Nghiên cứu Phát triển Hệ Suy Diễn Mờ Phức Không - Thời Gian và Ứng Dụng Dự Báo Ảnh Vệ Tinh

VIỆN HÀN LÂM KHOA HỌC BỘ GIÁO DỤC VÀ ĐÀO TẠO VÀ CÔNG NGHỆ VIỆT NAM HỌC VIỆN KHOA HỌC VÀ CÔNG NGHỆ LÊ TRƯỜNG GIANG NGHIÊN CỨU PHÁT TRIỂN HỆ SUY DIỄN MỜ PHỨC KHÔNG - THỜI GIAN VÀ ỨNG DỤNG TRONG DỰ BÁO NGẮN HẠN CHUỖI ẢNH VỆ TINH LUẬN ÁN TIẾN SĨ NGÀNH MÁY TÍNH Hà Nội - 2023 VIỆN HÀN LÂM KHOA HỌC BỘ GIÁO DỤC VÀ ĐÀO TẠO VÀ CÔNG NGHỆ VIỆT NAM HỌC VIỆN KHOA HỌC VÀ CÔNG NGHỆ LÊ TRƯỜNG GIANG NGHIÊN CỨU PHÁT TRIỂN HỆ SUY DIỄN MỜ PHỨC KHÔNG - THỜI GIAN VÀ ỨNG DỤNG TRONG DỰ BÁO NGẮN HẠN CHUỖI ẢNH VỆ TINH Chuyên ngành: Hệ thống thông tin Mã số: 9.04 LUẬN ÁN TIẾN SĨ NGÀNH MÁY TÍNH NGƯỜI HƯỚNG DẪN KHOA HỌC: 1.TS Lê Hoàng Sơn 2.TS Nguyễn Long Giang Hà Nội - 2023 LỜI CAM ĐOAN Tôi xin cam đoan luận án “Nghiên cứu phát triển hệ suy diễn mờ phức không - thời gian và ứng dụng trong dự báo ngắn hạn chuỗi ảnh vệ tinh” là công trình nghiên cứu của chính mình dưới sự hướng dẫn khoa học của tập thể cán bộ hướng dẫn. Luận án có sử dụng thông tin trích dẫn từ nhiều nguồn tham khảo khác nhau và các thông tin trích dẫn được ghi rõ nguồn gốc. Các kết quả nghiên cứu của tôi được viết chung với các tác giả khác đã được sự nhất trí của đồng tác giả khi đưa vào luận án. Các số liệu, kết quả được trình bày trong luận án là hoàn toàn trung thực và chưa từng được công bố trong bất kỳ một công trình nào khác.

Luận án được hoàn thành trong thời gian tôi làm Nghiên cứu sinh tại Học viện Khoa học và Công nghệ, Viện Hàn lâm Khoa học và Công nghệ Việt Nam. Hà Nội, ngày. năm 2023 Tác giả luận án Lê Trường Giang LỜI CẢM Luận án này được hoàn thành với sự nỗ lực không ngừng của tác giả và sự giúp đỡ hết mình từ các thầy giáo hướng dẫn, bạn bè và người thân. Đầu tiên, tác giả xin bày tỏ lòng biết ơn chân thành và sâu sắc tới các thầy giáo hướng dẫn PGS.TS Lê Hoàng Sơn và PGS.TS Nguyễn Long Giang.

Sự tận tình chỉ bảo, hướng dẫn và động viên của các thầy dành cho tác giả suốt thời gian thực hiện luận án là không thể nào kể hết được. Tác giả xin gửi lời cảm ơn tới các thầy, cô giáo và cán bộ bộ phận quản lý nghiên cứu sinh của Học viện Khoa học và Công nghệ, Viện Hàn lâm Khoa học và Công nghệ Việt Nam và bộ phận quản lý sau đại học của Viện Công nghệ thông tin đã nhiệt tình giúp đỡ và tạo ra môi trường nghiên cứu tốt để tác giả hoàn thành công trình của mình. Tác giả xin chân thành cảm ơn các anh chị em trong Lab Tại Viện Công nghệ thông tin - Đại học Quốc gia Hà Nội đã giúp đỡ tác giả trong suốt quá trình học tập và nghiên cứu tại Lab. Tác giả xin chân thành cảm ơn tới Ban Giám hiệu trường Đại học Công nghiệp Hà Nội, các đồng nghiệp trong Trung tâm Đảm bảo chất lượng, nơi tác giả hiện đang công tác đều đã luôn động viên, hỗ trợ tác giả trong công việc để tác giả có thời gian tập trung nghiên cứu và hoàn thành luận án.

Tác giả xin bày tỏ lòng biết ơn vô hạn đối với cha mẹ, vợ con, anh chị em và gia đình, những người đã kiên trì chia sẻ, động viên cả về vật chất lẫn tinh thần, ủng hộ và yêu thương vô điều kiện. Xin chân thành cám ơn các anh chị em, bạn bè thân thiết đã luôn cổ vũ, động viên tác giả trong quá trình thực hiện luận án. Cuối cùng, xin kính chúc các Thầy, Cô, các bạn đồng nghiệp, anh chị em, bạn bè luôn mạnh khỏe, đạt được nhiều thành tựu trong công tác, học tập và nghiên cứu khoa học! Hà Nội, ngày. năm 2023 Người thực hiện Lê Trường Giang i Mục lục Kí hiệu và viết tắt iv Danh sách bảng vi Danh sách hình vẽ viii MỞ ĐẦU 1 Chương 1.TỔNG QUAN NGHIÊN CỨU VÀ CƠ SỞ LÝ THUYẾT 10 1.2 Tổng quan các nghiên cứu liên quan .1 Dự đoán biến đổi ảnh viễn thám dựa trên suy diễn mờ .2 Dự đoán biến đổi ảnh viễn thám dựa trên các phương pháp học máy .3 Dự đoán biến đổi ảnh viễn thám dựa trên các phương pháp học sâu .4 Các phương pháp sinh luật .5 Các phương pháp huấn luyện các bộ tham số .6 Nhận xét về các nghiên cứu liên quan .2 Tập mờ phức .3 Hệ suy diễn mờ .4 Hệ suy diễn mờ phức .5 Hệ suy diễn mờ phức Mamdani (M-CFIS) .6 Các phép toán trên tập mờ phức .8 Ảnh viễn thám.4 Dữ liệu, môi trường và công cụ đánh giá.1 Dữ liệu thực nghiệm.2 Công cụ và môi trường thử nghiệm.3 Độ đo và phương pháp phân tích.5 Kết chương 1.HỆ SUY DIỄN MỜ PHỨC KHÔNG - THỜI GIAN 35 2.2 Mô hình đề xuất Spatial CFIS.3 Chi tiết thuật toán.4 Độ phức tạp tính toán.5 Ví dụ minh họa.1 Kịch bản thử nghiệm.2 Kết quả thực nghiệm.3 Phân tích ANOVA trên các kết quả thử nghiệm.4 Thảo luận về kết quả thử nghiệm.7 Kết luận chương 2.

PHƯƠNG PHÁP XÁC ĐỊNH ĐỒNG THỜI CÁC THAM SỐ TRONG HỆ SUY DIỄN MỜ PHỨC KHÔNG - THỜI GIAN 72 3.2 Mô hình đề xuất Co-Spatial CFIS+.3 Chi tiết thuật toán.4 Độ phức tạp tính toán.5 Ví dụ minh họa.1 Kịch bản thử nghiệm.2 Kết quả thử ngiệm.3 Phân tích ANOVA trên các kết quả thử nghiệm.4 Thảo luận về kết quả thử nghiệm.7 Kết luận chương 3.PHƯƠNG PHÁP TỐI ƯU HỆ LUẬT SUY DIỄN MỜ PHỨC KHÔNG - THỜI GIAN 108 4.2 Mô hình đề xuất Spatial CFIS++ .3 Chi tiết thuật toán .4 Ví dụ minh họa .1 Kịch bản thử nghiệm .2 Kết quả thử nghiệm .3 Phân tích ANOVA trên các kết quả thử nghiệm .4 Thảo luận về kết quả thử nghiệm .6 Kết luận chương 4. 135 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 136 iv Ký hiệu và viết tắt STT Từ viết tắt Từ tiếng Anh Diễn giải/Tạm dịch 1 FS Fuzzy Set Tập mờ 2 CFS Complex Fuzzy Set Tập mờ phức 3 CFL Complex Fuzzy Logic Logic mờ phức 4 FIS Fuzzy Inference System Hệ suy diễn Complex Fuzzy Inference 5 CFIS Hệ suy diễn mờ phức System Adaptive Neuro Fuzzy In- Hệ suy diễn mờ noron thích 6 ANFIS ference System nghi Complex Neuro-Fuzzy In- Hệ suy diễn mờ noron thích 7 CANFIS ference System nghi phức Adaptive Neuro Complex Mạng noron giá trị mờ phức 8 ANCFIS Fuzzy Inference System thích nghi 9 FKG Fuzzy Knowledge Graph Đồ thị tri thức mờ Mamdani Complex Fuzzy Hệ suy diễn mờ phức Mam- 10 M-CFIS Inference System dani Mamdani Complex Fuzzy Hệ suy diễn mờ phức Mam- 11 M-CFIS-R Inference System Reduce dani - giảm luật Rule Mamdani Complex Fuzzy Hệ suy diễn mờ phức Mam- 12 M-CFIS-FKG Inference System Fuzzy- dani - Đồ thị tri thức mờ Knowledge Graph Randomized Adaptive- Mạng nơ ron giá trị mờ phức 13 RANCFIS Network Based Fuzzy thích nghi ngẫu nhiên Inference System Fast Adaptive-Network Mạng nơ ron giá trị mờ phức 14 FANCFIS Based Fuzzy Inference thích nghi nhanh System Spatial Complex Fuzzy Hệ luật mờ phức trong 15 Spatial CFIS Inference Systems không gian dạng tam giác 16 ANOVA Analysis of Variance Phân tích phương sai v Adaptive Moment Esti- 17 ADAM Thuật toán tối ưu ADAM mation Co-Learning in Spatial Phương pháp học đồng thời 18 Co-Spatial CFIS+ Complex Fuzzy Inference cho hệ suy diễn mờ phức System+ không - thời gian Frank-Wolfe Adam online 19 FWAdam Thuật toán tối ưu FWAdam learning algorithm 20 DNN Deep neural network Mạng nơ ron sâu Convolutional Neural 21 CNN Mạng nơ ron tích chập Network 22 DBN Deep Belief Network Mạng niềm tin sâu 23 MF Membership Function Hàm thành viên 24 RSI Remote Sensing Image Ảnh viễn thám 25 FCM Fuzzy C-Means Thuật toán phân cụm mờ Deeply Supervised Image Mạng tổng hợp hình ảnh 26 DSIFN Fusion Network được giám sát sâu Synthetic Aperture 27 SAR Radar khẩu độ tổng hợp Radar Multivariate Alteration 28 MAD Phát hiện thay đổi đa biến Detection Triangular Picture Fuzzy 29 TPFN Số mờ viễn cảnh tam giác Number World Meteorological Or- 30 WMO Tổ chức khí tượng thế giới ganization 31 KNN K-Nearest Neighbors K láng giềng gần nhất Principal Components 32 PCA Phân tích thành phần chính Analysis 33 SVM Support Vector Machine Máy véc-tơ hỗ trợ 34 ExT Extra-Trees Các cây mở rộng Convolution Long-Short Bộ nhớ dài-ngắn hạn tích 35 ConvLSTM Term Memory chập Long-Short Term Mem- 36 LSTM Bộ nhớ dài-ngắn hạn ory Recurrent Neural Net- 37 RNN Mạng nơ ron hồi quy work vi Danh sách bảng 2.1 Kết quả của thuật toán đề xuất và các thuật toán so sánh với độ đo RMSE trên bộ dữ liệu có kích thước 100x100 Pixels.2 Kết quả của thuật toán đề xuất và các thuật toán so sánh với độ đo RMSE trên bộ dữ liệu có kích thước 500x500 Pixels.3 Kết quả của thuật toán đề xuất và các thuật toán so sánh với độ đo R2 trên bộ dữ liệu có kích thước 100x100 Pixels.4 So sánh trung bình R2 của các thuật toán cho tập dữ liệu 500x500 Pixels 61 2.5 So sánh trung bình RMSE của các thuật toán cho tập dữ liệu PRISMA 62 2.6 So sánh trung bình R2 của các thuật toán cho tập dữ liệu PRISMA 62 2.7 Kết quả phân tích ANOVA của Spatial CFIS và các thuật toán so sánh trên hình ảnh kích thước 100x100 Pixels.8 RMSE: Các giá trị thống kê F từ ANOVA với các thuật toán.9 R2: Các giá trị thống kê F từ ANOVA với các thuật toán.10Kết quả phân tích nhân tố đơn của bốn thuật toán trên hình ảnh dự đoán với bộ dữ liệu PRISMA.11Tóm tắt kết quả t-Test của RMSE và R2 trên hình ảnh dự đoán.12Tóm tắt kết quả t-Test của RMSE và R2 trên bộ dữ liệu Prisma.1 Ma trận kết quả dự báo hình ảnh đại diện.2 Dữ liệu đầu vào X1 sau khi chuyển về ảnh xám .3 Dữ liệu đầu vào X2 sau khi chuyển về ảnh xám .4 Dữ liệu đầu vào pixel đại diện Imtb 1 .5 Dữ liệu đầu vào pixel đại diện Imtb 2 .6 Kết quả κ2 ảnh đầu vào X1 .7 Kết quả κ1 ảnh đầu vào X2 .8 Kết quả so sánh RMSE của phương pháp đề xuất và các phương pháp SeriesNet, DSFA, PFC-PFR.9 Kết quả so sánh R2 của phương pháp đề xuất và các phương pháp SeriesNet, DSFA, PFC-PFR.10Kết quả so sánh thời gian xử lý của phương pháp đề xuất và các phương pháp SeriesNet, DSFA, PFC-PFR.11Kết quả phân tích ANOVA với độ đo RMSE.12Kết quả phân tích ANOVA với độ đo R2.1 Ảnh cuối cùng trong tập đã huấn luyện và sinh luật trước đó.2 Ảnh đầu tiên trong tập dự báo (ảnh mới thu nhận).3 Kết quả phần pha HoD1 giữa ảnh I1 và I0.4 Giá trị ảnh I0 trong miền [0,1].5 Giá trị ảnh I1 trong miền [0,1].6 Giá trị phần pha HoD1 trong miền [0,1].7 Kết quả mờ hóa phần thực ảnh I1.8 Kết quả mờ hóa phần pha HoD1.