0091 ứng dụng lstm trong giám sát và dự báo chất lượng nguồn nước luận văn tốt nghiệp

BỘGIÁODỤCVÀ ĐÀOTAO TRƯỜNGĐẠI HỌCQUYNHƠN LƯƠNG THANHLONG ỨNG DỤNG LSTM TRONG GIÁM SÁT VÀ DỰ BÁOCHẤTLƯỢNG NGUỒNNƯỚC LUẬNVĂNTHẠC SĨKHOAHỌCDỮLIỆUỨNG DỤNG BìnhĐịnh -Năm2022 LƯƠNG THANHLONG ỨNG DỤNG LSTM TRONG GIÁM SÁT VÀ DỰ BÁOCHẤTLƯỢNG NGUỒNNƯỚC Ngành : Khoa học liệu ứng dụngMãsố 8904648 Người hướng dẫn:TS.NGUYỄNĐỨCTHIỆN LỜICAMĐOAN Tơixincamđoanluậnvăn‘ỨngdụngLSTMtronggiámsátvàdựbáochấtlượng nguồnnước’làcơngtrìnhn g h i ê n c ứ u củabảnthândướisựhướngdẫncủaTS Nguyễn Đức Thiện Mọi tham khảo từ tài liệu, cơng trìnhnghiên cứu liên quan nước quốc tế trích dẫn rõ ràng trongluận văn Các số liệu, kết trình bày luận văn hồn tồn trung thực.Tơi xinhồntồn chịutráchnhiệmvề lờicamđoannày LỜICẢM ƠN Trong q trình thực hồn thiện luận văn này, tơi xin gửi lời cảmơnchânthànhnhấtđếncácthầycơtrongKhoaTốnvàThốngkê,khoaCơngnghệthơngtin,khoaKỹthuậtcơngnghệ trường Đại học Quy Nhơn nhưcácthầythínhgiảngởcáctrường,cácviệnởHàNộivàthànhphốHồChíMinhđã cung cấp cho tôinhữngkiếnthứcquýbáutrongsuốt2nămhọcqua.Đặcbiệt cho gửi lời cảm ơn sâu sắc tớiTS Nguyễn Đức Thiệnđã dànhnhiều thời gian để định hướng nhiệt tình hướng dẫn tơi tạo mọiđiềukiệnthuậnlợiđểtơicóthểhồnthànhtốtnhấtluậnvăncủamình,tơicũngxincảmơnđề tàiĐTĐLCN.44/22củaBộKH&CNđãchophépcùngthamgianghiêncứuthựchiện Tơixin chânthành cảmơn! BìnhĐịnh,tháng08năm2022 Tácgiả LươngThanhLong MỤCLỤC LỜICAMĐOANLỜI CẢMƠN DANHMỤCCÁCCHỮVIẾTTẮT DANHMỤCCÁCBẢNG DANHMỤCCÁCHÌNH PHẦN1.MỞĐẦU .1 Lý dochọnđề tài .1 Tởngquantìnhhìnhnghiêncứuđềtài Mụcđíchvànhiệmvụnghiêncứu 4 Đốitượngvà phạmvinghiêncứu 5 Phươngphápnghiêncứu PHẦN2.NỘIDUNGCHÍNH CHƯƠNG1.TỔNGQUANVỀEDGEAIVÀIOT 1.1 Giớithiệuchương 1.2 Tổng quanvề Edge AI 1.2.1 Điện toánbiên(Edge Computing) 1.2.2 Edge AI 10 1.2.3 Ứng dụngcủaEdge AI 11 1.3 IoT 13 1.3.1 Định nghĩa 13 1.3.2 Kiến trúc củaIoT 13 1.3.3 Ứng dụngcủaIoT 14 1.4 EdgeAI IoTtronghoạtđộnggiámsátvàdựbáo 15 1.4.1 Sự cầnthiết Edge AIvàIoTtronggiámsát dựbáo 15 1.4.2 Yêu cầuđối vớiEdgeAI ứngdụngIoT .16 1.5 Kếtluậnchương 17 CHƯƠNG2.HỌCSÂUVÀCÁCTHUẬTTOÁNRNN 18 2.1 Giớithiệuchương 18 2.2 Kháiniệmhọcsâu 18 2.3 Cácthuật tốnhọcsâuphở biến 18 2.4 Mạng nơ-ronhồiquyRNN 21 2.5 MạngLSTM 24 2.6 MạngGRU 26 2.7 Kếtluậnchương 27 CHƯƠNG3.MƠHÌNHHỆTHỐNGGIÁMSÁTDỰBÁOCHẤTLƯỢNGNƯỚC 29 3.1 Giớithiệuchương 29 3.2 Kiến trúctổng quátcủahệthống 29 3.2.1 Lớpcảmbiến(sensorslayer) 30 3.2.2 Lớp xửlýbiên(Edgelayer) .34 3.2.3 Lớplưutrữđiệntoánđámmây( C l o u d StoreLayer) 35 3.3 Kếtluậnchương 37 CHƯƠNG4.TRIỂNKHAIVÀĐÁNHGIÁMƠHÌNHTHỰCNGHIỆM 38 4.1 Giớithiệuchương 38 4.2 Thuthập tậpdữliệu .38 4.3 Phântíchtập dữliệu 40 4.4 Chuẩnbịdữliệu 43 4.5 Xâydựng mơ hình dựbáo LSTM 45 4.6 Triểnkhaitạibiênmạng 52 4.7 Đánhgiámô hình 55 4.8 Kếtluậnchương 58 PHẦN3.KẾTLUẬNVÀKIẾNNGHỊ 60 DANHMỤCTÀILIỆUTHAMKHẢO 61 QUYẾTĐỊNHGIAOĐỀTÀI LUẬNVĂN(BẢNSAO) DANHMỤCCÁCCHỮVIẾTTẮT Tên viết tắt Tênđầyđủ AI ArtificialIntelligence ANN ArtificialNeuralNetwork APIREST ApplicationProgrammingInterfaceREpresentationalStateTransfer DL DeepLearning GRU GatedRecurrentUnit HTTPGET HypertextTransferProtocol IoT InternetofThings Lora LongRange LSTM Long shorttermmemory ML MachineLearning MQTT MessageQueuingTelemetryTransport NLP Neuro-LinguisticProgramming RNN Recurrentneuralnetwork DANHMỤCCÁCBẢNG Bảng 1: Quychuẩnnướcnuôitôm Bảng 4.1: Các chỉsốthốngkê củatậpdữliệu .41 Bảng 4.2:Thốngkêthờigiantrễgiữa2điểmdữliệuliêntiếp 43 Bảng 4.3: Thống kê lỗi với mơ hình LSTM dự báo nhiệt độ cho 20 ngày liêntiếp 50 Bảng4.4:ThốngkêlỗivớimơhìnhLSTMdựbáođộpH cho20ngàyliêntiếp 51 Bảng 4.5: Thống kê lỗi với mơ hình LSTM GRU dự báo nhiệt độ cho 20ngàyliên tiếp .57 Bảng 4.6: Thống kê lỗi với mơ hình LSTM GRU dự báo độ pH cho 20ngàyliên tiếp .58 DANHMỤCCÁCHÌNH Hình 1: Ảnh hưởngcủapHđếnsinh vậtthủysinh Hình1.1 Thịphầnđiện tốn biêntheo khuvực 12 Hình 1.2 Kiếntrúctởngqtcủacáchệthống IoT 14 Hình2.1:Mơtảhoạtđộngcủamạngnơ-ronRNN 22 Hình2.2: Cấutrúccủamột tếbào mạngnơ-ron RNN 22 Hình2.3: So sánh mơhình2 mạng RNNvàLSTM 24 Hình2.4: Mơhình1tếbàomạng LSTM 26 Hình2.5: Mơ hình1 tếbào mạngGRU .27 Hình 3.1: Mơhìnhđềxuất chohệthốnggiámsátvàdựbáo chấtlượng nước 30 Hình 3.2: Kiếntrúc củalớpcảmbiến 30 Hình 3.3: Cảmbiến đo độpH(pHAnalogMeterPro Kit V2) 32 Hình3.4: Cảmbiến nhiệtđộDS18B20 33 Hình 3.5:sơđồnguyên lý lớp cảmbiến 33 Hình 3.6: Ảnh chụpthựctếbo mạch lớp cảmbiếnsaukhithi cơng 34 Hình 3.7: Bo mạch RaspberryPi 4B 34 Hình 3.8: Biểu diễn liệu cảm biến thu theo thời gian thực tạiThingspeak 36 Hình 4.1:Aonitơmnơi đặtthiếtbịthuthậpdữliệu 39 Hình4.2: Tủđựng thiết bịthu thập dữliệu,đặttạiaoni tơm 39 Hình4.3:Tập dữliệuthunhậnđượctừhiệntrường 40 Hình4.4: Biểu diễn nhiệtđộtừtập dữliệuthu thập 40 Hình 4.5: Biểudiễn độpHnướctừtậpdữliệuthuthập 41 Hình 4.6: Biểu đồhistogramcho nhiệtđộ vàđộpHtừtập dữliệu thuthập 41 Hình 4.7: Biểu đồBox plot chonhiệt độvàđộpHtừtập dữliệuthu thập .42 Hình 4.8: Biểu đồ scattergiữanhiệtđộvàđộpH .42 Hình4.9:Biểudiễnthờigiangiữa2 điểmdữliệu liêntiếp vớitậpdữliệu thuthậptừthựcđịa 44 Hình 4.10: Biểu diễn thời gian điểm liệu liên tiếp với tập dữliệusaukhixửlý 45