Tạp chí Khoa học Cơng nghệ, Số 53B, 2021 ẢNH HƯỞNG CỦA VIỆC LỰA CHỌN THÔNG SỐ ĐẦU VÀO ĐẾN KẾT QUẢ MƠ PHỎNG NHIỆT ĐỘ KHƠNG KHÍ DÙNG MẠNG NƠRON NHÂN TẠO TẠI CÁC TRẠM KHÍ TƯỢNG CẦN THƠ VÀ NHÀ BÈ TRẦN TRÍ DŨNG Viện Khoa học công nghệ Quản lý môi trường, Trường Đại học Cơng nghiệp thành phố Hồ Chí Minh; trantridung@iuh.edu.vn Tóm tắt Nghiên cứu đánh giá ảnh hưởng số liệu đầu vào khác gồm số yếu tố khí tượng đến kết mơ nhiệt độ khơng khí trạm khí tượng Cần Thơ Nhà Bè mạng nơron nhân tạo (ANN) Những cấu trúc ANN với số lượng nơron khác cho giá trị hệ số tương quan (R) tổng quát khoảng rộng (0.5156 ÷ 0.9658) Kết cho thấy mức nơron lớp ẩn cấu trúc ANN (1 lớp ẩn) với hàm chuyển tansig phù hợp để mơ nhiệt độ khơng khí trạm Độ xác mơ đạt mức cao với số liệu đầu vào chứa nhiệt độ khơng khí đặc trưng ngày đo trạm khác ngày năm, qua thể chi phối khí hậu tầm vĩ mơ mạnh đến nhiệt độ khơng khí trạm Sự quan trọng việc lựa chọn thông số đầu vào chứng minh mức dao động nhỏ giá trị R tổng quát từ việc lựa chọn cấu trúc ANN so với từ việc thay đổi thông số số liệu đầu vào Từ khóa: nhiệt độ khơng khí, lựa chọn thơng số đầu vào, mạng nơron nhân tạo (ANN), mô EFFECTS OF INPUT PARAMETER SELECTION ON ARTIFICIAL NEURAL NETWORK SIMULATION RESULTS FOR AIR EMPERATURE AT CAN THO AND NHA BE METEOROLOGICAL STATIONS Abstract This study assessed the effects of different input data sets including several basic meteorological factors on air temperature simulation results using Artificial Neural Network (ANN) at Can Tho and Nha Be meteorological stations ANN structures with different number of neurons provided overall correlation coefficient value (R) in a quite wide range (0.5156 ÷ 0.9658) The results also showed that ANN structure with a single hidden layer of neurons using tansig transfer function is suitable to simulate air temperature at the above-mentioned stations Simulation accuracy was higher with the input data containing the typical air temperature measured at the same day at another station and the Day of year, thereby revealing strong macroscopic climate influence to air temperature at both stations The importance of input parameter selection was demonstrated via a smaller variation in overall R value caused by switching ANN structures compared to that from changing parameters of the input data set Keywords: air temperature, input parameter selection, Artificial Neural Network (ANN), simulation MỞ ĐẦU Nhiệt độ khơng khí yếu tố khí tượng điển hình đặc trưng cho vùng địa lý, có vai trị đặc biệt quan trọng nhiều lĩnh vực kinh tế - xã hội nông - lâm nghiệp hay y tế cộng đồng Trên giới, nhà khoa học nỗ lực đo đạc điều tra biến đổi nhiều năm nhiệt độ khơng khí để tìm chất trình hình thành xác định phương pháp hiệu cho ước tính giá trị Đặc biệt, số nghiên cứu tập trung vào việc xác định yếu tố khí tượng quan trọng cần đưa vào phép tính tốn nhiệt độ khơng khí (như tốc độ gió, độ ẩm tương đối khơng khí, xạ mặt trời) ảnh hưởng chúng tới hình thành nhiệt độ định từ việc phân tích số liệu đo thực địa [1, 2] Mạng nơron nhân tạo (ANN) công cụ khoa học tiên tiến thuộc mảng học sâu có ứng dụng rộng rãi nhiều ngành nghề để mô dự báo Các cơng trình ứng dụng ANN cơng bố có đối tượng nghiên cứu đa dạng, bao gồm nhiều tượng tự nhiên có liên quan đến nhiệt độ khơng khí bốc [3, 4, 5, 6, 7] hay trực tiếp mô - dự báo yếu tố thời tiết © 2021 Trường Đại học Cơng nghiệp thành phố Hồ Chí Minh ẢNH HƯỞNG CỦA VIỆC LỰA CHỌN THÔNG SỐ ĐẦU VÀO ĐẾN KẾT QUẢ MÔ PHỎNG NHIỆT ĐỘ 171 KHÔNG KHÍ DÙNG MẠNG NƠRON NHÂN TẠO TẠI CÁC TRẠM KHÍ TƯỢNG CẦN THƠ VÀ NHÀ BÈ khác [8, 9, 10] Trong cơng trình mình, Baboo Shereef xác nhận mạng nơron lan truyền ngược với sức mạnh phát mối quan hệ phi tuyến có tiềm cao để dự đốn nhiệt độ khơng khí dựa số liệu khí tượng tổng hợp đầu vào nhờ ưu điểm cải thiện độ hội tụ giảm dao động [2] Kaur Singh sử dụng mạng nơron nhiều lớp (MLP) với thuật toán lan truyền ngược để huấn luyện mạng số liệu thực đo phục vụ công tác mô nhiệt độ tối thiểu cho thành phố Chandigarh, Ấn Độ với độ xác cao [11] Ustaoglu cộng tiến hành mô nhiệt độ khơng khí cho khu vực Marmara Thổ Nhĩ Kỳ kết luận số phương pháp mạng nơron nhân tạo phổ biến (FFBP, RBF, GRNN) có tiềm mơ - dự báo với giá trị hệ số tương quan kết mô thực đo tương đối cao (R > 0.9) [12] Kết cơng trình cơng bố giúp khẳng định mơ hình sử dụng ANN có ưu điểm bật phát nắm bắt mối quan hệ phức tạp nhiều yếu tố tác động lẫn mà đơi khó đạt phương pháp khác Bên cạnh đó, số kết nghiên cứu chứng minh kỹ thuật sử dụng mô dù [9, 10] hay kết hợp nhiều [13] phương pháp để hạn chế yếu điểm cách tiếp cận, cách thức tiền xử lý số liệu đầu vào [14, 15], thuật toán hay cấu trúc ANN khác [7, 16, 17] có ảnh hưởng đáng kể đến độ xác kết mơ Ở Việt Nam, số nghiên cứu mô tả hiệu kỹ thuật ANN công tác điều tra khí tượng - thủy văn phục vụ đời sống sản xuất Nguyễn Quang Hoan cộng phát triển hệ thống dự báo nhiệt độ tỉnh Hải Dương sử dụng thuật toán lan truyền ngược thuật toán Bayes [18] hay dự báo thời tiết tỉnh Vĩnh Phúc [19] thu kết khả quan với tốc độ dự báo nhanh Trong lĩnh vực thủy văn, Đào Nguyên Khôi Huỳnh Ái Phương kết luận khơng mơ hình ANN có khả mơ xác lưu lượng dịng chảy lưu vực sông Sêrêpôk mà việc lựa chọn thông số đầu vào cho mơ hình ANN gây ảnh hưởng đáng kể đến kết mô [20] Dù thu nhiều thành khả quan, việc gia tăng độ xác ước lượng mơ thông số ANN tiếp tục mối quan tâm nhà khoa học Bên cạnh đó, có nhiều đề tài liên quan đến chủ đề mơ số liệu khí tượng ANN, việc đánh giá ảnh hưởng số liệu đầu vào đến mơ nhiệt độ khơng khí - có xét đến độ ổn định kết mô số liệu đầu vào chia ngẫu nhiên - chủ đề cịn đề cập tới Mục tiêu nghiên cứu đánh giá độ ổn định sử dụng mạng nơron nhân tạo (ANN) cơng tác mơ nhiệt độ khơng khí có sử dụng số liệu thực đo với yếu tố mặt chất vật lý có khả tác động tới nhiệt độ trạm khí tượng Cần Thơ Nhà Bè đại diện cho khu vực Tây Đông Nam Bộ nước ta Ảnh hưởng nhóm thơng số khí tượng đầu vào (được thể qua tuyển chọn có mục đích liệu đầu vào) mức độ ảnh hưởng thơng số đến độ xác cơng tác mô khảo sát Kết nghiên cứu góp phần làm rõ thêm khả ứng dụng ANN mơ số liệu khí tượng địa bàn Nam Bộ Việt Nam nói riêng tiềm sử dụng thông số đầu vào khác (kể trạm đo cách xa) để mô nhiệt độ khơng khí trạm khí tượng KHU VỰC, SỐ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU 2.1 Khu vực nghiên cứu Hình Vị trí điểm nghiên cứu: a) Hai trạm khí tượng khu vực Nam Bộ; b) Trạm khí tượng Cần Thơ (Nguồn: Google map) © 2021 Trường Đại học Cơng nghiệp thành phố Hồ Chí Minh 172 ẢNH HƯỞNG CỦA VIỆC LỰA CHỌN THÔNG SỐ ĐẦU VÀO ĐẾN KẾT QUẢ MÔ PHỎNG NHIỆT ĐỘ KHƠNG KHÍ DÙNG MẠNG NƠRON NHÂN TẠO TẠI CÁC TRẠM KHÍ TƯỢNG CẦN THƠ VÀ NHÀ BÈ Nằm phía Nam nước ta, nhìn chung địa hình Nam Bộ phẳng với phía đơng đơng nam giáp biển Đơng, phía tây giáp Vịnh Thái Lan, phía bắc tây bắc giáp Campuchia, phía đơng bắc giáp với Duyên Hải Nam Trung Bộ Tây Nguyên Về mặt khí hậu, khu vực Nam Bộ có khí hậu đặc trưng miền nhiệt đới gió mùa cận xích đạo, thời gian xạ dài Nhiệt độ tổng tích ơn tương đối cao với biên độ nhiệt ngày đêm tháng thấp Về bản, khí hậu năm chia thành hai mùa chủ yếu mùa mưa (từ tháng đến tháng 11) mùa khô (từ tháng 12 tới tháng năm sau) [21] Đối tượng nghiên cứu đề tài nhiệt độ khơng khí Trạm khí tượng Cần Thơ Trạm khí tượng Nhà Bè Cả trạm thuộc lưới trạm điều tra Trung tâm Khí tượng Thủy văn Quốc gia, với mục tiêu quan trắc yếu tố khí tượng tượng thời tiết Trạm khí tượng Cần Thơ vùng Tây Nam Bộ có tọa độ địa lý: 105o 46’ 06.48” Kinh độ Đông; 10o 01’ 36.85” Vĩ độ Bắc Trạm khí tượng Nhà Bè vùng Đơng Nam Bộ có tọa độ địa lý: 106o43’41” Kinh độ Đông; 10o39’36” Vĩ độ Bắc Khoảng cách theo đường thẳng trạm xấp xỉ 130 km (hình 1) 2.2 Số liệu Số liệu sử dụng báo kết quan trắc cho yếu tố khí tượng trạm khí tượng nêu cung cấp Đài khí tượng Thủy văn khu vực Nam Bộ Chuỗi số liệu có thời gian năm thuộc giai đoạn 15/1/2013 đến 31/12/2017 với tổng số 1812 ngày đo Các thiết bị sử dụng để đo đạc thông số sau: - Gió: đo cột gió cao 12 m, máy gió Vild - Bốc hơi: đo ống đo bốc Piche - Nhiệt độ: đo nhiệt kế khơ 126906 Nhằm đảm bảo độ xác sử dụng công cụ ANN để mô nhiệt độ khơng khí đo trạm khí tượng Cần Thơ (hay Nhà Bè), công tác kiểm tra số liệu trước bắt đầu mô thực nhằm loại bỏ số liệu khơng hợp lý nhiều nguyên nhân khách quan chủ quan khác gây (như vấn đề trục trặc thiết bị đo ngồi thực địa) Thơng số kiểm tra cho trạm bao gồm: nhiệt độ khơng khí trung bình ngày yếu tố khí tượng ngày (độ ẩm tương đối khơng khí trung bình ngày, tổng lượng bốc ngày, tốc độ gió trung bình ngày) Các số liệu ban đầu sau kiểm tra chuyển đổi dạng số liệu khoảng giá trị từ 0.05 đến 0.95 cho phù hợp với cấu trúc ANN Matlab nhằm tăng cường hiệu xử lý Theo [12], công thức chuyển đổi số liệu trước đưa vào mô (tiền xử lý) có dạng sau: 0.9 X t - X (1) X't = + 0.05 Xmax - Xmin đó: Xt - giá trị thực; Xmax - giá trị cực đại Xt; Xmin - giá trị cực tiểu Xt; X’t - giá trị sau chuyển đổi Khi hồn thành mơ phỏng, giá trị chuyển đổi tính tốn để trả lại giá trị ban đầu chúng sau: Xmax - Xmin X't - 0.05 (2) Xt = + X 0.9 2.3 Phương pháp Mạng nơron nhân tạo (ANN) nhiều lớp dạng truyền thẳng - lan truyền ngược (feedforward backpropagation) - kiểu mạng hoạt động hiệu Neural Network Toolbox phần mềm Matlab - theo cấu trúc điển hình sử dụng để mơ nhiệt độ khơng khí trạm Cần Thơ (hay Nhà Bè) Số liệu đầu vào thơng số khí tượng Ngày năm (đặc trưng cho chu trình mùa biến đổi thời tiết năm) Trước huấn luyện mạng nơron nhân tạo, số liệu đầu vào cho mô chuyển đổi dạng số liệu khoảng giá trị từ 0.05 đến 0.95 theo công thức (1) mô tả Sau huấn luyện, ANN nhiều lớp dùng để chạy mô với nhiều yếu tố đầu vào yếu tố đầu Mỗi cấu trúc ANN đặc trưng số lượng lớp ẩn, số lượng nơron lớp ẩn đặc điểm hàm chuyển Trong nghiên cứu này, tất lớp ẩn bố trí số lượng nơron (nếu cấu trúc ANN có lớp ẩn) sử dụng hàm chuyển “tansig”; riêng lớp sử dụng hàm chuyển mặc định Matlab “purelin” Độ xác mơ tượng cấu trúc ANN khác © 2021 Trường Đại học Cơng nghiệp thành phố Hồ Chí Minh ẢNH HƯỞNG CỦA VIỆC LỰA CHỌN THÔNG SỐ ĐẦU VÀO ĐẾN KẾT QUẢ MƠ PHỎNG NHIỆT ĐỘ 173 KHƠNG KHÍ DÙNG MẠNG NƠRON NHÂN TẠO TẠI CÁC TRẠM KHÍ TƯỢNG CẦN THƠ VÀ NHÀ BÈ đánh giá hệ số tương quan (R), sai số tuyệt đối trung bình (MAE) có tham khảo bậc hai trung bình bình phương sai số (RMSE) kết mơ giá trị thực đo y y yˆ yˆ y y yˆ yˆ k R= i 1 i k i 1 i k i 1 i (3) i k MAE = yi -yˆ i k i=1 y -yˆ k i (4) i (5) k đó: yi - giá trị thực đo (oC); yˆ i - giá trị mơ (oC); y - trung bình giá trị thực đo (oC); yˆ trung bình giá trị mô (oC); k - tổng số lượng giá trị; i - số thứ tự giá trị Cấu trúc mạng nơron nhân tạo (ANN) phù hợp phải đồng thời thỏa mãn yêu cầu bản: nhỏ gọn (số lượng lớp ẩn, số nơron lớp ẩn) có hiệu mơ đủ tốt tức cho giá trị R cao MAE thấp Bên cạnh việc nghiên cứu giá trị lớn R cho cấu trúc ANN với kịch số liệu cho trước, việc đánh giá tính ổn định (xét mức dao động giá trị R) kết mô chạy mô nhiều lần với phân chia số liệu ngẫu nhiên khảo sát thông qua kiểm định khác biệt giá trị trung bình chuỗi R thu phần mềm SPSS Đánh giá giả thiết phương sai mẫu tiến hành kiểm định Levene, Welch Brown-Forsythe; phân tích Post Hoc sử dụng kiểm định Games-Howell trường hợp phương sai mẫu không [22] Để hỗ trợ nhận định kết phân tích thống kê trường hợp số lượng mẫu lớn (n = 1000), mức độ ảnh hưởng (Effect size) đánh giá xếp hạng theo thang giá trị Cohen (1988) Parllant (2016) đề xuất SSB 2 = SST (6) đó: ɳ - hệ số đánh giá mức độ ảnh hưởng (không đơn vị); SSB - tổng bình phương phản ánh độ khác nhóm; SST - tổng bình phương độ khác cho toàn mẫu Mức độ ảnh hưởng thơng số khí tượng đầu vào đến kết mơ nhiệt độ khơng khí ước lượng phương pháp rút thơng số khỏi mơ hình chạy lại q trình huấn luyện - mơ sử dụng cấu trúc ANN chọn Kết tính tốn tiếp tục xử lý theo cơng thức sau: RMSE = Aj = MAE j - MAE bd MAE bd × 100% (7) đó: A j - hệ số đánh giá mức độ ảnh hưởng yếu tố thứ j (%); MAE j - sai số tuyệt đối trung bình kết mơ cấu trúc ANN xét sau rút yếu tố thứ j khỏi liệu đầu vào (oC); MAE bd - sai số tuyệt đối trung bình kết mô cấu trúc ANN xét đầy đủ yếu tố đầu vào (oC) Theo công thức trên, giá trị hệ số đánh giá độ ảnh hưởng A j cao yếu tố khí tượng đầu vào thứ j có ảnh hưởng mạnh đến độ xác (làm tăng sai số tuyệt đối trung bình) kết mơ nhiệt độ khơng khí cơng cụ ANN KẾT QUẢ VÀ THẢO LUẬN 3.1 Đặc điểm số liệu đưa vào mô Sau kiểm tra chất lượng số liệu, tổng số số liệu (ngày) đưa vào tính tốn cho giai đoạn 15/1/2013 đến 31/12/2017 1812 thống kê bảng © 2021 Trường Đại học Cơng nghiệp thành phố Hồ Chí Minh 174 ẢNH HƯỞNG CỦA VIỆC LỰA CHỌN THÔNG SỐ ĐẦU VÀO ĐẾN KẾT QUẢ MƠ PHỎNG NHIỆT ĐỘ KHƠNG KHÍ DÙNG MẠNG NƠRON NHÂN TẠO TẠI CÁC TRẠM KHÍ TƯỢNG CẦN THƠ VÀ NHÀ BÈ Bảng Thống kê yếu tố khí tượng đo trạm khí tượng Cần Thơ Nhà Bè Số thứ tự Tên yếu tố Đơn vị đo Độ ẩm tương đối khơng khí trung bình ngày % Tổng lượng bốc ngày mm Tốc độ gió trung bình ngày Nhiệt độ khơng khí trung bình ngày m/s o C Trạm khí tượng Giá trị lớn Giá trị nhỏ Giá trị trung bình Độ lệch chuẩn Cần Thơ 96.25 61.25 80.76 5.91 Nhà Bè 96.50 58.75 80.16 6.27 Cần Thơ 5.80 0.60 2.73 0.87 Nhà Bè 7.60 0.30 2.97 1.15 Cần Thơ 4.00 0.00 1.42 0.54 Nhà Bè 4.50 0.00 1.22 0.65 Cần Thơ Nhà Bè 31.15 31.78 21.90 22.53 27.62 27.78 1.41 1.45 3.2 Khảo sát hoạt động cấu trúc ANN tác động số liệu đầu vào khác Trong nghiên cứu này, loại số liệu dùng cho tính tốn mơ nhiệt độ khơng khí trạm khí tượng (Cần Thơ Nhà Bè) lặp lại tương tự (kiểu đối xứng) cho trạm cịn lại Mục đích để khảo sát kết thu có ổn định khơng gian hay không điểm khảo sát nằm xa Hoạt động công cụ ANN Matlab khảo sát để đánh giá kết mô cho nhiệt độ khơng khí trung bình ngày trạm khí tượng Tính tốn tiến hành tổng số 1812 mẫu số liệu khí tượng thực đo ngày, số liệu đầu vào cho mạng ANN chia thành loại khác mô tả bảng Bảng Các loại số liệu đưa vào mơ Loại I II Yếu tố khí tượng Các yếu tố khí tượng đo ngày trạm khí tượng khảo sát gồm độ ẩm tương đối khơng khí trung bình ngày, tổng lượng bốc ngày, tốc độ gió trung bình ngày Nhiệt độ khơng khí trung bình ngày 1, ngày trước trạm khí tượng khảo sát III Nhiệt độ khơng khí trung bình ngày trạm khí tượng khác (tức trạm lại) nằm cách xa với trạm khảo sát Ngày năm IV Dạng tổng hợp gồm loại số liệu (I, II III) Ý nghĩa thể Ảnh hưởng song song từ yếu tố khí tượng khác đến nhiệt độ khơng khí ngày địa điểm Ảnh hưởng kế thừa từ nhiệt độ khơng khí trung bình ngày từ vài ngày trước đến nhiệt độ trung bình ngày địa điểm - Mối quan hệ mang tính vĩ mơ khu vực chi phối nhiệt độ khơng khí trung bình ngày nhiều địa điểm khác biệt mặt không gian - Thông số Ngày năm thể tính chu kỳ biến đổi thời tiết năm chi phối đến nhiệt độ Ảnh hưởng loại lên nhiệt độ không khí ngày trạm khảo sát Trong nghiên cứu này, số liệu đầu vào phần mềm Matlab chia ngẫu nhiên theo tỷ lệ 70% số lượng mẫu cho việc huấn luyện mạng, 15% cho việc xác nhận tổng hợp mạng tránh tượng ngưỡng, 15% cho việc kiểm tra độc lập Cấu trúc ANN nhiều lớp sử dụng thuật toán huấn luyện lan truyền ngược Levenberg-Marquardt (trainlm), hàm huấn luyện weight/bias “learngdm” đánh giá hiệu hàm MSE (mặc định Matlab) Đối với kiểu cấu trúc ANN, tất lớp ẩn bố trí số lượng nơron (nếu có lớp ẩn) sử dụng hàm chuyển “tansig”; riêng lớp sử dụng hàm chuyển mặc định Matlab “purelin” Các cấu trúc ANN hai lớp ẩn với số lượng nơron khác (2, 4, 6, 8, 10 12) lớp ẩn đánh giá để xác định hiệu suất mô Mỗi cấu trúc ANN sử dụng để chạy mô 1000 lần giá trị cao R thu từ nhiều lần chạy cấu trúc tiêu chuẩn đánh giá cho hiệu suất mô cấu trúc số liệu đầu vào khảo sát Kết mơ trình bày hình 2, 3, © 2021 Trường Đại học Cơng nghiệp thành phố Hồ Chí Minh ẢNH HƯỞNG CỦA VIỆC LỰA CHỌN THÔNG SỐ ĐẦU VÀO ĐẾN KẾT QUẢ MƠ PHỎNG NHIỆT ĐỘ 175 KHƠNG KHÍ DÙNG MẠNG NƠRON NHÂN TẠO TẠI CÁC TRẠM KHÍ TƯỢNG CẦN THƠ VÀ NHÀ BÈ a) Chỉ dùng số liệu khí tượng ngày trạm Cần Thơ b) Dùng số liệu hỗn hợp yếu tố Hình So sánh kết mơ nhiệt độ khơng khí trạm Cần Thơ với cấu trúc ANN có lớp ẩn gồm nơron cho giai đoạn 1/10/2014 - 30/11/2014 dùng số liệu đầu vào khác a) Chỉ dùng số liệu khí tượng ngày trạm Nhà Bè b) Dùng số liệu hỗn hợp yếu tố Hình So sánh kết mơ nhiệt độ khơng khí trạm Nhà Bè với cấu trúc ANN có lớp ẩn gồm nơron cho giai đoạn 1/10/2014 - 30/11/2014 dùng số liệu đầu vào khác Dưới ảnh hưởng loại số liệu đầu vào, nhìn chung số liệu sử dụng nhiệt độ khơng khí trung bình ngày trạm khí tượng khác ngày năm (loại III) cho kết mô tốt (R cao, MAE thấp) số lớp ẩn số nơron lớp ẩn so với số liệu loại I II trạm khảo sát Khoảng giá trị R thu khơng có khác biệt nhiều trạm cho loại số liệu đầu vào Khơng ngồi dự kiến, số liệu tổng hợp (loại IV) với đầy đủ thông số đầu vào cho kết mô nhiệt độ khơng khí trạm tốt tức kết mô gần với số liệu thực đo Kết mô thu cho thấy giá trị hệ số tương quan (R) tổng quát lớn cho q trình mơ với hàm tansig dao động khoảng 0.5375 ÷ 0.9625 cho trạm Cần Thơ 0.5156 ÷ 0.9658 cho trạm Nhà Bè; giá trị sai số tuyệt đối trung bình (MAE) dao động khoảng 0.2948 ÷ 0.8635 cho trạm Cần Thơ 0.2860 ÷ 0.9109 cho trạm Nhà Bè Đối với số liệu đầu vào, kết mô thể rõ xu hướng tăng giá trị hệ số tương quan xu hướng giảm giá trị sai số tuyệt đối trung bình số lượng lớp ẩn và/hoặc số lượng nơron lớp ẩn tăng lên tức chất lượng mô cải thiện tốt (đạt độ xác cao hơn) cấu trúc ANN phức tạp Tuy vậy, độ dốc đường cong đồ thị cho thấy mức độ biến đổi giá trị thống kê lại không cường độ thay đổi chúng thường giảm dần theo chiều tăng số lượng lớp ẩn và/hoặc số lượng nơron lớp ẩn cho trạm khảo sát © 2021 Trường Đại học Cơng nghiệp thành phố Hồ Chí Minh 176 ẢNH HƯỞNG CỦA VIỆC LỰA CHỌN THÔNG SỐ ĐẦU VÀO ĐẾN KẾT QUẢ MƠ PHỎNG NHIỆT ĐỘ KHƠNG KHÍ DÙNG MẠNG NƠRON NHÂN TẠO TẠI CÁC TRẠM KHÍ TƯỢNG CẦN THƠ VÀ NHÀ BÈ a) Số liệu khí tượng đầu vào thơng số khí tượng ngày trạm Cần Thơ b) Số liệu khí tượng đầu vào nhiệt độ ngày trước trạm Cần Thơ c) Số liệu khí tượng đầu vào nhiệt độ ngày trạm Nhà Bè d) Số liệu khí tượng đầu vào gồm loại Hình Giá trị hệ số tương quan (R) lớn sai số tuyệt đối trung bình (MAE) sử dụng mạng ANN để mơ nhiệt độ khơng khí trạm Cần Thơ với loại số liệu khác a) Số liệu khí tượng đầu vào thơng số khí tượng ngày trạm Nhà Bè b) Số liệu khí tượng đầu vào nhiệt độ ngày trước trạm Nhà Bè © 2021 Trường Đại học Cơng nghiệp thành phố Hồ Chí Minh ẢNH HƯỞNG CỦA VIỆC LỰA CHỌN THÔNG SỐ ĐẦU VÀO ĐẾN KẾT QUẢ MÔ PHỎNG NHIỆT ĐỘ 177 KHƠNG KHÍ DÙNG MẠNG NƠRON NHÂN TẠO TẠI CÁC TRẠM KHÍ TƯỢNG CẦN THƠ VÀ NHÀ BÈ c) Số liệu khí tượng đầu vào nhiệt độ ngày trạm Cần Thơ d) Số liệu khí tượng đầu vào gồm loại Hình Giá trị hệ số tương quan (R) lớn sai số tuyệt đối trung bình (MAE) sử dụng mạng ANN để mơ nhiệt độ khơng khí trạm Nhà Bè với loại số liệu khác Bên cạnh công tác khảo sát giá trị lớn hệ số R, việc đánh giá độ ổn định kết mô số liệu chia ngẫu nhiên cho mục đích (huấn luyện, tổng hợp, kiểm tra) cấu trúc ANN quan trọng Từ 1000 lần chạy mô với số liệu chia ngẫu nhiên, kịch tổ hợp cấu trúc ANN (số lớp ẩn, số nơron lớp ẩn) số liệu đầu vào thay đổi cho chuỗi giá trị R mô khác Sự khác biệt giá trị trung bình chuỗi R đánh giá phần mềm SPSS để ước tính mức ổn định hiệu mô cấu trúc ANN số liệu đầu vào thay đổi Do phương sai mẫu không theo kết từ kiểm định Levene, Welch Brown-Forsythe (p