Nghiên cứu phát triển hệ suy diện mờ phức không – thời gian và ứng dụng trong dự báo ngắn hạn chuỗi ảnh vệ tinh

BỘ GIÁO DỤC VÀ ĐÀO TẠO VIỆN HÀN LÂM KHOA HỌC 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: 9.48.01.04 LUẬN ÁN TIẾN SĨ NGÀNH MÁY TÍNH NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS.TS Lê Hoàng Sơn PGS.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 ứng dụng dự báo ngắn hạn chuỗi ảnh vệ tinh” cơng trình nghiên cứu hướng dẫn khoa học tập thể cán hướng dẫn Luận án có sử dụng thơng tin trích dẫn từ nhiều nguồn tham khảo khác thơng tin trích dẫn ghi rõ nguồn gốc Các kết nghiên cứu viết chung với tác giả khác trí đồng tác giả đưa vào luận án Các số liệu, kết trình bày luận án hồn tồn trung thực chưa cơng bố cơng trình khác Luận án hồn thành thời gian tơi làm Nghiên cứu sinh Học viện Khoa học Công nghệ, Viện Hàn lâm Khoa học Công nghệ Việt Nam Hà Nội, ngày tháng năm 2023 Tác giả luận án Lê Trường Giang LỜI CẢM ƠN Luận án hồn thành với nỗ lực khơng ngừng tác giả giúp đỡ từ thầy giáo hướng dẫn, bạn bè người thân Đầu tiên, tác giả xin bày tỏ lòng biết ơn chân thành sâu sắc tới thầy giáo hướng dẫn PGS.TS Lê Hoàng Sơn PGS.TS Nguyễn Long Giang Sự tận tình bảo, hướng dẫn động viên thầy dành cho tác giả suốt thời gian thực luận án kể hết Tác giả xin gửi lời cảm ơn tới thầy, cô giáo cán bộ phận quản lý nghiên cứu sinh Học viện Khoa học Công nghệ, Viện Hàn lâm Khoa học Công nghệ Việt Nam phận quản lý sau đại học Viện Cơng nghệ thơng tin nhiệt tình giúp đỡ tạo môi trường nghiên cứu tốt để tác giả hồn thành cơng trình Tác giả xin chân thành cảm ơn anh chị em Lab Tại Viện Công nghệ thông tin - Đại học Quốc gia Hà Nội giúp đỡ tác giả suốt trình học tập nghiên cứu Lab Tác giả xin chân thành cảm ơn tới Ban Giám hiệu trường Đại học Công nghiệp Hà Nội, đồng nghiệp Trung tâm Đảm bảo chất lượng, nơi tác giả công tác động viên, hỗ trợ tác giả cơng việc để tác giả có thời gian tập trung nghiên cứu hoàn thành luận án Tác giả xin bày tỏ lịng biết ơn vơ hạn cha mẹ, vợ con, anh chị em gia đình, người kiên trì chia sẻ, động viên vật chất lẫn tinh thần, ủng hộ yêu thương vô điều kiện Xin chân thành cám ơn anh chị em, bạn bè thân thiết cổ vũ, động viên tác giả trình thực luận án Cuối cùng, xin kính chúc Thầy, Cô, bạn đồng nghiệp, anh chị em, bạn bè mạnh khỏe, đạt nhiều thành tựu công tác, học tập nghiên cứu khoa học! Hà Nội, ngày tháng năm 2023 Người thực Lê Trường Giang i Mục lục Kí hiệu viết tắt Danh sách bảng iv vi Danh sách hình vẽ viii MỞ ĐẦU Chương 1.TỔNG QUAN NGHIÊN CỨU VÀ CƠ SỞ LÝ THUYẾT 10 1.1 Giới thiệu 10 1.2 Tổng quan nghiên cứu liên quan 10 1.2.1 Dự đoán biến đổi ảnh viễn thám dựa suy diễn mờ 11 1.2.2 Dự đoán biến đổi ảnh viễn thám dựa phương pháp học máy 12 1.2.3 Dự đoán biến đổi ảnh viễn thám dựa phương pháp học sâu 13 1.2.4 Các phương pháp sinh luật 14 1.2.5 Các phương pháp huấn luyện tham số 15 1.2.6 Nhận xét nghiên cứu liên quan 16 1.3 Cơ sở lý thuyết 16 1.3.1 Tập mờ 16 1.3.2 Tập mờ phức 17 1.3.3 Hệ suy diễn mờ 19 1.3.4 Hệ suy diễn mờ phức 21 1.3.5 Hệ suy diễn mờ phức Mamdani (M-CFIS) 24 1.3.6 Các phép toán tập mờ phức 26 1.3.7 Độ đo mờ phức 28 ii 1.3.8 Ảnh viễn thám 1.4 Dữ liệu, môi trường công cụ đánh giá 30 32 1.4.1 Dữ liệu thực nghiệm 32 1.4.2 Công cụ môi trường thử nghiệm 33 1.4.3 Độ đo phương pháp phân tích 33 1.5 Kết chương Chương 2.HỆ SUY DIỄN MỜ PHỨC KHÔNG - THỜI GIAN 34 35 2.1 Giới thiệu 35 2.2 Mơ hình đề xuất Spatial CFIS 36 2.3 Chi tiết thuật toán 36 2.4 Độ phức tạp tính tốn 44 2.5 Ví dụ minh họa 44 2.6 Thực nghiệm 58 2.6.1 Kịch thử nghiệm 58 2.6.2 Kết thực nghiệm 58 2.6.3 Phân tích ANOVA kết thử nghiệm 63 2.6.4 Thảo luận kết thử nghiệm 67 2.7 Kết luận chương 70 Chương PHƯƠNG PHÁP XÁC ĐỊNH ĐỒNG THỜI CÁC THAM SỐ TRONG HỆ SUY DIỄN MỜ PHỨC KHÔNG - THỜI GIAN 72 3.1 Giới thiệu 72 3.2 Mơ hình đề xuất Co-Spatial CFIS+ 72 3.3 Chi tiết thuật toán 74 3.4 Độ phức tạp tính tốn 81 3.5 Ví dụ minh họa 83 3.6 Thực nghiệm 99 3.6.1 Kịch thử nghiệm 99 3.6.2 Kết thử ngiệm 99 iii 3.6.3 Phân tích ANOVA kết thử nghiệm 103 3.6.4 Thảo luận kết thử nghiệm 105 3.7 Kết luận chương 107 Chương 4.PHƯƠNG PHÁP TỐI ƯU HỆ LUẬT SUY DIỄN MỜ PHỨC KHÔNG - THỜI GIAN 4.1 Giới thiệu 108 108 4.2 Mơ hình đề xuất Spatial CFIS++ 109 4.3 Chi tiết thuật toán 110 4.4 Ví dụ minh họa 118 4.5 Thực nghiệm 127 4.5.1 Kịch thử nghiệm 127 4.5.2 Kết thử nghiệm 127 4.5.3 Phân tích ANOVA kết thử nghiệm 132 4.5.4 Thảo luận kết thử nghiệm 134 4.6 Kết luận chương 135 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 136 iv Ký hiệu viết tắt STT Từ viết tắt FS CFS CFL FIS CFIS Từ tiếng Anh Fuzzy Set Complex Fuzzy Set Complex Fuzzy Logic Fuzzy Inference System Complex Fuzzy Inference System Diễn giải/Tạm dịch Tập mờ Tập mờ phức Logic mờ phức Hệ suy diễn Hệ suy diễn mờ phức ANFIS Adaptive Neuro Fuzzy In- Hệ suy diễn mờ noron thích ference System nghi CANFIS Complex Neuro-Fuzzy In- Hệ suy diễn mờ noron thích ference System nghi phức ANCFIS Adaptive Neuro Complex Mạng noron giá trị mờ phức Fuzzy Inference System thích nghi 10 FKG M-CFIS Fuzzy Knowledge Graph Đồ thị tri thức mờ Mamdani Complex Fuzzy Hệ suy diễn mờ phức MamInference System dani M-CFIS-R Mamdani Complex Fuzzy Hệ suy diễn mờ phức MamInference System Reduce dani - giảm luật Rule M-CFIS-FKG Mamdani Complex Fuzzy Hệ suy diễn mờ phức MamInference System Fuzzydani - Đồ thị tri thức mờ Knowledge Graph RANCFIS Randomized Adaptive- Mạng nơ ron giá trị mờ phức Network Based Fuzzy thích nghi ngẫu nhiên Inference System 14 FANCFIS Fast Adaptive-Network Mạng nơ ron giá trị mờ phức Based Fuzzy Inference thích nghi nhanh System 15 Spatial CFIS 16 ANOVA 11 12 13 Spatial Complex Fuzzy Hệ luật mờ phức Inference Systems không gian dạng tam giác Analysis of Variance Phân tích phương sai v 17 18 ADAM Adaptive mation Moment Esti- Thuật toán tối ưu ADAM Co-Learning in Spatial Phương pháp học đồng thời Co-Spatial CFIS+ Complex Fuzzy Inference cho hệ suy diễn mờ phức System+ không - thời gian 19 FWAdam Frank-Wolfe Adam online Thuật toán tối ưu FWAdam learning algorithm 20 21 DNN CNN 22 23 24 25 26 DBN MF RSI FCM DSIFN 27 SAR Synthetic Radar 28 MAD Multivariate Detection 29 TPFN Triangular Picture Fuzzy Number 30 WMO World Meteorological Or- Tổ chức khí tượng giới ganization 31 32 KNN PCA K-Nearest Neighbors K láng giềng gần Principal Components Phân tích thành phần Analysis 33 34 35 SVM ExT ConvLSTM 36 LSTM Long-Short Term ory Mem- Bộ nhớ dài-ngắn hạn 37 RNN Recurrent Neural work Net- Mạng nơ ron hồi quy Deep neural network Mạng nơ ron sâu Convolutional Neural Mạng nơ ron tích chập Network Deep Belief Network Membership Function Remote Sensing Image Fuzzy C-Means Deeply Supervised Image Fusion Network Mạng niềm tin sâu Hàm thành viên Ảnh viễn thám Thuật tốn phân cụm mờ Mạng tổng hợp hình ảnh giám sát sâu Aperture Radar độ tổng hợp Alteration Phát thay đổi đa biến Support Vector Machine Extra-Trees Convolution Long-Short Term Memory Số mờ viễn cảnh tam giác Máy véc-tơ hỗ trợ Các mở rộng Bộ nhớ dài-ngắn hạn tích chập vi Danh sách bảng 2.1 Kết thuật toán đề xuất thuật toán so sánh với độ đo RM SE liệu có kích thước 100x100 Pixels 58 2.2 Kết thuật toán đề xuất thuật toán so sánh với độ đo RM SE liệu có kích thước 500x500 Pixels 59 2.3 Kết thuật toán đề xuất thuật toán so sánh với độ đo R liệu có kích thước 100x100 Pixels 60 2.4 So sánh trung bình R2 thuật toán cho tập liệu 500x500 Pixels 61 2.5 So sánh trung bình RMSE thuật toán cho tập liệu PRISMA 62 2.6 So sánh trung bình R2 thuật tốn cho tập liệu PRISMA 62 2.7 Kết phân tích ANOVA Spatial CFIS thuật tốn so sánh hình ảnh kích thước 100x100 Pixels 64 2.8 RMSE: Các giá trị thống kê F từ ANOVA với thuật toán 65 2.9 R2: Các giá trị thống kê F từ ANOVA với thuật toán 65 2.10Kết phân tích nhân tố đơn bốn thuật tốn hình ảnh dự đốn với liệu PRISMA 66 2.11Tóm tắt kết t-Test RMSE R hình ảnh dự đốn 66 2.12Tóm tắt kết t-Test RMSE R liệu Prisma 67 3.1 Ma trận kết dự báo hình ảnh đại diện 78 3.2 Dữ liệu đầu vào X1 sau chuyển ảnh xám 83 3.3 Dữ liệu đầu vào X2 sau chuyển ảnh xám 83 3.4 Dữ liệu đầu vào pixel đại diện Imtb 84 tb 84 3.5 Dữ liệu đầu vào pixel đại diện Im 3.6 Kết κ2 ảnh đầu vào X1 84