TRỰC QUAN HÓA DỮ LIỆU VÀ KHAI PHÁ DỮ LIỆU DỊCH BỆNH (COVID-19) BẰNG HỌC MÁY

Tìm hiểu về trực quan hóa dữ liệu và khai phá dữ liệu dịch bệnh COVID-19 bằng học máy. Nghiên cứu ứng dụng trong khu vực ASEAN giúp dự báo dịch bệnh.

• Tác giả: Phùng Duy Tươi
• Người hướng dẫn: Ts. Giang Minh Đức
• Trường học: Trường Đại Học Thủ Dầu Một
• Chuyên ngành: Hệ Thống Thông Tin
• Đề tài: Trực Quan Hóa Dữ Liệu Và Khai Phá Dữ Liệu Dịch Bệnh (COVID-19) Bằng Học Máy
• Loại tài liệu: Luận Văn Thạc Sĩ
• Năm xuất bản: 2023
• Địa điểm: Bình Dương

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• TÓM TẮT ĐỀ TÀI
• MỤC LỤC
• DANH MỤC HÌNH ẢNH, BIỂU ĐỒ
• DANH MỤC BẢNG
• DANH MỤC CÁC TỪ VIẾT TẮT
• MỞ ĐẦU. MỞ ĐẦU
• 1.1. Lý do chọn đề tài
• 1.2. Mục tiêu nghiên cứu
• 1.2.1. Mục tiêu chung
• 1.2.2. Mục tiêu cụ thể
• 1.3. Đối tượng và phạm vi nghiên cứu
• 1.3.1. Đối tượng nghiên cứu
• 1.3.2. Phạm vi nghiên cứu
• 1.4. Phương pháp nghiên cứu
• 1.5. Đóng góp của đề tài
• 1.6. Kết cấu luận văn
• 1. CHƯƠNG 1: CƠ SỞ LÝ THUYẾT VÀ CÁC NGHIÊN CỨU LIÊN QUAN
• 1.1. Tổng quan về các dịch bệnh COVID-19
• 1.2. Tổng quan về Trực quan hóa dữ liệu
• 1.2.1. Khái niệm trực quan hóa dữ liệu
• 1.2.2. Sự cần thiết của trực quan hóa dữ liệu
• 1.2.3. Các giai đoạn trực quan hóa dữ liệu trong Học máy
• 1.3. Tổng quan về khai phá dữ liệu
• 1.4. Tổng quan về chuỗi thời gian (time series)
• 1.5. Thuật toán học máy Polynomial Regression
• 1.6. Tổng quan về Mạng nơ-ron nhân tạo ANN
• 1.7. Tổng quan về Mạng nơ-ron hồi quy RNN
• 1.8. Mạng bộ nhớ dài-ngắn hạn LSTM (Long Short-Term Memory)
• 1.9. Một số phương pháp đánh giá mô hình sử dụng trong luận văn
• 1.10. Các nghiên cứu liên quan
• 2. CHƯƠNG 2: MÔ HÌNH ĐỀ XUẤT TRỰC QUAN HÓA VÀ KHAI PHÁ DỮ LIỆU DỊCH BỆNH (COVID-19)
• 2.1. Mô hình đề xuất
• 2.2. Nguồn dữ liệu
• 3. CHƯƠNG 3: THỰC NGHIỆM VÀ ĐÁNH GIÁ KẾT QUẢ
• 3.1. Trực quan hóa dữ liệu
• 3.1.1. Đánh giá tổng quan về dữ liệu
• 3.1.2. Rút trích thông tin trong tập dữ liệu
• 3.2. Thực nghiệm, đánh giá và chọn mô hình phù hợp
• 3.2.1. Dự đoán số ca tử vong và Số ca nhiễm mới bằng học máy
• 3.2.2. Dự đoán Số ca tử vong và Số ca nhiễm hàng ngày bằng học sâu
• 3.2.3. Mô hình LSTM được đề xuất
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Về COVID 19 Bài Toán Trực Quan Hóa ASEAN

Đại dịch COVID-19, bùng phát từ cuối năm 2019, đã gây ra những hậu quả nghiêm trọng trên toàn cầu, ảnh hưởng đến mọi mặt của đời sống xã hội và kinh tế. Việc nghiên cứu về dịch bệnh này, đặc biệt là cách thức lây lan và các yếu tố ảnh hưởng, đã trở thành một ưu tiên hàng đầu. Các nghiên cứu sử dụng học máy và trực quan hóa dữ liệu đóng vai trò quan trọng trong việc hỗ trợ chính phủ các nước đưa ra các biện pháp ứng phó hiệu quả. Đề tài "Trực Quan Hóa và Khai Phá Dữ Liệu COVID-19 Bằng Học Máy: Nghiên Cứu Khu Vực ASEAN" được thực hiện nhằm mục tiêu khai thác dữ liệu liên quan đến dịch bệnh COVID-19, từ đó xây dựng các công cụ dự báo và ứng phó hiệu quả trong tương lai. Nghiên cứu tập trung vào việc ứng dụng các phương pháp học máy và trực quan hóa dữ liệu để phân tích các yếu tố ảnh hưởng đến số ca mắc bệnh và số ca tử vong tại các nước thuộc khu vực ASEAN.

1.1. Tầm quan trọng của Trực quan hóa dữ liệu COVID 19

Việc trực quan hóa dữ liệu COVID-19 giúp các nhà nghiên cứu và nhà hoạch định chính sách dễ dàng nhận biết xu hướng, sự phân bố và tương quan giữa các đặc trưng của dữ liệu. Một biểu đồ đơn giản có thể thay thế cho rất nhiều dữ liệu phức tạp, giúp người xem không cần có kiến thức chuyên môn sâu cũng có thể nắm bắt được những yếu tố cơ bản nhất của dịch bệnh. Ví dụ, tỷ lệ tử vong trên tổng số ca nhiễm có thể được thể hiện trực quan để so sánh giữa các quốc gia.

1.2. Ứng dụng Học Máy trong Khai phá dữ liệu COVID 19 ASEAN

Học máy COVID-19 cung cấp các công cụ để phân tích, dự đoán và mô hình hóa sự lây lan của dịch bệnh. Các thuật toán học máy có thể được sử dụng để xác định các yếu tố nguy cơ, dự đoán số ca nhiễm mới và đánh giá hiệu quả của các biện pháp can thiệp. Nghiên cứu này tập trung vào khu vực ASEAN, nơi có sự đa dạng về điều kiện kinh tế, xã hội và y tế, từ đó mang lại những hiểu biết sâu sắc về cách thức dịch bệnh ảnh hưởng đến khu vực này.

II. Thách Thức Phân Tích Dữ Liệu COVID 19 Khu Vực ASEAN

Việc phân tích dữ liệu COVID-19, đặc biệt là ở khu vực ASEAN, đối mặt với nhiều thách thức. Sự phức tạp của dữ liệu, bao gồm các yếu tố như biến thể virus, điều kiện kinh tế xã hội và các biện pháp phòng chống dịch bệnh khác nhau giữa các quốc gia, đòi hỏi các phương pháp phân tích tiên tiến. Hơn nữa, vấn đề về chất lượng và tính đầy đủ của dữ liệu cũng là một rào cản lớn. Các nghiên cứu trước đây thường tập trung vào các yếu tố như tổng số ca mắc, tổng số ca tử vong và tổng số ca phục hồi, mà chưa xem xét đến tác động của việc tiêm chủng vaccine. Nghiên cứu này nhằm mục tiêu giải quyết những hạn chế này bằng cách sử dụng các kỹ thuật khai phá dữ liệu COVID-19 tiên tiến và xem xét tác động của vaccine đối với dịch bệnh.

2.1. Vấn đề Chất lượng và Độ Tin Cậy của Dữ liệu COVID 19

Một trong những thách thức lớn nhất là đảm bảo chất lượng và độ tin cậy của dữ liệu. Dữ liệu có thể bị thiếu, không chính xác hoặc không nhất quán giữa các nguồn khác nhau. Việc thu thập và xử lý dữ liệu cần được thực hiện cẩn thận để giảm thiểu sai sót và đảm bảo tính chính xác của kết quả phân tích. Theo luận văn gốc, "Những số liệu trong các bảng biểu phục vụ cho việc phân tích, nhận xét, đánh giá được chính tác giả thu thập từ các nguồn khác nhau có ghi rõ trong phần tài liệu tham khảo."

2.2. Sự Đa Dạng trong Chính Sách và Biện Pháp Ứng Phó ASEAN

Các quốc gia ASEAN có sự khác biệt đáng kể về chính sách và biện pháp ứng phó với dịch bệnh. Điều này gây khó khăn cho việc so sánh và phân tích dữ liệu giữa các quốc gia. Cần phải xem xét các yếu tố này khi phân tích dữ liệu để đưa ra những kết luận chính xác và có ý nghĩa. Cần có phương pháp để chuẩn hóa và đồng bộ hóa dữ liệu để phân tích một cách chính xác.

III. Cách Trực Quan Hóa Dữ Liệu COVID 19 Hiệu Quả Cho ASEAN

Việc trực quan số liệu COVID-19 đóng vai trò quan trọng trong việc hiểu rõ tình hình dịch bệnh và đưa ra các quyết định dựa trên dữ liệu. Các kỹ thuật trực quan hóa dữ liệu, bao gồm biểu đồ, bản đồ và bảng điều khiển, có thể giúp người xem dễ dàng nhận biết xu hướng, sự phân bố và tương quan giữa các yếu tố khác nhau. Đặc biệt, việc xây dựng dashboard COVID-19 ASEAN cung cấp một cái nhìn tổng quan về tình hình dịch bệnh trong khu vực, giúp các nhà hoạch định chính sách đưa ra các biện pháp ứng phó kịp thời và hiệu quả. Các công cụ như Python, R, Tableau, và Power BI thường được sử dụng trong quá trình này.

3.1. Sử dụng Biểu Đồ và Bản Đồ để Thể Hiện Tình Hình COVID 19 ASEAN

Các loại biểu đồ như biểu đồ đường, biểu đồ cột và biểu đồ tròn có thể được sử dụng để thể hiện xu hướng lây lan của dịch bệnh theo thời gian, so sánh số ca mắc bệnh và tử vong giữa các quốc gia, và phân tích tỷ lệ tiêm chủng vaccine. Bản đồ có thể được sử dụng để thể hiện sự phân bố địa lý của dịch bệnh và xác định các khu vực có nguy cơ cao. Một biểu đồ đơn giản cũng có thể diễn đạt thay thế cho rất nhiều dữ liệu, giúp dễ dàng nhận biết được xu hướng.

3.2. Xây Dựng Dashboard Tương Tác để Theo Dõi Dữ Liệu COVID 19 ASEAN

Dashboard tương tác cho phép người dùng khám phá dữ liệu một cách linh hoạt và tùy chỉnh các hiển thị theo nhu cầu của mình. Dashboard nên bao gồm các chỉ số quan trọng như số ca mắc bệnh, số ca tử vong, tỷ lệ tiêm chủng, và các yếu tố kinh tế xã hội liên quan. Việc xây dựng dashboard hiệu quả đòi hỏi sự kết hợp giữa kiến thức về dữ liệu và kỹ năng thiết kế trực quan. Đồng thời dữ liệu phải được trình bày một cách thẩm mỹ.

IV. Ứng Dụng Học Máy Dự Đoán COVID 19 Tại ASEAN

Ứng dụng học máy trong COVID-19 cho phép dự đoán diễn biến dịch bệnh và đánh giá hiệu quả của các biện pháp can thiệp. Các mô hình học máy có thể được sử dụng để dự đoán số ca nhiễm mới, số ca tử vong và tác động của việc tiêm chủng vaccine. Đặc biệt, mô hình LSTM (Long Short-Term Memory) đã chứng minh được hiệu quả trong việc dự đoán dữ liệu chuỗi thời gian, phù hợp với việc dự đoán diễn biến dịch bệnh COVID-19. Nghiên cứu này sử dụng LSTM để dự báo số ca tử vong và số ca nhiễm mới hàng ngày tại các nước thuộc khu vực ASEAN.

4.1. Mô hình LSTM để Dự Đoán Số Ca Nhiễm và Tử Vong COVID 19

Mô hình LSTM là một loại mạng nơ-ron hồi quy (RNN) được thiết kế để xử lý dữ liệu chuỗi thời gian. LSTM có khả năng học các phụ thuộc dài hạn trong dữ liệu, làm cho nó phù hợp với việc dự đoán diễn biến dịch bệnh. Việc sử dụng LSTM đòi hỏi việc tiền xử lý dữ liệu và tinh chỉnh các tham số mô hình để đạt được kết quả tốt nhất. Một hạn chế là các nghiên cứu này chỉ mới khảo sát dịch bệnh COVID-19 trên các yếu tố như tổng số ca mắc, tổng số ca tử vong và tổng số ca phục hồi mà chưa xem xét đến yếu tố vắc xin tác động đến dịch bệnh.

4.2. So Sánh Hiệu Quả Các Mô Hình Học Máy trong Dự Đoán COVID 19

Nghiên cứu so sánh hiệu quả của các mô hình học máy khác nhau, bao gồm hồi quy tuyến tính, hồi quy logistic, SVM và Random Forest, trong việc dự đoán diễn biến dịch bệnh. So sánh này giúp xác định mô hình nào phù hợp nhất với dữ liệu COVID-19 và mang lại kết quả dự đoán chính xác nhất. Kết quả nghiên cứu cho thấy các mô hình hồi quy sử dụng mạng nơ-ron LSTM rất có triển vọng trong việc dự báo về sự lây lan của dịch bệnh COVID-19.

V. Phân Tích Dịch Tễ Học COVID 19 Khu Vực ASEAN Bằng Học Máy

Việc sử dụng phân tích dịch tễ học COVID-19 có thể giúp chúng ta hiểu rõ hơn về các yếu tố ảnh hưởng đến sự lây lan của dịch bệnh, chẳng hạn như mật độ dân số, điều kiện kinh tế xã hội, hệ thống y tế và các chính sách phòng chống dịch bệnh. Bằng cách kết hợp các phương pháp học máy và trực quan hóa dữ liệu, chúng ta có thể xác định các khu vực có nguy cơ cao, đánh giá hiệu quả của các biện pháp can thiệp và đưa ra các khuyến nghị để kiểm soát dịch bệnh một cách hiệu quả hơn. Qua đó cho thấy ý nghĩa và tầm quan trọng của trực quan hóa dữ liệu trong khai phá dữ liệu.

5.1. Xác định Các Yếu Tố Nguy Cơ Lây Nhiễm COVID 19 Trong ASEAN

Sử dụng các mô hình học máy để xác định các yếu tố nguy cơ lây nhiễm COVID-19 trong khu vực ASEAN. Các yếu tố này có thể bao gồm mật độ dân số, mức độ đô thị hóa, điều kiện kinh tế xã hội, thói quen sinh hoạt và các biện pháp phòng chống dịch bệnh. Phân tích này giúp chúng ta hiểu rõ hơn về cách thức dịch bệnh lây lan và đưa ra các biện pháp can thiệp phù hợp.

5.2. Đánh Giá Hiệu Quả Các Biện Pháp Can Thiệp Phòng Chống COVID 19

Phân tích dữ liệu để đánh giá hiệu quả của các biện pháp can thiệp phòng chống COVID-19, chẳng hạn như giãn cách xã hội, đeo khẩu trang, tiêm chủng và xét nghiệm. Đánh giá này giúp chúng ta xác định các biện pháp nào có hiệu quả nhất và điều chỉnh chính sách để kiểm soát dịch bệnh một cách hiệu quả hơn. Đánh giá này còn phục vụ cho quá trình xây dựng các tài liệu kinh doanh, maketing cho sản phẩm.

VI. Kết Luận Hướng Nghiên Cứu Tương Lai Về COVID 19 ASEAN

Nghiên cứu về trực quan hóa và khai phá dữ liệu COVID-19 bằng học máy đã mang lại những hiểu biết sâu sắc về tình hình dịch bệnh tại khu vực ASEAN. Các kết quả nghiên cứu có thể được sử dụng để cải thiện các biện pháp phòng chống dịch bệnh, dự đoán diễn biến dịch bệnh trong tương lai và hỗ trợ các quyết định dựa trên dữ liệu. Trong tương lai, nghiên cứu có thể mở rộng phạm vi bằng cách kết hợp dữ liệu từ nhiều nguồn khác nhau và sử dụng các kỹ thuật học máy tiên tiến hơn để giải quyết các vấn đề phức tạp hơn. Những kết quả, những kinh nghiệm xử lý dữ liệu thu được trong quá trình thực hiện luận văn này có thể được áp dụng để dự báo cho các dịch bệnh khác xảy ra trong tương lai.

6.1. Tổng Kết Kết Quả Nghiên Cứu và Đóng Góp Thực Tiễn

Tổng kết các kết quả nghiên cứu chính và đánh giá đóng góp thực tiễn của nghiên cứu đối với việc phòng chống dịch bệnh COVID-19 tại khu vực ASEAN. Nghiên cứu này đã rút trích được các giá trị ẩn trong dữ liệu, qua đó cho thấy ý nghĩa và tầm quan trọng của trực quan hóa dữ liệu trong khai phá dữ liệu.

6.2. Hướng Nghiên Cứu Mở Rộng và Phát Triển trong Tương Lai

Đề xuất các hướng nghiên cứu mở rộng và phát triển trong tương lai, chẳng hạn như kết hợp dữ liệu từ nhiều nguồn khác nhau, sử dụng các kỹ thuật học máy tiên tiến hơn và nghiên cứu tác động của các biến thể virus mới. Đồng thời xét xem các yếu tố khác như số lượng người được tiêm vắc xin ảnh hưởng đến các trường hợp mắc bệnh.

Nội dung chính

Tổng quan nghiên cứu

Dịch bệnh COVID-19, bùng phát từ cuối năm 2019, đã gây ra tác động nghiêm trọng đến sức khỏe và kinh tế toàn cầu. Tính đến ngày 28/09/2022, toàn thế giới ghi nhận hơn 612 triệu ca nhiễm và hơn 6,54 triệu ca tử vong. Khu vực ASEAN cũng chịu ảnh hưởng nặng nề với hơn 34,4 triệu ca nhiễm và hơn 358,2 nghìn ca tử vong. Trước thực trạng này, việc nghiên cứu và dự báo sự lây lan của dịch bệnh trở thành nhiệm vụ cấp thiết nhằm hỗ trợ các cơ quan quản lý đưa ra các biện pháp phòng chống hiệu quả.

Mục tiêu chính của nghiên cứu là ứng dụng các công cụ học máy để trực quan hóa và khai phá dữ liệu dịch bệnh COVID-19, tập trung vào các quốc gia ASEAN trong giai đoạn từ 03/01/2020 đến 28/09/2022. Nghiên cứu nhằm phân tích các yếu tố ảnh hưởng đến số ca mắc và tử vong hàng ngày, đồng thời xây dựng mô hình dự báo dựa trên mạng nơ-ron bộ nhớ dài-ngắn hạn (LSTM). Ý nghĩa của nghiên cứu được thể hiện qua việc cung cấp công cụ dự báo chính xác, hỗ trợ quản lý dịch bệnh và chuẩn bị ứng phó với các dịch bệnh tương tự trong tương lai.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu dựa trên các lý thuyết và mô hình sau:

• Trực quan hóa dữ liệu: Là quá trình mô tả dữ liệu dưới dạng hình ảnh trực quan như biểu đồ, bảng biểu nhằm giúp người dùng dễ dàng nhận biết xu hướng, phân bố và tương quan giữa các đặc trưng dữ liệu. Trực quan hóa đóng vai trò quan trọng trong các giai đoạn tiền xử lý, trích chọn đặc trưng và đánh giá mô hình học máy.

• Khai phá dữ liệu (Data Mining): Quá trình xử lý, phân tích và trích xuất thông tin chi tiết từ dữ liệu lớn bằng các thuật toán thống kê và máy tính. Các kỹ thuật khai phá dữ liệu phổ biến gồm phân tích phân loại, hồi quy, luật kết hợp, phân nhóm và phát hiện bất thường.

• Chuỗi thời gian (Time Series): Mô hình dự báo dựa trên dữ liệu có yếu tố thời gian, giả định các quy luật trong quá khứ sẽ lặp lại trong tương lai. Dữ liệu dịch bệnh COVID-19 có đặc trưng chuỗi thời gian với các yếu tố chu kỳ, mùa và xu hướng.

• Mạng nơ-ron nhân tạo (ANN): Mô hình xử lý thông tin mô phỏng hệ thần kinh sinh học, gồm các lớp input, hidden và output. ANN truyền thống không phù hợp với dữ liệu chuỗi do đầu vào và đầu ra độc lập.

• Mạng nơ-ron hồi quy (RNN): Mạng có khả năng lưu giữ thông tin từ các bước tính toán trước, thích hợp cho dữ liệu chuỗi. Tuy nhiên, RNN gặp khó khăn với các phụ thuộc dài hạn.

• Mạng bộ nhớ dài-ngắn hạn (LSTM): Kiến trúc đặc biệt của RNN, có khả năng học các phụ thuộc dài hạn nhờ các cổng quên, vào và ra. LSTM được sử dụng rộng rãi trong dự báo chuỗi thời gian, khắc phục hạn chế của RNN.

Phương pháp nghiên cứu

• Nguồn dữ liệu: Dữ liệu dịch bệnh COVID-19 và vắc xin được thu thập từ trang Our World in Data, tổng hợp từ Đại học Johns Hopkins, bao gồm 10.000 dòng dữ liệu từ 03/01/2020 đến 28/09/2022, với 68 cột thông tin liên quan đến 10 quốc gia ASEAN.

• Phương pháp phân tích: Sử dụng các công cụ trực quan hóa dữ liệu (Pandas, Seaborn, Matplotlib) để đánh giá và xử lý dữ liệu. Áp dụng các mô hình học máy gồm hồi quy đa thức bậc 2, bậc 3 và mô hình học sâu LSTM để dự báo số ca nhiễm mới và số ca tử vong hàng ngày.

• Timeline nghiên cứu: Quá trình nghiên cứu bao gồm thu thập và tiền xử lý dữ liệu, trực quan hóa và phân tích tương quan, xây dựng và huấn luyện mô hình, đánh giá và so sánh kết quả, thực hiện dự báo và đề xuất giải pháp ứng dụng.

• Cỡ mẫu và chọn mẫu: Dữ liệu chuỗi thời gian thu thập toàn bộ các ca nhiễm và tử vong hàng ngày của 10 quốc gia ASEAN trong khoảng thời gian nghiên cứu, đảm bảo tính đại diện và đầy đủ cho mô hình dự báo.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Tổng quan dữ liệu dịch bệnh: Tổng số ca nhiễm tại ASEAN vượt 34,4 triệu, với tỷ lệ tử vong trung bình khoảng 1,03%. Việt Nam ghi nhận số ca nhiễm cao nhất trong khu vực, trong khi Indonesia có số ca tử vong cao nhất gần 160 nghìn người.

2. Ảnh hưởng của vắc xin: Số lượng vắc xin sử dụng tại các quốc gia đông dân cao hơn, nhưng khi tính trên 100 dân, các quốc gia nhỏ hơn có tỷ lệ tiêm chủng cao hơn, cho thấy hiệu quả trong triển khai tiêm chủng. Vắc xin bắt đầu được sử dụng từ tháng 01/2021, góp phần làm tăng số ca xét nghiệm và kiểm soát dịch bệnh.

3. Hiệu quả mô hình dự báo: Mô hình LSTM cho kết quả dự báo chính xác hơn nhiều so với hồi quy đa thức. Cụ thể, mô hình LSTM dự báo số ca tử vong hàng ngày đạt hệ số R2 = 0.9053, trong khi hồi quy đa thức bậc 3 chỉ đạt R2 = 0.2373. Tương tự, dự báo số ca nhiễm mới hàng ngày bằng LSTM có R2 = 0.7476, vượt trội so với hồi quy đa thức.

4. Mối tương quan dữ liệu: Phân tích tương quan cho thấy tổng số ca nhiễm và tử vong có mối liên hệ chặt chẽ, đồng thời số người được tiêm vắc xin cũng có tương quan lớn với các biến này, khẳng định vai trò quan trọng của tiêm chủng trong kiểm soát dịch bệnh.

Thảo luận kết quả

Kết quả trực quan hóa và phân tích dữ liệu cho thấy sự phân bố và diễn tiến dịch bệnh tại các quốc gia ASEAN có sự khác biệt rõ rệt, phụ thuộc vào dân số, mức độ tiêm chủng và các biện pháp kiểm soát. Mô hình LSTM với khả năng học các phụ thuộc dài hạn trong chuỗi thời gian đã thể hiện ưu thế vượt trội trong dự báo số ca nhiễm và tử vong hàng ngày, phù hợp với tính chất phức tạp và biến động của dịch bệnh.

So với các nghiên cứu trước đây chủ yếu tập trung vào tổng số ca mắc và tử vong, nghiên cứu này bổ sung phân tích ảnh hưởng của vắc xin và áp dụng mô hình LSTM cho khu vực ASEAN, góp phần nâng cao độ chính xác dự báo. Kết quả có thể được trình bày qua biểu đồ nhiệt tương quan, biểu đồ diễn tiến dịch bệnh theo thời gian và biểu đồ so sánh dự báo thực tế với mô hình, giúp minh họa rõ ràng hiệu quả mô hình.

Tuy nhiên, mô hình hiện tại chưa tích hợp các yếu tố như biến chủng virus, mức độ nghiêm ngặt của biện pháp phong tỏa, do đó cần mở rộng nghiên cứu trong tương lai để nâng cao độ tin cậy và ứng dụng thực tiễn.

Đề xuất và khuyến nghị

1. Tăng cường thu thập và chuẩn hóa dữ liệu: Chủ động cập nhật dữ liệu dịch bệnh và vắc xin với độ chính xác cao, xử lý thiếu hụt dữ liệu để nâng cao chất lượng đầu vào cho mô hình dự báo. Thời gian thực hiện: liên tục; Chủ thể: cơ quan y tế và các tổ chức nghiên cứu.

2. Phát triển mô hình dự báo đa biến: Mở rộng mô hình LSTM tích hợp thêm các yếu tố như biến chủng virus, biện pháp kiểm soát xã hội, điều kiện thời tiết để cải thiện độ chính xác dự báo. Thời gian thực hiện: 6-12 tháng; Chủ thể: nhóm nghiên cứu khoa học dữ liệu.

3. Ứng dụng trực quan hóa dữ liệu trong quản lý dịch bệnh: Triển khai các công cụ trực quan hóa dữ liệu để hỗ trợ các nhà quản lý và chuyên gia y tế theo dõi diễn biến dịch bệnh, từ đó đưa ra quyết định kịp thời. Thời gian thực hiện: 3-6 tháng; Chủ thể: cơ quan y tế, chính quyền địa phương.

4. Đào tạo và nâng cao năng lực sử dụng học máy: Tổ chức các khóa đào tạo về học máy và khai phá dữ liệu cho cán bộ y tế và nhà quản lý nhằm tăng cường khả năng ứng dụng công nghệ trong phòng chống dịch. Thời gian thực hiện: định kỳ hàng năm; Chủ thể: các trường đại học, viện nghiên cứu.

Đối tượng nên tham khảo luận văn

1. Nhà quản lý y tế công cộng: Sử dụng kết quả nghiên cứu để xây dựng các chiến lược phòng chống dịch hiệu quả dựa trên dự báo chính xác về diễn biến dịch bệnh.

2. Nhà nghiên cứu khoa học dữ liệu và học máy: Tham khảo phương pháp trực quan hóa và mô hình LSTM trong khai phá dữ liệu chuỗi thời gian dịch bệnh, áp dụng cho các lĩnh vực tương tự.

3. Chuyên gia phân tích chính sách công: Dựa vào các phân tích về ảnh hưởng của vắc xin và các yếu tố dịch tễ để đề xuất chính sách phù hợp trong quản lý dịch bệnh.

4. Sinh viên và học viên cao học ngành hệ thống thông tin, khoa học dữ liệu: Học hỏi quy trình nghiên cứu, phương pháp phân tích và xây dựng mô hình dự báo trong lĩnh vực y tế công cộng.

Câu hỏi thường gặp

1. Tại sao chọn mô hình LSTM để dự báo dịch bệnh COVID-19?
   Mô hình LSTM có khả năng học các phụ thuộc dài hạn trong dữ liệu chuỗi thời gian, phù hợp với tính chất biến động phức tạp của dịch bệnh. Kết quả thực nghiệm cho thấy LSTM có độ chính xác dự báo cao hơn nhiều so với các mô hình hồi quy đa thức.

2. Dữ liệu sử dụng trong nghiên cứu có nguồn gốc từ đâu?
   Dữ liệu được thu thập từ trang Our World in Data, tổng hợp từ Đại học Johns Hopkins, bao gồm thông tin về số ca nhiễm, tử vong và tiêm vắc xin của 10 quốc gia ASEAN từ 2020 đến 2022.

3. Yếu tố vắc xin ảnh hưởng như thế nào đến dự báo dịch bệnh?
   Phân tích tương quan cho thấy số người được tiêm vắc xin có mối liên hệ chặt chẽ với số ca nhiễm và tử vong, giúp giảm thiểu sự lây lan và mức độ nghiêm trọng của dịch bệnh.

4. Mô hình có thể áp dụng cho các dịch bệnh khác không?
   Các phương pháp trực quan hóa và mô hình LSTM được xây dựng có thể áp dụng để dự báo và phân tích các dịch bệnh khác có dữ liệu chuỗi thời gian tương tự, giúp nâng cao khả năng ứng phó trong tương lai.

5. Những hạn chế của nghiên cứu là gì?
   Mô hình hiện tại chưa tích hợp các yếu tố như biến chủng virus, biện pháp phong tỏa và các biến số xã hội khác, do đó cần mở rộng nghiên cứu để nâng cao độ chính xác và tính ứng dụng thực tế.

Kết luận

• Ứng dụng học máy và trực quan hóa dữ liệu giúp khai phá thông tin quan trọng từ dữ liệu dịch bệnh COVID-19 khu vực ASEAN.
• Mô hình LSTM cho kết quả dự báo số ca nhiễm và tử vong hàng ngày với độ chính xác cao, vượt trội so với hồi quy đa thức.
• Nghiên cứu bổ sung phân tích ảnh hưởng của vắc xin, góp phần nâng cao hiểu biết về các yếu tố tác động đến dịch bệnh.
• Kết quả và kinh nghiệm xử lý dữ liệu có thể áp dụng cho dự báo các dịch bệnh tương lai.
• Cần tiếp tục phát triển mô hình đa biến và mở rộng dữ liệu để nâng cao hiệu quả dự báo và hỗ trợ quản lý dịch bệnh.

Để tiếp tục phát triển nghiên cứu, các nhà khoa học và quản lý nên phối hợp thu thập dữ liệu đa chiều, áp dụng các mô hình học sâu tiên tiến và triển khai công cụ trực quan hóa hỗ trợ ra quyết định. Hành động kịp thời và chính xác sẽ góp phần kiểm soát hiệu quả dịch bệnh, bảo vệ sức khỏe cộng đồng.

Trích đoạn nội dung tài liệu

Chương 1. CƠ SỞ LÝ THUYẾT VÀ CÁC NGHIÊN CỨU LIÊN QUAN Khái quát các lý thuyết quan trọng và những nghiên cứu liên quan được áp dụng trong luận văn. MÔ HÌNH ĐỀ XUẤT TRỰC QUAN HÓA VÀ KHAI PHÁ DỮ LIỆU DỊCH BỆNH (COVID-19) Đề xuất lưu đồ xử lý để giải quyết bài toán khai phá dữ liệu dịch bệnh và đề xuất mô hình hiệu quả dự báo sự lây lan của dịch bệnh COVID-19 tại các nước ASEAN. THỰC NGHIỆM VÀ ĐÁNH GIÁ KẾT QUẢ - Thực nghiệm với dữ liệu dịch bệnh thực tế.

- Đánh giá và so sánh hiệu quả của các mô hình. CƠ SỞ LÝ THUYẾT VÀ CÁC NGHIÊN CỨU LIÊN QUAN Trong chương này, tôi sẽ trình bày tổng quan về dịch bệnh COVID-19, lý thuyết tổng quan về chuỗi thời gian, một số thuật toán hồi quy trong học máy, mạng nơ-ron nhân tạo ANN, mạng nơ-ron hồi quy RNN và bộ nhớ dài-ngắn hạn LSTM. Ngoài ra, tôi còn trình bày một số nghiên cứu liên quan về những phương pháp dự báo gần với đề tài của tôi.1 Tổng quan về các dịch bệnh COVID-19 Virus Corona là họ gồm nhiều loại virus được đặt tên dựa theo đặc điểm cơ thể chúng có dạng hình cầu, với những chiếc gai bao xung quanh trông như chiếc vương miện, chúng có khả năng gây ra bệnh tật cho con người. Đợt bùng phát dịch bệnh đầu tiên do họ virus này gây ra là Hội chứng hô hấp cấp tính nặng (SARS) xảy ra khoảng thời gian từ năm 2002-2004, và đợt dịch lớn thứ hai là Hội chứng hô hấp Trung Đông (MERS) xảy ra năm 2012 tại Ả Rập Xê Út.

Sự bùng phát của dịch bệnh COVID-19 được phát hiện lần đầu tiên khi điều tra ổ dịch bắt nguồn từ khu chợ lớn chuyên bán hải sản và động vật tại thành phố Vũ Hán, tỉnh Hồ Bắc, Trung Quốc vào cuối tháng 12 năm 2019. [1] COVID-19 (từ tiếng Anh là coronavirus disease 2019 - bệnh virus corona 2019) là một bệnh đường hô hấp cấp tính truyền nhiễm gây ra bởi chủng virus SARS-CoV-2 và các biến thể của nó. Đây là một chủng mới của họ virus corona mà con người trước đó chưa từng biết tới. Virus gây viêm đường hô hấp cấp ở người và cho thấy có sự lây lan từ người sang người.

Kể từ khi được phát hiện, dịch bệnh đã nhanh chóng lan rộng ra trên phạm vi toàn cầu. Vào ngày 11 tháng 03 năm 2020, Tổ chức y tế thế giới (WHO) đã tuyên bố COVID-19 là một đại dịch do sự lây truyền nhanh chóng từ người sang người [2], và tính đến ngày 28 tháng 09 năm 2022, toàn cầu đã có hơn 612 triệu ca nhiễm, trong đó hơn 6,54 triệu ca tử vong. Ba nước có số ca mắc cao nhất thế giới là Mỹ (94,8 triệu ca mắc; 1,05 triệu ca tử vong); Ấn Độ (44,5 triệu ca mắc; 528,5 nghìn ca tử vong) và Brazil (34,6 triệu ca mắc, 685,8 nghìn ca tử vong) [3]. 4 Khi dịch bệnh bắt đầu bùng phát, cách đánh giá là rất quan trọng để nhanh chóng thực hiện các bước nhằm ngăn chặn dịch bệnh lây lan.

Mỗi dịch bệnh ở một tỉnh thành, quốc gia thường phát triển với tốc độ khác nhau theo thời gian. Điều này là do những yếu tố như thay đổi theo mùa, đặc điểm địa lý và cách vi-rút biến đổi theo thời gian. Trên toàn thế giới, COVID-19 đã gây ra mối đe dọa nghiêm trọng và ảnh hưởng đến cuộc sống của nhiều người. Loại vi-rút này đã biến đổi liên tục, sinh ra nhiều biến chủng mới đã gây rất nhiều khó khăn cho các nước trong công tác phòng, chống dịch.

Từ khi dịch bệnh COVID-19 bùng phát, chính phủ các nước đã thực hiện nhiều biện pháp nghiêm ngặt như cách ly, giãn cách xã hội, phong tỏa, truy vết và đặc biệt là tăng cường tiêm chủng vắc xin nhằm chặn đứng sự lây lan của virus đem lại cuộc sống bình thường cho người dân. Cùng với đó, cũng đã có các nghiên cứu sử dụng học máy và học sâu để mô hình hóa và dự báo về dịch bệnh COVID- 19 nhằm giúp chính phủ các nước đưa ra các biện pháp hiệu quả trong việc đối phó với dịch bệnh này. Ngày nay, trí tuệ nhân tạo và học máy được ứng dụng rất rộng rãi trong doanh nghiệp và trong cuộc sống. Học sâu là một phần của học máy tạo ra hiệu suất phù hợp và hoàn toàn vượt trội so các phương pháp học máy cổ điển, đặc biệt khi quy mô dữ liệu tăng lên rất lớn.

Trong đó, mạng nơ-ron nhân tạo (ANN) đã gây được sự chú ý sau thành công của việc ứng dụng học sâu trong phân loại ảnh với mạng nơ-ron tích chập CNN [7]. Ngoài ra, để dự đoán hoặc dự báo các dữ liệu chuỗi thời gian, các nhà nghiên cứu sử dụng mạng nơ-ron hồi quy (RNN), đặc biệt là mạng bộ nhớ dài-ngắn hạn (LSTM), đã đem lại kết quả dự đoán chính xác hơn so với các phương pháp thống kê thông thường vì RNN đã giải quyết được các hạn chế của ANN trong vấn đề dự đoán các phụ thuộc xa đối với các dữ liệu chuỗi thời gian [8]. Mặc dù LSTM trước đây đã được sử dụng rộng rãi để dự báo các dữ liệu chuỗi thời gian như dự báo giá cổ phiếu, dự báo thời tiết và dự báo tiêu dùng, nhưng đối với các dự báo về dịch bệnh COVID-19 vẫn chưa nhiều. Hơn nữa, các nghiên cứu này chỉ mới khảo sát dịch bệnh COVID-19 trên các yếu tố như tổng số 5 ca mắc, tổng số ca tử vong và tổng số ca phục hồi mà chưa xem xét đến yếu tố vắc xin tác động đến dịch bệnh.

[5] [6] Nghiên cứu này hướng đến việc sử dụng mạng nơ-ron LSTM để phân tích, xử lý đối với dữ liệu chuỗi thời gian về dịch bệnh COVID-19, bộ dữ liệu này được công khai trên internet, tập trung chủ yếu vào số trường hợp nhiễm bệnh được ghi nhận và số ca tử vong hàng ngày tại các quốc gia Đông Nam Á gồm 10 nước: Brunei, Campuchia, Indonesia, Lào, Malaysia, Myanmar, Philippines, Singapore, Thái Lan và Việt Nam.2 Tổng quan về Trực quan hóa dữ liệu 1.1 Khái niệm trực quan hóa dữ liệu Trực quan hóa dữ liệu là việc mô tả dữ liệu một cách đơn giản nhất dưới dạng các hình ảnh trực quan như bảng biểu, biểu đồ, đồ thị. Trực quan hóa dữ liệu trước hết phải truyền tải chính xác dữ liệu, đồng thời dữ liệu phải được trình bày một cách thẩm mỹ. Tính thẩm mỹ, theo [13], nghĩa là tất cả trực quan hóa dữ liệu đều ánh xạ các giá trị dữ liệu thành các đặc điểm có thể định lượng được trên đồ họa kết quả.2 Sự cần thiết của trực quan hóa dữ liệu - Các nghiên cứu khoa học chỉ ra rằng con người phản ứng với hình ảnh tốt hơn rất nhiều so với các dạng trình bày khác như con số, ký hiệu, chữ viết… - Một biểu đồ đơn giản cũng có thể diễn đạt thay thế cho rất nhiều dữ liệu. - Biểu diễn dữ liệu bằng hình ảnh giúp người xem dễ dàng nhận biết được xu hướng, sự phân bố, sự tương quan giữa các đặc trưng của dữ liệu.

- Một biểu đồ tốt có thể giúp một người không cần có kiến thức chuyên môn cũng có thể nắm bắt được những yếu tố cơ bản nhất của dữ liệu.3 Các giai đoạn trực quan hóa dữ liệu trong Học máy - Giai đoạn tiền xử lý dữ liệu: Trực quan hóa dữ liệu là một bước quan trọng trong giai đoạn tiền xử lý dữ liệu để xây dựng mô hình học máy hiệu quả. 6 Giai đoạn này, việc mô hình hóa dữ liệu giúp cung cấp những hiểu biết cơ bản về dữ liệu đầu vào như sự phân bố, sự thiếu khuyết, những ngoại lệ, độ nhiễu… - Giai đoạn trích chọn đặc trưng: Giai đoạn ngày, trực quan hóa dữ liệu thường kết hợp với các thuật toán ranking/selection feature để đưa ra các biểu đồ, các bảng score đánh giá, so so sánh cho từng feature từ đó có thể tính toán được sự phù hợp của feature đối với thuật toán, số lượng feature tối ưu… - Giai đoạn đánh giá mô hình: Đây là giai đoạn mà việc mô hình hóa dữ liệu được sử dụng nhiều nhất giúp thể hiện kết quả của mô hình học máy, so sánh kết quả giữa các mô hình học máy với nhau, kết quả của quá trình tinh chỉnh tham số. Đặc biệt, việc mô hình hóa dữ liệu trong giai đoạn này còn phục vụ cho quá trình xây dựng các tài liệu kinh doanh, maketing cho sản phẩm.3 Tổng quan về khai phá dữ liệu Nhờ sự phát triển mạnh mẽ của khoa học kỹ thuật, công nghệ thông tin và internet, đặc biệt là sự phổ biến của các thiết bị cá nhân như điện thoại thông minh, máy tính… đã giúp con người dễ dàng tiếp cận với thông tin một cách nhanh chóng, làm thay đổi mọi khía cạnh của cuộc sống, biến xã hội dần trở thành xã hội thông tin. Đi cùng với điều đó là lượng dữ liệu được lưu trữ trên toàn cầu đã tăng lên rất nhiều kể từ năm 1980 và đến 2007, 94% trong số đó được lưu trữ dưới dạng kỹ thuật số [20].

Thế giới ngày nay ngập tràn trong dữ liệu, chúng đến từ nhiều nguồn khác nhau có thể kể đến như: - Dữ liệu trên các trang mạng xã hội, các bài báo: dữ liệu bình luận, các bài đăng, các lượt tương tác, thói quen, hành vi sử dụng của người dùng… - Dữ liệu đến từ các cảm biến: dữ liệu đo lường, giám sát của các hệ thống quan trắc, hệ thống an ninh, giám sát hành trình… - Dữ liệu đến từ các thiết bị cá nhân như điện thoại di động, các máy tính cá nhân… Các nguồn dữ liệu này nếu biết khai thác, xử lý sẽ mang lại rất nhiều thông tin quý giá có thể giúp ích trong nhiều lĩnh vực.1 Khái niệm Khai phá dữ liệu (Data mining), hay khai thác dữ liệu, là một quá trình liên quan đến xử lý dữ liệu, phân tích, đánh giá và trích xuất các thông tin chi tiết từ dữ liệu bằng cách sử dụng các phương pháp thống kê và thuật toán máy tính khác nhau. Đây là lĩnh vực liên quan đến nhiều ngành khoa học như Toán học, Thống kê và Khoa học máy tính.2 Các giai đoạn trong khai phá dữ liệu Khai phá dữ liệu là một bước của quá trình khai thác tri thức (Knowledge Discovery Process), bao gồm: [16] - Xác định mục tiêu Data mining: Xác định được câu hỏi chính cần được trả lời khi thực hiện khai phá dữ liệu. - Chuẩn bị dữ liệu (Data preparation): Bước này bao gồm các quá trình làm sạch dữ liệu (data cleaning), tích hợp dữ liệu (data integration), chọn dữ liệu (data selection), biến đổi dữ liệu (data transformation), lưu trữ dữ liệu (data storing).