ILNHIEM VU VA NỘI DUNG: Mục tiêu chính của nghiên cứu này là dé xuấtphương pháp tiếp cận mới nhằm hỗ trợ các quyết định đa tiêu chí - Multi-CriteriaDecision Making MCDM để có được một kế
GIOI THIEU
ĐÁNH GIÁ TÀI LIEU
Nghiên cứu khái niệm, lý thuyêt liên quan b Xem xét các nghiên cứu trước đây
XÂY DỰNG MÔ HÌNH
a Thiết lập mô hình b Phát triển mô hình
ĐÁNH GIÁ MÔ HÌNH VÀ ÁP DỤNG
Đề xuât khả năng áp dụng b Kết luận và đưa ra kién nghị oO TF 2 =
Hình 1.4: Sơ đồ các bước nghiên cứu.
HVTH: Tran Bình Phương Nhân-MSHV:1670146 GVHD: TS Phạm Vũ Hồng Son ĐH Bách Khoa TPHCM Luận Văn Thạc Sĩ
GIỚI THIỆU
1 LÝ DO CHỌN DE TÀI - xác định các vân đê nghiên cứu.
2 MUC TIEU NGHIEN CUU - Những dong góp tiêm năng.
- Xác định các đôi tượng nghiên cứu.
3 PHAM VI NGHIEN CUU - Gidi han của phạm vi nghiên cứu.
- Các giá định nghiên cứu.
2 TONG QUAN 4 NGHIEN CUU TRUOC DAY VE VAN
DE PHAT TRIEN NANG LUONG TAI TAO
CÓ SO LY THUYET
5 KHAI NIEM VA LY THUYET LIEN
QUAN - Mô hình Bayes tinh va động.
- Mô phỏng Monte Carlo lai (Markov Chain Monte Carlo - MCMC).
6 DANH GIA CAC NGHIEN CUU TRƯỚC
- The Static Bayes model, The Dynamic Bayes model, Graphical Network Model for International Financial, Scenario analysis using Bayesian networks: A case study in energy sector.
- Monte Carlo simulation, Markov Chain Monte Carlo, Bayesian Updating of Structural Models and Reliability using Markov Chain Monte Carlo Simulation.
UNG MC 4.XÂY D
8 PHAT TRIEN MO HINH- Qua trình chạy mô hình.
EN MÔ HÌNH
THỰC HI
VAN ĐÈ TRONG THUC TIEN - Danh gia qua trình thực hiện.
6 KET LUAN 10 KET LUAN VA KIEN NGHI Vv tit Ì Ì f1 Ì
Các vấn đề trong việc phát triển năng lượng tái tạo (RE).
- Xác định các giả định, giới hạn. Áp dụng:
- Phát triên bên vững theo kiêu truyền thông.
- Ra quyết định đa tiêu chí (MCDM).
= Các khái niệm cơ bản.
- Ý nghĩa của công trình nghiên cứu
- Chạy mô hình Bayes bang phần mềm Bayes server.
- Chay excel thuat toan Monte Carlo.
- Chay m6 phong Markov Chain Monte Carlo bang phan mém Bayes server.
- Dé xuat ap dung tiém nang.
- Đánh giá, xếp hạng các nguồn năng lượng tái tạo.
- xem lại mục đích nghiên cứu.
Hình 1.5: Sơ đồ các bước nghiên cứu chỉ tiếtHVTH: Trần Bình Phương Nhân-MSHV:1670146 GVHD: TS Phạm Vũ Hồng Sơn ĐH Bách Khoa TPHCM 8 Luan Van Thac Si
1.5 Bồ cục của luận văn
Kết cấu luận văn gồm 6 chương Chương | giới thiệu lý do chọn dé tài, mục tiêu nghiên cứu, phạm vi nghiên cứu, các giả định, giả thiết và bố cục của luận văn.
Chương 2 trình bảy một số nghiên cứu trước đây về van dé dé xuất phương pháp tiếp cận mới nhằm hỗ trợ các quyết định đa tiêu chí - Multi-Criteria Decision Making (MCDM), qua đó có được một kế hoạch năng lượng tái tạo (RE).
Chương 3 trình bày cơ sở lý thuyết về việc phát triển nguồn năng lượng tái tạo và đánh giá các phương pháp hiện có Chương này giới thiệu các khái niệm về các thuật toán khác nhau, ví dụ như SBM, MC, DBM, MCMC, ra quyết định đa tiêu chí (MCDM) vẻ các chỉ số SIs dé lực chọn các nguồn RE Bên cạnh đó, những ứng dụng, ưu điểm và nhược điểm của mỗi thuật toán.
Chương 4 trình bảy sự phát triển của mô hình được đề xuất bao gồm cấu trúc chính Sự cải tiến của thuật toán mới được đóng góp bởi sự lai ghép các thuật toán khác nhau Các bước chỉ tiết của phương pháp đề xuất được trình bảy.
Chương 5 xác minh hiệu quả của mô hình Trường hop 1: mô hình SBMMCS nhăm giải quyết van dé lựa chọn nguồn năng lượng tái tạo, đồng chứng minh rang SBMMCS có thé được tin cậy dé giải quyết van dé lựa chọn nguồn năng lượng tái tạo phù hợp với khu vực khảo sát thực tế Trường hợp 2: mô hình DBMMCMC nham đưa ra một nhận xét tổng quan nhất về bảng xếp hạng các nguồn năng lượng tái tạo phân bố theo thời gian (từ năm 2009 đến năm 2017) và lựa chọn một cách tối ưu nhất các nguồn năng lượng tái tạo.
Chương 6 trình bày kết luận, đóng góp và kiến nghị hướng đi mới cho các nghiên cứu trong tương lai.
HVTH: Tran Bình Phương Nhân-MSHV:1670146 GVHD: TS Phạm Vũ Hồng Son ĐH Bách Khoa TPHCM 9 Luan Van Thac Si
NGHIEN CUU TRUOC DAY VE PHUONG PHAP HO
TRO RA QUYET DINH DA TIEU CHÍ (MCDM) Việc đưa ra quyết định (DM) là một trong các van dé quan trọng nhất trong việc lựa chọn khả thi DM cần phải có các tiêu chí định lượng hoặc định tính hoặc là cả hai tiêu chí định tính và định lượng Các mục tiêu lựa chọn này thường hay bị trùng lặp hoặc đối nhau, dẫn đến kết quả cuối cùng phụ thuộc rất nhiều vào sở thích của người ra quyết định Do đó, việc xây dựng mô hình để hỗ trợ ra quyết định nhiều tiêu chí là một trong những công cụ DM và giúp đánh giá chính xác hơn Bên cạnh đó, mô hình còn thể hiện được tầm ảnh hưởng giữa các mục tiêu với nhau.
Xây dựng quyết định đa tiêu chi (MCDM) là một kỹ thuật phát triển tốt của khoa học quản lý Phương pháp này xử lý với quá trình để đưa ra quyết định với sự có mặt của nhiều thuộc tính Ngoài ra, MCDM đề cập đến quá trình đưa ra các quyết định khó khăn với các mục tiêu dường như bình đăng Một quyết định thường giải quyết ba yếu tố; các lựa chọn thay thế, hậu quả và sở thích Bên cạnh đó, các kết quả quyết định có thê không đáng tin cậy và bi ảnh hưởng bởi sự không chắc chắn; tuy nhiên, ít nghiên cứu chú ý lựa chọn phương án tốt nhất với việc xem xét chính xác độ tin cậy và sự không chắc chan Các phương pháp phổ biến MCDM bao gồm;, phương pháp tính trọng số, quá trình phân cấp phân loại (AHP), phương pháp tổ chức xếp hạng ưu tiên để đánh giá làm giàu (PROMTHEE), thực tiễn chuyển đối loại bỏ và lựa chon, kỹ thuật ưu tiên trình tự băng cách giải quyết các van dé (TOPSIS) nhiều thuộc tính lý thuyết (MAUT), trong đó có các lai ghép các kỹ thuật trên Bảng 2.1 bên dưới thể hiện một số nghiên cứu trước đây vé việc ra quyết định (DM) bang các phương pháp MCDM (từ năm 2003 đến năm 2017).
Bang 2.1 Nghiên cứu trước đây của nước ngoài. hoạch hành động cho việc khuếch tán các công nghệ năng lượng tái tạo ở đảo
Sardinia (với 12 tiêu chí đánh giá được dé ra).
- Đồng thời tác giả đưa ra 3 trường hợp phân tích cụ thể: trường hop 1: gan các tác động môi trường, trường hợp 2: các khía cạnh kinh tế Năm | Tác giả Hướng nghiên cứu Hạn chế của nghiên cứu
2003 | M Beccali, | - Trong bài báo này, Các tác | - Hướng nghiên cứu này
M.Cellura, | giả sử dụng phương pháp | chỉ tập trung tại một khu M MDMM ra quyêt định đa | vực nhât định trong một Mistretta lượng dé đánh giá một kê | quôc gia Do đó các tiêu chí đánh giả cũng bị ảnh hưởng bởi các tình hình kinh tế, xã hội và lịch sử hình thành phát triển tại khu vực đó.
Chưa đưa ra được các tiêu chí đánh giá mang tính tổng quát hơn.
HVTH: Trần Bình Phương Nhân-MSHV:1670146 GVHD: TS Phạm Vũ Hồng Sơn ĐH Bách Khoa TPHCM 10 Luận Văn Thạc Sĩ và xã hội được nhân mạnh, trường hợp 3: tập trung vào các chiến lược tiết kiệm và hợp lý hóa hệ thống sản xuất năng lượng.
- Trong bai bao nay, tac gia trình bay một phương pháp dựa trên phương pháp dé họa và ma trận được phát triển để đánh giá các hệ thống sản xuất linh hoạt -
Flexible manufacturing system (FMS) dé xuat dé đánh giá va xếp hạng các hệ thống sản xuất linh hoạt cho một ứng dụng công nghiệp nhất định
- Hạn ché của hướng nghiên cứu này là khi người ra quyết định kết quả cuối cùng bị ràng buộc bởi người dùng Bao gồm các các ràng buộc như: khả dụng, hạn chế quản lý, rang buộc chính trị, hạn chế về kinh tế, v.v Điều này làm ảnh hưởng đến việc ra quyết định rất nhiều.
- Trong bài báo này, tác giả áp dụng phương pháp
VIKOR kết hợp với AHP để đánh giá tầm quan trọng của sự khác biệt tiêu chí, cho phép người ra quyết định gan một cách có hệ thống các giá trị có tầm quan trọng tương đối với các thuộc tính trong việc lựa chọn một dự án RE tương ứng với Kế hoạch của Chính phủ Tây Ban Nha đưa ra.
- Hạn chê của hướng nghiên cứu này các kế hoạch RE này phải tương ứng với các kế hoạch của Chính phủ Tây Ban Nha Nếu áp dụng vào một khu vực khác thì các tiêu chí đầu vào sẽ nhiều hơn trong bài báo này.
-Trong bai báo nay, một Phương pháp TOPSIS mờ được sửa đổi cho việc lựa chọn phương án thay thế công nghệ năng lượng tốt nhất Trong phương pháp được dé xuất, trọng số của các tiêu chí lựa chọn được xác định bằng ma trận so sánh hai chiều mờ Phương pháp được áp dụng cho một van dé ra quyết định lập kế hoạch năng lượng.
- Hạn che của nghiên cứu nay la van dé lựa chọn nguồn năng lượng rat khó khăn và nhạy cảm Cụ thể là các khía cạnh định tính và định lượng, phức tạp và không chính xác Tuy nhiên, néu phương pháp mờ phát triển thêm thì có thé áp dụng được cho giải pháp của van dé nay.
HVTH: Tran Bình Phuong Nhan-MSHV: 1670146 GVHD: TS Pham Vũ Hồng Sơn ĐH Bách Khoa TPHCM II Luận Văn Thạc Sĩ
HaralambopO ulos, Giussepe Munda, Ron Vreeker
- Trong nghiên cứu nay, tac gia su dung phuong phap ra quyết dinh đa tiêu chí (MCDM) đối với quy hoạch nguồn năng lượng tái tạo (RES) Đồng thời sử dụng một ma trận so sánh được tạo ra với các kỹ thuật đa chuẩn thích hợp cho các dự án RES khác nhau và hiệu suất của chúng.
- Trong nghiên cứu, các đặc điểm chính của RES được áp dụng cho quá trình ra quyết định có liên quan đến các tiêu chí đã có sẵn trong phạm vi thời gian cụ thể.
Tuy nhiên, quy mô thời gian của quy hoạch năng lượng và việc ra quyết định RES kh áp dụng kỹ thuật
MCDA vẫn chưa tìm thấy trong bài báo Hơn nữa, các phương pháp MCDA cần được cập nhật và điều chỉnh để xử lý sự phức tạp liên tục của chính sách năng lượng và môi trường theo thời gian.
Espino a, Elena Castillo-Lopez b, Jorge Rodriguez-
- Bài viết này trình bay các phương pháp lai trong việc ra quyết định đa tiêu chí trong lĩnh vực xây dựng.
- Dong thời, bài báo này cho thay sự hữu ich trong việc mô tả các tác nhân của môi trường ra quyết định rất khác nhau làm nỗi bật độ tin cậy băng các phương pháp thực dụng va phô biến nhất Phân tích ra quyết định đa tiêu chí xuất hiện trong mô hình này để giải quyết các tiêu chí lựa chọn phức tạp.
- Trong nghiên cứu, tac gia đưa ra một phân tích đơn giản được phát triển băng cách sử dụng phần mềm
CƠ SỞ LÝ THUYET
Chương này trình bảy tổng quan về việc phát triển năng lượng tái tạo của thế giới trong thiên niên ky hiện tại trong mục 3.1; quyết định cho nhóm trong mục 3.2; các mối quan hện giữa tính bền vững và các kế hoạch năng lượng trong mục 3.3; vai tròn của quản lý xây dựng đối với phát triển năng lượng tái tạo trong mục 3.4; ra quyết định cho việc lựa chọn nguồn năng lượng tái tạo (RE), bao gồm các định nghĩa: mô hình
Bayes tinh (SBM) va mô hình Bayes động (DBM), sẽ được giới thiệu trong mục 3.5.
Bên cạnh đó, ứng dụng của các thuật toán như: Monte Carlo (MCS), thuật toán lai Monte Carlo — Markov Chain Monte Carlo (MCMC) cũng được trình bày trong mục
3.6 và 3.7 va chức nang vĩnh viễn trong mục 3.8.
3.1 Phát triển năng lượng tái tạo trong thiên niên ky hiện tại:
Năng lượng bên vững (RE) là năng lượng thu được từ các nguồn năng lượng hầu như vô tận trong môi trường tự nhiên (M Kaltschmidt, 2007) Có ba nguồn năng lượng tái tạo: năng lượng địa nhiệt; năng lượng của lực hấp dẫn và chuyển động của các hành tinh; năng lượng mặt trời Từ ba nguồn năng lượng trên, con người chuyển đổi thành nhiều luồng năng lượng khác nhau trong tự nhiên thông qua các phát minh day tinh sang tao nhu: nha may dién dia nhiét, quat gid, nha may thuy dién (hinh 3.1).
HVTH: Tran Binh Phuong Nhân-MSHV:1670146 GVHD: TS Phạm Vũ Hồng Son ĐH Bách Khoa TPHCM 18 Luận Văn Thạc Sĩ
>| Nha máy điện dia nhiệt | [Năng lượng địa nhiệt|
>| Nha máy nhiệt địa nhiệt | ——~
_| Sưởi âm bé mặt trái -—
| đát và bau khí quy ane Nha may nhiét dién dai dương|
> Gió Năng lượng gió chuyên đôi m Quat gio |
| Chuyên động sóng ——> Thế hệ sóng điện |
Nang lượng từ lực hap Ai 2 Năng lượng dân và chuyên động >| Năng lượng biên | Đại dươn cửa cỏc hành tỉnh Lụ ơ g6u6n6
PUỦy tiểu lượng thủy triêu
-_| Lượng nước chảy ằ| _ The hệ nang Nang luong ngược ra biên lượng thủy điện thủy
, Sản xuất sinh khối —> Nhà máy chuyển đổi
— sinh hoc Nhiên liệu sinh học
Tế bè dig | ê bảo quang điện Năng lượng mặt trời Năng lượng mặt trời ằị
>| Su bức xa Thu nhiệt mặt trời |
Nhà máy nhiệt điện mặt trời |
Hình 3.1 Năng lượng tái tạo tùy chọn để cung cấp năng lượng hữu ích
Ba nguồn năng lượng tái tạo làm tăng rất nhiều luồng năng lượng do các quá trình chuyển đổi năng lượng khác nhau xảy ra trong tự nhiên Dòng năng lượng có sẵn trên Trái Dat trực tiếp hoặc gián tiếp là kết quả từ các nguồn năng lượng tái tạo (RE) rất khác nhau Nghiên cứu này chỉ tập trung vào các phương pháp sử dụng quan trọng nhất của các chương trình RE, bao gồm: năng lượng nhiệt mặt trời (PV), năng lượng gió, thuỷ điện, năng lượng địa nhiệt, năng lượng đại dương và năng lượng sinh học
HVTH: Trần Bình Phương Nhân-MSHV:1670146 GVHD: TS Pham Vũ Hồng Son ĐH Bách Khoa TPHCM 19 Luận Văn Thạc Sĩ
Khai thác năng lượng đại dương có thể được chia thành hai nguồn chính: năng lượng thủy triều và năng lượng sóng phát sinh trong đại dương (G Boyle,2004) Năng lượng thủy triều là kết quả của sự tương tác của lực hấp dẫn của mặt trăng và mức độ lực hấp dẫn của mặt trời (ở mức độ thấp hơn) ở trên biển Các chương trình sử dụng năng lượng thủy triều dựa vào thủy triều lên hai lần một ngày và sự suy giảm thượng nguồn ở các cửa sông và hạ lưu của một số con sông, cũng như trong một SỐ trường hop, các đợt chuyển động của thủy triều trên biển Khả năng cung cấp điện từ thủy triều rõ ràng là cụ thể cho từng địa điểm.
Trên thế giới hiện nay, có rất nhiêu địa điểm tiềm năng cho các con đập thủy triều trên khắp thé giới như ở Nga, Canada, Mỹ, Argentina, Han Quốc, Úc, Pháp, Trung Quốc và An Độ có tiém năng tiềm tàng khoảng 300 (TWh/năm) Tốc độ phát triển năng lượng thủy triều có thé tương đối chậm so với một số năng lượng tái tạo khác nhưng tiêm năng vẫn còn rất lớn Tong năng lượng tiêu hao từ thủy triều trên toàn cau là khoảng 3.000 (GW), trong đó khoảng 1.000 (GW) tiêu hao trong các vùng biển nông Mặc dù chỉ có khoảng 15% tổng công suất thủy điện toàn cầu hiện nay, nhưng nó vẫn là nguồn tài nguyên quan trọng Hơn nữa, tiềm năng thủy triéu thực tế ước tính khoảng 120 (GW) và sản xuất khoảng 190 (TWh/năm) Dựa trên số liệu này, có nghĩa là sự phát triển thủy triều đang gia tăng.
Khác với năng lượng biến, sóng biến chủ yếu là được tạo ra bởi gió di qua các vùng nước Những cơn sóng thường là do gió cuốn qua nước, gió là kết quả của sự chênh lệch về độ nóng của không khí do năng lượng mặt trời trên mặt đất và so với trên biển Hội đồng Năng lượng Thế giới — World Energy Council (WEC) đã ước tính tong số tài nguyên trên toàn thé giới là 2 (TW) hoặc 17.500 (TWh) mỗi năm, mặc dù ước tính này trên thực tế tỏ ra khá thận trọng (G Boyle, 2004).
Theo quan điểm của các mỗi quan tâm về biến đối khí hậu toàn cầu và thực tế việc sản xuất điện từ gió chủ yếu không gây ô nhiễm, thì có sự chấp nhận và hỗ trợ trên toàn thế giới đối với công nghệ này ngày càng nhiều Ý tưởng chính là sử dụng năng lượng gió như là một phương tiện không gây ô nhiễm để tạo ra điện trên một quy mô đáng kề thu hút sự quan tâm hiện tại Hơn nữa, điện gió cũng là một trong những công nghệ năng lượng tái tạo (RE) phát triển nhanh nhất trên toàn thé gIỚI.
Tổng công suất phát điện gió đã được lắp đặt vào cuối năm 2002 là 31.000 (MW)(G Boyle, 2004) Con số này gấp khoảng bốn lần công suất năng lượng điện gió đã được cài đặt vào cuối năm 1997, cho thay rang tốc độ tăng trưởng trung bình của điện gió khoảng 40% mỗi năm Trong hai thập kỷ trở lại đây, năng lượng gió đã nỗi lên như một nguồn năng lượng quan trọng đáp ứng một số yêu cau về điện ở nhiều nơi trên thé giới Công nghệ tuabin gió hiện đại đã phát triển như một hệ thống đáng tin cậy vàHVTH: Trần Bình Phương Nhân-MSHV:1670146 GVHD: TS Phạm Vũ Hồng Sơn ĐH Bách Khoa TPHCM 20 Luận Văn Thạc Sĩ chac chăn có thê hoạt động không cân giám sát hoặc với sự ho trợ bao tri tôi thiêu trong 20 năm tới hoặc lâu hơn nhăm tạo ra điện lưới có chât lượng.
Trong khi đó, vào cuối năm 2007, gần 94.000 (MW) công suất phát điện gió đã được lắp đặt trên khắp thế giới Ngành điện gió cũng là một trong những ngành công nghiệp phát triển nhanh nhất trên thế giới Giữa năm 1990 và năm 2005 trên toàn thế giới, ngành công nghiệp điện gió tăng trưởng với tốc độ tăng trưởng trung bình hàng năm là gần 24% (V.V.N Kishore, 2009).
3.1.3 Năng lượng địa nhiệt: Địa nhiệt là nguồn nhiệt năng có sẵn trong lòng đất Cụ thể hơn, nguồn năng lượng nhiệt này tập trung ở khoảng vài km dưới bề mặt Trái Đất, phần trên cùng của vỏ Trái Đắt Cùng với sự tăng nhiệt độ khi đi sâu vào vỏ Trái Đắt, nguồn nhiệt lượng liên tục từ lòng đất này được ước đoán tương đương với với một khoảng năng lượng cỡ 42 triệu MW Lòng đất thì vẫn tiếp tục nóng hang tỷ năm nữa, đảm bảo một nguén nhiệt năng gân như vô tận Chính vì vậy Dia Nhiệt được liệt vào dang năng lượng tái tạo.
Nguồn nhiệt lượng nay được chuyền lên mặt đất qua dạng hơi hoặc nước nóng khi nước chảy qua đất đá nóng Nhiệt lượng thường được sử dụng trực tiếp, ví dụ như hệ thống điều hòa nhiệt độ (bơm địa nhiệt), hoặc chuyền thành điện năng (nhà máy nhiệt điện). Địa nhiệt là dang năng lượng sạch và bền vững So với các dang năng lượng tái tạo khác như gió, thủy điện hay điện mặt trời, địa nhiệt không phụ thuộc vào các yếu tố thời tiết và khí hậu Do đó địa nhiệt cũng có hệ số công suất rất cao, nguồn địa nhiệt luôn sẵn sang 24h/ngày, 7 ngày trong tuần.
Cho đến nay, hơn 30 quốc gia trên thế giới đã khai thác tổng cộng 12.000 (MW) địa nhiệt cho các ứng dụng trực tiếp và sản xuất hơn 8.000 (MW) điện Tại một vài quốc gia đang phát triển, địa nhiệt điện chiễm một vai trò đáng kể trong việc đáp ứng nhu cầu điện (Alyssa Kagel, Diana Bates, & Karl Gawell, 2005).
Cac nhà máy địa nhiệt có giới han công suất từ 100 (kW) cho đến 100 (MW), phụ thuộc vào nguồn năng lượng vào nhu cau điện năng Kỹ thuật này rất thích hợp cho điện khí hóa nông thôn và các ứng dụng mạng lưới mini (mini-grid), bên cạnh ứng dụng trong việc hòa mạng quốc gia Tại các quốc gia có nguồn tài nguyên eo hẹp hoặc có điều kiện khí hậu khắc nghiệt, địa nhiệt điện có thể đóng một vai trò rất hữu dụng.
Các ứng dụng trực tiếp của địa nhiệt có thé góp phan tăng đáng kể sản lượng nông nghiệp và ngư nghiệp (nuôi trồng thủy hải sản) và cung cấp nhiệt cho các quá trình xử lý công nghiệp phụ trợ Nguồn địa nhiệt được xem là đặc biệt quan trọng đối với các quốc gia đang phát triển mà lại không có các nguồn tài nguyên năng lượng như than, dầu và khí tự nhiên (Mary H Dickson and Mario Fanelli, 2004).
Tuong tu nhu hầu hết các dạng năng lượng khác, các nhà máy điện địa nhiệt có các thuận lợi và tác động môi trường nhất định Các van dé môi trường liên quan đến địa nhiệt gồm có: khí thải, sử dụng nguồn nước, nguồn đất, quản lý chất thải,HVTH: Trần Bình Phương Nhân-MSHV:1670146 GVHD: TS Phạm Vũ Hồng Sơn ĐH Bách Khoa TPHCM 21 Luan Van Thac Si subsidence (sup lún), địa chat cảm ứng, tác động về quan thé động vật và thực vat
PHAT TRIEN MO HINH SBMMCS VA DBMMCM
Trong chương này, một mô hình đồ hoa mới được dé xuất dựa trên mô hình SBMMCS - sự kết hop mô hình Bayesian tĩnh (SBM), thuật toán Monte Carlo (MCS) dé áp dụng cho van dé tối ưu hóa trong việc lựa chọn nguôồn năng lượng tai tạo trong công trình xây dựng theo hai trường hợp Trường hợp 1: dựa theo dữ liệu thống kê của cơ quan Năng lượng thế giới — IEA về các giá trị bền vững SIs của nguồn năng lượng tái năm 2017, kết hợp với mô hình SBGMCS để đưa ra bảng xếp hạng, đánh giá nguồn năng lượng tái tạo (RE) Trường hợp 2: nghiên cứu này đưa giả định dữ liệu khảo sát của các chuyên gia về các chỉ số bền vững SIs (từ năm 2009 đến năm 2017), chạy mô hình SBMMCS để đưa ra 9 bảng xếp hạng RE (từ năm 2009 đến năm 2017) Sau đó lay dữ liệu bảng xếp hạng RE theo từng năm này chạy mô hình Bayesian động (DBM), kết hợp thuật toán Markov Chain Monte Carlo (MCMC) để chạy phân phối dữ liệu theo thời gian.
Mô hình SBM được sử dụng với thuật toán MCS để đánh giá tầm quan trọng tương đối giữa các thuộc tính Những ảnh hưởng vẻ sự không chắc chan của bién đầu vào trong thiết kế mô hình có thể được đánh giá băng mô phỏng Mặc dù mô phỏng là rất hữu ích nhưng có một vài vẫn đề Thứ nhất, đây là một mô hình khá là mới so với các mô hình thực tế trước đây về phân tích biến Do đó, dẫn đến các quyết định cuối cùng của người ra quyết định cũng khác nhau Thứ hai, dữ liệu để chạy mô hình còn hạn chế, do đó các ngoại suy vượt quá phạm vi của dữ liệu được đo lường là không chính xác Do đó, kỹ thuật mô phỏng thông thường được áp dụng để đánh giá xác suất của các dữ liệu cần phân tích Cụ thé, trong ngành xây dung, chúng ta hay phân tích, đánh giá xác suất của việc vượt chỉ phí dự án, trễ tiễn độ thi công
Mô hình DBM kết hợp với thuật toán MCMC để giúp cho người ra quyết định có một cái nhìn tổng quát nhất vẻ vị trí xếp hạng của RE theo thời gian, nhằm lựa chọn một cách tối ưu RE Một phương pháp mô phỏng chuỗi Markov thích ứng của Markov được đề xuất để đánh gia mong muốn dựa trên thuật toán Metropolis-Hastings và một khái niệm tương tự như mô phỏng ủ Bằng cách thực hiện một loạt các mô phỏng chuỗi Markov với giới hạn phân phối bằng một chuỗi các mật độ xác xuất trung gian hội tụ Các mẫu chuỗi Markov được sử dụng để ước tính đữ liệu mong muốn bang cách lấy trung bình thống kê.
Thuật toán MCS, có thé mô phỏng quả trình chọn ngẫu nhiên biến nhiều lần dé tạo ra nhiều lần thực hiện, nhanh hơn nhiều lần so với các mô phỏng thông thường Các quy trình mô phỏng chính bao gém: thu thập dữ liệu, tạo số ngẫu nhiên, xây dựng mô hình, phân tích va trình bày trực quan Hơn nữa, lý do để sử dụng mô phỏng như sau:
+ Khi mỗi quan hệ giữa các biến là phi tuyến, khi quá nhiều biến hoặc các ràng buộc tôn tại sao cho hồi quy thong kê không thé xử lý hiệu quả được.
+ Mô phỏng có thé được sử dung để tiễn hành các thí nghiệm mà không làm gián đoạn hoạt động của hệ thống Thêm vào đó, nó có thể dễ dàng mô phỏng các trường hợp khác nhau.
HVTH: Trần Bình Phương Nhân-MSHV:1670146 GVHD: TS Phạm Vũ Hồng Sơn ĐH Bách Khoa TPHCM 59 Luận Văn Thạc Sĩ
+ Mô phỏng có thé củng có và tạo điều kiện thuận lợi cho quá trình quản lý quyết định (DM).
+ Mô phỏng cho phép khung thời gian hoặc không gian của van dé được thay doi thành một khuôn khổ thuận tiện hơn (thời gian đáng ké được lưu khi sử dụng phương pháp mô phỏng).
+ Mô phỏng cho phép thay đổi mô hình của hệ thống dé hiểu rõ hơn về hệ thong thực Tất nhiên, điều này đòi hỏi mô hình phải là một đại diện thực tế của hệ thống.
+ Mô phỏng cho phép một nhà phân tích kiểm soát bất kỳ tham số mô hình, biến, hoặc điều kiện ban dau, cái gì đó là không thé với hệ thông thực.
+ Mô phỏng có thé được sử dụng để đánh giá phản ứng của hệ thống đối với các điều kiện không xảy ra trong quá khứ.
+ Mô phỏng là một trong những kỹ thuật được sử dụng rộng rãi nhất trong khoa học quản lý, trong khi mô hình mô phỏng liên tục cho DM vẫn chưa được khai thác một cách có hệ thống, đặc biệt là đối với việ quyết định kế hoạch năng lượng tai tạo
(RE). Đối với nghiên cứu nay, mô phỏng nay đã được tiễn hành sử dụng Microsoft excel 2016 64-bit, phan mém Bayes server, trong Windows 10 Professional 64-bit (2018),
CPU Intel® Core TM 17 6700 HQ CPU @ 2.59GHz ~ 2.6GHz.
HVTH: Tran Binh Phuong Nhân-MSHV:1670146 GVHD: TS Phạm Vũ Hồng Son ĐH Bách Khoa TPHCM 60 Luận Văn Thạc Sĩ
4.1 Mô hình SBMMCS và DBMMCMC:
(1) Xác định các chỉ số phát triển năng lượng bên vững (SIs) như la một thuộc tính
Lua chọn trước các chỉ số SIs có lợi liên quan đến năng lượng tái tạo (10 chi số SIs) >| (2) Lap bang câu hỏi khảo sat Vv (3) Tống hop đữ liệu từ bang câu hỏi
Chuẩn hóa giá trị của mỗi thuộc tính (quy đôi các giá trị SIs từ 0 dén 1)
(4) Thiệt lặp mô hình ra quyết định (DM) cho |4 các lựa chọn Mô hình đỗ thị đa biển cho phân bố ` 5 x Trường hợp 2:
Trường hợp 1: xác suat + đến hoá xét tại thời điểm l4 khoảng năm 2017 thời gian (từ năm
(1-1) Ấp dụng mô hình Bayes tĩnh (2-1) Chuẩn bị các biến đầu vào
Giả định các biên sô từ bảng khảo : ae, sát của các chuyên gia (từ năm Rut ra kêt quả phân tích 2009 đến 2016) Ước lượng tham số, xác Lấy dữ liệu giả định chạy mô hình định Các giả trị trung _| Bayes tinh theo từng năm (từ năm
>| bình, phương sai, độ 2009 đến năm 2016) theo các tính lệch chufn của 10 chỉ toán của trường hợp 1 sô SIs.
(1-2) Mô phỏng thuật toán Monte Carlo (2-2) Áp dụng mô hình DBM và mô phỏng MCMC
Thông kê, 500 mô phỏng Nhập dữ liệu thu được vào phần kiêm tra tính |4 cho môi lần mềm Bayes server và vẽ liên kết 6 toán thay thê RE theo mô hình Bayes động
Sai Van dụng thuật toán mô phỏng
MCMC dé chạy mô phỏng vị trí của 6 RE theo thời gian. Đúng Chạy ra được kết quả trung bình, phương sai, độ lệch chuẩn của mô (1-3) Phân tích kết quả mỗi phân phối hình trên thay thé với 500 xếp hạng ngẫu nhiên i
| (2-3) Téng hop két qua trung binh,
A im ơ hương sai, độ lệch chuẩn của vị trớ 6 (14) Tong hợp sụ liệu thụng kờ của Cơ Pp a aoe ơ quan năng lượng Thể giới (EA) vẻ 6 nguồn RE theo thời gian (tử năm 2009 nguồn năng lượng tai tạo trên thế giới đến năm 2017). năm 2017 Ỷ
TÍNH TOÁN CỤ THE Chương 5 trình bày việc áp dụng và thực hiện thuật toán đề xuất SBMMCS và
Nghiên cứu hai trường hợp cụ thé như sau: e Truong hop 1: Dùng mô hình SBMMCS để xử lý số liệu của RE, để xếp hạng vi trí của các nguồn RE trong năm 2017. eTrường hợp 2: giả định số liệu khảo sát của các chỉ số SIs (từ năm 2009 đến 2017) Sau đó dung mô hình DBMMCMC để giải quyết dữ liệu xếp hạng của các nguôn RE theo thời gian.
Hai trường hợp trên có những đặc trưng riêng phù hợp với xu hướng năng lượng chung của Thế giới Trường hợp đầu tiên giúp cho người ra quyết định lựa chọn được RE tại một thời điểm xác định Trường hợp thứ hai là sự tiếp nối về mặt tính toán của trường hợp một, kết hợp với dữ liệu giả định trong quá khứ, cùng với vận dụng mô hình DBMMCMC, dé cho thay sự biến dong, sự tương quan lẫn nhau trong các vị trí xếp hạng của RE theo thời gian Qua đó giúp người ra quyết định có một sự nhìn nhận tong quat về vi tri xép hang cua cac RE va lua chon mot cach tối ưu nhất.
Trong luận văn này, nghiên cứu này sử dụng phần mềm Bayes Server 8.3 để chạy mô hình SBM và DBM, cùng với mô phỏng MCS và MCMC Quá trình tính toán được thực hiện băng phan mém excel 2010, may tinh xach tay ASUS Intel ® core 17,
* Diễn giải tính toán chỉ tiết:
Trường hợp 1: Tính toán dữ liệu RE trong nam 2017
Phan A: Thiết kế bảng câu hỏi khảo sát:
HVTH: Trần Bình Phương Nhân-MSHV:1670146 GVHD: TS Phạm Vũ Hồng Sơn ĐH Bách Khoa TPHCM 72 Luận Văn Thạc Sĩ
A Thông tin cá nhân của người được khảo sát Vui lòng chọn (x) cầu trả lời phù hợp nhât cho bạn trong ô trông và điện vào chô trông Giới tính : (1) GNam (2) ONG
1 Độ tudi : (1) 015~22tu6i = (2) 023~30 tudi (3) 031~38 tudi (4) 039~46 tuổi (5) 046~53 tu6i (6) 054~60 tudi (7) 061 tuổi trở lên
3 (1) nBăng cử nhân (2) nBăng Thạc sỹ (3) a Bang Tién sy (4)n Học hàm sau tiễn sỹ (5) nKhác
(1) oSinh viên (2) oKinh doanh hoặc dịch vụ (3) oNganh xõy dựng (4) ủNgười lớnh, người làm việc trong nhà nước, giỏo viên
(5) nKhác (Hãy điền vào 6 trong) -cc SH nh Thy nh như chen
5 Thời gian làm việc của bạn? 0-5 năm o5-10 năm 10-15 năm o>15 năm
6 Số điện thoại liên lac: -c c2 c2 c0 000100 0000 n1 1111 ng ng ng ng nh nh re xo
HVTH: Trần Bình Phương Nhân-MSHV:1670146 GVHD: TS Phạm Vũ Hồng Sơn ĐH Bách Khoa TPHCM 73 Luận Văn Thạc Sĩ
B Các chỉ số về tính bền vững Trong nghiên cứu này muốn khai thác thêm về khía cạnh bền vững trong năng lượng tái tạo hiện tại Do đó, để so sánh một số phán đoán đối với từng thuộc tính với một thuộc tính khác, tốt hơn là có một số giải thích về các chỉ số bền vững (SI) được sử dụng trong nghiên cứu này Cac SI được sử dụng trong nghiên cứu nay có thé được xem trong bảng dưới đây.
Tu khóa tính Tên chỉ số Mô tả bên vững
Công suât | Công suât lăp đặt cho môi hệ thông năng lượng tái lăp đặt tạo.
Chi phi Chi phí tiền tệ và phi tiên tệ (ví dụ: tác động môi
- P trường) liên quan đến việc san xuất, truyền tai va năng lượng tiêu thụ năng lượng.
k Đâu tư ban | Chi phí ban dau xây dựng va van hành môi hệ kinh tê À k - " dau thong nang luong tai tao.
Chi phí van | Chi phí hàng năm duy tri và van hành hệ thong hành và bảo | trong thời gian hoạt động. trì Giá điện | Giá trung bình (đơn vi) mà xã hội phải tra dé sử trung bỡnh | dụng trong ẽ giờ điện.
Phat thải | CO: phát ra bởi môi hệ thông trong thời gian hoạt CO2 động của nó dé sản xuat 1 kwH điện.
Sự tiêu thụ Nước cân thiệt cho môi hệ thông trong thời gian
; nước hoạt động của nó dé sản xuât 1 kwH điện.
SO lượng dat cân thiệt cho các nhà máy hoặc hệ
, x, | thong chuyển đối quy mô tiện ích, bao gồm thu hồi
Sử dụng dat | |, Đ CĐ ˆ any ` dat, phạm vi cây xanh trong khu vực dau tu.
Việc làm | Việc làm găn với mỗi dự án năng lượng tái tạo.
Năng lượng gió: sử dụng đất, tác động trực quan, tiếng ôn, nhiễu điện từ, tác động lên chim và động vật hoang đã.
Năng lượng địa nhiệt: ô nhiễm không khí, ô nhiễm ae Sự quan nước, sụt lún dat, gây ra dia chan, tiêng ôn, thoát
Aã hội Am của eê hơi nước tam cua cong ' đông Năng lượng mặt trời (PV): sử dụng đất, yêu câu vật liệu lớn, nguy hiểm cho sức khỏe.
Thủy điện: phong trào dân số, môi nguy hiểm sức khỏe, nuôi cá và động thực vật, nước ngâm.
Sinh khối: tài nguyên đất và nước, xói mòn đất vaHVTH: Trần Bình Phương Nhân-MSHV:1670146 GVHD: TS Phạm Vũ Hồng Sơn ĐH Bách Khoa TPHCM 74 Luận Văn Thạc Sĩ dòng nước, loại bỏ va mat chat dinh dưỡng, mat sinh vật tự nhiên, môi trường sông và đời sông hoang dã.
Sức mạnh đại dương: xáo trộn sinh vật biên, tác động thị giác, tiêng ôn, đe dọa hàng hải, xói mòn bờ biến.
Dựa trên lời giải thích ở trên, vui lòng chọn câu trả lời phù hợp nhất cho bạn trong ô trồng (Thuộc tính 0 - đặc biệt ít quan trọng hơn thuộc tính kia; 0.5-Hai thuộc tính đều quan trọng không kém Hơn người kia; | - thuộc tính đặc biệt quan trọng hơn cai kia).
Giá trị quy m6 quan trọng
Các chỉ số SIs bên dưới Ít Nhiều“
Chi phi năng lượng. Đầu tư ban đầu
Chi phí vận hành và bao trì (O&M) Gia điện trung bình
Phát thải CO2 Cung câp nước
OO}, GO] tT A? Ky BY] WW] dR] = Viéc lam
= © Sự quan tâm của công đông
HVTH: Trần Bình Phương Nhân-MSHV:1670146 GVHD: TS Phạm Vũ Hồng Sơn ĐH Bách Khoa TPHCM 75 Luận Văn Thạc Sĩ
Phan B: Tổng hợp kết quả khảo sát:
Trong nghiên cứu này sử dụng mô hình xác suất của các chí số SIs theo phân phối tam giác Phần lập luận này đã được trình bày tại bước I2 trong mục 3.6 của chương 3.
Phân phối tam giác đơn giản được sử dụng để tạo ra các đầu vào ngẫu nhiên trong mô phỏng Monte Carlo MCS áp dụng trong nghiên cứu này dựa trên việc lay mẫu ngẫu nhiên của các phân bố xác suất thông qua dữ liệu ước tính từ các chuyên gia thông qua bang cau hoi Dong thoi, thong qua phan phoi tam giác, ta chỉ cần 3 giá trị: giá trị lớn nhất, giá trị nhỏ nhất và giá trị yếu vị Điều này thật dé dàng thông qua việc thông kê số liệu của bảng câu hỏi Hơn nữa, sự phân phối tam giác có các ứng dụng quan trọng trong mô phỏng, đó là được làm đại diện cho các mẫu và quân thé cần khảo sát mà có ít hoặc không có dữ liệu (cụ thể trong nghiên cứu này khảo sát 30 người).
Bảng câu hỏi khảo sát trên được gửi qua địa chỉ email đến người khảo sát Kết quả thu được từ bảng khảo sát được tông hợp trong bảng 5.1
"` Phân phối Min Modest Max
S1 Tam giác 0.1000 0.5000 1.0000 S2 Tam giác 0.2000 0.9000 1.0000 S3 Tam giác 0.2000 0.7000 1.0000 S4 Tam giác 0.2000 0.6000 1.0000 S5 Tam giác 0.1000 0.6000 1.0000 S6 Tam giác 0.1000 0.5000 1.0000 S7 Tam giác 0.1000 0.2000 1.0000 S8 Tam giác 0.1000 0.1000 1.0000 S9 Tam giác 0.1000 0.1000 1.0000
Bang 5.1 Bang tong hợp các giá trị nhỏ nhất, lớn nhát, yêu vị của 10 chi số SIs theo phân phối tam giác Phần C: Tổng hợp kết quả từ việc chạy mô hình SBMMCS:
Các giải thích tính toán bao gồm ước tính giá trị xếp hạng 10 thuộc tính SIs dựa trên phán đoán của người được khảo sát Mỗi thuộc tính SIs, xem như là một ma trận yếu tố lựa chọn (SI —> S10) Trong phân này, các thuộc tính SIs được đưa vào phần mèm Bayes Server để chạy mô hình Bayes tĩnh (SBM), kết quả thu được từ mô hình được thé hiện trong bảng 5.2 bên dưới.
Vị ama Phan phối ụ ồ G a=min | c=modest | b=max | (c-a)/(b-a)
S2 Tam giác 0.6770 0.3511 0.2377 0.2000 0.9000 1.0000 0.8750 S3 Tam giác 0.6630 0.3430 0.2274 0.2000 0.7000 1.0000 0.6250 S4 Tam giác 0.6230 0.3990 0.2486 0.2000 0.6000 1.0000 0.5000 S5 Tam giác 0.6000 0.3848 0.2309 0.1000 0.6000 1.0000 0.5556
HVTH: Tran Binh Phuong Nhân-MSHV:1670146 GVHD: TS Phạm Vũ Hồng Son ĐH Bách Khoa TPHCM 76 Luan Văn Thạc Si
S6 Tam giác 0.5570 0.5006 0.2789 0.1000 0.5000 I.0000 0.4144 S7 Tam giác 0.4600 0.6214 0.2858 0.1000 0.2000 I.0000 0.1111 S8 Tam giác 0.4130 0.6754 0.2789 0.1000 0.1000 I.0000 0.0000 S9 Tam giác 0.3200 0.8855 0.2834 0.1000 0.1000 I.0000 0.0000 S10 Tam giac 0.5530 0.6470 0.3578 0.1000 1.0000 1.0000 1.0000
Trong đú: - Độ lệch chuẩn ứ= \ơ? (C.1)
Tính toán hàm khối tích lũy của phan bố tam giác: F(u) Bảng 5.2 Bảng tổng hợp kết quả của 10 chỉ số SIs theo phân phối tam giác.
Phan D Quy trình mô phỏng Monte Carlo (MCS):
D.1 Những biến đôi cơ bản cho nhiêu biên ngdu nhiên:
D.1.1 Xây dựng khối ma trận hệ số tuong quan.
- Tính toán hệ số tương quan cho từng thuộc tính.
- Thiết lập kích thước 10 x10 cho ma trận hệ số tương quan (Corr) cho S¡ đến S¡o.
Lưu ý: Ma trận Corr này là ma trận nhận dạng I với ma trận chéo (Py „_= L).
Chú ý rang: do tính toán phức tạp của các cặp ma trận, giới hạn khả năng tính toán và chi phí tính toán lớn, nghiên cứu này giả định giá trị 0.1 là hệ số tương quan giữa các phán đoán của người được khảo sát cho các thuộc tinh SIs.
Bang 5.3 Phép tính ma trận tuong quan.
HVTH: Tran Bình Phuong Nhan-MSHV:1670146 GVHD: TS Pham Vũ Hong Son ĐH Bách Khoa TPHCM 77 Luan Van Thac Si
- Ma trận hệ số tương quan (Corr) cú ma trận đường chộo ỉxx,=l:
- Hệ số tương quan (/ỉxx, ), gia định giỏ trị 0.1.
D.1.2 Tính toán ma trận hiép phương sai:
- Ma trận hiệp phương sai được ký hiệu là C và được xác định bởi phương
- Lưu ý, ma trận hệ sô tương quan được định nghĩa là chuẩn hóa hiệp phương sai đôi với độ lệch chuẩn các bién X; và X2, và được tính toán theo phương trình (3.6.10) trong chương 3 p(x,)= P(X =x,)
| OY Cov(X,,X,) Cov(X,,X,) | CoV! = Cov(X,,X,) ỉ%¿ Cov(X,,X,,) (D.1.2.1)
XX.) El (Xy-uy)(X%,-4,) | ỉyv =Corr(X,X =O Av AY) - (Xx OH) 9 (D.1.2.2) vẤy OO \JVar(X,,)Var(X y)
Do đó dé tính toán COV của ma tran (COV’), phương trình dưới day có thé được sử dụng dựa trên phương trình (3.6.2.1) đã đề cập trước đây:
COV(X,,X,)=My x = Py x Ox.Fx, (D.1.2.3)
Viéc tinh toan tiép tuc cho dén khi toan b6 dạng ma trận hiệp phương sai được thực hiện bởi băng cách sử dụng các thủ tục tính toán ở trên Kết quả tính toán toàn bộ cho điều này hiệp phương sai được mô tả trong bảng 5.4 bên dưới. xi S2 S3 S4 S5 S6 S7 S8 S9 S10 S1 0.9160 | 0.0227 | 0.0218 | 0.0238 | 0.0221 | 0.0267 | 0.0274 | 0.0267 | 0.0271 | 0.0342 S2 0.0227 | 0.0565 | 0.0054 | 0.0059 | 0.0055 | 0.0066 | 0.0068 | 0.0066 | 0.0067 | 0.0085 S3 0.0218 | 0.0054 | 0.0517 | 0.0057 | 0.0052 | 0.0063 | 0.0065 | 0.0063 | 0.0064 | 0.0081 S4 0.0238 | 0.0059 | 0.0057 | 0.0618 | 0.0057 | 0.0069 | 0.0071 | 0.0069 | 0.0070 | 0.0089 S5 0.0221 | 0.0055 | 0.0052 | 0.0057 | 0.0533 | 0.0064 | 0.0066 | 0.0064 | 0.0065 | 0.0083 S6 0.0267 | 0.0066 | 0.0063 | 0.0069 | 0.0064 | 0.0778 | 0.0080 | 0.0078 | 0.0079 | 0.0100 S7 0.0274 | 0.0068 | 0.0065 | 0.0071 | 0.0066 | 0.0080 | 0.0817 | 0.0080 | 0.0081 | 0.0102 S8 0.0267 | 0.0066 | 0.0063 | 0.0069 | 0.0064 | 0.0078 | 0.0080 | 0.0778 | 0.0079 | 0.0100 S9 0.0271 | 0.0067 | 0.0064 | 0.0070 | 0.0065 | 0.0079 | 0.0081 | 0.0079 | 0.0803 | 0.0028
Bang 5.4 Ma trận chuyển Goi, tính toán trên excel.
HVTH: Tran Binh Phương Nhan-MSHV:1670146 GVHD: TS Pham Vũ Hồng Son ĐH Bách Khoa TPHCM 78 Luận Văn Thạc Sĩ
D.1.3 Thiết lập ma trận chuyền đổi tuyến tính:
Z Center Ff Scale V Input
| 4 |S Numeric 10 ZCenter & Scale V Input _ 5ÿ |8 Numeric — 1Ú E0na ff Scale V Input 6 86 Numeric 10 E(ma £ Scale V Input
Chi phí nang lv None None Đầu tự ban dau None None
Chi phi van han None None Giá điện trung None None Phát thaiCO2 None None aooendvdvoiecvcvnre=oe’vdoc*”’necw’wc*c§”’nicw:ico#e# co aoceodoicvwc”vnrs=ow’vew*#’resic$§;w:w:c*”#’dcg#w?wiocoe C©
L_ Numeric 10 Sự tiêu thụ nước None None Z Center PScale — \ Input 8 86 $8 Numeric 10 Sir dung dat None None E(ma Scale \ Input 9 Numeric 10 Việc làm None None Zener P Scale Xilnpu _ 19 S10 Numeric 1Ú Sự quan tâm c None None ZCenter Scale \ Input
Hình 5.6 Khai báo biến SIs trong mục “Variable view :
+ Nhập dữ liệu của 10 chỉ số SIs sau khi đã mô phỏng a *du lieu nhap vao de kiem tra - SPSS.sav [DataSet1] - IBM SPSS Statistics Data Editor File Edit View Data Transform Analyze ODirectMarketing Graphs Utilities Add-ons Window Help be Rea kb haw Bos 4o® “> eS a = = = |: CD
Hình 5.7 Nhập dit liệu các chi số SIs trong mục “Data view `
HVTH: Trần Bình Phương Nhân-MSHV:1670146 GVHD: TS Phạm Vũ Hồng Sơn ĐH Bách Khoa TPHCM S3 Luận Văn Thạc Sĩ
+ Tiến hành chạy dữ liệu để kiểm tra: Ồ) "dụ lieu nhap vào de bem tra - S5 say [DatzS5Et1) - IBM SPSS Statistics Data Editor - 8 X
‘file Edt Yiew Da Transform MAQOE DivectHartating Graphs ƯMNG Ấ6đợn | Window Help
| |6 st ÔW 8 $SÚỦ (ND CN ĐĐ TC G PKC, 62720519 59881783 | General Linear Model ý 52720519 6272059 62720519 62720519 62720519 ẤP? 58A ô58439005 6UABĐO 5843MễS BQ405859 70180703 70180703 | Caneraiged Linear Modes ằ 70180703 TUUÚU? 70180703 TUÚN? JHUMUỔ ô75933522 T922 TA TH ô78993622 ô75933622
_— | ĐE@WMĐ 61589102 | wggMeggs y JfấSHƠI E669MƠ4 ŒSGSMðI E669MSI 666391 JAUABQU IUAANB L120403U 320/8 ô32028880 32024830 4 | 8200879 HAMEM | cong 2088730 82088730 82088730 82088730 82088730 6/2709 62M2 6I2/09 ðI2709 672799 GI22709
_ 5 | 51H2WW we) | ty 0e " 1ẽ ẽ.ẻẽ Ẻẽ ẽc 6 ẽ 5s S § - ZHIữNM STO | Quy y P6747034 26747034 36584000 26747034 26/0 6960 E06U3MA 60M4: 69604 6§WŒMMSl 69609044
T | 2N 24007198 | Vu atts , PHMIUUNM 24007198 MỊN 24007198 24007198 7222737 = GZMGORA 62H31 6T 6122m1 t12211 § 51059565 51779610 | =6 y ĐI 518984 51ỂSX66 51853555 5HRSXSS JHẾNÔ JMGTNG 3MÔIOÔ 3MĐOMO 31483300 3830
WETS ENT | ae , JEEHI 3HMƠHI 4057116 IHRƠNI TƠHI HÙNG: BHỢWS HHỦMG 87502664 A7SU86 87503861
48165508 461665009 | 165508 4ê165 ÁÊ23960I 48165506 48165508 35480110 35480110 36480110 36480110 34480110 39490110 ¡ ITBMSĐI — 1768991 | Sen : = 457 IIẾ@ÂS%W 17664991 62151708 60137438 GIUUOI I6 636706 635178
90720887 3072097 90720987 MIANU HUA G)UA HỦNA UNUN GHỮA g8
86301449 #635014 | El Missing Vatue Anaysis 64325906 —ôGOBT1712-ôA324908 ô64324906 64324906 64324966
F xố 6K mputaton , soreness ô40780686 AUMMSS 407B 40/8666 40730666 75629083 75539893 | Compjer Samoles , 49049003 â 48049003 ô48049003 ô4049003 420900) 48049003 61749 59393 long 68119599 684tỜỚĐ 68UĐM 6614999 6849693 — 6811999 §3207691 60170319 | Quality Conttot ` TT§5706T TISS7067 TT587067 TTS57067 TT557(&T TI4T0(T 6248846 68269546 |ƒHgocoug 524M %2SMU %2SMI 5250 5250 f2109850
EE eee 5317061 HS HIẾN Đ3MEOAS 53M660 S3M6262
| 73 | HEBNMGT 54746808 Lommwwr—mrswe—-omsww—l 16988145 I6986M5 6989MỐ I6BBAS Ả6QMBMS — 1689845
2h BHAMẾGO 2445749 EHAMSG 6HMGG2 67414662 ĐIẢMGS2 6141462 vrstew—-vrsiswi 26657195 25657195 2666J49% 2586/49 25659 — 2569716 2 | M6ETS JMAMƠN 3679 30518779 39518279 AMGIS 39518279 4097974 M6MGIS HÔIU/S THƯƠMII THƯA THAOO THƯA) THƯAA) THÊM [2 _ 6ệ4ẤW9t 58468825 60443991 58466825 60443991 6l EễMOMOI 60447991 ĐễMUMI 516/603 6A3 61218269 612182639 5120269 51218263 JM@SA) 36862320 38462920 36462920 38482920 36462920 2A4GSA) 40046399 3446242) 394690 50/099 50037Q66 50M2U9W É9627069 450057063 5003706
| cm | ome VHBI 68 PKC 6720619 £2TH6I 6272014 272044) 62720414 — S0UNSMB9 58433906 58413906 60404859 58433906 60405869
GD SSS HS HS SSS SS STS So wera 7W T†§&106T 77557067 17557067 77557067 hà =Ề 3 = = 5S383
52103350 $2109360 52109350 52109350 53446262 53346262 53346262 53346262 Wf460M 5231M67 663167 553167 5531067 3636946 16999146 16969145 16906145 16908145 6IÁMPẾG 6I4MBB2 67444662 6144662 674462 - 256671% 25657195 25657195 25657195 25657195 38518279 39612/3 49/97/4 | 38518279 38516279 2972413 78723413 78723413 78723413 78723413 §AM3I 6AM3⁄1 603941 004391 60H31 51252609 Š1218269 §1218269 51216269 §1210269 33462920 394624) 4063993 394632) 346932) 50037093 50037068 50037068 $0037068 50037068
Hình 5.8 Chay dit liệu dé kiém tra Chi-Square
HVTH: Trần Bình Phương Nhân-MSHV:1670146 GVHD: TS Phạm Vũ Hồng Sơn ĐH Bách Khoa TPHCM 84 Luan Van Thac Si
+ Xuat két qua kiêm tra và két luận:
N Mean Std Deviation Minimum Maximum Công suất lắp dat 500 5320133129 1777297901 10784355 | 96305869 Chi phi nang lượng 500 | 5261608686 1749760090 10784355 | 96305869 Đầu tư ban dau 500 | 5293681346 1768824101 10784355 | 96305869 Chi phi van hanh va bao tri ° 500 | 5307259152 1774587385 | 10784355 | 96305869
Giá điện trung hình 500 §306470415 1774284517 10784355 | 96305869 Phat thải CO2 500 5313223046 1776447157 10784355 | 96305869 Sự tiêu thu nước 500 §320133138 1777297899 10784355 | 36305869 Sir dung dat 500 | 5507811019 1518341708 32923893 | 96305869 Việc làm 500 §320133129 1777297901 10784355 | 96305869 Su quan tam của côn đồng ,ng 500 | 5320133129 | 1777297901 | 10784355 | 96305869
Công suatlap | Chi phí năng Đầu tư ban sảng si Giá điện trung Sự tiêu thụ z TH đặt lượng đầu trì bình Phát thải CO2 nước Sử dụng đất | Việc lảm đông a 500 cells (100.0%) have expected frequencies less than 5 The minimum expected cell frequency is 1.0 b Based on 500 sampled tables with starting seed 1585587178.
Bang 5.7 Két qua kiém tra Chi-Square e Kết luận:
- Bảng 5.7 cho thay kết quả kiểm định từ dữ liệu thu được Mức ý nghĩa ban đầu là 0.05 Tất cả 500 ô đều có tần số dự kiến nỏ hơn 5 và tần số di dộng dự kiến tối thiểu là 1.
- Với mức ý nghĩa a@ =0.05 => Xa = 1243421 (bang tra phân phôi Chi-Square trong sách thống kê ứng dụng của tác giả Trọng Hoàng va Chu Nguyễn Mộng Ngọc).
Do đó, HX < ha => chấp nhận giả thuyết là Ho 2
- Nghiên cứu này lay dữ liệu đầu vào từ kết quả phân loại biến phân bồ tam giác từ mục B.2.2 trong chương 5 của 10 chỉ số SIs sau khi mô phỏng 500 lần 10 biến cần kiểm định giả thuyết về phân phối chuẩn của tong thể chính là tam giác Kết quả kiểm tra Kolmogorov-Smirnov được thé hiện bên dưới Bao gồm các bước sau:
+ Ta đặt giả thuyết như sau:
Ho: Các mẫu có phân phối chuẩn của tổng thé chính là tam giác Hi: Các mẫu không có phân phối chuẩn của tong thé chính là tam giác
(trong kiểm tra này ta sẽ kiểm tra 3 phân phối đó là: chuẩn, đều va mũ).
+ Khai báo biến đầu vào trong SPSS :
HVTH: Trần Bình Phương Nhân-MSHV:1670146 GVHD: TS Phạm Vũ Hồng Sơn ĐH Bách Khoa TPHCM S5 Luận Văn Thạc Sĩ
Việc khai báo biên đâu vào trong hai mục “Variable view” và “Data view” làm giông như là trong kiêm tra Chi-square Tuy nhiên, ta can phải tiên hành khai báo biên trong menu “Transform”, chọn “Compute”. ta File Edit View Data Transform Ánahze DirectMarketing Graphs Utilities Add-ons Window Help
| S1 s2 | $3 S4 Ị on ú = i o7 A 2° L 20 li e4n coun 1 Onn J ii :
3 65691491 61459102 65691491 65691491 KH vera eee 320248803 4 82088730 82088730 82086730 82088730 = 37227008 6 ae = ÍTama41anaL ) 5 | 59782938 51714403 51714409 51714409 38098768 §
6 26747034 26747034 26747034 2674700 | [JESRSQSWWỹBNUS] œ 39609054 6 7 24007198 24007198 24007498 24007198 | | Chi phinọng lươ SS 57222737 6 a 51853555 51779610 51779610 51779610 | | # Oduty dan dau = THAY mạ " 14833003
9 37832737 37832737 37832137 37832737 ben aaa " : be) (es) ka ad lumaib 37503864 8
10 48165508 48165508 48165508 48165508 | | % post mai coz toe) = =)) (esl sa) a) COF & Noncentral COF ysagor10 3 11 17684991 17684991 17684991 17684991 | | # sựtlêuthunước | = Conversion 3151708 6
> , á : ea Current Date/Time 12 90720987 90720987 90720987 90720987 | | # Sử dụng đẩtS8) | ng 7374728 4
13 49862524 49862524 49862624 49862524 prime ea a3) (a) a) (emit) a) Fs oc ke 2
% S753 4146753 S753 S53 @ COMPUTE CSLD GHI Functions and Special Variabies- pee shes a 15 88928674 57439614 57439614 5743961 | | coMPUTECPNL D + 33275419 6 16 96350119 86350119 86350119 86350119 | |£#CoMPUTEĐTEĐ 54324906 6 7 52205031 62101220 52101220 52101220 | |? COMPUTEVHBT 40780666 4 18 75539893 75639893 75539893 75539893 | | & COMPUTE COTE {8049003 4
19 61789439 593149334 59314931 61789439 | |2 Owpuyrsrmw 38119599 6 20 63207691 60170318 63207691 63207691 @ COMPUTE SDĐ= 17567067 7 2i | 68269546 68269546 68269546 68269546 | LA COMPITE ss 52109350 5 22 23412339 23412333 23412339 23412339 : 53346262 § ee (optional case selection condition) | t 2 55310467 54746804 54746804 54746804 ie | ET _ _ | 16988145 1
25 39518279 38518279 38618279 38518279 | La.) Lite) (nea) Len) to.) 723413 7
Hình 5.9 Khai báo biến trong bảng “Compute Variable”
Sau khi khai báo trong bảng “Compute Variable”, phần mềm SPSS sẽ nhập phan khai báo vào mục “Variable view” Kết qua thé hiện bên dưới. ta du lieu nhap vao de kiem tra - SPSS.sav [DataSet1] - IBM SPSS Statistics Data Editor
File Edit View Data Transform Analyze DirectMarketing Graphs Utilities Add-ons Window Help
See Gea Z3 H Be BS vò “,
| Name | Type | Width Decmas labl ¿ Vaues Missing Columns — Align _— Role
—: S1 Numeric 10 8 Công suất lắp đặt None None 8 = Center # Scale ® Input (2 Is2 Numeric 10 8 Chi phí nang Iw None None 8 = Center # Scale \ Input Iế 3 i $3 Numeric 10 8 Đầu tư ban dau None None 8 = Center ? Scale ® Input 4 S4 Numeric 10 8 Chi phí vận hàn None None 8 = Center Scale ® Input Iss S5 Numeric 10 8 Giá điện trung None None 8 = Center # Scale ® Input 6 S6 Numeric 10 8 Phat thai CO2 None None 8 = Center Scale “ Input li Ui JS7 Numeric 10 8 Sự tiêu thụ nước None None 8 = Center Scale ® Input 8 S8 Numeric 10 8 Sử dụng đất None None 8 = Center # Scale ® Input _ 3g S9 Numeric 10 8 Việc làm None None 8 = Center # Scale \ Input 10 $10 Numeric 10 8 Sư quan tâm c None None 8 = Center # Scale ® Input _ 1 CSLD Numeric 10 8 COMPUTE CS None None 10 = Center # Scale ® Input 2 CPNL Numeric 10 8 COMPUTE CP None None 10 = Center # Scale ® Input - 13 ¡ĐTBĐ Numeric 10 8 COMPUTE ĐT None None 10 = Center # Scale ®N Input 14 | VHBT Numeric 10 8 COMPUTE VH None None 10 = Center Scale “ Input E219: GĐTB Numeric 10 8 COMPUTE GD None None 10 = Center # Scale \: Input 16 PTK Numeric 10 8 COMPUTE PT None None 10 = Center # Scale ® Input inn STTN Numeric 10 8 COMPUTE STT None None 10 = Center Scale Nv Input 18 SDĐ Numeric 10 8 COMPUTE SD None None 10 = Center # Scale ® Input RIES VL Numeric 10 8 COMPUTE VL None None 10 = Center Scale ® Input
20 |SQTCĐ Numeric 10 2 COMPUTE SQ None None 10 = Center 4? Scale ® Input
Hình 5.10 Kế quả khai báo bién được thé hiện frong mục “Variable view ”
HVTH: Trần Bình Phương Nhân-MSHV:1670146 GVHD: TS Phạm Vũ Hồng Sơn ĐH Bách Khoa TPHCM 86 Luan Van Thac Si
+ Tién hành chạy dữ liệu dé kiểm tra:
Giả thuyết muốn kiểm định là chuẩn. du lieu nhap vao de kim tra - SPSS.sav [DataSet] - IBM SPSS Statistics Data Editor
File Edit View Data Transform Analyze DiedMateùng Graphs UHIUes Add-ons Window Help
— tỉ Si or ae Descriptive Statistics ' L_ x Ba C3 ie ai ON “9.
| Name Type Cintom Tables + | Values | Missing | Coumns Align © Measure Roe _
1 S1 Numeric Compare Means ằ None None 8 = Center # Scale Ằ Input 2 $2 Numeric General Linear Model „ _ flone None 8 = Center # Scale \ Input 3 $3 Numeric Generalized Linear Models > Hone None 8 = Center # Scale \ Input 4 S4 Numeric ized Models > Hone None 8 # Center 2 Scale ® Input _§ {85 Numeric Corsi „ flone None 8 = Center # Scale \ Input
6 S6 Numeric " ; Hone None 8 = Center # Scale \ Input
= Regression ' 7 Sĩ Numeric Hone None 8 = Center 2 Scale N Input
8 S8 Numeric Lee : Hone None 8 = Center ? Scale ® Input 9 $9 Numeric ae hone None 8 = Center 2 Scale \ Input 10 $10 Numeric Chanh ằ None None 8 = Center # Scale đ Input _ ft |cstp Numeric name } Hone None 10 ZCene: £ Scale \ Input 12 CPNL Numeric Scale ¿ lone None 10 # Center 2 Scale \ Input
_ 13 | PTB Numeric a Samples ZCenter £ Scale ® Input
14 VHBT Numeric Forecasting L AA independent Samples = Center # Scale \ Input _ 15 JGÐTB Numeric Survival ” ÍA one sample ZCenter £ Scale \ Input 16 PTK Numeric Multiole Response ' : = ® Input
17 STTN Numeric B Missing Value Analysis TE TIUITE TƯ \ Input
' 18 JSDĐ Numeric Multiple Imputation > Hone None 10 Ei Binomial \ Input
19 VL Numeric Complex Samples > llone None 10 | Buns \ Input
None None 10 | lẹƒ 4-Sample k-s ® Input
=a ROC Curve [BK independent Samples | 7 Spatial and Temporal Modeling > 2 Rejatec Samples
File Edit View Data Transform Analyze DirectlMarkeling Graphs Utilities Add-ons Window Help
| Name | Type Width | Decimals | Label | Values | Missing | Columns | Align | Measure Role _
| 1 S1 Numeric 10 8 Công suất lắp đặt None None 8 2 Center 7 Scale Nv Input
| 2 $2 Numeric 10 8 Chi phi nang lư None None 8 = Center # Scale ® Input
[3 53 Numeric 10 8 đồ One-Sample Kolmogorov-Smirnov Test vé # Scale N Input
— 8 Ss Numeric — 10 8 —, Ta | # Scale \ Input 6 S6 Numeric 10 8 2 Đầu tư ban dau [ é : # Scale ® Input
|v \s7 Numeric 10 8 4? Chi phí van hành # Scale ® Input [8 |ss Numeric — 10 8 y ant # Scale ` input [9 js Numeic 10 8 Scan aie # Scale X input _— 0 S10 Numeric 10 8 Sit dung đất S8] # Scale Ằ Input 1 CSLD Numeric 10 8 # Việc làm [S9} # Scale ® Input
| 12 CPNL Numeric 10 8 Sự quan tam của : # Scale ẹ Input
| 13 ĐTBĐ Numeric 10 8 - Test Distribution # Scale ® Input
| 14 VHBT Numeric 10 8 Normal [©] Uniform # Scale \ Input 15 GĐTB Numeric 10 8 Poisson [7] Exponential # Scale ® Input
| 47 ‘| STTN Numeric 10 8 (2%) eet # Scale \ Input
|EHANm SDD Numeric 10 8 CUMPUTE SU Wwone TƯ Center — £ Scale ® Input I 19 VL Numeric 10 8 COMPUTE VL None None 10 = Center # Scale ® Input 20 SQTCD Numeric 10 2 COMPUTE SQ None None 10 = Center - Scale ® Input
Hình 5.11 Chay dit liệu dé kiểm tra Kolmogorov-Smirnov
HVTH: Trần Bình Phương Nhân-MSHV:1670146 GVHD: TS Phạm Vũ Hồng Sơn ĐH Bách Khoa TPHCM 87 Luan Van Thac Si
+ Xuất kết quả kiểm tra và kết luận:
Kiem dinh Kolmogorov-Smirnov - mot mau
COMPUTE | COMPUTE | COMPUTE | COMPUTE | COMPUTE | COMPUTE | COMPUTE | COMPUTE | COMPUTE COMPUTE CSLD=S1 CPNL=S2 | DTBD=S3 | VHBT=S4 | GDTB=S5 PTK=S6 STTN=S7 SDD=S8 VL=S9 gu
Most — 0.03280581 | 0.07096145 | 0.04686134 | 0.03451894 | 0.03433382 | 0.03590827 | 0.03280582 | 0.07358636 | 0.03280581 | 0.03280581 oes Positive| 0.03280581 | 0.07096145 | 0.04686134 | 0.03451894 | 0.03433382 | 0.03590827 | 0.03280582 | 0.07358636 | 0.03280581 | 0.03280581 ces Negativ -0.02448648 | -0.03444661 | -0.02850561 | -0.02626692 | -0.02639074 | -0.02536295 | -0.02448648 | -0.07226613 | -0.02448648 | -0.02448648
Test Statistic | 0.03280581 | 0.07096145 | 0.04686134 | 0.03451894 | 0.03433382 | 0.03590827 | 0.03280582 | 0.07358636 | 0.03280581 | 0.03280581 any “2 0.200°¢ 0.200°¢ 0.110°¢ 0.200°¢ 0.200°¢ 0.164° 0.200°¢ 0.200°* 0.200°* 0.200°¢ a Kiểm định phân phôi là chuân b Tinh toán từ bang dữ liệu c Mức ý nghĩa của kiêm định K-S d Đây là một giới hạn hơn mức ý nghĩa giả thuyết œ = 0.05
Bang 5.8 Kết quả kiểm tra Kolmogorov-Smirnov
HVTH: Trần Bình Phương Nhân-MSHV:1670146 GVHD: TS Phạm Vũ Hồng Sơn ĐH Bách Khoa TPHCM 88 Luan Van Thac Si
Ea Gia tri gia thuget Tong hop kiếm tra gia thuget
Mức § nghĩa kiêm Kiem tra định {Siq.] Nhạn định
“COMPUTE CSLD=S1? là Kiểm tra 5 nhận ais s Chap nha thuyet
1 chuẩn với gid tri trung binh Kolmogorou- 0.200 pn frie use
0 93201331 uà đề ech Smirnow - 1mẫu chuẩn là 0.178.
“COMPUTE CPNL=S2” Kiểm tra *° nhân aid thuuế Chap nha thuyet
2 là chuẩn với gia trị trung Kolmogorou- 0.200 pn aa nạp bình 0 52616087 uà độ lệch |_ Smirnow -1mau ' chuẩn là 0.175.
“COMPUTE ĐTBĐ:S3 la Kiểm tra Chẩn nhân of thuyết
3 | phần phổi chuẩn với gid tri Kolmogorou- 0.110 pn TP use trung bình 0 92336613 và | Smirnou -1mau đề lech chuẩn là 0.177.
“COMPUTE VHBT=S47 Kiểm tra *° nhân aid thuuế ja thuyet
4 là phan phôi chuẩn với gid Kolmogorou- 0.200 ——ử Thẻ mu. trị trung bình 0 53072592 Smirnov -1 mẫu và độ lech chuẩn là 0.177.
“COMPUTE GPTB= S5” Kiểm tra 4ơ nhận ais s Chap nha thuyet
5 la phan phôi chuẩn với gid Kolmogorou- 0.200 pn #5 nạp trị trung bình 0 53064704 Smirnov -1 mẫu wa độ lech chuẩn là 0.177.
“COMPUTE PTK=S67 là Kiém tra *° nhân aid thuuế Chap nha thuyet
6 | phan phôi chuẩn với giá trị Kolmogorou- 0.164 pn rie nạp trung bình 0 93132230 va | Smirnov -1mau độ lech chuẩn là 0.178.
“COMPUTE STTN=S?” la Kiểm tra Shan ais s Chap nha thuyet
7 phan phôi chuẩn với giá trị Kolmogorov- 0.200 pn Tum nạp trung bình 0 93201351 uà độ Smirnov -1 mẫu lech chuẩn là 0.178.
“COMPUTE SDB = $8” la Kiểm tra 4ơ nhõn niễ s han gia thuyet
8 | phan phối chuẩn với gia tri Kolmogorou- 0.200 Es ey nạp trung bình 0 95076110 uà độ Smirnov -1 mẫu lệch chuẩn là 0.152.
“COMPUTE VLz $3” la Kiểm tra 4ơ nhận ais s h
9 | phan phôi chuẩn wi giá trị Kolmogorou- 0.200 Ein oat gI thuyết trung bình 0 93201351 uà độ Smirnov -1 mẫu lệch chuẩn là 0.178.
9 | S3TEĐzS10” là phan phổi | poi gorov- 0200 Chap nhận gis thuyet chuẩn wi gia tri trung binh Sm#nou — | mẫu H.
0.53 uà đề lech chuan là
0.178. Ơ nghia tiệm can được hiễn thi Mirc ỳ nghia gió thuyết là ứ = 0.05.
Bang 5.9 Tổng hop các kết quả kiếm tra Kolmogorov-Smirnov
HVTH: Trần Bình Phương Nhân-MSHV:1670146 GVHD: TS Phạm Vũ Hồng Sơn ĐH Bách Khoa TPHCM S9 Luận Văn Thạc Sĩ e Kết luận:
- Bảng 5.8 và 5.9 cho thấy kết quả kiểm định từ dữ liệu thu được Qua đó cho thay phân phối biến của 10 chí số SIs là chấp nhận Ho do giá trị Sig đã được thé hiện trong bảng 5.8 cho thay điều lớn hơn mức ý nghĩa giả định ban dau là a = 0.05.
D.2.4 Thiết lập chức năng phân phối xác suất (PDF), chức năng phân phối tích lity (CDF):
- Két qua PDF va CDF cho từng so sánh thuộc tinh v2 v fe =IF($L$2=0.1,COUNTIF($B$2:$B$501,"