý giữa các tỉnh thành cũng như sự tương đồng về thời tiết giữa các tỉnh trong cùng khu vực. Phat biêu bài toán Đâu vào: Dữ liệu về các đặc trưng khí hậu Việt Nam bao gôm các yêu tô vê độ âm, lượng bôc hơi, lượng mưa, nhiệt độ, sô giờ năng và tỉ lệ ca mắc bệnh nhiệt đới trên từng địa phương và khu vực của Việt Nam. Xử lý: Nhiệm vụ được thực hiện được chia làm ba hướng tiếp cận: + Xây dựng mô hình học sâu dự báo ca nhiễm trên từng tỉnh đơn lẽ.

Từ giá tri ca nhiễm được dự báo, ta dùng kết qua đó dé làm nền tảng so sánh với những phương pháp khác trong nghiên cứu này. + Xây dựng bộ dữ liệu có tính phân cấp (hierarchy) cho từng khu vực trong đó bao gồm các tinh nằm trong khu vực đó, nhằm mục đích làm giàu dit liệu, có thé khai thác tối đa các thông tin ở từng khu vực. Xây dựng mô hình học sâu dự báo số lượng ca nhiễm cho các tỉnh cho từng khu vực. + Xây dựng bộ dé liệu có tính phân cấp và xây dựng mô hình thầy giáo (teacher) và mô hình học sinh (student), sử dụng phương pháp trích xuất kiến thức (knowlegde distillation) dé cải thiện kết qua dự đoán của mô hình học sinh (student).

Đầu ra: Tỉ lệ ca nhiễm trong tương lai trên từng tỉnh. Đặc trưng khí hậu Đặc trưng khỉ hầu Đặc trưng khí hậu của từng tinh của tửng tinh của tửng tỉnh Xử lý va làm sach dữ liệu Xử lý và làm sach Xử lý va lam sacn dữ liều dữ liệu Xây dựng dữ liễu Xây dựng dữ liễu có tinh phan cấp có tinh phần cap ¥ Huấn luyễn md Huấn luyện md trình thay giáo hình hạc sinh F en Huan luyen các mỗ hình đề dur bắc ti lệ ca nhiễm Tỉ id ca nhiem của Tỉ lễ ca nhiệm của các lĩnh các tinh / b) Hình 1 Phát biểu bài toán với Đầu vào (Input), Các bước xử lý, Đầu ra (Output) của hai hướng tiêp cận a,b và c 1. “Thách thức - Van đề về thiếu dữ liệu: Dữ liệu gốc nhận không đầy đủ số liệu cho các trường cần thiết. - Wan đề hạn chế về số lượng mẫu trong dữ liệu: Việc thiếu thốn dữ liệu gây khó khăn không những trong quá trình huấn luyện mà còn khó khăn trong khâu đánh giá lại tính đúng đắn của mô hình thực nghiệm.

Muc tiêu đề tài — Hiểu được kiến thức cơ bản về các căn bệnh nhiệt đới, các thống kê về nguyên nhân và mức độ nguy hiểm của loại bệnh này. — Có được kiến thức tổng quan đến chỉ tiết cho các thuật toán học sâu. — Có được kiến thức chuỗi thời gian và các kỹ thuật tiền xử lý dữ liệu. — Xử lý và xây dựng các mẫu dit liệu có thể huấn luyện từ một bộ dữ liệu về các đặc trưng khí hậu, tỷ lệ ca nhiễm bệnh nhiệt đới.

Ngoài ra xây dựng lại cấu trúc bộ đữ liệu để tối ưu hóa thông tin và xây dựng lại mô hình để có thé dự báo chính xác hơn các nghiên cứu trước đó. — Cài đặt và thực nghiệm được thuật toán dự báo trên bộ dữ liệu được xây dựng. — Phân tích, đánh giá và tong hợp được kết quả nghiên cứu vào báo cáo. _ Đối tượng và Pham vi nghiên cứu Đối tượng nghiên cứu: Bệnh Tiêu Chảy.

Trên các tỉnh thành tại Việt Nam từ 1997 — 2018. Phạm vi nghiên cứu: + Nghiên cứu và khảo sát các công trình đã được công bố về cách các đặc trưng cũng như phương pháp được chọn dé dự báo và phát hiện được nguy cơ bùng phát bệnh nhiệt đới bị lãng quên. + Nghiên cứu các đặc trưng khí hậu có khả năng ảnh hưởng đến sự bùng phát bệnh nhiệt đới và xây dựng bộ dữ liệu tương ứng. + Nghiên cứu phương pháp xây dựng bộ dữ liệu phân cap cho từng khu vực.

+ Nghiên cứu phương pháp dự báo sử dụng mô hình hoc sâu. + Nghiên cứu mô hình máy học dự báo chuỗi thời gian theo hướng sử dụng deep learning mạng học sâu đồ thị (T-GCN, H-GCN). + Nghiên cứu mô hình máy học dự báo chuỗi thời gian theo hướng tiếp cận học sâu (LSTM, LSTM-Attention, CNN, Transformer, Crossformer, NBEATS, NhiTS, PatchTST, TFT) + Thực nghiệm các phương pháp đã được khảo sát trên ba hướng tiếp cận. Tiến hành đánh giá và so sánh kết quả.

Đóng góp nghiên cứu Giới thiệu các phương pháp dự báo tỷ lệ ca nhiễm bệnh tiêu chảy - một loại bệnh phổ biến và nguy hiểm nhưng chưa được quan tâm đúng mức tại Việt Nam. Giới thiệu về các đặc trưng khí hậu có mức độ ảnh hưởng cao đến tỉ lệ ca nhiễm bệnh — cơ sở cho mô hình dự báo được xây dựng. Trình bày các thuật toán học sâu tiên tiễn hiện nay. Phương pháp xây dựng bộ đữ liệu phân cấp và mô hình học sâu dự báo đạt hiệu suất cao.

Thực nghiệm, huấn luyện phương pháp trên bộ dữ liệu được xây dựng và so sánh hiệu quả của 3 hướng tiếp cận: + Dự báo tỉ lệ nhiễm bệnh dựa trên yếu tố thời tiết tại từng tỉnh đơn lẻ | Tái cau trúc bộ dữ liệu dang phân cấp dé làm giàu dé liệu, tối ưu hóa được sự liên kết về mặt địa lý và thời tiết giữa các tỉnh. Đồng thời xây dựng mô hình học sâu dự báo ca nhiễm nhằm tim ra giải pháp tối ưu giúp mô hình dự báo chính xác hơn. + Sử dụng phương pháp học chiết xuất dé dự báo tỉ lệ nhiễm bệnh. CƠ SỞ LY THUYET 2.

Nghiên cứu liên quan 2. Các nghiên cứu trước Năm 2022, Do, T. và cộng sự [3] nghiên cứu về dự đoán ca nhiễm Tiêu Chảy trên 6 tỉnh tại Việt Nam (Điện Biên, Thái Bình, Lào Cai, KonTum, Cao Bằng, Đắk Lắk) sử dụng 12 đặc trưng về khí hậu bao gồm các đặc trưng về lượng mưa, nhiệt độ, độ ẩm, số giờ nắng trên địa phương được xét. Tác giả tiếp cận bài toán theo hướng dự báo số lượng ca nhiễm Tiêu Chay trong tương lai ngắn han — trong 1 tháng liền kề, và dự đoán trong tương lai dai hạn — trong 2 đến 3 tháng sau, để đánh giá mức độ đúng đắn của mô hình theo thời gian.

Quy trình thực nghiệm lần lượt với các bước: (1) Xử lý giá trị thiếu với kỹ thuật quy nạp, tính toán tỉ lệ ca nhiễm trên dân số để phù hợp với ngữ nghĩa bài toán, chuân hóa đữ liệu; (2) Xử lý và trích chọn đặc trưng hữu ích; (3) Tối ưu hóa các siêu tham số với Optuna; (4) Huấn luyện và đánh giá. Thực nghiệm cho thấy mô hình LSTM sử dụng cơ chế Attention cho ra kết quả dự đoán tốt nhất so sánh với các mô trình máy học khác như SARIMA hay các mô hình học sâu khác như CNN, LSTM, Transformer. Công trình cũng nhận định các dự đoán với thời gian càng dai hạn thì mức độ chính xác cũng giảm đi đáng kể.