Luận án tiến sĩ nghiên cứu ứng dụng trí tuệ nhân tạo trong dự báo chất lượng không khí

LỜI CAM ĐOAN Tôi xin cam đoan đây là công trình nghiên cứu của riêng tôi dưới sự hướng dẫn khoa học của PGS.TS Nghiêm Trung Dũng và GS.TS Hoàng Xuân Cơ. Các kết quả trong luận án là trung thực và chưa từng được tác giả khác công bố. Hà Nội, tháng năm 2020 TẬP THỂ HƯỚNG DẪN NGHIÊN CỨU SINH PGS.TS Nghiêm Trung Dũng Mạc Duy Hưng GS. TS Hoàng Xuân Cơ i LỜI CẢM ƠN Trước hết tác giả xin chân thành cảm ơn đến PGS.TS Nghiêm Trung Dũng và GS.TS Hoàng Xuân Cơ đã tận tình chỉ bảo, hướng dẫn, giúp đỡ trong quá trình thực hiện luận án này.

Tác giả cũng xin được bày tỏ lòng biết ơn đối với Trung tâm Quan trắc Môi trường Miền Bắc, Tổng cục Môi trường đã tạo điều kiện để tác giả được tiếp cận các hệ thống quan trắc và được cung cấp dữ liệu quan trắc chất lượng không khí cho luận án này. Tác giả bày tỏ lòng biết ơn đến các thầy, cô Viện Khoa học và Công nghệ Môi trường; Phòng Đào tạo, Trường Đại học Bách khoa Hà Nội đã hỗ trợ và tạo mọi điều kiện thuận lợi nhất để tác giả hoàn thành luận án này. Tác giả cũng chân thành cảm ơn đến Trường Đại học Kỹ thuật Công nghiệp - Đại học Thái Nguyên, Bộ môn Kỹ thuật Môi trường, Khoa Xây dựng và Môi trường đã tạo mọi điều kiện thuận lợi cho tác giả trong suốt thời gian thực hiện luận án. Tác giả xin được bày tỏ lòng cảm ơn tới sự giúp đỡ, động viên và chia sẻ kinh nghiệm cũng như những lời khuyên quý giá của thầy cô, các bạn đồng nghiệp trong suốt quá trình học tập và nghiên cứu.

Tác giả xin được bày tỏ lòng cảm ơn sâu sắc tới sự giúp đỡ, động viên và sự chia sẻ kinh nghiệm của TS Nguyễn Thị Yến Liên và TS Nguyễn Thị Thu Thủy trong suốt quá trình nghiên cứu. Xin gửi lời cảm ơn về sự động viên, chia sẻ và tạo điều kiện của gia đình và bè bạn trong suốt quá trình thực hiện luận án này. Nghiên cứu sinh Mạc Duy Hưng ii MỤC LỤC LỜI CAM ĐOAN………………………………………………………………………i LỜI CẢM ƠN………………………………………………………………………….ii DANH MỤC CHỮ VIẾT TẮT. v DANH MỤC BẢNG .viii DANH MỤC HÌNH.

ix MỞ ĐẦU. Chất lượng không khí và vấn đề dự báo. Chất lượng không khí và ảnh hưởng của nó đến sức khỏe. Dự báo chất lượng không khí.

Ứng dụng trí tuệ nhân tạo trong dự báo chất lượng không khí. Trên thế giới. Phương pháp tiền xử lý dữ liệu cho các mô hình dự báo thống kê. Các phương pháp xử lý dữ liệu ngoại vi.

Phương pháp bổ khuyết dữ liệu. Mô hình trí tuệ nhân tạo. Mô hình ARIMA. Mạng nơron nhân tạo (ANN).

Máy véc tơ hỗ trợ (SVM). Mạng nơron tích chập (CNN). Khối bộ nhớ dài – ngắn (LSTM). 30 PHƯƠNG PHÁP NGHIÊN CỨU.

Quy trình nghiên cứu. Thu thập dữ liệu. Địa điểm và thời gian thu thập dữ liệu. Thông số kỹ thuật và phương pháp đo đạc tại trạm quan trắc.

Làm sạch và chuẩn bị dữ liệu. Xử lý dữ liệu ngoại vi. Bổ khuyết dữ liệu. Kiểm tra độ tin cậy của bộ dữ liệu sau khi đã bổ khuyết.

Chuẩn hóa dữ liệu đầu vào cho mô hình dự báo. Xây dựng mô hình dự báo thống kê chất lượng không khí. Tiến trình thực thi mô hình. Đánh giá hiệu suất của mô hình nghiên cứu.

Nền tảng và thông số kỹ thuật máy tính. 51 KẾT QUẢ VÀ THẢO LUẬN. Kết quả phân tích và xử lý dữ liệu đầu vào. Tình trạng dữ liệu và xử lý sơ bộ.

Kết quả bổ khuyết dữ liệu. Luật phân bố xác suất của dữ liệu. Diễn biến theo thời gian và tương quan giữa các thông số. Lựa chọn mô hình dự báo.

Dự báo nồng độ trung bình giờ. Thông số chất lượng không khí dạng bụi. Nhóm thông số ô nhiễm dạng khí. Dự báo nồng độ trung bình ngày.

Nhóm thông số chất lượng không khí dạng bụi. Nhóm thông số chất lượng không khí dạng khí. 94 KẾT LUẬN VÀ KIẾN NGHỊ. 102 DANH MỤC CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ CỦA LUẬN ÁN .117 iv DANH MỤC CHỮ VIẾT TẮT Tiếng Anh Tiếng Việt AI Artificial Intelligent Trí tuệ nhân tạo ANN Artificial neural netwwork Mạng nơron nhân tạo AQI Air quality index Chỉ số chất lượng không khí AR Autoregressive Mô hình tự hồi quy ARIMA Autoregressive integrated Mô hình tự hồi quy tích hợp moving average trung bình trượt asmt Ánh sáng mặt trời BN Batch normalization Chuẩn hóa hàng loạt CEM Nothern Centre for Trung tâm quan trắc môi trường Environmental Monitoring miền Bắc CLKK Chất lượng không khí CNN Convolution neural network Mạng nơron tích chập CTM Chemical transport model Mô hình lan truyền hóa học US.EPA Environmental Protection Cục bảo vệ Môi trường Hoa Kỳ Agency ESN Echo state network Mạng trạng thái phản hồi FFNN Feed-forward neural network Mạng nơron truyền thuận FL Fuzzy – logic Logic mờ FN Fully connected network Mạng nơron kết nối đầy đủ GA Genetic algorithm Thuật giải di truyền v GPU Graphic Process Unit Bộ xử lý hình ảnh (card màn hình) GRU Gated recurrent unit Đơn vị cổng hồi quy IDE Integrated development Môi trường phát triển tích hợp environment IQR Inter quartile range Khoảng phân vị KF Kalman filter Bộ lọc Kalman LR Linear regression Hồi quy tuyến tính LSSVM Least squares support vector Mô hình máy véc tơ hỗ trợ bình machine phương tối thiểu LSTM Long – short term memory Khối bộ nhớ dài – ngắn MA Moving average Mô hình trung bình trượt MAD Mean absolute deviation Trung bình của các độ lệch tuyệt đối (Trị trung bình của các độ lệch tuyệt đối) MAE Mean absolute error Trị trung bình của các sai tuyệt đối MLP Multi-layer perceptron Mạng nơron đa lớp NARX Nonlinear autoregressive with Mạng nơron tự động hồi quy phi exogenous input neural network tuyến với biến ngoại sinh NMHC Nonmethane hydrocacbon Hydrocacbon không phải mêtan NOAA National Oceanic and Cơ quan quốc gia về Đại dương Atmospheric Administration và Khí quyển Hoa Kỳ NWP Numerical weather prediction Dự báo thời tiết bằng phương pháp số trị vi Q1 Quartile 25th Phân vị 25% Q3 Quartile 75th Phân vị 75% QCVN Quy chuẩn Việt Nam Rad Radiation Bức xạ mặt trời RBF Radial basis function Hàm cơ sở xuyên tâm RH Relative hummity Độ ẩm tương đối RM Regression model Mô hình hồi quy RMSE Root mean square error Sai số quân phương RNN Recurrent neural network Mạng nơron hồi quy RT-AQF Real-time Air quality forecast Dự báo chất lượng không khí theo thời gian thực SD Standard deviation Độ lệch chuẩn SVM Support vector machine Máy véc tơ hỗ trợ Temp Temperature Nhiệt độ USWB U.S Weather Bureau Cục thời tiết Hoa Kỳ UV Ultraviolet Tia cực tím VOC Volatile organic compounds Các hợp chất hữu cơ bay hơi WD Wind direction Hướng gió WHO World Health Organization Tổ chức Y tế Thế giới WS Wind speed Tốc độ gió vii DANH MỤC BẢNG Bảng 1.

So sánh ưu nhược điểm của một số mô hình dự báo cơ bản. Phương pháp đo đạc của các thông số CLKK chính được quan trắc tại trạm Nguyễn Văn Cừ. Thống kê bộ dữ liệu thô thu thập được tại trạm quan trắc Nguyễn Văn Cừ, Long Biên, Hà Nội từ 2010 đến 2018. Thống kê tỷ lệ dữ liệu trống trước và sau khi xử lý dữ liệu ngoại vi.

Kết quả bù dữ liệu với các tỷ lệ mất dữ liệu giả định từ 5% đến 80%. Phân bố xác suất của các thông số CLKK điển hình từ 2010 đến 2018. Hệ số tương quan (r) giữa các thông số. So sánh hiệu suất của các mô hình thử nghiệm ứng dụng các công cụ học máy để dự báo nồng độ trung bình giờ của bụi PM10.

Hiệu suất của các mô hình dự báo nồng độ trung bình giờ cho các chất ô nhiễm dạng bụi trên bộ dữ liệu huấn luyện. Hiệu suất của các mô hình dự báo nồng độ trung bình giờ cho các chất ô nhiễm dạng bụi trên bộ dữ liệu kiểm tra. Hiệu suất của các mô hình dự báo nồng độ trung bình giờ cho các chất ô nhiễm dạng khí trên bộ dữ liệu huấn luyện. Hiệu suất của các mô hình dự báo nồng độ trung bình giờ cho các chất ô nhiễm dạng khí trên bộ dữ liệu kiểm tra độc lập.

Hiệu suất của các mô hình dự báo nồng độ trung bình ngày cho các chất ô nhiễm dạng bụi trên bộ dữ liệu huấn luyện. Hiệu suất của các mô hình dự báo nồng độ trung bình ngày cho các chất ô nhiễm dạng bụi trên bộ dữ liệu kiểm tra độc lập. Hiệu suất của các mô hình dự báo nồng độ trung bình ngày cho các chất ô nhiễm dạng khí trên bộ dữ liệu huấn luyện. Hiệu suất của các mô hình dự báo nồng độ trung bình ngày cho các chất ô nhiễm dạng khí trên bộ dữ liệu kiểm tra độc lập.

98 viii DANH MỤC HÌNH Hình 1. Giải thích biểu đồ hộp. Mô hình toán của một tế bào nơron. Mô tả cách mạng tích chập nhận dạng hình ảnh.

Cấu trúc của một khối bộ nhớ dài – ngắn. Vị trí của trạm quan trắc tự động CLKK Nguyễn Văn Cừ. Sơ đồ các bước thực hiện quá trình xử lý dữ liệu ngoại vi. Kiến trúc của mô hình dự báo CLKK được đề xuất.

Hoạt động của các bộ lọc trong lớp tích chập. Ví dụ về hoạt động của một bộ lọc kích thước 3x3 trên ma trận đầu vào có kích thước 5x5. Ví dụ về hoạt động của lớp gộp (pool layer). Sơ đồ các bước làm việc của mô hình đề xuất.

Sơ đồ thuật toán tối ưu Adam. Giao diện môi trường làm việc của Colaboratory trên trình duyệt Google Chrome. Tỷ lệ dữ liệu trống của các thông số quan trắc của bộ dữ liệu thu thập được tại trạm quan trắc Nguyễn Văn Cừ, Long Biên, Hà Nội từ 2010 đến 2018. Biểu đồ hộp xác định các dữ liệu ngoại vi.

Biểu đồ hộp các thông số sau khi đã xử lý dữ liệu ngoại vi. So sánh diễn biến nồng độ NO tính toán từ các mô hình bù dữ liệu với dữ liệu thực trên tỷ lệ dữ liệu trống giả định là 50% (100 điểm dữ liệu từ bộ dữ liệu). Phân bố xác suất của 06 thông số CLKK điển hình của năm 2012. Xu hướng diễn biến chất lượng không khí tại trạm quan trắc Nguyễn Văn Cừ, Long Biên, Hà Nội từ 2010 đến 2018.

Biến trình nồng độ trong ngày của các thông số CLKK tại trạm Nguyễn Văn Cừ, Long Biên, Hà Nội. Biến trình nồng độ trung bình tháng của các thông số CLKK tại trạm Nguyễn Văn Cừ, Long Biên, Hà Nội từ 2010 đến 2018. Biểu đồ sự thay đổi của sai số qua các Epochs huấn luyện (100 epochs đầu) 75 Hình 3.