Ứng dụng mô hình mạng thần kinh nhân tạo dự báo tổng lượng bức xạ ngày cho khu vực đồng bằng phía bắc việt nam

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC KHOA HỌC Tự NHIÊN ỮNG DỤNG MƠ HÌNH MẠNG THẨN k i n h n h ã n TẠO D ự BẢO TỔNG LƯỢNG BỨC XẠ NGÀY CHO KHU V ự c ĐỔNG BẰNG PHỈA BÀC VIỆT NAM Mõ SỐ: ỌG.05.35 Chỏ trì để lài: PGS TS Nguyễn Hướng Điền Các thành viên tham gio: CN Hoàng Phúc Lâm ThS Nguyễn Minh Trường Ths Hồng Thanh Văn CN Cơng Thanh 0A[ học q u o c gia NOI t r n g T M / T ' ị Ô N G T IN T H Ư V I Ê N D T/ 694 HÀ NỘI - 2007 BÁO CÁO TÓM TẮT ĐỂ TÀI Tên đề tài: úng dụng mố hình mạng thần kinh nhân tạo dự báo tổng lượng xạ ngày cho khu vực phía bắc Việt Nam Mã số: QG.05.35 Chủ trì đề tài: PGS TS Nguyễn Hướng Điền Các cán tham gia: CN Hoàng Phúc Lâm ThS Nguyễn Minh Trường Ths Hồng Thanh Vân CN Cơng Thanh Mục tiêu nội dung nghiên cứu: 1) Mục tiêu: - Tính tốn dự báo tổng lượng xạ mặt trời ngày điểm có quan trắc trực tiếp xạ khu vực đồng phía bắc Việt Nam - Đánh giá sai sô' dự báo 2) Nội dung: a) Nghiên cứu lý thuyết mơ hình mạng TKNT b) Nghiên cứu dự báo tổng lượng xạ ngày cho khu vực nghiên cứu phương pháp sử dụng mạng TKNT c) Nhận xét kết quả, đánh giá sai số khả ứng dụng mơ hình dự báo Các kết đạt được: - Thử nghiệm mơ hình dự báo tổng lượng bứcxạ ngày dựa việc hiệu chỉnh đầu mơ hình dự báo khí hậu NCEP mạng TKNT nhận thức đa lớp tự viết mạng truy hồi với chất lượng thấp I - Thử nghiệm mơ hình dự báo tổng lượng xạ ngày khác sử dụng mạng TKNT truy hồi thời gian trễ dự báo tổ hợp với chất lượng tốt Có thể áp dụng mơ hình vào dự báo tổng xạ Mặt Trời Tình hình kinh phí đề tài Tổng kinh phí cấp: 60.000.000 đồng Đã nhận: 60.000.000 Đã toán: 60.000.000 đồng XÁC NHẬN CỦA BAN CHỦ NHIỆM KHOA PGS TS Phạm Văn Huấn CHỦ TRÌ ĐỂ TÀI PGS TS Nguyễn Hướng Điền XÁC NHẬN CỦA TRƯỜNG M lệ o T R U Ò N O ABSTRACT Project title: Applying the Artificial Neural Network to Predict the Solar Radiation in the deltas of the Northern Part of Vietnam Code number: QG.05.35 Project Leader: Assoc Prof Dr Nguyễn Hướng Điền Members: B Sc Hoang Phuc Lam M Sc Nguyen Minh Truong M Sc Hoang Thanh Van B Sc Cong Thanh Aims and contents of project: 1) Aims: - Applying the Artificial Neural Network ANN to predict the global solar radiation sums in the places having observational solar radiation in the deltas of the Northern Part of Vietnam Estimating the accuracy and usability of the obtained forecast model 2) Contents: a) Studying the theory of Artificial Neural Network b) Studying the methods of forecasting the daily global solar radiation sums in the places having observational solar radiation in the region of study using Artificial Neural Network c) Remarking the results, estimating the accuracy and usability of the obtained forecast models Results: - A model for forecasting the daily global solar radiation sums using multilayer perceptron wried by the authors and recuưent network to adjust numerical climatic model NCEP output was experimented with a low accuracy A model for forecasting the daily global solar radiation sums using TimeLagged Recurrent Network and another ansamble model were experimented with rather large accuracy These models can be applied to predict global solar radiation Funding: Total support: 60 000 000 VND Received: 60 000 000 VND Spent: 60 000 000 VND iv MỤC ■ LỤC • MỤC LỤC MỞ ĐẦU CHUƠNG 1: TỔNG QUAN 1.1 Tình hình nghiên cứu ứng dụng mạng TKNT 1.2 Các đặc trưng vật lý x 1.3 Sự hấp thụ xạ khí .15 1.4 Sự khuếch tán xạ khí 19 1.5 Cách tính xạ sóng ngắn khí 21 1.6 Chế độ xạ khu vực đồng phía b ắc 28 CHUƠNG 2: C SỞ LÝ THUYẾT MẠNG THAN KINH NHÂN TẠO .31 2.1 2.2 2.3 Các khái niệm mạng thần kinh nhân tạo 31 Các quy tắc phương pháp xây dựng mạng TKNT 41 Các loại mạng TKNT ứng dụng 49 CHUƠNG 3: ÚNG DỤNG MẠNG TKNT DựBÁO TổNG XẠ CHO KHU v ự c ĐỒNG BẰNG PHÍA BẮC VIỆT NAM .60 3.1 3.2 3.3 3.3 3.4 Số liệu phương pháp dự báo 60 Giói thiệu phần mềm NeuroSolutions 61 Một số kỹ thuật phụ trợ 64 Các số đánh giá, so sánh 65 Kết 67 Kết lu ận 94 Tài liệu tham khảo 96 PHỤ LỤ C 99 MỞ ĐẦU Bức xạ Mặt trời nguồn lượng chủ yếu vô quý giá trái đất Nó định đến biến đổi khí hậu, sống người Chính điều địi hỏi người phải biết khai thác triệt để sử dụng nguồn lượng cách có hiệu Nghiên cứu giảm thiểu ảnh hưởng xấu đến sống người động thực vật nhằm mục tiêu phát triển bền vững Trong thập kỷ gần đây, nước tiên tiến người ta không mở rộng mạng lưới đo đạc, nghiên cứu quy luật biến đổi theo không gian thời gian yếu tố xạ Mặt Trời, mà sâu thêm nghiên cứu phân bố lượng dải phổ hẹp trực xạ, tổng xạ C.PJacovide nhận xét: “Với gia tăng ứng dụng phổ xạ như: Pin Mặt Tròi, bình thu nhiệt ứng dụng mơi trường, nông nghiệp thúc đẩy nghiên cứu không với xạ tổng cộng Mặt Trời mặt đất mà cịn thành phần phổ nó” Quả thực, nghiên cứu lượng mặt trời có ý nghĩa lớn nông nghiệp, công nghiệp chiếu sáng lượng nhiệt cho cơng trình xây dựng, tất nhiên, nghiên cứu khí tượng Hơn nữa, vai trò lượng mặt trời ngày tăng thúc đẩy nghiên cứu sâu đầy đủ lượng mặt trời Có nhiều nguyên nhân kinh tế môi trường thúc đẩy xúc tiến nghiên cứu nguồn lượng này, là: phá hủy mơi trường tiêu thụ khí ga, xăng, dầu ; lo ngại mức tăng khí c o C02 khí dẫn đến phá hủy tầng ozon sống trái đất; viễn cảnh thiếu hụt dầu lửa khí ga vài thập kỷ tới mức khai thác trì; nhu cầu ngành khu công nghiệp mói, nước có kinh tế phát triển, thiếu hụt nguồn nước đối vói cơng trình thủy điện mối đe dọa khác giá dầu giới tiếp tục tăng cao Xuất phát từ nguyên nhân đó, lượng mặt trời xem nguồn lượng sạch, đầy hứa hẹn, thay cho nguồn lượng truyền thống (như đầu mỏ, than đá ) khai thác triệt để Nguồn lượng dồi nước khu vực nhiệt đới Những hạn chế lượng mặt trcri bị phân tán diện rộng, có tính chất dao động mạnh phụ thuộc vào điều kiện thời tiết, khó tích trữ giá thành cịn q đắt chuyển thành dạng lượng thông dụng điện Tuy nhiên khơng phải vấn đề vài thập kỷ tới, khoa học dự báo thời tiết, khoa học lượng có tiến đáng kể thời gian gần Do đó, nghiên cứu tiềm năng, biến đổi theo thời gian, khả dự báo xạ mặt trời cần thiết Nhu cầu thực tế đòi hỏi dự báo lượng mặt trời xác so với mơ hình khí hậu ngày làm Gẩn nhất, tác giả Ricardo A Guamieri cộng [25] sử dụng mạng TKNT điều chỉnh kết dự báo xạ mặt trời mơ hình quy mô vừa Eta cho khu vực nam Brazil, kết đánh giá khả quan có ý nghĩa thực tiễn, giúp cải thiện đáng kể dự báo mơ hình (sai số mơ hình giảm 20 - 30%) Trong đề tài này, để xây đựng mạng TKNT dự báo tổng xạ, sử dụng số liệu quan trắc củã yếu tố: Bức xạ tổng cộng (tổng xạ) trạm: Láng (Hà Nội), Phủ Liễn (Hải Phịng), n Định (Thanh Hóa) Vinh (Nghệ An) vịng 10 năm (1981 - 1990) kết hợp vói sử dụng số liệu tái phân tích NCEP yếu tố: tổng xạ ngày bề mặt, tổng xạ đến đỉnh khí quyển, nhiệt độ trung bình ngày, độ ẩm tuyệt đối tầng lOOOmb, độ ẩm tương đối bề mặt, lượng mây trung bình ngày, tổng lượng nước khả giáng cột khí quyển, thành phần gió bể mặt, độ dày lớp khí mực 1000, 850 500mb,„ Ngoài phần mở đầu, kết luận, tài liệu tham khảo, nội dung báo cáo đề tài gồm chương: Chương I: Tổng quan Chương II: Cơ sở lý thuyết mạng TKNT Chương ni: ứng dụng mạng TKNT dự báo tổng xạ cho khu vực đồng phía Bắc Việt Nam CHƯƠNG 1: TỔNG QUAN 1.1 Tình hình nghiên cứu úng dụng mạng TKNT Các công nghộ kỹ thuật, vật lý, đặc biệt vật lý khí quyển, sinh học làm nảy sinh loạt vấn đề phi tuyến, bất ổn định phức tạp Để giải tốn địi hỏi phải có cơng cụ xử lý, tính tốn phi tuyến, số cơng cụ đó, mạng thần kinh nhân tạo (TKNT) tỏ có ưu vượt trội Mạng TKNT đáp ứng nhu cầu luyện mẫu, sử dụng công cụ thống kê giả thuyết tối ưu Có nhiều loại mạng TKNT khác nhau, có mạng truy hồi, mạng nhận thức đa lớp mạng thời gian trễ Việc sử dụng mạng truy hồi công cụ dự báo ngày thể hiộn nhiều ưu điểm nhiều lĩnh vực nhờ vào khả liên kết lớp, phần tử hoạt động1trong mạng Quá trình phát triển mạng TKNT trải qua nhiều giai đoạn khác nhau, đánh dấu mốc quan trọng: năm 40 kỷ 20 đánh dấu phát triển đỉnh cao với nghiên cứu McCulloch Pitts (1943); đến năm 1949, Hebb đưa thuật toán học mạng, gọi thuật toán Hebb, mạng TKNT thức đời khẳng định khả tính tốn tốn phi tuyến Dấu mốc thứ hai xuất năm 60 với giả thuyết hội tụ mạng nhận thức Rosenbatt (1960), thành công lĩnh vực mạng TKNT nơron thích ứng tuyến tính — ADALINE2 nơron thích ứng tuyến tính da biến - MADALINE3 Widrow Hoff (1960) phát triển; sau đó, Minsky Papert hạn chế mạng nhận thức đơn giản (1969) Kết Minsky Papert ỉàm thất vọng nhiều nhà khoa học, đặc biệt nhà khoa học ngành khoa học tính tốn lúc Chính cơng bố làm chậm tiến trình phát triển mạng TKNT gần 20 năm Mãi đến năm 80, mạng TKNT mói có thành tựu đáng ý Đó cơng trình Hopfield [16] với cách tiếp cận khía cạnh lượng thuật toán học lan truyền ngược cho mạng nhận thức đa lớp Nhiều người nhắc đến công trình 1Processing Elements ADAptive Linear Neuron Multiple ADALINE Hopfield khởi đẩu thứ hai cho mạng TKNT Sau cơng trình tiếp tục phát triển công bố rộng rãi năm 1986 viết Rumelhart cộng Từ đến nay, vói phát triển cơng nghệ thông tin truyền thông, cộng đồng người sử dụng mạng TKNT tăng lên đáng kể mở rộng nhiều lĩnh vực Trong khí tượng học, có nhiều nhà khí tượng học giới Việt Nam sử dụng mạng TKNT công cụ thống kê cho toán phức tạp giúp hiệu chỉnh sản phẩm mơ hình số, tái tạo bổ xung số liệu, tính tốn tổng lượng ozon khí Do tính đa dạng loại mạng khác nên khó cho việc phân loại mạng, đề tài này, cố gắng đưa cách phân loại phổ biến mà nhiều tác giả trình bày Sự phân ỉoại áp dụng cho thuật toán phương pháp học phổ biến dùng mạng TKNT, cịn nhiều thuật tốn phương pháp khác không sử dụng rộng rãi nên không đưa vào phân loại đề tài Bảng 1: Phân loại mạng TKNT ứng dụng [21] Học có điều kiện Thuật tốn Úng dụng Hopfield (Zurada, 1992; Haykin, Hebbian (Zuruda, 1992; 1994) Haykin, Lan truyền ngược mối liên hệ Nhận thức đa lớp (Zuruda, 1992; Carling, 1992; Haykin, 1994; (Zuruda, 1992; Haykin, Bishop, 1995; Patterson, 1996) 1994; Bishop, 1995;) Nhận thức đa lớp (Zuruda, 1992; nhận dạng 1994; Kung, 1993) Phát Phân loại, Học không điều kiện - Lan truyền ngược Carling, 1992; Haykin, 1994; Bishop, 1995) Các hàm xuyên tâm sở (Zuruda, Bình phương tối thiểu Trung bình k phần tử (Bishop, 1995) 1992; Bishop, 1995) Bảng 1: Phân loại mạng TKNT ứng dụng (tiếp) Phân tích dặc trưng Nhân tố cạnh tranh (Zurada, 1992; Nhân tố cạnh tranh Haykin, 1994) (competitive) Kohenen (Zurada, 1992; Haykin, Kohenen 1994) Nhận thức đa lớp (Kung, 1993) Lan truyền ngược Phân tích thành phẩn dặc tnmg 1992; Kung, 1993) (Zurada, 1992; Kung, 1993) Dự báo Thuật toán Oja (Zurada, Mạng thời gian trễ (Zurada, 1992; Lan truyền ngược theo Kung, 1993, de Vries Principe, thời gian (BPTT) 1992) Mạng truy hồi toàn phẩn (Zurada, 1992) Tính đến nay, giới có nhiều cơng trình nghiên cứu ứng dụng mạng TKNT cơng bố tạp chí, gần vào tháng năm 2006, Ricardo A Guarnieri đồng nghiệp [25] sử dụng mạng TKNT hiệu chỉnh dự báo tổng xạ mơ hình khí hậu khu vực Êta, trước đó, vào tháng năm 2000, David Silverman John A Dracup [11] dùng mạng TKNT dự báo mưa khu vực California, năm 2002, luận văn Thạc sỹ Bin Li [7] (Đại học Georgia, Hy Lạp) sử dụng mạng TKNT công cụ nội suy trường khí tượng trạm thay cho phương pháp nội suy truyền thống nhiều công trình nghiên cứu chuyên biệt lĩnh vực mạng TKNT đáng ý khác cơng trình Danilo p Mandic [9], Hopfield [16], Jose c Principe [18], Lakhmi c Jain N.M Martin [19], Marcelo c Medeiros đồng nghiệp [20], Pattĩick van der Smagt Ben Krose [21] s Haykin [25] Còn Việt Nam, tác giả Lê Xuân Cầu [1] ứng dụng mạng TKNT dự báo lũ thủy văn, tác giả Nguyễn Hưóng Điền cộng có nhiều cơng trình nghiên cứu ứng dụng mạng TKNT dự báo khí tượng thủy văn [3, 4] Tất cơng trình có chung kết luận: Mạng TKNT cải thiện đáng kể kết dự báo so với phương pháp khác T R U N G TÂM otí TUỌNG TH ỦY VĂN Quốc GIA TẠP CHÍ KHÍ TƯỢNG THỦY VÃN ********** Số: ổ ITCKTTV V/v: Xảc nhận nhận CỘNG HOÀ XÃ HỘI C H Í NGHĨA VIỆT Đ ộ c lậ p - Tự d o ■ H n h p h ú c 0O0 - - - - - - nam Hẽ Nội' ngểyj õ tháng g nãm 2007 GIẤY XÁC NHẬN Tạp chí Khí tượng Thủy văn nhận báo “Sử dụng mạng nhận thức đa lớp mạng hồi quy dự báo tổng lượng xạ ngày cho khu vực đồng phía Bắc Việt Nam” CN Hoàng Phúc Lâm, PGS TS Nguyễn Hướng Điển, CN Cơng Thanh, ThS Hồng Thanh Vân Trường Đại học Khoa học Tự nhiên, Đại học Quốc gia Hà Nội Ban biên tập xem xét xong đăng vào thời gian tới KT TONG BIÊN TẬP PHĨ TỊNG BIÊN TẠP ù Đại k h n h * s DỤNG MẠNG NHẬN THỨC ĐA LỚP VÀ MẠNG TRUY HỔI D ự BÁO TỔNG LƯỢNG B ức XẠ NGÀY CHO KHU Vực ĐỔNG BẰNG PHÚ BẮC VIỆT NAM Hồng Phức Lđm,NguỊiỉn Httớng BUn Cóng Thanh, Hoảng Thm h Vân 1rường Đại học Khoa học Tự nhiên, D H Q G H N Lý thuyết mạng nhận thức đa lớp mạng truy hồi a Mạng nhận thức đa lớp Mạng nhận thức đa lớp xếp theo lớp phần tử hoạt động hình Hình 1: Mạng nhận thức đa lớp với lớp ẩn ( I neỊ f=tanh(a.net) ] / - l (bias) y = /fX*v*, + í>) -1 ' net í Ji«r> 0 met* net (íK * + ỡk (2) ụ hàm giới hạn đơn giản sử dụng cho tập hợp nhập đổ thu giá trị tác động y (t+1) thời fat+l: + N ế u s k(í + l)>C /i n (/ + l ) = - l N ế u s k(r + l)< * (3) y k(t) Trường hợp cịn lại Hình 5: Mạng tự liên kết Tất nơron đểu vừa nđron nhập xuất ứng dụng dự báo tổng xạ ngày sử dụng mạng nhận thức đa lớp mạng truy hồi Số liệu đầu vào bao gổm số liệu quan trắc xạ ngày trạm tiêu biểu cho khu vực phía bắc bao gồm: Láng (Hà Nội), Phủ Liễn (Hải Phòng), Yên Định (Thanh Hố), Vinh (Nghộ An) vịng 10 nãm (từ nãm 1981 đến 1990) Số liộu tái phân tích NCEP nút lưới gần với trạm cùa yếu tố: Tổng xạ dự báo bề mặt (Qsf) tổng xạ đỉnh khí (Qtoa); lượng mây (CL), nhiệt độ bề măt (Tsf), độ ẩm tương đối bề mặt (sHsf), hai thành phần gió mực 10m (UlOm, VlOm), tổng lượng nước khả giáng khí (PW) trung bình ngày, lấy thời điểm với giá trị quan trắc xem giá trị dự báo cho trạm Riêng trạm Yên Định (Thanh Hố) sơ' liộu tháng đẩu năm 1981 khơng có liên tục nên chuỗi thực tế sử dụng từ 1/9/1981 đến 31/12/1990 Chuỗi số liệu lấy trung bình trượt với bước trượt (ngày) để lọc bỏ sai số ngẫu nhiên 70% chuỗi số liệu sử dụng để xây dựng mạng, 20% cho kiểm chứng 10% dùng làm số liệu kiểm tra độc lập chất lượng cùa mạng Cấu hình mạng TKNT chọn dựa vào thuật toán tối ưu nhiẽm sắc thể (bộ nhiẽm sắc thể ọc hiểu tham số mạng) Thuật toán hiểu đơn giản mạng luyẽn nhiểu lán với với I tham số khác mạng (sổ nút ẩn, bước học ); với tham số vậy, mạng dược luyện đến xuất dấu hiêu khớp đạt sai sô' mong muốn Tập hợp tham số cho sai (TÊnbộ số liệu kiểm chứng nhỏ lưu lại cố định q trình kiểm tra vói số liệu độc lập D hình mạng cho bảng đây: Bángl: Só nút ẩn mạng TKNT nhân thức da lớp Láng Phủ Liễn Yên Định Vinh inhập ỉn 1ẩn >xuít 8 Ị)nhập pẩn ĩ ỉa pxuất Láng 20 19 5 10 8 Bảng 2: s ố nút ẩn mạng truy hổi Phủ Liễn 20 17 Yên Định 23 15 Vinh 22 24 Đánh giá kết quả, nhận xét kết luận a Các số đánh giá I1 N RMSE = , — V (/ - O Ỵ - Sai số tồn phương trung bình (4) 1^ MAE = —- ^ | / , - - Sai số tuyệt đối trung bình (5) ■Sa'rá truns bình (6) — Hê số tương quan (7) ME = X (fi ~) r- f 'j p ) Jỵị/-/fJz(o-õỴ Trong f giá trị dự báo, o giá trị quan trắc, N tổng số mảu đánh giá Bên cạnh đó, sai số mg đối (ký hiệu E%) sử dụng để so sánh trạm với Sai số tương dối đinh nghĩa: E% = J/v —