Nghiên Cứu Thuật Toán Học Máy Ứng Dụng Trong Dự Báo Cháy Rừng

Cháy rừng là một trong những thảm họa thiên tai nghiêm trọng, gây thiệt hại to lớn về kinh tế, đa dạng sinh học và đời sống con người. 71 trang.

• Đề tài: Nghiên Cứu Thuật Toán Học Máy Ứng Dụng Trong Dự Báo Cháy Rừng

Mục lục chi tiết

• LỜI CẢM ƠN
• 1. CHƯƠNG 1: TÌM HIỂU CÁC THUẬT TOÁN HỌC MÁY TRONG PHÂN LOẠI DỮ LIỆU
• 1.1. Khái niệm Cây quyết định (Decision Tree)
• 1.2. Thuật toán Cây quyết định
• 1.3. Ưu điểm và hạn chế của cây quyết định
• 1.4. Thuật toán Random Forest Classification
• 1.4.1. Giới thiệu về Random Forest
• 1.4.2. Cách thức Random Forest hoạt động
• 1.4.3. Ưu điểm và nhược điểm của thuật toán Random Forest
• 1.5. Thuật toán Kernel SVM
• 1.5.1. Giới thiệu về thuật toán SVM
• 1.5.2. Các ưu điểm và nhược điểm của SVM
• 1.5.3. Hàm Kernel
• 1.5.4. Sử dụng Kernel với SVM
• 1.6. Thuật toán Naive Bayes
• 1.6.1. Giới thiệu về thuật toán Naive Bayes
• 1.6.2. Cách hoạt động của thuật toán Naive Bayes
• 1.6.3. Ưu và nhược điểm của Naive Bayes
• 2. CHƯƠNG 2: ỨNG DỤNG HỌC MÁY TRONG DỰ BÁO CHÁY RỪNG
• 2.1. Tổng quan về hiện trạng cháy rừng hiện nay trên thế giới
• 2.2. Tổng quan về hệ thống cảnh báo cháy rừng FWI
• 2.3. Các yếu tố thời tiết ảnh hưởng đến cháy rừng
• 2.3.1. Tốc độ gió
• 2.3.2. Độ ẩm tương đối
• 2.4. Ứng dụng học máy trong dự báo cháy rừng
• 3. CHƯƠNG 3: CÁC KẾT QUẢ THỰC NGHIỆM
• 3.1. Tập dữ liệu sử dụng
• 3.2. Mô hình đánh giá thuật toán
• 3.3. Thực nghiệm trên tập dữ liệu
• 3.4. Thuật toán Decision Tree với thư viện Scikit-Learn
• 3.5. Thuật toán Random Forest (Rừng ngẫu nhiên) với Scikit-Learn
• 3.6. Thuật toán Kernel SVM
• 3.7. Thuật toán Naive Bayes
• 3.8. Đánh giá và kết luận
• DANH MỤC CÁC BẢNG VÀ HÌNH VẼ
• DANH MỤC CÁC KÍ HIỆU VÀ TỪ VIẾT TẮT
• LỜI MỞ ĐẦU

Tóm tắt

I. Giải Pháp Học Máy Dự Báo Cháy Rừng Tổng Quan Vấn Đề

Cháy rừng là một trong những thảm họa thiên tai nghiêm trọng, gây thiệt hại to lớn về kinh tế, đa dạng sinh học và đời sống con người. Tần suất và mức độ nghiêm trọng của cháy rừng đang gia tăng trên toàn cầu do tác động của biến đổi khí hậu, đặt ra thách thức cấp bách cho công tác phòng chống thiên tai. Các phương pháp dự báo truyền thống dựa trên thống kê hoặc chỉ số thủ công thường gặp hạn chế về độ chính xác khi xử lý khối lượng dữ liệu lớn và phức tạp. Để giải quyết vấn đề này, việc nghiên cứu thuật toán học máy ứng dụng trong dự báo cháy rừng đã mở ra một hướng đi mới đầy tiềm năng. Bằng cách phân tích các mẫu ẩn trong dữ liệu lịch sử, công nghệ Trí tuệ nhân tạo (AI) trong phòng chống cháy rừng có thể xây dựng các mô hình dự báo nguy cơ cháy rừng với độ chính xác cao, cung cấp cảnh báo sớm và hỗ trợ ra quyết định hiệu quả. Các mô hình này không chỉ giúp xác định khu vực có nguy cơ cao mà còn góp phần tối ưu hóa việc phân bổ nguồn lực dập lửa, giảm thiểu thiệt hại đến mức tối đa.

1.1. Thách thức toàn cầu trong công tác phòng chống cháy rừng

Hiện trạng cháy rừng trên thế giới ngày càng trở nên phức tạp. Các vụ cháy lớn tại Amazon, California (Mỹ), và đặc biệt là Algeria như được đề cập trong tài liệu nghiên cứu, cho thấy quy mô và sức tàn phá ngày càng lớn. Thách thức chính không chỉ nằm ở việc dập tắt đám cháy mà còn ở khả năng dự báo chính xác để có biện pháp phòng ngừa. Các yếu tố gây cháy rất đa dạng, bao gồm điều kiện tự nhiên như sét đánh và các hoạt động của con người. Sự kết hợp giữa hạn hán kéo dài, nhiệt độ tăng cao và gió mạnh tạo ra môi trường lý tưởng cho lửa bùng phát và lan rộng. Việc thiếu một hệ thống cảnh báo cháy rừng sớm hiệu quả khiến công tác ứng phó trở nên bị động, gây ra những tổn thất không thể khắc phục về tài nguyên rừng và tính mạng con người.

1.2. Vai trò của Machine Learning dự báo cháy rừng hiện nay

Machine Learning dự báo cháy rừng mang lại một cuộc cách mạng trong lĩnh vực này. Thay vì dựa vào các quy tắc cố định, thuật toán học máy có khả năng "học" từ dữ liệu quá khứ, bao gồm dữ liệu khí tượng thủy văn, địa hình, và lịch sử các vụ cháy. Khả năng xử lý phân tích dữ liệu lớn (Big Data) cho phép các mô hình nhận diện các mối tương quan phức tạp mà con người khó có thể nhận ra. Ví dụ, một mô hình có thể phát hiện một ngưỡng kết hợp nguy hiểm giữa độ ẩm, nhiệt độ, tốc độ gió và chỉ số khô hạn (Drought Index). Nhờ đó, hệ thống có thể đưa ra cảnh báo với xác suất cụ thể cho từng khu vực, giúp các cơ quan chức năng chủ động triển khai lực lượng và phương tiện, thay vì chờ đợi đám cháy bùng phát.

II. Các Yếu Tố Ảnh Hưởng Đến Cháy Rừng Dữ Liệu Đầu Vào

Để xây dựng một mô hình dự báo nguy cơ cháy rừng hiệu quả, chất lượng và sự đa dạng của dữ liệu đầu vào là yếu tố quyết định. Một mô hình mạnh mẽ phải được huấn luyện trên một tập dữ liệu toàn diện, phản ánh đầy đủ các điều kiện có thể dẫn đến hỏa hoạn. Các yếu tố ảnh hưởng đến cháy rừng có thể được chia thành ba nhóm chính: khí tượng, địa hình và thảm thực vật. Dữ liệu khí tượng là động lực chính của các đám cháy ngắn hạn, trong khi địa hình và thảm thực vật quyết định cách đám cháy lan truyền. Sự kết hợp giữa các nguồn dữ liệu này, từ trạm quan trắc mặt đất đến dữ liệu viễn thám, tạo nên một bức tranh toàn cảnh, cho phép các thuật toán học máy đưa ra những dự báo chính xác và kịp thời. Việc thu thập và tiền xử lý các bộ dữ liệu này là bước nền tảng không thể thiếu trong bất kỳ dự án nghiên cứu nào.

2.1. Phân tích dữ liệu khí tượng và hệ thống chỉ số FWI

Dữ liệu khí tượng là thành phần cốt lõi. Tài liệu nghiên cứu đã nhấn mạnh tầm quan trọng của hệ thống Chỉ số Thời tiết Cháy (Fire Weather Index - FWI) của Canada, một hệ thống toàn diện để đánh giá nguy cơ. FWI không chỉ dựa vào các thông số đơn lẻ mà tính toán một chuỗi các chỉ số con có ý nghĩa vật lý. Các chỉ số này bao gồm: Mã độ ẩm nhiên liệu mịn (FFMC) phản ánh khả năng bắt lửa của lớp vật liệu trên bề mặt, Mã độ ẩm Duff (DMC) và Mã hạn hán (DC) thể hiện độ khô của các lớp hữu cơ sâu hơn. Các chỉ số này, kết hợp với tốc độ gió, tạo ra Chỉ số lây lan ban đầu (ISI) và Chỉ số tích lũy (BUI), cuối cùng hợp thành chỉ số FWI tổng hợp để đánh giá cường độ cháy tiềm tàng. Dữ liệu này cung cấp một bộ thuộc tính giàu thông tin cho việc huấn luyện mô hình.

2.2. Ứng dụng hệ thống thông tin địa lý GIS và ảnh vệ tinh

Bên cạnh dữ liệu khí tượng, Hệ thống thông tin địa lý (GIS) đóng vai trò không thể thiếu. GIS cung cấp các thông tin không gian quan trọng như độ dốc, hướng dốc và độ cao của địa hình, những yếu tố ảnh hưởng trực tiếp đến tốc độ và hướng lan truyền của đám cháy. Hơn nữa, dữ liệu viễn thám từ ảnh vệ tinh Landsat/MODIS/VIIRS cung cấp thông tin quý giá về tình trạng thảm thực vật, chẳng hạn như chỉ số thực vật (NDVI) để đánh giá độ "xanh" và độ ẩm của cây cối. Học sâu (Deep Learning) phát hiện cháy rừng thường sử dụng Mạng nơ-ron tích chập (CNN) để phân tích các ảnh vệ tinh này, có khả năng phát hiện các điểm nóng bất thường (hotspots) ngay cả trước khi con người nhận ra, tạo thành một hệ thống cảnh báo cháy rừng sớm cực kỳ hiệu quả.

III. Phương Pháp Nghiên Cứu Các Thuật Toán Học Máy Phổ Biến

Việc lựa chọn thuật toán phù hợp là chìa khóa thành công của mô hình. Trong khuôn khổ của tài liệu nghiên cứu, một số thuật toán học máy có giám sát (supervised learning) tiêu biểu đã được đưa ra để so sánh và đánh giá. Mỗi thuật toán có những ưu và nhược điểm riêng, phù hợp với các loại dữ liệu và cấu trúc bài toán khác nhau. Nghiên cứu tập trung vào các mô hình phân loại (classification), với mục tiêu dự đoán một trong hai lớp: "cháy" hoặc "không cháy". Các thuật toán được lựa chọn bao gồm Cây quyết định, Thuật toán Random Forest, Thuật toán SVM (Support Vector Machine) với các kernel khác nhau, và Naive Bayes. Việc đánh giá độ chính xác mô hình một cách khách quan trên cùng một bộ dữ liệu thử nghiệm cho phép xác định đâu là phương pháp tối ưu nhất cho bài toán dự báo cháy rừng.

3.1. Hướng tiếp cận với mô hình Random Forest và Decision Tree

Cây quyết định (Decision Tree) là một mô hình trực quan, dễ diễn giải, hoạt động bằng cách chia dữ liệu thành các nhánh dựa trên các quy tắc quyết định. Tuy nhiên, một cây quyết định đơn lẻ thường dễ bị quá khớp (overfitting). Để khắc phục nhược điểm này, thuật toán Random Forest được sử dụng. Đây là một phương pháp học tập tập thể (ensemble learning) xây dựng nên một "khu rừng" gồm nhiều cây quyết định độc lập. Mỗi cây được huấn luyện trên một mẫu dữ liệu ngẫu nhiên. Kết quả dự đoán cuối cùng được quyết định bằng cách lấy biểu quyết (voting) từ tất cả các cây. Cách tiếp cận này giúp giảm phương sai và cải thiện đáng kể độ chính xác, khiến Random Forest trở thành một trong những thuật toán mạnh mẽ và phổ biến nhất cho các bài toán phân loại.

3.2. Khám phá hiệu quả của thuật toán SVM và Naive Bayes

Thuật toán SVM (Support Vector Machine) hoạt động bằng cách tìm một siêu phẳng (hyperplane) trong không gian nhiều chiều để phân tách tốt nhất các lớp dữ liệu. SVM đặc biệt mạnh mẽ trong không gian có số chiều cao và hiệu quả khi sử dụng các hàm kernel (ví dụ: polynomial, gaussian) để xử lý các mối quan hệ phi tuyến tính. Trong khi đó, Naive Bayes là một thuật toán xác suất dựa trên định lý Bayes với giả định "ngây thơ" rằng các thuộc tính đầu vào là độc lập với nhau. Mặc dù giả định này hiếm khi đúng trong thực tế, Naive Bayes lại hoạt động hiệu quả đáng ngạc nhiên, đặc biệt với các bộ dữ liệu lớn và các bài toán phân loại văn bản, vì tính toán nhanh và yêu cầu ít dữ liệu huấn luyện.

IV. Kết Quả Nghiên Cứu Ứng Dụng Thuật Toán Dự Báo Cháy Rừng

Phần quan trọng nhất của một nghiên cứu khoa học là kết quả thực nghiệm và các bài học rút ra. Dựa trên tài liệu gốc, các thuật toán đã được huấn luyện và kiểm thử trên bộ dữ liệu cháy rừng tại Algeria. Bộ dữ liệu này bao gồm 244 bản ghi với các thuộc tính là thông số khí tượng và các chỉ số từ hệ thống FWI. Quá trình thực nghiệm được tiến hành một cách có hệ thống, trong đó dữ liệu được chia thành tập huấn luyện (80%) và tập kiểm tra (20%) để đảm bảo việc đánh giá là khách quan. Các chỉ số đo lường hiệu suất như Accuracy, Precision, Recall và F1-Score đã được sử dụng để đánh giá độ chính xác mô hình một cách toàn diện. Kết quả không chỉ cho thấy khả năng ứng dụng thực tiễn của học máy mà còn cung cấp một sự so sánh rõ ràng về hiệu quả giữa các thuật toán.

4.1. Phân tích kết quả và so sánh độ chính xác các mô hình

Kết quả thực nghiệm cho thấy sự khác biệt rõ rệt về hiệu suất giữa các mô hình. Theo báo cáo, thuật toán Random Forest đã chứng tỏ sự vượt trội với độ chính xác (accuracy) đạt mức cao nhất, khoảng 98%. Điều này khẳng định sức mạnh của các phương pháp học tập tập thể trong việc giảm thiểu lỗi và tăng cường khả năng tổng quát hóa. Ngược lại, thuật toán SVM với các kernel khác nhau lại cho kết quả kém hiệu quả hơn trên bộ dữ liệu này. Thuật toán Naive Bayes và Cây quyết định đơn lẻ đạt kết quả ở mức khá, nhưng không thể sánh bằng Random Forest. Những con số này cung cấp bằng chứng thuyết phục rằng việc lựa chọn đúng thuật toán là yếu tố then chốt, và Random Forest là lựa chọn tối ưu cho bài toán này.

4.2. Xây dựng hệ thống cảnh báo cháy rừng sớm từ mô hình tối ưu

Từ kết quả nghiên cứu, mô hình Random Forest được lựa chọn để triển khai thành một hệ thống cảnh báo cháy rừng sớm. Tài liệu đề cập đến việc xây dựng một ứng dụng web demo bằng Python và thư viện Streamlit. Mô hình đã được huấn luyện sẽ được lưu lại bằng thư viện Pickle, cho phép tái sử dụng mà không cần huấn luyện lại từ đầu. Giao diện ứng dụng cho phép người dùng nhập các thông số thời tiết và chỉ số FWI. Hệ thống sẽ sử dụng mô hình đã lưu để đưa ra dự đoán tức thì về việc liệu có nguy cơ cháy rừng hay không. Đây là một minh chứng rõ ràng về việc chuyển đổi từ nghiên cứu lý thuyết sang ứng dụng thực tiễn, cho thấy tiềm năng to lớn của học máy trong việc hỗ trợ phòng chống thiên tai.

V. Kết Luận Và Hướng Phát Triển Tương Lai Của Đề Tài

Nghiên cứu này đã chứng minh thành công việc áp dụng các thuật toán học máy để xây dựng một mô hình dự báo nguy cơ cháy rừng với độ chính xác cao. Kết quả không chỉ có ý nghĩa về mặt học thuật mà còn mở ra những ứng dụng thực tiễn giá trị. Bằng cách tận dụng sức mạnh của phân tích dữ liệu lớn, các cơ quan chức năng có thể chuyển từ thế bị động sang chủ động trong việc phòng chống cháy rừng. Tuy nhiên, đây mới chỉ là bước khởi đầu. Vẫn còn nhiều thách thức và cơ hội để cải tiến và mở rộng nghiên cứu trong tương lai. Việc tích hợp thêm các nguồn dữ liệu mới, áp dụng các kỹ thuật học sâu tiên tiến hơn, và tùy chỉnh mô hình cho các điều kiện địa phương cụ thể sẽ là những bước đi tiếp theo để hoàn thiện công nghệ này.

5.1. Tổng kết những đóng góp chính của nghiên cứu

Đóng góp quan trọng nhất của nghiên cứu là việc so sánh một cách có hệ thống và định lượng hiệu quả của nhiều thuật toán học máy trên một bài toán thực tế. Nghiên cứu đã chỉ ra rằng thuật toán Random Forest là phương pháp tối ưu nhất cho bộ dữ liệu cháy rừng tại Algeria. Thêm vào đó, việc phân tích và sử dụng các chỉ số phức hợp từ hệ thống FWI thay vì chỉ các biến thời tiết thô đã làm tăng giá trị cho các thuộc tính đầu vào. Cuối cùng, việc xây dựng ứng dụng demo đã kết nối khoảng cách giữa lý thuyết và thực tiễn, cho thấy một lộ trình rõ ràng để triển khai các mô hình này vào hoạt động giám sát và cảnh báo.

5.2. Định hướng mô hình hóa sự lan truyền của đám cháy

Hướng phát triển trong tương lai không chỉ dừng lại ở việc dự báo "có cháy hay không". Một bước tiến quan trọng tiếp theo là mô hình hóa sự lan truyền của đám cháy. Điều này đòi hỏi các thuật toán phức tạp hơn, có khả năng dự đoán hướng di chuyển và tốc độ lan rộng của lửa dựa trên tốc độ gió theo thời gian thực, địa hình và loại thảm thực vật. Các mô hình như Mạng nơ-ron nhân tạo (ANN) hoặc các thuật toán mô phỏng có thể được áp dụng. Việc dự đoán được sự lan truyền sẽ giúp tối ưu hóa chiến lược sơ tán, phân bổ lực lượng chữa cháy đến các vị trí trọng yếu và tạo ra các đường băng cản lửa hiệu quả, nâng cao đáng kể năng lực ứng phó thảm họa.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Cháy rừng là một trong những thảm họa môi trường nghiêm trọng trên phạm vi toàn cầu, gây ra sự tàn phá sinh thái nặng nề, làm suy thoái tài nguyên thiên nhiên, phá vỡ tính ổn định của hệ sinh thái, gia tăng nguy cơ thiên tai và suy giảm nguồn nước, từ đó thúc đẩy hiện tượng nóng lên toàn cầu. Công tác kiểm soát và phát hiện sớm cháy rừng đóng vai trò then chốt nhằm giảm thiểu thiệt hại về người và của.

Trong thực tế, nhiều giải pháp giám sát và cảnh báo cháy rừng đã được triển khai, bao gồm:

• Hệ thống cảm biến cục bộ (cảm biến nhiệt độ, cảm biến khói).
• Hệ thống quan trắc và ảnh viễn thám qua vệ tinh.
• Hệ thống theo dõi thông qua camera quan sát và video quang học.

Tuy nhiên, đối với các bài toán có khối lượng dữ liệu môi trường lớn và nhiều chiều đầu vào, các mô hình thống kê truyền thống bộc lộ nhiều hạn chế về độ chính xác dự báo. Trước bối cảnh đó, các kỹ thuật học máy (Machine Learning) thuộc lĩnh vực trí tuệ nhân tạo được ứng dụng nhằm xử lý hiệu quả các tập dữ liệu khí tượng phức tạp. Đồ án tốt nghiệp đại học của sinh viên Kiều Thị Ngọc Bích (chuyên ngành Công nghệ phần mềm, Khoa Công nghệ Thông tin 1, Học viện Công nghệ Bưu chính Viễn thông) dưới sự hướng dẫn của TS. Nguyễn Đình Hóa thực hiện nghiên cứu này nhằm đạt được các mục tiêu cụ thể:

1. Nghiên cứu cơ sở lý thuyết của các thuật toán học máy có giám sát phục vụ bài toán phân loại dữ liệu (Classification).
2. Khảo sát các chỉ số khí tượng và hệ thống đánh giá nguy cơ cháy rừng FWI (Fire Weather Index).
3. Thực nghiệm, so sánh và đánh giá hiệu năng của các mô hình học máy trên bộ dữ liệu thực tế tại Algeria, từ đó lựa chọn mô hình tối ưu để xây dựng chương trình thử nghiệm dự báo nguy cơ cháy rừng.

Phạm vi nghiên cứu tập trung vào phân loại nhị phân (xác định trạng thái "Cháy" hoặc "Không cháy") dựa trên dữ liệu khí tượng thu thập tại Algeria (gồm 244 bản ghi), đồng thời tham khảo các trường hợp nghiên cứu khí tượng tại Lebanon năm 2012 và dữ liệu thảm họa cháy rừng tại Amazon (2019), Algeria (2021).

---

Cơ sở lý thuyết và phương pháp

Khung lý thuyết và các khái niệm nền tảng

Nghiên cứu áp dụng phương pháp học có giám sát (Supervised Learning) để giải quyết bài toán phân loại dữ liệu khí tượng. Hệ thống phân loại dựa trên tập dữ liệu đã gán nhãn sẵn nhằm thiết lập mối tương quan giữa các yếu tố môi trường đầu vào và nguy cơ cháy ở đầu ra.

Về mặt lâm nghiệp và khí tượng, nghiên cứu dựa trên Hệ thống Xếp hạng Nguy cơ Cháy rừng của Canada (CFFDRS - Canadian Forest Fire Danger Rating System) và cấu trúc Chỉ số Thời tiết Cháy (FWI - Fire Weather Index). Hệ thống này gồm 6 thành phần tiêu chuẩn và các chỉ số liên quan:

• FFMC (Fine Fuel Moisture Code): Mã độ ẩm nhiên liệu mịn.
• DMC (Duff Moisture Code): Mã độ ẩm lớp mùn/Duff.
• DC (Drought Code): Mã hạn hán.
• ISI (Initial Spread Index): Chỉ số lây lan ban đầu.
• BUI (Buildup Index): Chỉ số tích lũy nhiên liệu tiêu thụ.
• FWI (Fire Weather Index): Chỉ số thời tiết cháy tổng hợp.
• Các chỉ số khác: EMC (Độ ẩm cân bằng), FFDC (Mã nguy hiểm cháy rừng), GFDC (Mã nguy hiểm cháy cỏ), SFDC (Mã nguy hiểm cháy nổ).

Các thuật toán học máy được khảo sát

1. Cây quyết định (Decision Tree - DT): Sử dụng thuật toán ID3, phân tách các nút dựa trên độ hỗn loạn Entropy và độ lợi thông tin (Information Gain).
   • Công thức Entropy của tập dữ liệu $S$: $$Entropy(S) = -\sum_{i=1}^{c} p_i \log_2 (p_i)$$ (trong đó $p_i$ là tỷ lệ đối tượng trong tập $S$ thuộc lớp $i$)
   • Công thức Information Gain của thuộc tính $A$ đối với tập $S$: $$Gain(S, A) = Entropy(S) - \sum_{v \in Values(A)} \frac{|S_v|}{|S|} Entropy(S_v)$$
2. Rừng ngẫu nhiên (Random Forest - RF): Kỹ thuật học kết hợp (Ensemble Learning) kết hợp nhiều cây quyết định độc lập. Thuật toán chọn ngẫu nhiên $k$ đặc trưng từ tập $m$ đặc trưng ($k \ll m$), xây dựng $n$ cây quyết định và đưa ra kết quả phân loại cuối cùng thông qua cơ chế biểu quyết đa số (majority voting).
3. Máy vector hỗ trợ hạt nhân (Kernel Support Vector Machine - SVM): Tách biệt các lớp dữ liệu bằng siêu phẳng tối ưu. Đồ án khảo sát ba hàm nhân (Kernel):
   • Polynomial Kernel (nhân đa thức với tham số bậc degree).
   • Gaussian / Radial Basis Function Kernel (kernel='rbf').
   • Sigmoid Kernel.
4. Naïve Bayes: Bộ phân loại xác suất dựa trên định lý Bayes với giả định các thuộc tính độc lập có điều kiện, sử dụng lớp GaussianNB để xử lý các biến liên tục.

Phương pháp nghiên cứu và nguồn dữ liệu

• Phương pháp thực nghiệm: Sử dụng ngôn ngữ lập trình Python kết hợp các thư viện xử lý dữ liệu và học máy chuyên dụng gồm pandas và scikit-learn.
• Tập dữ liệu khí tượng: Sử dụng bộ dữ liệu Dataset.csv ghi nhận các đợt cháy rừng tại Algeria gồm 244 bản ghi và 11 trường thông tin (10 thuộc tính đầu vào bao gồm nhiệt độ, độ ẩm tương đối, tốc độ gió, lượng mưa, các chỉ số thành phần FWI và 1 thuộc tính nhãn phân loại).

---

Nội dung chính theo từng chương

Chương 1: Tìm hiểu các thuật toán học máy trong phân loại dữ liệu

Chương này tổng quan về bài toán phân lớp dữ liệu (nhị phân, đa lớp, đa trị) và đi sâu vào chi tiết toán học của 4 thuật toán:

• Decision Tree: Trình bày cấu trúc nút quyết định (Decision Node) và nút lá (Leaf Node). Tác giả minh họa cơ chế hoạt động của thuật toán ID3 thông qua tập dữ liệu khí tượng năm 2012 tại Lebanon (361 bản ghi, 4 thuộc tính: Nhiệt độ - T, Độ ẩm tương đối - RH, Tốc độ gió - WS, Lượng mưa 24 giờ - P). Kết quả tính toán cho thấy Entropy toàn bộ tập mẫu năm 2012 (26 vụ cháy/361 ngày) là $0.373425$. Độ lợi thông tin của các thuộc tính lần lượt là:
  • $Gain(S, T) = 0.114259$ (được chọn làm nút gốc root)
  • $Gain(S, RH) = 0.0498435$
  • $Gain(S, WS) = 0.0376338$
  • $Gain(S, P) = 0.0134699$
• Random Forest: Mô tả chi tiết mã giả 5 bước thiết lập tập hợp cây và 3 bước dự đoán bằng biểu quyết. Đánh giá ưu điểm xử lý tốt dữ liệu lớn, hạn chế hiện tượng quá khớp (overfitting) so với cây đơn lẻ.
• Kernel SVM: Trình bày nguyên lý ánh xạ không gian đặc trưng phi tuyến và so sánh ba dạng hàm nhân (Polynomial, Gaussian RBF, Sigmoid).
• Naïve Bayes: Trình bày cơ chế tính xác suất hậu nghiệm và ưu thế tốc độ huấn luyện nhanh.

Chương 2: Ứng dụng học máy trong dự báo cháy rừng

Chương 2 phân tích hiện trạng cháy rừng toàn cầu và mối liên hệ giữa các yếu tố tự nhiên với nguy cơ bùng phát cháy:

• Tổng kết các thảm họa cháy rừng lịch sử, điển hình là vụ cháy rừng Amazon năm 2019 và cháy rừng nghiêm trọng tại Algeria vào tháng 8/2021 làm hơn 40 người thiệt mạng.
• Phân tích chi tiết hệ thống FWI của Canada, giải thích cơ chế tương tác giữa 6 chỉ số thành phần (FFMC, DMC, DC, ISI, BUI, FWI) trong việc định lượng mức độ khô của nhiên liệu và tốc độ lan truyền của đám cháy.
• Phân tích ảnh hưởng của các yếu tố khí tượng vi mô: nhiệt độ không khí (ảnh hưởng trực tiếp đến độ khô thảm thực vật), tốc độ gió (thúc đẩy cung cấp oxy và tốc độ lan truyền theo độ gồ ghề của địa hình), độ ẩm tương đối và lượng mưa tích lũy.

Chương 3: Các kết quả thực nghiệm

Chương 3 trình bày toàn bộ quy trình thực nghiệm trên máy tính:

• Khám phá dữ liệu: Sử dụng hàm shape của thư viện pandas để kiểm tra tệp Dataset.csv, xác nhận kích thước dữ liệu gồm 244 bản ghi và 11 trường thuộc tính. Hiển thị 5 hàng đầu tiên để kiểm tra định dạng.
• Tiền xử lý: Phân tách dữ liệu thành ma trận đặc trưng $X$ (10 thuộc tính) và vector nhãn $y$. Thực hiện phân chia tập huấn luyện (train set) và tập kiểm thử (test set).
• Huấn luyện mô hình: Lần lượt cài đặt và huấn luyện các mô hình DecisionTreeClassifier, RandomForestClassifier, SVC (với các cấu hình nhân Polynomial, Gaussian RBF, Sigmoid) và GaussianNB từ thư viện scikit-learn.
• Đánh giá và so sánh: Tổng hợp kết quả hiệu năng của các mô hình trên tập kiểm thử thông qua các thang đo: Độ chính xác (Accuracy), Độ chuẩn xác (Precision), Độ thu hồi (Recall) và Điểm F1 (F1-score).

---

Thiết kế và triển khai

Sau khi hoàn thành thử nghiệm và xác định mô hình tối ưu, đồ án đã tiến hành đóng gói và xây dựng một ứng dụng web demo hỗ trợ tương tác dự báo:

• Lưu trữ mô hình: Sử dụng module pickle tích hợp sẵn trong Python để tuần tự hóa (serialize) đối tượng mô hình Random Forest đã qua huấn luyện thành tệp nhị phân, đảm bảo tính bền bỉ và khả năng tái sử dụng giữa các tiến trình mà không cần huấn luyện lại.
• Giao diện web tương tác: Ứng dụng được xây dựng bằng ngôn ngữ Python thông qua thư viện streamlit.
• Thành phần giao diện:
  • Giao diện cung cấp các trường biểu mẫu tương ứng với 10 thuộc tính đầu vào (các yếu tố thời tiết và chỉ số thành phần FWI).
  • Nút bấm điều khiển "Predict" (Dự đoán).
  • Khi người dùng nhập đầy đủ thông số và nhấn "Predict", hệ thống tự động tải mô hình đã lưu qua pickle, thực hiện suy luận và hiển thị trực tiếp kết quả cảnh báo nguy cơ cháy rừng trên giao diện web.

---

Kết quả và đóng góp

Kết quả thực nghiệm định lượng

Hiệu năng phân loại nguy cơ cháy rừng của các thuật toán được tổng hợp trong quá trình thử nghiệm trên tập dữ liệu Algeria (244 bản ghi):

Thuật toán	Accuracy	Nhận xét hiệu năng
Random Forest	~98%	Đạt hiệu năng tổng thể cao nhất, ổn định khi dữ liệu ít và có thuộc tính thiếu sót
Naïve Bayes (GaussianNB)	~96%	Độ chính xác cao, thời gian xử lý nhanh
Decision Tree	Khá	Phân loại tốt nhưng dễ bị ảnh hưởng bởi độ phức tạp dữ liệu
Kernel SVM	Thấp nhất	Hiệu quả kém trên tập dữ liệu có số thuộc tính lớn nhưng số mẫu nhỏ

Phân tích kết quả và đóng góp của đề tài

1. Đóng góp học thuật: Đồ án đã hệ thống hóa cơ sở lý thuyết về bài toán phân lớp dữ liệu trong học máy, chi tiết hóa phương pháp tính toán Entropy/Information Gain trong thuật toán ID3 và cấu trúc toán học của hệ thống chỉ số cháy FWI.
2. Đóng góp thực nghiệm:
   • Chứng minh mô hình Random Forest có khả năng tổng quát hóa tốt nhất cho bài toán dự báo cháy rừng tại khu vực nghiên cứu (~98% accuracy), khắc phục được hạn chế kích thước mẫu nhỏ (244 bản ghi).
   • Chỉ ra hạn chế của thuật toán Kernel SVM khi xử lý tập dữ liệu có số lượng thuộc tính tương đối nhiều nhưng dung lượng bản ghi hạn chế, dẫn đến việc thiết lập siêu phẳng phân cách kém hiệu quả.
   • Hiện thực hóa thành công mô hình lý thuyết thành ứng dụng web demo trực quan thông qua công nghệ Streamlit và Pickle, cho phép người dùng nhập trực tiếp 10 tham số khí tượng để nhận kết quả phân loại tức thì.

---

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của đồ án

• Quy mô bài toán: Đồ án mới chỉ giải quyết bài toán phân loại nhị phân (xác định khả năng có cháy hoặc không cháy), chưa phân cấp được mức độ nguy hiểm của đám cháy, chưa dự đoán được diện tích rừng bị thiệt hại cũng như khả năng kiểm soát/dập tắt đám cháy.
• Tính thích nghi dữ liệu: Bộ dữ liệu thực nghiệm được thu thập tại Algeria, vốn có đặc trưng khí hậu và thảm thực vật khác biệt, do đó chưa hoàn toàn phù hợp để áp dụng trực tiếp cho môi trường rừng nhiệt đới tại Việt Nam.

Hướng phát triển tiếp theo

• Nghiên cứu mở rộng mô hình học máy nhằm dự báo cấp độ cháy chi tiết, tính toán diện tích ảnh hưởng và mô phỏng phương án phân bổ nguồn lực cứu hỏa tối ưu.
• Cải thiện thuật toán để nâng cao hơn nữa độ chính xác phân loại.
• Phối hợp khai thác nguồn số liệu khí tượng thủy văn chi tiết tại các vùng rừng đặc dụng trên cả nước từ Tổng cục Khí tượng Thủy văn Việt Nam nhằm xây dựng tập dữ liệu huấn luyện đặc thù cho các cánh rừng trong nước.

---

Giá trị tham khảo

Đồ án là tài liệu tham khảo hữu ích cho các đối tượng:

• Sinh viên ngành Công nghệ thông tin, Khoa học dữ liệu, Kỹ thuật phần mềm: Cung cấp tài liệu mẫu về quy trình nghiên cứu, triển khai và so sánh các thuật toán học máy kinh điển (Decision Tree, Random Forest, SVM, Naïve Bayes) bằng Python với thư viện scikit-learn.
• Người nghiên cứu ứng dụng AI trong quản lý tài nguyên và môi trường: Tham khảo cấu trúc tích hợp hệ thống chỉ số thời tiết cháy FWI của Canada (CFFDRS) và cách lựa chọn đặc trưng khí tượng phục vụ bài toán dự báo nguy cơ thiên tai.
• Lập trình viên phát triển ứng dụng khoa học dữ liệu: Tham khảo phương thức đóng gói mô hình học máy bằng pickle và triển khai giao diện thử nghiệm nhanh bằng streamlit.

---

Câu hỏi thường gặp

1. Bộ dữ liệu chính được sử dụng để thực nghiệm so sánh các mô hình học máy trong đồ án có đặc điểm gì? Tập dữ liệu thực nghiệm là tệp Dataset.csv ghi nhận các đợt cháy rừng tại Algeria, gồm 244 bản ghi và 11 trường thông tin (10 thuộc tính đặc trưng về khí tượng và chỉ số FWI, cùng 1 trường nhãn phân loại cháy/không cháy).

2. Thuật toán nào đạt độ chính xác cao nhất trong các thử nghiệm và nguyên nhân là gì? Thuật toán Random Forest đạt độ chính xác cao nhất (~98%). Mô hình này kết hợp nhiều cây quyết định độc lập được huấn luyện trên các tập con dữ liệu ngẫu nhiên, giúp tăng cường khả năng tổng quát hóa, hoạt động tốt ngay cả khi kích thước dữ liệu nhỏ (244 bản ghi) hoặc dữ liệu bị khuyết thiếu giá trị.

3. Vì sao thuật toán Kernel SVM lại cho kết quả kém nhất trong nghiên cứu này? Kernel SVM hoạt động kém hiệu quả do tập dữ liệu có số lượng thuộc tính tương đối lớn nhưng số lượng bản ghi lại ít (244 mẫu). Việc cố gắng phân tách dữ liệu vào hai lớp bằng các siêu phẳng trong không gian đa chiều với số lượng mẫu hạn chế khiến mô hình SVM không đạt được kết quả phân lớp tối ưu.

4. Hệ thống chỉ số thời tiết cháy FWI của Canada gồm những thành phần cơ bản nào được đề cập trong đồ án? Hệ thống FWI gồm 6 thành phần tiêu chuẩn: FFMC (Mã độ ẩm nhiên liệu mịn), DMC (Mã độ ẩm lớp mùn), DC (Mã hạn hán), ISI (Chỉ số lây lan ban đầu), BUI (Chỉ số tích lũy nhiên liệu) và FWI (Chỉ số thời tiết cháy tổng hợp).

5. Ứng dụng demo dự báo cháy rừng được xây dựng bằng những công nghệ nào? Ứng dụng demo được viết bằng ngôn ngữ Python, sử dụng module pickle để đóng gói mô hình Random Forest đã huấn luyện và thư viện streamlit để tạo giao diện web gồm 10 thuộc tính đầu vào cùng nút "Predict" để hiển thị kết quả phân loại.

---

Kết luận

Đồ án tốt nghiệp "Nghiên cứu các thuật toán học máy và ứng dụng trong dự báo cháy rừng" của sinh viên Kiều Thị Ngọc Bích đã hệ thống hóa cơ sở lý thuyết về các thuật toán phân loại học máy và ứng dụng thành công vào bài toán cảnh báo cháy rừng dựa trên dữ liệu khí tượng. Kết quả thực nghiệm chỉ ra mô hình Random Forest đạt hiệu năng vượt trội với độ chính xác xấp xỉ 98%, đồng thời được tác giả đóng gói thành công thành ứng dụng web demo bằng Streamlit. Mặc dù còn hạn chế về phạm vi bài toán nhị phân và tính đặc thù địa lý của tập dữ liệu Algeria, đồ án đã đặt nền tảng phương pháp luận vững chắc cho các hướng mở rộng ứng dụng trí tuệ nhân tạo trong công tác phòng chống cháy rừng tại Việt Nam.

Trích đoạn nội dung tài liệu

Chương 1: Tìm hiểu các thuật toán học máy trong phân loại dữ liệu Chương 2: Ứng dụng học máy trong dự báo cháy rừng xah uham tai eohg ty eo uhah ehe bieh lam xah hcm dihhxay duhg ke hoaeh ky thuat de xah xuat mot xah uham tai Chương 3: Các kết quả thực nghiệm xah uham tai eohg ty eo uhah ehe bieh lam xah hcm dihhxay duhg ke hoaeh ky thuat de xah xuat mot xah uham tai Phần Kết Luận xah uham tai eohg ty eo uhah ehe bieh lam xah hcm dihhxay duhg ke hoaeh ky thuat de xah xuat mot xah uham tai de xah xuat mot Trongxah chươnguham 1 sẽ trìnhtai bày eohg ty toán về các thuật eohọc uhah ehe máy phục bieh vụ bài lamloạixah toán phân là hcm xah uham tai eohg ty eo uhah ehe bieh lam xah hcm dihhxay duhg ke hoaeh ky thuat de xah xuat mot xah uham tai Decision Tree, Random Forest, Kernel SVM, Naive Bayes. Trong chương 2 trình bày về bài toán phát hiện cháy rừng và phương pháp sử dụng để phát hiện cháy rừng. Tiếp theo ở chương 3 trình bày các kết quả thực nghiệm, đánh giá và so sánh các kết quả đạt được. Cuối cùng phần kết luận tổng hợp lại các nội dung đã đạt được trong đồ án, nêu nhận xét về các ưu và nhược điểm về phương pháp, về kết quả thực nghiệm.

Cuối cùng phần kết luận sẽ nêu định hướng phát triển nội dung của đồ án. xah uham tai eohg ty eo uhah ehe bieh lam xah hcm dihhxay duhg ke hoaeh ky thuat de xah xuat mot xah uham tai xah uham tai eohg ty eo uhah ehe bieh lam xah hcm dihhxay duhg ke hoaeh ky thuat de xah xuat mot xah uham tai xay duhg 202410:06:59 PM10:06:59 ke hoaeh kyJune PM71Thursday, thuat13, de 202410:06:59 xah xuat mot xah uham tai PM71Thursday, PM10:06:59 eohg ty eo uhah June ehe bieh lam xah 13, 202410:0 Kiều Thị Ngọc Bích – D17CNPM4 11 Đồ án tốt nghiệp đại học xah uham tai eohg ty eo uhah ehe bieh lam xah hcm dihhxay duhg ke hoaeh ky thuat de xah xuat mot xah uham tai e202410:07:00 CHƯƠNG bieh lam xah hcmPM10:07:00 dihhxay 1. TÌM ky thuatHIỂU duhgPM71Thursday, ke hoaeh de CÁC xah xuat June 13, mot THUẬT xah TOÁN uham tai PM10:07:00 202410:07:00 eohg HỌC ty eo uhah MÁY ehe bieh TRONG lam xah PM71Thursday, hcm dihh June 13, 202410:0 7124130610:06:59 PM10:06:59 PM7124130610:06:59 PM10:06:59 PM7124130610:06:59 PM10:06:59 PM PHÂN 202410:07:01 PM10:07:01 PM71Thursday, June LOẠI DỮPM10:07:01 13, 202410:07:01 LIỆU PM71Thursday, June 13, 202410:0 Ngày nay phân loại dữ liệu (classification) là một trong những hướng nghiên cứu chính của tykhai xah uham tai eohg eo phá uhahdữ liệu. ehe Thực bieh đặthcm lamtếxah ra nhu cầu làduhg dihhxay ke cơ từ một sở dữ hoaeh ky liệu với thuat denhiều thông xah xuat tinxah mot củauham tai con người có thể trích rút ra các quyết định nghiệp vụ thông minh.Phân lớp và dự đoán là hai xah uham tai eohg ty eo uhah ehe bieh lam xah hcm dihhxay duhg ke hoaeh ky thuat de xah xuat mot xah uham tai dạng của phân tích dữ liệu nhằm trích rút ra một mô hình nhằm mô tả các lớp dữ liệu quan 202410:06:59 PM10:06:59 PM71Thursday, June 13, 202410:06:59 PM10:06:59 PM71Thursday, June 13, 202410:0 trọng hay dự đoán xu hướng dữ liệu tương lai.

Bài toán phân loại dữ liệu là quá trình phân lớp mộttyđối xah uham tai eohg eotượng uhah dữ eheliệu bieh vàolam xah một hayhcm nhiều lớp đãduhg dihhxay cho trước ke hoaeh ky thuat nhờ một de xah mô hình xuat phân lớpmot xah uham tai (model). Mô tyhình xah uham tai eohg này được eo uhah xây dựng ehe bieh dựahcm lam xah trêndihhxay một tậpduhg ke được dữ liệu hoaehxây ky dựng xahđóxuat trước thuat de có gán mot nhãn xah uham tai (hay còn gọi là tập huấn luyện).