CHƯƠNG 1: TONG QUAN VE DE TÀI 1. Giới thiệu đề tài 1. Giới thiệu asen có trong nước dưới đất Asen hay còn gọi là As. Là nguyên tố phô biến có thứ tự 20 trong vỏ trái đất, thứ 14 trong nước biển và thứ 12 trong cơ thể con người.
‘wb thành hoàn G -w au en ng asen đất ngư chyumun “duro smu donee ®@@®€@®@ “ êm và at spare Sat BIỂN NỘN ĐAIĐNG - RỤC Lắc count " rp 0g sb tro tana ase i ih sẽ tok ta sen mu on Hình 1.1; Asen là một chất độc nguy hiểm *_ Asen có ảnh hướng đến sức khóe như thế nào? Asen là chất gây ô nhiễm lớn đứng đầu danh sách các chất gây hại mà con người có thể tiếp xúc như uống nước, hít thở không khí, ăn các thực phẩm. 14 Hiện nay, ô nhiễm asen là một trong những vấn đề môi trường đáng lo ngại nhất trên thế giới, hàng triệu người có thé bị ảnh hưởng. Mức độ asen vượt ngưỡng 10ppb theo WHO & BYT trong nước sinh hoạt gây lo ngại lớn. Tiếp xúc với nước có chứa asen thông qua thực phẩm hoặc nước uống có thể gây hại nghiêm trọng cho hệ thống tiêu hóa, tim mạch và thần kinh trung ương của con người.
Y Các triệu chứng phổ biến: e = Triệu chứng da: Nồi mẫn, đỏ, ngứa, hoặc bong tróc da. Có thể xuất hiện vết bam tím hoặc sưng trên da. Da có thé trở nên khô và kháng kháng vi khuẩn. e_ Triệu chứng hô hấp: Ho, khan tiếng, hoặc khó thở.
Có thé gây ra viêm phổi, viêm mũi, hoặc viêm xoang. e _ Triệu chứng tiêu hóa: Buôn ói, tiêu chảy hoặc táo bón. Có thé gây viêm loét lạ dày hoặc ruột. e Triệu chứng thần kinh: Mat ngủ, mệt mỏi, giảm năng lượng, chóng mặt, đau đầu, chứng mất trí, tụt huyết ap, và run chân tay.
e Triệu chứng tim mạch: Nhịp tim không đều, nhanh hoặc chậm, và áp lực máu tăng. e = Triệu chứng thận: Tang ure va creatinine trong mau, gây ra tình trạng suy thận. © _ Triệu chứng ung thư: tiếp xúc asen lâu dài có thé tăng nguy cơ mắc bệnh ung thư, như ung thư (da, phổi, bàng quang và gan). CLNDB tại các vùng đổi núi ở Việt Nam chứa asen ở các mức độ khác nhau.
Nồng độ asen trong nước ngầm ở nhiều vùng miền núi Việt Nam vượt tiêu chuẩn cho phép của WHO & BYT. Do đó, việc dự báo nồng độ asen trong nước ngầm ở khu vực miễn núi có ý nghĩa hết sức quan trọng nhằm đảm bảo an toàn sức khỏe cộng đồng và bảo vệ nguồn nước. 15 icine l—— mu Là lô = y a + TH HH SH khe don, Hình 1.3: Ban đồ heatmap nước dưới dat tại Đắk Nông “Tin Rang oot be tM oon am ` Hình 1.4: Bản đồ asen trong nước dưới đất tai Đắk Nông dưới mức tiêu chuẩn 10 ppb gu em Bind® Voth hơmfarpe Hình 1.5: Ban dé asen trong nước dưới đất tai Đắk Nông trên mức tiêu chuẩn 10 ppb 16 1. Mục tiêu Mục tiêu của luận văn này là XD một ứng dụng dự báo CLNDĐ theo không gian khi dùng các mẫu nước từ những lỗ khoan tại khu vực tỉnh Đắk Nông.
Đối tượng và phạm vi > Đối tượng: e Thu thập DL: bộ DL các chất đặc trưng như: Fe, Mn, pH, hardness, Coliforms, EC được lấy mẫu từ vị trí khoan theo không gian. Trong đó: pH là đo sự nồng độ (H+) trong dung dịch nước và nồng độ asen cao có thể pH thấp. Sắt (Fe) có trong nước. Asen thường tương tác với sắt và có thể là hợp chất không tan (chẳng hạn như arsenit sắt) hoặc hợp chất hòa tan kém.
Mangan (Mn) trong nước, ảnh hưởng đến sự hấp thụ và lưu trữ asen. Hardness (độ cứng của nước) là một chỉ số đo lường mức độ đề cập của các ion kim loại kiềm và kiềm thổ trong nước. EC (Electrical Conductivity - độ dẫn điện) là một đại lượng đo lường khả năng dẫn điện của nước. Nước có EC cao thường sẽ thấy mức độ ô nhiễm cao.
Coliforms là một nhóm vi khuẩn có trong nước. Là đại lượng để đánh giá chất lượng vi sinh trong môi trường nước và xác định sự tiềm ân của vi khuẩn gây bệnh. Tiền xứ lý DL: kiểm tra và định dạng chuẩn DL, loại bỏ DL lỗi hoặc không chính xác. XD mô hình dự báo: dùng học máy và mô hình tại các vị trí khác nhau.
Hiển thị DL: Hiện thị kết quả dưới dạng biểu đồ. Cập nhật DL: Cập nhật thông tin mới về asen trong nước. > Phạm vi: trên địa bàn 8 huyện thuộc tỉnh Đắk Nông. Tổng quan tình hình 1.
Giới thiệu chung Mặc dù đã có nhiều NC về ô nhiễm asen trong nguồn nước ở nước ta, nhưng cho đến nay thì hệ thống dự báo chất lượng asen chưa được triển khai thực tế. Các NC trong và ngoài nước e NC đánh giá nồng độ As, Hg và Pb trong nước tại khu vực nông thôn Miền Trung (2019) được thực hiện bởi Trường Đại học Khoa học Tự nhiên, Đại học Quốc gia Hà Nội. e NC đánh giá nồng độ As trong nước tại vùng Tây Bắc Việt Nam (2019) được thực hiện bởi Trường Đại học Khoa học Tự nhiên, Đại học Quốc gia Hà Nội và Trường Đại học Sư phạm Hà Nội. e Đánh giá sự phân bố và tiềm ân ô nhiễm asen trong nước dưới đất tại tỉnh Hà Tĩnh (2020) được thực hiện bởi Viện Công nghệ Sinh học và Thực phẩm, Trường Đại học Bách khoa Hà Nội.
e Global groundwater quality with special reference to arsenic contamination: a review (2019): đưa ra bản đồ toàn cầu về CLNDD và đánh giá tình hình 6 nhiễm asen trên toàn thế giới. ® Arsenic contamination in groundwater: a global perspective with emphasis on the Asian scenario (2020): ô nhiễm asen trong nước dưới đất trên toàn thế giới và đặc biệt là tại châu Á. ® Arsenic in groundwater: current status and challenges for drinking water provision in rural areas (2021): van đề 6 nhiễm asen trong nước dưới đất và thách thức trong việc cung cấp nước uống cho các khu vực nông thôn trên toàn thế giới. ® Groundwater arsenic contamination and associated health risks in India: a review (2021): đánh giá tinh hình 6 nhiễm asen trong nước dưới đất tại An Độ và các rủi ro liên quan đến sức khỏe.
18 CHƯƠNG 2: CƠ SỞ LÝ THUYET 2. Máy học và phân loại máy học? Machine Learning (máy học) là một nhánh của trí tuệ nhân tạo (AI) và khoa học máy tính cung cấp khả năng cho các hệ thống tự "học" từ dữ liệu mà không cần lập trình rõ ràng. Máy học tập trung vào việc sử dụng DL và TT dé bắt chước cách con người học và cải thiện độ chính xác theo thời gian. te te ©Cciectming Hình 2.
Giải thích về khái niệm máy học là gì Phân loại máy học: cơ bản được phân loại thành học máy giám sát hoặc học may không giám sát. Học có giêm sat Học không giõm sat Supervised Learning Unsupervised Learning Phan Loại machine Learning Hình 2.2: Phân loại máy học 19 Tên máy học Định nghĩa Học có giám Học máy có thê áp dụng mọi thứ nó đã học được trong quá khứ sát (DL quá khứ) vào DL mới dé dự báo các sự kiện trong tương lai. Nói cách khác, học có giám sát sử dụng các bộ DL được gan nhãn dé huấn luyện các TT nhằm phân loại DL hoặc dự báo kết quả chính xác. Nếu thành công, mô hình sẽ được sử dụng trong các trường hợp tương tự.
Học không Đối với DL không rõ nguồn góc, trường hợp này máy không có giám sát chìa khóa dé trả lời mà phải phân tích DL, hình ảnh và tìm mối tương quan dé đưa ra câu trả lời chính xác. Nói cách khác, các TT nay tự động phát hiện các mẫu hoặc nhóm DL an mà không cần sự can thiệp của con người. Học bán giám Trong học máy bán giám sát, máy nhận cả hai loại DL đầu vào sát được gắn nhãn và không được gắn nhãn. Điều này áp dụng khi có quá nhiều DL hoặc quá nhiều thông tin đề sắp Xếp.
Lúc này, các đápán được phân loại theo thông tin, hệ thống dé xuất đáp án và xây dựng mô hình chung. Học củng cố - Máy học thực hiện một tập hợp các hoạt động và quy tắc được Học tăng phê duyệt trước và hoạt động theo các khuôn khổ hiện có. Máy cường học phân tích và giám sát kết quả hoạt động, đồng thời tự động cập nhật đề có kết quả tốt hơn. Y nghĩa nội dung các học máy Tuy nhiên ở giới hạn dé án các TT dùng chỉ tập trung ở học có giám sát nên tôi tập trung giới thiệu các TT phổ biến liên quan tới dé tài, sau đây là các TT phô biến của học có giám sát được dùng trong đề tài của tôi.
Linear Regression: Thuật toán hqtt là một PP thống kê cho phép chúng ta tóm tắt và NC mối quan hệ (mqh) giữa hai biến (định lượng) liên tục: © Métbién, ký hiệu là x, được coi là biến dự báo, biến giải thích hoặc biến độc lập (bal). ¢ Biến còn lại, ký hiệu là y, được coi là biến phản hồi, kết quả hoặc biến phụ thuộc (bpt). 20 Do tính tuyến tính của TT hqtt, giải quyết mqh tuyến tính giữa các bpt và bdl, mô hình tạo ra một đường thang trong không gian đặc trưng. Đường thang này thể hiện mqh giữa các biến và cách bpt thay đồi dựa trên giá trị của bdl.
Mô hình sẽ có gắng điều chỉnh độ nghiêng của đường thang để tìm được mqh tốt nhất giữa các biến.1 là một minh họa đồ thị của mô hình hqtt, trong đó đường thẳng biểu diễn mqh tuyến tính giữa các biến thông qua các điểm DL được thu thập trong quá khứ.3: Trực quan về đường hồi quy tuyến tính và DL Các giá trị cho các biến x và y là tập DL huấn luyện dé biểu diễn mô hình hqtt. Ap dung vao thuc té dự báo như: giá nhà đất, giá chứng khoán, điểm số của học X sinh, cũng có thể dự báo khí tượng. Random Forest: Thuật toán Random Forest là một kỹ thuật học máy được ứng dụng để dự báo hoặc phân loại các tính năng dựa trên tập DL đầu vào. Cách thức hoạt động là XD số lượng lớn cây quyết định và dùng chúng dé dự báo kết quả.
21 1 | class RandomForestClassifier: 2 def_ init (self,n estimators=100, max_features=None): 3 self.n_estimators = n_estimators 4 self.max_features = max_features 5 self.estimators = [] 6 7 def fit(self, X, y): 8 n_samples, n_features = X.estimators = [] 10 11 for _ in range(self.n_estimators): 12 indices = np.choice(n_samples, n_samples, replace=True) 13 X_bootstrap = X[indices] 14 y_bootstrap = y[indices] 15 tree = DecisionTreeClassifier(max_features=self.max_features) 16 tree.append(tree) 18 19 def predict(self, X): 20 predictions = np.n_estimators)) 21 for i, tree in enumerate(self.estimators): 22 predictions[:, i] = tree.