1. Trang chủ
  2. » Luận Văn - Báo Cáo

Luận văn thạc sĩ Công nghệ thông tin: Xây dựng hệ hỗ trợ ra quyết định hỗ trợ dự báo viên khí tượng hàng không

188 1 0
Tài liệu đã được kiểm tra trùng lặp

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Tiêu đề Xây dựng hệ hỗ trợ ra quyết định hỗ trợ dự báo viên khí tượng hàng không
Tác giả Phạm Văn Bắc
Người hướng dẫn T.S Lê Văn Dực, Giảng viên bộ môn Cơ lưu chất, khoa Kỹ thuật Xây dựng
Trường học Đại học Quốc gia TP.Hồ Chí Minh
Chuyên ngành Công nghệ thông tin
Thể loại Luận văn thạc sĩ
Năm xuất bản 2004
Thành phố TP Hồ Chí Minh
Định dạng
Số trang 188
Dung lượng 3,44 MB

Cấu trúc

  • I.1) GIỚI THIỆU CHUNG (0)
  • I.2) MỤC TIÊU CỦA LUẬN VĂN (0)
  • I.3) PHƯƠNG PHÁP ÁP DỤNG (14)
  • I. 3.1) Xây dựng hệ thống tự động cập nhật dữ liệu khí tượng vào CSDL (0)
  • I. 3.2) Xây dựng trang WEB phục vụ việc truy xuất thông tin khí tượng (15)
  • I. 3.3) Ứng dụng ANN xây dựng phần mềm dự báo thời tiết (15)
  • CHƯƠNG II CÁC CÔNG TRÌNH LIÊN QUAN ĐẾN ĐỀ TÀI (11)
    • II.1) NHỮNG CÔNG TRÌNH LỚN (17)
    • II.2) MỘT SỐ NGHIÊN CỨU KHÁC (17)
  • CHƯƠNG III CƠ SỞ LÝ THUYẾT (17)
    • III.1) KHÍ TƯỢNG HỌC (21)
    • III. 1.1) Khái niệm (21)
    • III. 1.2) Lịch sử phát triển của khoa học khí tượng (0)
    • III. 1.3) Khí quyển trái đất (22)
    • III. 1.4) Các đại lượng khí tượng (24)
    • III. 1.5) Các hiện tượng thời tiết cơ bản (27)
    • III. 1.6) Một số khái niệm cơ bản (33)
    • III. 1.7) phương pháp phân tích synop (36)
    • III. 1.8) phương pháp dự báo số trị (38)
    • III. 1.9) Hoàn lưu qui mô lớn tác động đến thời tiết Việt Nam (42)
    • III. 1.10) Hoàn lưu qui mô vừa tác động đến thời tiết Việt Nam (44)
      • III.2) HỆ HỖ TRỢ QUYẾT ĐỊNH (51)
    • III. 2.1) Khái niệm (51)
    • III. 2.2) Các đặc trưng và khả năng của hệ hỗ trợ quyết định (51)
    • III. 2.3) Các thành phần chính của hệ hỗ trợ quyết định (53)
    • III. 2.4) Hệ thống con quản lý dữ liệu (53)
    • III. 2.5) Hệ thống con quản lý mô hình (0)
    • III. 2.6) Hệ thống con tri thức (0)
      • III.2.7 Hệ thống con giao tiếp (56)
    • III. 3 ) MẠNG NEURAL NHÂN TẠO (57)
    • III. 3.1) Giới thiệu (57)
    • III. 3.2) Cấu trúc của ANN (59)
    • III. 3.3) Mạng nhiều tầng và giải thuật lan truyền ngược (59)
    • III. 3.4) Hàm truyền (61)
    • III. 3.5) Phương trình kết xuất của mạng ANN (64)
    • III. 3.6) Máy học (65)
      • III.4) ỨNG DỤNG ANN XÂY DỰNG PHẦN MỀM DỰ BÁO THỜI TIẾT (0)
  • CHƯƠNG IV GIẢI QUYẾT VẤN ĐỀ THỰC TẾ (21)
    • IV.1) XÂY DỰNG HỆ THỐNG THÔNG TIN THỰC THI (78)
    • IV. 1.1) Giới thiệu (78)
    • IV. 1.2) Hệ thống các chương trình và chức năng (80)
    • IV. 1.3) Giao diện của hệ thống thông tin thực thi (81)
      • IV.2) XÂY DỰNG PHẦN MỀM HỖ TRỢ DỰ BÁO THỜI TIẾT (82)
    • IV. 2.1) Gíơi thiệu về AnnForMet (0)
    • VI. 2.2) Giao diện AnnForMet (82)
    • VI. 2.3) lưu đồ chương trình (89)
    • VI. 2.4) sử dụng phần mềm AnnForMet (91)
    • VI. 2.5) kết quả đạt đươc (0)
  • CHƯƠNG V KẾT LUẬN - NHẬN XÉT -HƯỚNG PHÁT TRIỂN (116)
    • V.1) NHẬN XÉT (116)
    • V. 1.1) Hệ thống thông tin thực thi phục vụ truy xuất CSDL khí tư ợng (116)
    • V. 1.2) Ứng dụng Ann xây dựng phần mềm hỗ trợ dự báo thời tiết (117)
      • V.2) KẾT LUẬN (119)
      • V.2) HƯỚNG PHÁT TRIỂN CỦA LUẬN VĂN (0)

Nội dung

Tuy nhiên, việc tính toán để tăng độ phân giải của lưới số liệu các yếu tố khí tượng và các chỉ tiêu dự báo tốn rất nhiều thời gian.. Có được những thành quả như vậy, là nhờ vào sự hỗ tr

PHƯƠNG PHÁP ÁP DỤNG

Để thực hiện những công việc trên, cần tiến hành theo các bước sau đây:

I.3.1) Xây dựng hệ thống tự động cập nhật các dữ liệu khí tượng vào CSDL Để phục vụ việc truy xuất các thông tin khí tượng kịp thời, chính xác và là nguồn dữ liệu cung cấp cho mô hình hỗ trợ dự báo các hiện tượng thời tiết Các dữ liệu khí tượng khi thu nhận về từ các nơi hay chuyển đi phải được xử lý và cập nhật tự động vào CSDL Các dữ liệu đó gồm ảnh vệ tinh, ảnh radar, Meteorological Aerodrom Report (METAR), Terminal Aerodrom Forecast (TAF), Special report (SPECI), WARNING, Significant Meteorological report (SIGMET), số liệu Grid Binary (GRIB) và các dạng bản đồ…

Hình 1.2 là sơ đồ mạng cục bộ của cơ quan khí tượng hàng không Các dữ liệu tại các máy tính được lưu trữ ngay tại đó, và một số dữ liệu chỉ được lưu trữ trong một khoảng thời gian ngắn Việc cung cấp các thông tin cho người khai thác hoàn toàn thủ công Các dữ liệu được chuyển tới người yêu cầu bằng điện thoại, mạng AFTN, FAX, hoặc in ra giấy…

Hình 1.3 là sơ đồ mạng cục bộ của cơ quan khí tượng, các dữ liệu tại các máy tính sẽ được xử lý cho phù hợp, tự động cập nhật vào cơ sở dữ liệu và được lưu trữ lâu dài phục vụ cho các yêu cầu khai thác Dựa trên mạng cục bộ của cơ quan khí tượng, việc xử lý và cập nhật các dữ liệu khí tượng vào CSDL, sẽ được thực hiện bởi các chương trình ứng dụng Các chương trình ứng dụng này được viết bằng ngôn ngữ

Hình 1.2 : Mạng cục bộ của cơ quan khí tượng

Hình 1.3 : Mạng cục bộ tự động cập nhật dữ liệu của cơ quan khí tượng

I.3.2) Xây dựng trang WEB phục vụ việc truy xuất thông tin khí tượng

Hình 1.4 là mô hình cung cấp các thông tin khí tượng cho người sử dụng (các dự báo viên khí tượng và các đối tượng khác) Mạng cục bộ của cơ quan khí tượng được kết nối với mạng WAN của cụm cảng hàng không miền nam thông qua SWITCH Sau khi các dữ liệu được xử lý và tự động cập nhật vào CSDL, Việc truy xuất thông tin sẽ được hỗ trợ bởi một WEB_SERVER Trên WEB_SERVER sẽ xây dựng một trang WEB phục vụ việc truy xuất các thông tin khí tượng Trang WEB sẽ được xây dựng bằng ngôn ngữ HTML, C, PHP, với sự hỗ trợ của Apache HTTP Server Nhờ vào trang WEB này tất cả các máy trong mạng cục bộ khí tượng và mạng WAN của cụm cảng miền nam có thể truy xuất các thông tin khí tượng một cách dễ dàng Dự báo viên ở các sân bay khác truy xuất thông tin nhờ vào đường dây điện thoại và modem Ngoài ra các dữ liệu trong CSDL cũng sẽ được xử lý cho phù hợp và trở thành dữ liệu nhập cho mô hình dự báo số trị

I.3.3) Ứng dụng ANN xây dựng phần mềm dự báo thời tiết

Việc dự báo thời tiết phục vụ các hoạt động của con người đã bắt đầu từ rất lâu Tuy nhiên đó cũng chỉ là những kinh nghiệm rút ra từ quan sát từ thực tế, hoàn toàn chưa có cơ sở khoa học Chỉ từ khi khoa học vật lý khí quyển ra đời và phát triển, việc dự báo thời tiết mới được các nhà khoa học quan tâm, nghiên cứu, và đưa ra các mô hình dự báo có cơ sở khoa học Đồng thời với việc xây dựng các mô hình dự báo thời tiết, một số quốc gia có nền kinh tế, khoa học phát triển, đã thiết lập nên các trạm đo đạc các yếu tố khí tượng để phục vụ cho các mô hình đó Ban đầu các mô hình dự báo thời tiết còn đơn giản, các số liệu phục vụ cho dự báo cũng ít, nên con người có thể tự mình phân tích và đưa ra các bản tin dự báo Nhưng cùng với sự phát triển của tất cả các ngành khoa học khác, hiện nay khoa học dự báo thời tiết cũng đã rất phát triển Các mô hình dự báo ngày càng phức tạp, các dữ liệu phục vụ cho việc dự báo ngày càng nhiều Con người dù có cố gắng đến đâu cũng không thể tự mình phân tích, tính toán nếu không có sự trợ giúp của máy tính Chính vì vậy việc xây dựng một hệ hỗ trợ giúp các dự báo viên trong việc phân tích, tính toán theo các mô hình dự báo số trị là rất quan trọng và cần thiết Hình 1.5 là mô hình ứng dụng Ann vào dự báo các hiện tượng thời tiết

Hình 1.4 : Mô hình cung cấp các thông tin khí tượng

Hình 1.5 : Mô hình Ann dự báo thời tiết

CÁC CÔNG TRÌNH LIÊN QUAN ĐẾN ĐỀ TÀI

II.1) NHỮNG CÔNG TRÌNH LỚN Đây là một lĩnh vực rất chuyên sâu, để hiện thực được những vấn đề được đặt ra như trong đề tài luận văn, cần phải có một hạ tầng cơ sở kỹ thuật tương đối hoàn hảo, các trang thiết bị có công nghệ cao như radar thời tiết, hệ thống thu ảnh vệ tinh và hệ thống thu các dữ liệu khác từ vệ tinh Chính vì vậy nên các vấn đề trên chỉ được nghiên cứu và phát triển ở các trung tâm khí tượng hoặc các trung tâm nghiên cứu có đầy đủ trang thiết bị hiện đại và có các chuyên gia làm việc trong các lĩnh vực khí tượng, khoa học máy tính và vật lý khí quyển… Cho tới thời điểm này mới chỉ có tại Mỹ và Úc là có các công trình liên quan đến vấn đề này mà được thực hiện một cách hoàn chỉnh nhất và được cài đặt thử nghiệm trên quy mô lớn Tại Mỹ từ tháng 3 năm 1997 thử nghiệm phiên bản đầu tiên về “ Warning Decision Suport System - WDSS” cho các hiện tượng thời tiết nguy hiểm như giông, mưa, mưa đá, gió giật … với sự kết hợp của National Severe Storms Laboratory (NSSL), National Weather Service (NWS), Operational Support Facility (OSF), National Aeronautical and Space Administration (NASA), Salt River Project (SRP) Tại Úc từ tháng 6 năm

1997 cũng thử nghiệm phiên bản đầu tiên về “ Warning Decision Suport System” với sự kết hợp của National Severe Storms Laboratory (NSSL), National Weather Service (NWS) in Melbourne Còn các đề tài liên quan tới “The Aviation Weather Decision Support System™ (AWDSS) “ thì mới chỉ thấy nói tới trong dự án

“Weather Decision Technologies” được thực hiện tại Mỹ, nhưng hoàn toàn không công bố các thông tin

Nhưng những tài liệu công bố về các đề tài này hầu như chỉ đề cập tới các giải thuật thuần túy về khí tượng Chính vì vậy nên cũng chỉ có thể tham khảo một số kết quả liên quan tới khí tượng

II.2) MỘT SỐ NGHIÊN CỨU KHÁC

Ngoài ra cũng có một số nghiên cứu ở phạm vi nhỏ có liên quan tới đề tài ở một số nước như Canada, Ý…Chúng ta sẽ xem xét một số trong những nghiên cứu đó

II.2.1) An attempt to apply Artificial Neural Networks to Meteorology

Marco Verdecchia, Anna Rita Pantaleo and Guido Visconti, Dipartimento di Fisica dell’Universita’ dell’Aquila, Italy, 1997 [10]

Trong báo cáo này nhóm tác giả đã đưa ra những lý do có thể và cần thiết ứng dụng ANN vào lĩnh vực khí tượng như sau :

- Những công việc cần giải quyết của lĩnh vực khí tượng là những vấn đề kỹ thuật đặc trưng và có thể ứng dụng các quy luật vật lý vào từng vấn đề cụ thể

- Phần lớn những giá trị của lĩnh vực khí tượng là không xác định

- Việc tăng cường khả năng tính toán của máy tính không cho phép tăng hiệu suất lên nhiều trong các mô hình dự báo sử dụng cách tiếp cận theo kinh nghiệm, bởi vậy cần phải cải tiến phương pháp tiếp cận và giải quyết vấn đề Để giải quyết việc dự báo độ cao địa thế vị của mực đẳng áp 500hPa biến đổi sau 6 giờ, nhóm tác giả sử dụng Elman Recurrent Network gồm 148 nút nhập, 50 nút ẩn , học theo giải thuật lan truyền ngược Với dữ liệu nhập là độ cao địa thế vị trên mặt đẳng áp 500hPa và trường nhiệt độ Ưu điểm : Số nút nhập là tương đối nhỏ, kết quả đạt được tương đối chính xác

Tuy nhiên đây mới chỉ là kết quả dự báo cho một trường dữ liệu của khí tượng, mà việc dự báo các hiện tượng thời tiết, cần phải kết hợp nhiều trường dữ liệu khí tượng theo những quy luật vật lý, cùng với đặc thù riêng của từng vị trí cần dự báo và cả kinh nghiệm cũng như các chỉ tiêu cụ thể

II.2.2) Applications of fuzzy logic in operational meteorology [11]

Jim Murtha, 1995: Scientific Services and Professional Development Newsletter, Canadian Forces Weather Service, 42-54; Ở đây tác giả nhận thấy giá trị của phần lớn các yếu tố khí tượng đều được biểu diễn dưới dạng không rõ ràng Ví dụ : trời nhiều mây, ít mây, tốc độ gió mạnh, nhẹ, trung bình…Nên tác giả ứng dụng fuzzy logic để giải quyết vấn đề của khí tượng Cụ thể ở đây tác giả ứng dụng fuzzy logic để dự báo hiện tượng sương mù

Dữ liệu đầu vào là các giá trị thực của các yếu tố liên quan, gồm điểm sương, gió, lượng mây…Tác giả xây dựng các hàm thành viên cho từng yếu tố đó Dựa vào các hàm thành viên để tính toán, kết hợp với các chỉ tiêu hình thành sương mù để tạo ra các luật sinh Kết quả cuối cùng là xác suất hình thành sương mù Ưu điểm : hệ thống đơn giản, có thể coi là một ví dụ điển hình minh họa cho việc ứng dụng fuzzy logic vào việc dự báo thời tiết

Tuy nhiên hệ thống này chỉ có thể cho ra kết quả là xác xuất hình thành sương mù tại một thời điểm cụ thể Trong khi đó quá trình biến đổi và cường độ của sương mù thì không thấy đề cập tới

II.2.3) Weather Lore + Fuzzy Logic = Weather Forecasts [12]

Walter Maner and Sean Joyce, Presented at the 1997 CLIPS Virtual Conference Distributed with Girratano and Riley, Expert Systems Principles and Programming, 3rd edition

3.2) Xây dựng trang WEB phục vụ việc truy xuất thông tin khí tượng

Hình 1.4 là mô hình cung cấp các thông tin khí tượng cho người sử dụng (các dự báo viên khí tượng và các đối tượng khác) Mạng cục bộ của cơ quan khí tượng được kết nối với mạng WAN của cụm cảng hàng không miền nam thông qua SWITCH Sau khi các dữ liệu được xử lý và tự động cập nhật vào CSDL, Việc truy xuất thông tin sẽ được hỗ trợ bởi một WEB_SERVER Trên WEB_SERVER sẽ xây dựng một trang WEB phục vụ việc truy xuất các thông tin khí tượng Trang WEB sẽ được xây dựng bằng ngôn ngữ HTML, C, PHP, với sự hỗ trợ của Apache HTTP Server Nhờ vào trang WEB này tất cả các máy trong mạng cục bộ khí tượng và mạng WAN của cụm cảng miền nam có thể truy xuất các thông tin khí tượng một cách dễ dàng Dự báo viên ở các sân bay khác truy xuất thông tin nhờ vào đường dây điện thoại và modem Ngoài ra các dữ liệu trong CSDL cũng sẽ được xử lý cho phù hợp và trở thành dữ liệu nhập cho mô hình dự báo số trị.

CÁC CÔNG TRÌNH LIÊN QUAN ĐẾN ĐỀ TÀI

NHỮNG CÔNG TRÌNH LỚN

Đây là một lĩnh vực rất chuyên sâu, để hiện thực được những vấn đề được đặt ra như trong đề tài luận văn, cần phải có một hạ tầng cơ sở kỹ thuật tương đối hoàn hảo, các trang thiết bị có công nghệ cao như radar thời tiết, hệ thống thu ảnh vệ tinh và hệ thống thu các dữ liệu khác từ vệ tinh Chính vì vậy nên các vấn đề trên chỉ được nghiên cứu và phát triển ở các trung tâm khí tượng hoặc các trung tâm nghiên cứu có đầy đủ trang thiết bị hiện đại và có các chuyên gia làm việc trong các lĩnh vực khí tượng, khoa học máy tính và vật lý khí quyển… Cho tới thời điểm này mới chỉ có tại Mỹ và Úc là có các công trình liên quan đến vấn đề này mà được thực hiện một cách hoàn chỉnh nhất và được cài đặt thử nghiệm trên quy mô lớn Tại Mỹ từ tháng 3 năm 1997 thử nghiệm phiên bản đầu tiên về “ Warning Decision Suport System - WDSS” cho các hiện tượng thời tiết nguy hiểm như giông, mưa, mưa đá, gió giật … với sự kết hợp của National Severe Storms Laboratory (NSSL), National Weather Service (NWS), Operational Support Facility (OSF), National Aeronautical and Space Administration (NASA), Salt River Project (SRP) Tại Úc từ tháng 6 năm

1997 cũng thử nghiệm phiên bản đầu tiên về “ Warning Decision Suport System” với sự kết hợp của National Severe Storms Laboratory (NSSL), National Weather Service (NWS) in Melbourne Còn các đề tài liên quan tới “The Aviation Weather Decision Support System™ (AWDSS) “ thì mới chỉ thấy nói tới trong dự án

“Weather Decision Technologies” được thực hiện tại Mỹ, nhưng hoàn toàn không công bố các thông tin

Nhưng những tài liệu công bố về các đề tài này hầu như chỉ đề cập tới các giải thuật thuần túy về khí tượng Chính vì vậy nên cũng chỉ có thể tham khảo một số kết quả liên quan tới khí tượng.

MỘT SỐ NGHIÊN CỨU KHÁC

Ngoài ra cũng có một số nghiên cứu ở phạm vi nhỏ có liên quan tới đề tài ở một số nước như Canada, Ý…Chúng ta sẽ xem xét một số trong những nghiên cứu đó

II.2.1) An attempt to apply Artificial Neural Networks to Meteorology

Marco Verdecchia, Anna Rita Pantaleo and Guido Visconti, Dipartimento di Fisica dell’Universita’ dell’Aquila, Italy, 1997 [10]

Trong báo cáo này nhóm tác giả đã đưa ra những lý do có thể và cần thiết ứng dụng ANN vào lĩnh vực khí tượng như sau :

CƠ SỞ LÝ THUYẾT

1.2) Lịch sử phát triển của khoa học khí tượng

Khí tượng là một môn khoa học nghiên cứu các hiện tượng và quá trình vật lý khí quyển, trong mối quan hệ giữa chúng với nhau, giữa chúng với bề mặt trái đất, giữa chúng với vũ trụ và mặt trời, để tìm ra những quy luật chi phối chúng Đồng thời xác định những quy luật phân bố theo thời gian và không gian của chúng một cách tổng quát Dựa vào đó để dự báo trước thời gian, không gian và mức độ chúng sẽ xảy ra Đối tượng nghiên cứu của khoa học khí tượng là khí quyển và những hiện tượng cũng như các quá trình vật lý xảy ra trong khí quyển Đây là một môn khoa học trừu tượng và phức tạp, đối tượng nghiên cứu của nó thường xuyên chịu sự chi phối của nhiều yếu tố, trong đó có những yếu tố rất khó xác định cụ thể như : ảnh hưởng của mặt trời, vũ trụ, cấu trúc địa tầng của vỏ trái đất Chính vì vậy khoa học khí tượng có mối quan hệ rất mật thiết với nhiều ngành khoa học khác như : Toán, vật lý, cơ lý thuyết, cơ chất lỏng, thiên văn học, vật lý địa cầu, địa lý

Trong những năm gần đây với sự giúp đỡ của các trang thiết bị hiện đại như vệ tinh khí tượng, radar thời tiết, đặc biệt công nghệ thông tin Khoa học khí tượng đã đạt được những kết quả rất khả quan trong việc dự báo, cảnh báo các hiện tượng thời tiết nguy hiểm như: dự báo quỹ đạo di chuyển của bão, mưa lớn trên diện rộng Tuy nhiên còn rất nhiều vấn đề khoa học khí tượng vẫn chưa giải quyết được như: nguyên nhân hình thành bão, dự báo chính xác các hiện tượng thời tiết xảy ra đột ngột với cường độ mạnh, đặc biệt là các hiện tượng dông, mưa ở vùng nhiệt đới Một trong những lý do chính của hạn chế đó là: những hiện tượng và các quá trình vật lý khí quyển, cùng với những mối quan hệ qua lại giữa chúng, diễn biến rất phức tạp Cho đến nay các nhà khí tượng học vẫn chưa hiểu hết về đối tượng của mình Những hiện tượng và quá trình vật lý khí quyển có những đặc điểm đáng chú ý sau:

- Phân bố rất không đồng nhất theo không gian và biến đổi mạnh mẽ theo thời gian Điều đó phản ánh mối quan hệ phức tạp giữa các quá trình vật lý khí quyển với mặt đất, mặt trời và vũ trụ

- Liên hệ mật thiết với sự biến đổi của hơi nước

- Hình thành trên toàn bộ khí quyển bao quanh trái đất

- Có những kích thước rất khác nhau từ 10 -6 - 10 -7 m ( như quá trình hình thành các phấn tử mây) đến hàng ngàn Km (như quá trình hình thành Front)

Từ xa xưa con người đã nhận thấy những hiện tượng thời tiết như mưa, dông, bão có ảnh hưởng rất lớn đến cuộc sống của con người Do đó con người đã để ý, quan sát các hiện tượng thời tiết và cố gắng giải thích chúng Tuy nhiên những giải thích đó còn rất thiếu cơ sở khoa học, sơ sài và chủ yếu dựa vào sự tưởng tượng

Người ta đã tìm thấy những số liệu quan trắc khí tượng cổ xưa ở một số nước như: Ai cập, Hi lạp, Ấn độ Trước công nguyên một nhà khoa học cổ Hy lạp là Aristote đã viết cuốn “Khí tượng học” Nội dung cuốn sách rất sơ sài, tuy nhiên tác giả đã cố gắng giải thích một số hiện tượng quan trọng như: mây, mưa Những ý tưởng của ông có những điều rất gần với những quy luật vật lý khí quyển như: “Nước bao quanh trái đất bốc hơi do tia mặt trời và nhiệt từ trên xuống sẽ bốc lên cao, khi đó nhiệt cung cấp cho nó giảm, hơi nước lạnh đi sẽ tụ lại và lại trở thành nước” Ngoài ra còn nhiều tài liệu ghi chép để lại cho thấy: từ trước thế kỷ 17, con người đã biết quan sát bằng mắt các hiện tượng thời tiết và ghi chép lại Tuy nhiên trước thế kỷ 17, khoa học khí tượng vẫn chưa trở thành khoa học định lượng

Năm 1603 Galile chế tạo ra nhiệt kế, năm 1643 Toricenli chế tạo ra khí áp kế Những dụng cụ này, đã giúp khoa học khí tượng trở thành khoa học định lượng Từ cuối thế kỷ 17 một số nước ở châu Âu như: Pháp, Ba lan đã bắt đầu làm quan trắc khí tượng Trong thế kỷ 18, việc nghiên cứu khí quyển đã có những bước phát triển đáng kể, đặc biệt trong lĩnh vực điện khí quyển M.Lomonosov đã có những ý tưởng rất sâu sắc về phương pháp dự báo thời tiết Theo ông, nguyên nhân hình thành các hiện tượng thời tiết là do các dòng khí và ông hy vọng “Một học thuyết về sự chuyển động của không khí và nước bao quanh bề mặt trái đất” sẽ là cơ sở cho các phương pháp dự báo thời tiết Thế kỷ 19, học thuyết “Front“ của các nhà khoa học Na uy là V.Bjerknet ra đời, trở thành cơ sở nền tảng cho việc dự báo các hiện tượng thời tiết

Trong thế kỷ 20 cùng với sự phát triển vượt bậc của nhiều ngành khoa học khác, khoa học khí tượng cũng đã có những bước tiến vượt bậc Cùng với sự trợ giúp của vệ tinh khí tượng, radar, các dụng cụ quan trắc tự động, máy tính Lượng thông tin khí tượng ngày càng tăng nhanh về số lượng và chất lượng Điều đó góp phần giúp cho việc dự báo thời tiết ngày càng chính xác hơn.

1.3) Khí quyển trái đất

Khí quyển là lớp không khí bao phủ quanh bề mặt trái đất, tham gia vào chuyển động cùng trái đất trong hệ vũ trụ Bề dày của lớp khí quyển ước tíng trung bình khoảng 6.371 Km, khối lượng khoảng 5.157*10 15 tấn Khí quyển là môi trường phát sinh, phát triển của các hiện tượng thời tiết và các quá trình vật lý

Dựa vào kết quả nghiên cứu, người ta nhận thấy khí quyển là hỗn hợp cơ học của ba thành phần gồm không khí khô, hơi nước và bụi

- Không khí khô: là hỗn hợp các chất khí ở dạng nguyên tố (O2, H2, N2, He,

O3 ), dạng hợp chất (CO2, NO2, SO2,…) Mỗi loại khí trong khí quyển chiếm một tỷ lệ khác nhau, kết quả đo đạc như sau:

Các chất khí khác và hơi nước chiếm tỷ lệ khoảng 0,01%

Tuy nhiên, tỷ lệ của các chất khí trong khí quyển không phải hoàn toàn ổn định Trong những điều kiện khác nhau, những tỷ lệ trên có thể thay đổi

- Hơi nước: Lượng hơi nước trong khí quyển khoảng 519.000 Km 3 Lượng hơi nước phần lớn tập trung ở gần mặt đất Khi lên cao, lượng hơi nước giảm nhanh, trên độ cao 1,5 – 2 Km lượng hơi nước giảm đi 2 lần so với lớp gần mặt đất Nước là thành phần quan trọng trong việc hình thành và phát triển của các hiện tượng thời tiết Nước có thể chuyển hóa giữa ba pha: hơi, lỏng, rắn

- Bụi: Trong khí quyển bụi có vai trò rất quan trọng trong việc ngưng kết hơi nước Vì nếu không có bụi làm hạt nhân ngưng kết thì quá trình ngưng kết của hơi nước rất khó thực hiện

- Có nhiều cách phân lớp cấu trúc khí quyển khác nhau, mỗi cách phân lớp dựa trên các tính chất đặc trưng được quan tâm Trong lĩnh vực khí tượng, sự phân lớp khí quyển dựa trên sự phân bố nhiệt độ theo độ cao và tính chất chuyển động của không khí trong khí quyển Cấu trúc mặt cắt thẳng đứng của khí quyển được phân thành các tầng như sau :

Troposphere: Bề dày của tầng này từ mặt đất lên đến độ cao 8 – 18 Km (8 – 10 Km ở vùng địa cực, 10 – 12 Km ở vùng vĩ độ trung bình và 16 – 18

Km ở vùng xích đạo) Đặc trưng của tầng Troposphere là nhiệt độ giảm theo độ cao, trung bình 0,65 o /100 m và có chuyển động đối lưu của không khí Tầng Troposphere chiếm khoảng 75 – 90% khối lượng khí quyển và 90% lượng hơi nước có trong khí quyển Hầu hết các hiện tượng thời tiết đếu xảy ra trong tầng này

Tropopause: Là lớp chuyển tiếp từ Troposphere sang stratosphere, bề dày của lớp này khoảng 1,5 – 2 Km Đặc trưng cơ bản của lớp này là nhiệt độ hầu như không đổi theo độ cao và có giá trị trung bình khoảng –56 o C Khi cắt ngang lớp Tropopause, thường có sự biến đổi đột ngột về nhiệt độ, độ ẩm không khí và vector gió…

Stratosphere: Là tầng tiếp theo lên tới độ cao khoảng 45 – 55 Km Đặc trưng cơ bản của tầng này là nhiệt độ tăng theo độ cao Nguyên nhân của sự tăng nhiệt độ là do sự hấp thụ bức xạ cực tím mặt trời của tầng Ozon Nhiệt độ trung bình lớp biên trên của Stratosphere khoảng O o C – 20 o C

Mesosphere: Là tầng tiếp theo lên tới độ cao 80 – 90 Km Nhiệt độ trong tầng này giảm dần theo độ cao khoảng 0,36 o C/100 m

Thermosphere: Là tầng tiếp theo đến độ cao khoảng 400 Km Đặc trưng của tầng này là nhiệt độ tăng nhanh theo độ cao

Exosphere: Là tầng trên cùng của khí quyển, nhiệt độ trong tầng này hầu như không đổi theo độ cao

Hình 3.1 : Cấu trúc khí quyển theo chiều thẳng đứng.

1.4) Các đại lượng khí tượng

Để biểu diễn trạng thái của khí quyển, khoa học khí tượng dùng các đại lượng cơ bản như: áp suất không khí, nhiệt độ không khí, gió, độ ẩm Áp su ấ t không khí (Khí áp) : là trọng lượng cột không khí có tiết diện 1mm 2 , có độ cao tính từ mực đo khí áp đến đỉnh khí quyển Khí áp là đại lượng khí tượng duy nhất có giá trị luôn giảm theo độ cao (do mật độ không khí tập trung ở lớp dưới thấp, càng lên cao mật độ không khí càng giảm), đồng thời có hai giá trị tối cao và hai giá trị tối thấp trong trong một ngày đêm

- Đơn vị đo: hPa hecto Pascal mb milibar mmHg milimet thủy ngân inchHg

1hPa = 1mb = 10 2 N/m 2 = 0.75062 mmHg = 0.02953inch 1inchHg = 33.8639hPa = 25.4mmHg

Khí áp tiêu chuẩn: QNE : Là khí áp được đo ở điều kiện khí quyển tiêu chuẩn ISA (International Standard Atmosphere) :

MSL = 0m (tại mặt biển trung bình – Mean Sea Level) Khối lượng riêng không khí ρ = 13.596 g/cm 3

Trong điều kiện này , khí áp tiêu chuẩn QNE = 1013.25 hPa

Khí áp mực trạm (sân bay): QFE

- Là trị số khí áp quan trắc được ở mực đặt khí áp kế tại các trạm khí tượng sân bay

- Ý nghĩa sử dụng QFE : để xác định độ cao của máy bay so với sân bay Khí áp QFE được dùng để máy bay xác định độ cao khi hạ cánh Thông qua việc xác định sự chênh lệch của khí áp giữa đồng hồ đo khí áp của máy bay và khí áp mực sân bay mà phi công có thể xác định được sự chênh lệch tương ứng giữa độ cao bay và mực sân bay để đưa máy bay hạ cánh chính xác xuống mặt đường băng (nhờ vào công thức bậc khí áp: cứ xuống thấp 8m thì khí áp tăng lên 1mb và ngược lại)

Khí áp mực biển: QNH

- Là khí áp được xác định bằng cách qui chuyển khí áp mực trạm QFE về mực biển trung bình (MSL)

QNH = QFE + ΔP với ΔP ≈ ( h / 8m)*1mb ΔP: chênh lệch khí áp giữa mực sân bay và MSL (tính theo công thức bậc khí áp) h : độ cao của sân bay so với MSL tính bằng mét (m)

- Ý nghĩa sử dụng QNH : để xác định độ cao của máy bay so với mực biển trung bình MSL và so với chướng ngại địa hình

Nhiệt độ không khí : là đại lượng đặc trưng cho trạng thái nhiệt của không khí Dụng cụ dùng để đo nhiệt độ là nhiệt kế

- Nguyên nhân của sự thay đổi nhiệt độ trong không khí là do các phần tử khí hấp thụ năng lượng bức xạ mặt trời và bức xạ từ mặt đất vào các thời điểm khác nhau và trong những phạm vi không gian khác nhau là khác nhau (ban ngày khác ban đêm, vùng núi khác vùng đồng bằng )

- Đơn vị đo: °C : độ Cencius T°C = ( T°F – 32 ) / 1.8 °F : độ Fara T°F = 32 + 1.8T°C °K: độ Kenvin T°K = T°C + 273

Nhiệt độ điểm sương: (Td – Dewpoint Temperature) Là nhiệt độ mà tại đó hơi nước trong không khí đạt trạng thái bão hòa trong điều kiện áp suất và lượng hơi nước có trong không khí không đổi

Gió : là đại lượng đặc trưng cho chuyển động ngang của không khí tương đối so với mặt đất Gió là một đại lượng vector

- Hướng gió: Là hướng mà từ đó gió thổi tới điểm quan trắc Nếu lấy tâm của vòng tròn lượng giác (hoặc vòng tròn địa lý) làm điểm quan trắc thì hướng gió được đo bằng độ lớn của góc giữa giữa đường bán kính 0°

(Hướng bắc) và đường bán kính theo hướng gió thổi tới xoay theo chiều kim đồng hồ

- Hướng gió được biểu thị :

• Theo chữ tắt về hướng : N, S, E, W

NE, SE, SW, NW NNE,ENE,ESE,SSE,SSW,WSW,WNW,NNW

Hình 3.2: Mô hình hướng gió theo độ và chữ viết tắt

- Tốc độ gió là quãng đường mà dòng không khí di chuyển trong một đơn vị thời gian Đơn vị thường dùng là MPS hoặc KT

MPS mét trên giây Met per second

KMH kilômét trên giờ km/hour

MPH dặm trên giờ miles/hour

• Cách qui đổi đơn vị:

1KT = 0.515MPS = 1.854KMH = 1.152MPH 1MPS = 3.6KMH = 1.94KT Độ ẩm không khí : là đại lượng đặc trưng cho lượng hơi nước có trong không khí Nguồn gốc hơi nước trong khí quyển chủ yếu là do sự bốc hơi nước từ đại dương, sông, hồ, đồng ruộng… Gió và nhiệt độ bề mặt nước là 2 yếu tố quan trọng cho quá trình bốc hơi của nước Ở vùng xích đạo, do đại dương chiếm phần lớn trong phân bố biển - lục địa và nhiệt độ bề mặt nước biển quanh năm cao, nên lượng hơi nước có trong không khí ở vùng này lớn gấp khoảng 10 lần so với vùng địa cực.

1.5) Các hiện tượng thời tiết cơ bản

Hiện tượng thời tiết là các quá trình vật lý riêng biệt, dẫn tới sự thay đổi trạng thái của khí quyển Một số hiện tượng thời tiết cơ bản là : mây, mưa, dông, bão

Mây : là sản phẩm ngưng kết của hơi nước trong khí quyển Chúng được tạo thành bởi các giọt nước, tinh thể băng, tuyết hay hỗn hợp cả hai loại Kích thước, hình dạng, độ cao của các khối mây rất khác nhau và luôn thay đổi theo thời gian

- Mây được hình thành do hơi nước có trong không khí đạt trạng thái bão hòa ngưng tụ lại tạo nên

- Điều kiện hình thành mây:

- Không khí ẩm (có chứa hơi nước)

- Nhiệt độ của không khí T giảm tới nhiệt độ điểm sương Td

- Sự hình thành mây trong thực tế: Trong thực tế, không khí bao giờ cũng chứa hơi nước và các hạt nhân ngưng kết Lượng hơi nước thường tập trung nhiều nhất ở lớp sát đất (càng lên cao lượng hơi nước có trong không khí càng giảm) Khi có nhiễu loạn ở tầng thấp, hoặc khi mặt đệm bị đốt nóng thì lớp không khí sát bề mặt đệm được nâng lên, bốc lên cao Càng lên cao (ở trong tầng đối lưu) nhiệt độ không khí càng giảm, khối không khí được nâng lên sẽ lạnh đi từ từ cho đến khi nhiệt độ của nó giảm tới nhiệt độ điểm sương thì quá trình ngưng kết bắt đầu xảy ra Hơi nước trong khối khí bám vào các hạt ngưng kết và chuyển sang trạng thái lỏng tạo thành các hạt mây Nếu mây phát triển lên tới mực đóng băng (T = 0°C) thì các hạt nước từ mực này trở lên sẽ chuyển sang dạng tinh thể (rắn) Lúc này trong khối mây bao gồm cả các hạt nước và cả các hạt băng

- Độ tích nước trong mây: Khả năng chứa được các hạt nước nhiều hay ít trong mây được gọi là độ tích nước của mây Mỗi 1 loại mây có 1 độ tích nước khác nhau Mây có độ tích nước cao sẽ cho giáng thủy (mưa)

Phân lo ạ i và nh ậ n d ạ ng các lo ạ i mây c ơ b ả n

- Phân loại theo dạng mây : có 2 dạng mây cơ bản là dạng mây tích và mây tầng

- Mây dạng tích (Cumuliform) : là loại mây phát triển theo chiều thẳng đứng Kích thước mây theo chiều thẳng đứng lớn hơn nhiều so với kích thước mây theo chiều ngang Bay trong mây dạng này sẽ gặp nhiễu động do các hạt mây chuyển động lên xuống hỗn loạn

- Mây dạng tầng (Staticform) : là loại mây không phát triển theo chiều thẳng đứng mà dàn trải theo bề ngang Kích thước mây theo chiều nằm ngang lớn hơn nhiều so với kích thước mây theo thẳng đứng Bay trong mây dạng này khá êm do các hạt mây tương đối

- Phân loại mây theo độ cao:

- Dựa vào độ cao của mây mà người ta chia mây thành 3 lớp (hoặc tầng):

- Lớp mây thấp bao gồm các mây có độ cao chân mây < 2500m , trừ các mây phát triển theo chiều thẳng đứng Đó là mây ST, SC, CU (có độ cao 6000m Đó là các mây CI, CS , CC

Riêng mây CB có độ cao chân mây 400-600m và đỉnh mây có thể phát triển trung bình lên tới độ cao 11-12km, ở vùng nhiệt đới có thể lên tới 17-18km (Max 21km)

- Phân loại theo hình dạng và tính chất: Có 10 loại mây

Mây ST (Stratus – mây tầng) : Lớp mây thường màu xám , chân mây gần đồng nhất, có thể cho mưa phùn Qua mây vành mặt trời phân biệt được rõ ràng Mây ST không sinh hiện tượng quầng Đôi khi ST thể hiện dưới dạng những đám mây tơi tả

Mây CU (Cumulus – mây tích): Mây riêng biệt , thường đặc và bờ ngoài rõ ràng, phát triển theo chiều thẳng đứng thành hình đồi, đỉnh tròn hoặc tháp mà phần trên phình lên tựa cải hoa Phần mây được mặt trời chiếu thì trắng xóa, chân mây tương đối đen và gần như ngang bằng Đôi khi mây CU có dạng tơi tả

Mây CB (Cumulonimbus – mây vũ tích): Mây lớn và đặc, phát triển dữ dội theo chiều thẳng đứng thành hình núi hoặc tháp đồ sộ Ít nhất một phần ở bộ phận trên thường nhẵn lì hoặc có dạng tơ sợi hoặc vết khía và gần như bao giờ cũng dẹt, phần đó thường tỏa thành hình đe hoặc bó hoa Chân mây thường rất đen, luôn có mây thấp rách xác xơ, có kết hợp với CB hoặc không Mây CB thường cho gây ra mưa rào kèm theo dông

Mây SC (Stratocumulus – mây tầng tích): Đám, màn hoặc lớp mây xám hoặc trắng nhạt, gần như bao giờ cũng có bộ phận tối; gồm những khối tròn, cuộn hình bàn cờ, không có dạng sợi

Mây NS ( Nimbostratus – mây vũ tầng): Lớp mây xám, thường tối, dạng hóa mờ vì giáng thủy nhiều hay ít liên tục , giáng thủy phần lớn tới đất Mây khá dày để che khuất hẳn mặt trời , dưới mây NS thường có những đám mây thấp tơi tả , có thể lẫn vào mây chính hay không

Mây AS (Altostratus – mây trung tầng): Màn hoặc lớp mây màu xám, xanh nhạt có những vết khía, dạng tơ sợi, đồng nhất che toàn thể hoặc một phần bầu trời, có chỗ mỏng để nhìn thấy mặt trời mờ mờ như qua một tấm kính mờ Mây AS không cho hiện tượng quầng

Mây AC (Altocumulus - mây trung tích): Đám , lớp mây trắng hoặc xám, thường có bóng; gồm những phiến mỏng, khối tròn cuộn , đôi khi có bộ phận dạng sợi Đa số phần tử nhỏ sắp xếp đều nhau như hình mái ngói

1.6) Một số khái niệm cơ bản

Trạm quan trắc khí tượng (Trạm khí tượng): làm nhiệm vụ quan trắc các yếu tố khí tượng và truyền các thông tin này về trung tâm thu thập số liệu, để tổng hợp và lập bản đồ “synop” Các quan trắc khí tượng được đồng thời tiến hành trên toàn thế giới vào các thời điểm 00, 06, 12, 18 giờ GMT

Hoàn lưu khí quyển: Hình 3.3 là tổng hợp chuyển động của các luồng khí trong khí quyển trái đất theo các dạng:

- Chuyển động dưới dạng xoáy thuận (cyclone), xoáy nghịch (anticyclone)

- Chuyển động tuần hoàn theo thời gian: gió mùa, gió đất biển…

Như vậy hoàn lưu khí quyển sẽ có qui mô chuyển động khác nhau:

- Qui mô lớn ( macro scale – từ hàng trăm đến nghìn km )

- Qui mô vừa (middle scale – synoptic scale- mezzo scale- từ hàng chục đến hàng trăm km)

- Qui mô nhỏ ( micro scale – từ vài km đến hàng chục km )

Hình 3.3 : Hoàn lưu khí quyển

Bản đồ synop: Là bản đồ địa lý trên đó điền các số liệu quan trắc khí tượng như: khí áp, nhiệt độ, hướng gió,tốc độ gió, lượng mây, loại mây Đó là một dạng đồ thị biểu diễn sự phân bố của các đại lượng khí tượng trên mặt ngang ở độ cao z và vào một thời điểm nhất định Bản đồ synop có thể phân làm hai loại cơ bản là bản đồ mặt đất như hình 3.4 và bản đồ trên cao

Hình 3.4: Bản đồ mặt đất

Khối khí: Là một lượng không khí lớn, có những tính chất vật lý tương đối đồng nhất theo chiều ngang và đột biến theo ranh giới của khối khí đó Kích thước của khối không khí khoảng vài trăm đến hàng ngàn km theo chiều ngang và vài km theo chiều thẳng đứng

Front: Các khối không khí khác nhau, tiếp xúc với nhau tạo thành một vùng chuyển tiếp hẹp Trong vùng này các đại lượng khí tượng biến thiên đột ngột, các hiện tượng thời tiết xảy dữ dội Vùng chuyển tiếp này có thể biểu diễn bằng một mặt, gọi là mặt front như hình 3.5

Hình 3.5: Mô hình Front Áp thấp: Là khu vực có khí áp thấp hơn so với khu vực xung quanh và có ít nhất một đường đẳng áp khép kín, ký hiệu là T trên hình 3.6

Rãnh áp thấp: Là khu vực có khí áp thấp hơn so với khu vực xung quanh như hình 3.6 (Khu vực đánh số 1, 2)

Dải áp thấp: Là dải có khí áp thấp nằm giữa hai khu vực có khí áp cao Trục dải áp thấp là tập hợp các điểm có áp suất thấp nhất như hình 3.6 Áp cao: Là khu vực có khí áp cao hơn so với khu vực xung quanh và có ít nhất một đường đẳng áp khép kín, ký hiệu là C trên hình 3.6

Sống áp cao: Là khu vực có khí áp cao hơn so với khu vực xung quanh như hình 3.6 (Khu vực đánh số 5)

Dải áp cao: Là dải chuyển tiếp có khí áp cao hơn, phân chia hai khu vực có khí áp thấp hơn như hình 3.6

Yên khí áp: Là khu vực nằm giữa hai khu vực áp thấp và hai khu vực áp cao nằm chéo nhau như hình 3.6 (Khu vực đánh số 7)

Hình 3.6 : Các hệ thống khí áp cơ bản

1.7) phương pháp phân tích synop

Phương pháp phân tích synop là dùng các bản đồ synop để nghiên cứu các quá trình vật lý khí quyển trên một phạm vi rộng lớn trong cùng một thời điểm

Mục đích chính của phương pháp phân tích synop là xuất phát từ sự phân bố của các yếu tố khí tượng cơ bản (được điền trên bản đồ synop) trong khí quyển , xác định vị trí, nghiên cứu các tính chất và dự báo sự biến đổi, di chuyển của các đối tượng synop cơ bản như: khối khí, front, áp cao, áp thấp, rãnh áp thấp Quá trình phân tích hệ thống các bản đồ synop theo thời gian, dựa vào vị trí, tính chất của các đối tượng synop trong thời gian đã qua và hiện tại, để dự đoán vị trí, tính chất của chúng trong tương lai là quá trình dự báo hình thế synop Trên cơ sở dự báo hình thế synop đó, sẽ dự báo quá trình hình thành và phát triển của các hiện tượng thời tiết

Sự hình thành, phát triển của các đối tượng synop cơ bản và các hiện tượng thời tiết, có mới liên quan mật thiết với nhau và tuân theo các quy luật tự nhiên Do đó dựa vào các hình thế synop, có thể dự đoán được các hiện tượng thời tiết liên quan với nó

Mục đích của phân tích synop chỉ có thể đạt được, khi phân tích synop được tiến hành trên cơ sở các quy luật vật lý khí quyển và phải có tính tổng hợp Phân tích synop không chỉ đơn thuần là việc mô tả hệ thống và các hiện tượng, mà phải tìm được những mối quan hệ vật lý giữa chúng, để cuối cùng tìm được nguyên nhân của các hiện tượng thời tiết Khi phân tích hình thế synop cần phải tuân theo một cách chặt chẽ các nguyên tắc sau:

- Nguyên tắc đối chiếu : Để có thể xác định vị trí, tính chất và sự di chuyển của các đối tượng synop, phải quan sát bao quát toàn bộ bản đồ synop, đối chiếu, so sánh các yếu tố khí tượng theo không gian cũng như thời gian Trên cùng một bản đồ phải đối chiếu, so sánh:

- Giá trị của một yếu tố khí tượng trên các vị trí khác nhau

- Giá trị của những yếu tố khí tượng khác nhau trên cùng một vị trí

- Giá trị của những yếu tố khí tượng khác nhau trên các vị trí khác nhau Đối chiếu, so sánh giá trị của các yếu tố khí tượng của một hay nhiều vị trí trên những bản đồ ở những thời điểm khác nhau, sẽ phát hiện được quy luật phát triển và di chuyển của các đối tượng synop cơ bản

Các quá trình synop phát triển trên một phạm vi rộng lớn, nhưng khi phân tích chúng, chỉ có thể dựa vào số liệu của từng trạm khí tượng Chính vì vậy, thông tin synop của từng trạm càng có tính tiêu biểu cho một khu vực rộng lớn càng tốt Trong trường hợp lý tưởng, khoảng không gian giữa các trạm đều được số liệu của các trạm thể hiện rõ trạng thái khí quyển Trên thực tế, mức độ tiêu biểu về số liệu của các trạm khí tượng khác nhau, phụ thuộc vào đặc điểm địa hình cụ thể Các trạm ở đồng bằng và trên mặt biển có tính tiêu biểu hơn các trạm thuộc khu vực đồi núi

Trong một số trường hợp, từng yếu tố khí tượng cũng ít có tính tiêu biểu

Ví dụ nhiệt độ của lớp không khí sát mặt đất chịu ảnh hưởng rất lớn bởi điều kiện địa hình Do đó rất khó xác định vị trí của khối không khí dựa vào nhiệt độ mặt đất Thời điểm quan trắc trong một ngày cũng có tính tiêu biểu khác nhau Ví dụ mùa đông, số liệu quan trắc vào buổi sáng ít tiêu biểu hơn số liệu quan trắc vào buổi trưa Nguyên nhân chính là do hiện tượng phát xạ vào ban đêm của mặt đất đã san bằng sự khác biệt về nhiệt độ giữa các khối khí

Kết quả của phân tích synop phải dẫn tới việc giải thích được nguyên nhân của các quá trình synop Những kết luận đó phải phù hợp với các quy luật vật lý khí quyển Bởi vì các đối tượng synop cơ bản như khối khí, front, áp thấp, áp cao phát triển và tương tác với nhau theo những quy luật vật lý nhất định

Do vậy quá trình phân tích chúng mà không dựa trên những quy luật đó sẽ dẫn tới các kết quả sai

Việc phân tích synop phải gắn liền với đặc điểm hoàn lưu chung của khí quyển vì các đối tượng synop chính là một phần trong hoàn lưu khí quyển Mối quan hệ đó là rất chặt chẽ

Các đối tượng synop di chuyển và phát triển trong một khoảng thời gian nhất định Hình thế synop hiện tại chính là kết quả phát triển của các hình thế synop đã qua Chính vì vậy việc phân tích synop vừa phải có tính logic, vừa phải đảm bảo tính liên tục

- Nguyên tắc không gian ba chiều :

Các đối tượng synop cơ bản là những thực thể phát triển theo cả ba chiều trong không gian Việc kết hợp các bản đồ thời tiết trên các độ cao khác nhau với các bản đồ mặt cắt, sẽ cho phép hình dung rõ nét, về sự phát triển của các đối tượng synop trong không gian ba chiều

Những hạn chế của phương pháp phân tích synop

Cho tới hiện nay, phương pháp phân tích synop đã hoàn thiện dần, đã chứng minh được tính đúng đắn của nó trong hơn một thế kỷ qua Hiện nay phương pháp này vần còn được sử dụng nhiều, đặc biệt ở những nước đang phát triển Tuy nhiên, phương pháp này cũng có một số hạn chế Trước hết là do tính phức tạp của của các quá trình khí quyển, sau đó là do tính hạn chế của các bản đồ synop, công cụ chính của phương pháp dự báo này

Khi nghiên cứu các quá trình khí quyển, đầu tiên phải tìm và nghiên cứu những mối liên quan vật lý giữa các mặt khác nhau của một quá trình, giữa các quá trình khác nhau, giữa các quá trình đó với những nhân tố ảnh hưởng bên ngoài Sau đó giải thích những hiện tượng quan trắc được bằng những quy luật vật lý Do tính phức tạp và ngẫu nhiên của các quá trình synop, trên thực tế việc phân tích chúng một cách chi tiết và toàn diện là rất khó Các quy luật vật lý chủ yếu chỉ được sử dụng một cách định tính, phụ thuộc nhiều vào chủ quan của con người

Dữ liệu trên bản đồ synop theo không gian và thời gian bị gián đoạn, đặc biệt là ở vùng biển, rừng núi, sa mạc… Trong khi đó trường các yếu tố khí tượng được coi là liên tục Do đó trên cơ sở các dữ liệu này, không thể đánh giá được những quá trình vất lý có quy mô nhỏ [1] [2] [3]

1.8) phương pháp dự báo số trị

Xét một đơn vị thể tích không khí, có khối lượng riêng là ρ trong môi trường khí quyển như hình 3.7 Các lực tác động vào nó là:

Hình 3.7 : Đơn vị thể tích không khí trong khí quyển

Dựa vào định luật thứ hai của Newton, viết phương trình chuyển động cho khối khí trên như sau: c là tốc độ chuyển động của khối không khí đang xét

Khi chiếu lên hệ tọa độ Decac, nhận được hệ phương trình chuyển động trong hệ tọa độ Decac như sau:

Các quá trình và hiện tượng khí tượng thường được xét trên quan điểm vĩ mô Khi đó một thể tích đơn vị chứa rất nhiều phân tử Mà khí quyển là một môi trường khá đặc và liên tục, đặc biệt là ở lớp khí quyển gần mặt đất Do đó có thể áp dụng phương trình liên tục Xét một đơn vị thể tích không khí như hình 3.7, Giả sử các thành phần của tốc độ gió tại điểm gốc tọa độ là u, v, w Khi đó lượng phần tử không khí đi qua diện tích OABC trong một đơn vị thời gian là: ρvdxdz

Nếu xem xét trên một khoảng dy từ vị trí bắt đầu của hệ tọa độ, hình chiếu tốc độ chuyển động trên trục Oy là v + dv Do đó thông qua diện tích O’A’B’C’, lượng phần tử không khí đi qua đó trong một đơn vị thời gian là: ρ(v + dv) dxdz

Từ đó tính lượng không khí vào khối xét dọc theo trục Oy là: ρvdxdz - ρ(v + dv)dxdz = -ρdvdxdz

Nếu chỉ xét dv theo sự thay đổi trục Oy, có thể viết phương trình vi phân cho dv như sau:

Thế vào -ρdvdxdy ta được :

Tương tự như trên, ta tính được biểu thức cho dòng không khí qua một thể tích đơn vị trong một đơn vị thời gian:

Sự thay đổi của mật độ không khí trong đơn vị thể tích theo thời gian được biểu diễn bằng biểu thức:

Từ hai biểu thức trên, ta nhận được phương trình sau:

Phương trình trên có thể viết dưới dạng sau: Đó chính là phương trình liên tục của khí quyển

Phương trình trạng thái khí quyển có dạng sau: dxdydz

P = RρT Phương trình biến đổi của nhiệt độ không khí có dạng sau:

Sau khi tổng hợp lại ta được một hệ gồm 6 phương trình : p = RρT

Trong đó : μ là hệ số nhớt động lực học của không khí ω là vận tốc góc quay của trái đất ρ là khối lượng riêng của không khí ε là nguồn nhiệt đi đến 1 đơn vị thể tích

Cp là Nhiệt dung đẳng áp

Cv là nhiệt dung đẳng tích

R là hằng số khí áp

T là nhiệt độ tuyệt đối u, v, w là các hình chiếu của tốc độ gió trên các trục x, y, z t là thời gian

Trong hệ phương trình trên, các biến độc lập là : x, y, z, t

Các biến phụ thuộc là : p, T, u, v, w, ρ

Dựa vào hệ phương trình cơ bản này kết hợp với phương trình biến đổi của độ ẩm trong khí quyển, các điều kiện biên, có thể tính được tất cả các yếu tố khí tượng Dựa vào các giá trị thu được và các giá trị ngưỡng cho các hiện tượng thời tiết, để dự báo các hiện tượng thời tiết

Phương pháp này có những ưu điểm hơn hẳn so với phương pháp phân tích synop, đây là phương pháp phân tích định lượng Tuy nhiên bài toán khí tượng là rất tượng lớn sử dụng phương pháp này để dự báo Hiện nay phương pháp này được hai trung tâm khí tượng thế giới ở Washington và London dùng để tính toán giá trị của các yếu tố khí tượng toàn cầu.

1.9) Hoàn lưu qui mô lớn tác động đến thời tiết Việt Nam

- Hoàn lưu qui mô lớn thường tồn tại trong 1 khoảng thời gian dài vài ngày, tuần , tháng hoặc thậm chí ổn định theo mùa

- Sự di chuyển của hệ thống hoàn lưu trên qui mô lớn có tính chất trình tự từ từ

- Một hệ thống hoàn lưu trên qui mô lớn khi khống chế trên một khu vực địa lý sẽ tạo ra nền thời tiết căn bản gắn với hệ thống đó

H ệ th ố ng áp cao ph ụ nhi ệ t đớ i b ắ c bán c ầ u (BBC): Áp cao Thái Bình Dương

Hình 3.8: Mô hình áp cao phụ nhiệt đới bắc bán cầu

- Tâm : trung tâm ở vùng đảo Hawaii Thái Bình Dương (TBD) , tuy nhiên hệ thống hoàn lưu này có thể bị phân tâm thành các hoàn lưu cục bộ (qui mô vừa)

- Trục sống: hướng W-E , đôi khi biến đổi NE-SW, trục sống có khuynh hướng dịch chuyển lên phía Bắc vào mùa hè (lên tới vĩ độ 38 o -39 o N) và

THÁNG 7 xuống các vĩ độ thấp gần xích đạo vào mùa đông (xuống tới vĩ độ 14 -

- Trên khu vực Việt Nam vị trí và tính chất phân bố theo hướng của trục sống cao TBD sẽ là cơ sở quan trọng cho việc nhận định dự báo sự di chuyển của trục sống cao ở tầng thấp gần mặt đất

- Hướng gió dưới tầng thấp : SE , S, SW

- Thời tiết ở vùng tâm cao và lân cận trục sống tốt Trời ít mây, hình thành mù khô do giáng

- Vùng tây bắc của khối hoàn lưu sẽ là nơi hội tụ với đới gió W tạo lên xác suất hình thành thời tiết xấu trong điều kiện độ ẩm cao

- Vùng phía nam của khối hoàn lưu nếu có nhiễu động (sóng Đông) sẽ tạo nên xác suất hình thành thời tiết xấu trong điều kiện nhiễu động này lan xuống các mực thấp - thậm chí có thể hình thành bão trong nhiễu động sóng Đông

H ệ th ố ng áp cao ph ụ nhi ệ t đớ i nam bán c ầ u : Áp cao Úc châu , Áp cao Mascarene

- Dải Áp cao Phụ nhiệt đới Nam bán cầu (NBC) : được đánh giá bằng trục sống cao của đới gió tín phong Nam bán cầu vượt xích đạo đổi hướng dịch chuyển lên phía N vào thời kỳ mùa hè ở BBC Vị trí của trục sống cao có thể dịch chuyển lên gần 10 o N

- Sự dịch chuyển lên phía bắc của Áp cao Mascarene Ấn Độ Dương (AĐD) cũnh là một nguyên nhân tạo ra gió SW mạnh trên toàn vùng Nam Á và Đông Nam Á

- Trên vùng Nam Biển Đông hoặc vịnh Thái Lan (trong khoảng từ 5 o -10 o N) có thể xuất hiện các tâm cao được tách ra từ hệ thống này trong thời kỳ cuối tháng 6 và tháng 7

Hình 3.9: Mô hình áp cao phụ nhiệt đới nam bán cầu.

1.10) Hoàn lưu qui mô vừa tác động đến thời tiết Việt Nam

- Biến đổi theo thời gian: nhanh hơn so với hoàn lưu qui mô lớn

- Thời gian tồn tại: ngắn hơn nhiều so với hoàn lưu qui mô lớn Được tính bằng ngày và một hệ thống thường không kéo dài quá 5-7 ngày

- Sự hình thành các hoàn lưu qui mô vừa, thường gắn chặt với cơ chế tương tác nhiệt ẩm của mặt đất và bầu khí quyển để tạo nên một hệ thống phát triển từ tầng thấp lên cao hoặc do sự nhiễu động của tầng cao khí quyển để hình thành nên một hệ thống phát triển từ trên cao xuống (sự hình thành các dao động sóng của khí quyển trên các tầng cao)

Các hệ thống qui mô vừa phổ biến ở Việt Nam:

Bão, áp th ấ p nhi ệ t đớ i :

- Ảnh hưởng của bão: Do năng lượng của một cơn bão rất lớn, nên phạm vi ảnh hưởng của nó có thể tới hàng nghìn km Khi có bão hoặc áp thấp xuất hiện trên vùng biển Đông, khu vực Nam Bộ Việt Nam sẽ chịu ảnh hưởng của hệ thống này trong nhiều ngày Thời tiết trong những ngày này thường dữ dội và phức tạp

- Là vùng áp cao hình thành trên lục địa vào mùa đông , có tâm ở vùng Siberi , khí áp trung bình đạt 1035mb , có khi lên tới 1073mb Không khí trong vùng khống chế của áp cao này rất khô và lạnh

- Ảnh hưởng tới miền Bắc Việt Nam khi ở vùng cao nguyên Tây Tạng (30 o N- 40 o N , 90 o E – 105 o E) có một vùng áp cao đóng kín (được phân tâm từ cao áp Siberi) , hoặc một lưỡi cao đang trải dài về phía nam

- Tác động đến thời tiết Việt Nam được thể hiện dưới mô hình gió mùa đông bắc , trong thời gian đầu mùa đông từ tháng 11 tháng 12, thường cho thời tiết lạnh khô

Hình 3.10: Mô hình áp cao lạnh lục địa Áp cao l ạ nh l ụ c đị a l ệ ch bi ể n bi ế n tính :

- Là vùng áp cao xuất hiện khi một bộ phận của áp cao lạnh không di chuyển theo hướng N-S mà lệch hướng sang E tới vùng biển phía nam Trung Quốc , trong khoảng 20 o -24 o N ; 114 o -120 o E Tại đây không khí lạnh trở nên bớt lạnh và độ ẩm được tăng cường do di chuyển đến vĩ độ thấp hơn và nằm trên biển

- Khi đó Việt Nam chịu tác động của gió ESE-SE khi thổi qua Biển Đông, thường xảy ra từ tháng 1 đến tháng 3 gây ra các hiện tượng mưa phùn mây thấp và sương mù ở Bắc bộ và bắc Trung bộ

Hình 3.11: Mô hình áp cao lạnh lục địa lệch biển biến tính Áp cao Bi ể n Đ ông :

- Là sự phân tâm từ áp cao Phụ nhiệt đới BBC , có tâm nằm trên Biển Đông

- Với sự tác động của áp cao này, thời tiết trên khu vực Biển Đông tốt, khi phát triển mạnh sang phía W thì thời tiết tại khu vực Trung Bộ và Bắc Bộ Việt Nam cũng tốt Áp th ấ p Ấ n Mi ế n :

- Là vùng áp thấp hình thành trên vùng lục địa Ấn Độ - Miến Điện , phát triển mạnh nhất vào tháng 7 , có trị số khí áp ở tâm giảm xuống dưới 1000mb

- Tác động đến thời tiết Việt Nam theo mô hình gió mùa SW, thường cho thời tiết mưa rào , mưa dông diện rộng ở phía nam rãnh , cho thời tiết tốt hoặc dông khan cục bộ ở phía bắc rãnh.Tùy từng trường hợp cụ thể có thể gây thời tiết phức tạp khi kết hợp với các hệ thống khác

- Thời gian ảnh hưởng đến Việt Nam từ tháng 5 đến tháng 10 theo từng chu kỳ

Hình 3.11: Mô hình áp cao biển đông

Hình 3.12: Mô hình áp cao biển đông

Hình 3.13: Mô hình áp thấp Ấn-Miến Áp th ấ p nóng B ắ c B ộ ( mùa hè )

- Là vùng áp thấp nhỏ hình thành ở Bắc Bộ (trên đất liền) vào khoảng tháng

5, kết hợp với áp thấp Ấn-Miến tạo thành 1 rãnh thấp trải dài trên lục địa từ Ấn Độ đến bắc Viêt Nam

- Tác động đến Bắc Bộ cho thời tiết khô nóng

Hình 3.14: Mô hình áp thấp nóng Bắc Bộ Việt Nam Áp cao c ụ c b ộ v ị nh TháiLand:

- Là vùng áp cao nhỏ hình thành trên biển khu vực vịnh Thái Lan, thường xuất hiện vào đầu mùa hè

- Tác động Nam Bộ dưới mô hình gió NW và cho thời tiết tốt ở khu vực này

- Hình thành ở vùng phía Tây bắc so với lãnh thổ Việt Nam, di chuyển từ

- Thời tiết xấu (mưa dông mạnh, mưa đá) trong khu vực lân cận trục rãnh thấp Khi phát triển mạnh và di chuyển xuống phía S sẽ tạo lên xác xuất mưa đá cao cho cả vùng Tây Nguyên Trung Bộ Khi trục rãnh thấp vượt qua kinh tuyến 108 o E thì thời tiết khu vực Nam bộ Việt Nam sẽ tốt lên

- Thường hình thành đầu mùa hè và cuối mùa đông (Ở miền Bắc Việt Nam), theo cơ chế bình lưu không khí lạnh mạnh

Hình 3.15: Mô hình áp cao cục bộ vịnh Thái Lan

Sóng Đ ông : (hình thành t ừ trên cao xu ố ng m ặ t đấ t)

- Hình thành trên Biển Đông , di chuyển theo hướng W đi vào lãnh thổ Việt Nam

- Nguyên nhân hình thành do có sự nhiễu động , biến dạng của đới gió tín phong của Áp cao Phụ nhiệt đới TBD

- Thời kỳ hình thành sóng Đông trên vùng biển Việt Nam nhiều nhất khi vị trí trục của Áp cao Phụ nhiệt đới BBC nằm trong khoảng 20°N -25°N

- Thời tiết : các khối mây dày, mây tích được thiết lập trong vùng lân cận trục sóng Tùy trường hợp mà vùng thời tiết cực xấu sẽ xảy ra ở trước trục, giữa trục, sau trục của sóng

- Khi sóng Đông di chuyển trên vùng biển nóng sẽ có khả năng cao tạo thành áp thấp nhiệt đới hoặc bão

Hình 3.16: Mô hình sóng đông

- Dải hội tụ nhiệt đới: là nơi gặp gỡ và dừng lại của 2 đới gió tín phong của Bắc và Nam bán cầu, xuất phát từ rìa phía nam của cao Phụ nhiệt đới BBC và rìa bắc của cao Phụ nhiệt đới NBC

- Điều kiện hình thành: ITCZ trong khu vực Ðông Nam Á được hình thành khi có sự kết hợp của

• Sự khơi sâu và phát triển mạnh của áp thấp Ấn Miến

• Sự hình thành các trung tâm áp thấp (xoáy thuận) trên Biển Đông VN và vùng biển Philipin

• Thời gian tồn tại kéo dài trung bình từ 5 đến 7 ngày, nhưng cũng có thể đến 2 tuần tùy thuộc vào các trung tâm áp thấp trên biển

• Vị trí trục ITCZ thường có khuynh hướng biến đổi nhanh , phụ thuộc vào khuynh hướng chuyển động của các áp thấp trên biển , đặc biệt khi các áp thấp này mạnh nên và trở thành bão

- Đặc điểm thời tiết biểu hiện tính chất khác nhau trong 2 thời kỳ gió mùa:

• Trong mùa gió mùa SW : vùng thời tiết xấu hình thành ở phía S của trục ITCZ Đó là nơi hội tụ của 2 đới gió là gió mùa SW và tín phong NBC vượt xích đạo đổi hướng

• Trong mùa gió mùa NE : trong thời kỳ đầu mùa tháng 10, thời tiết xấu ở phía N của trục rãnh, nơi gặp nhau của tín phong BBC và gió mùa

2.1) Khái niệm

Hệ hỗ trợ quyết định (Decision Support System - DSS) là một hệ thống giao tiếp, mềm dẻo và thích nghi, được phát triển một cách đặc biệt để hỗ trợ việc giải quyết các vấn đề quản lý không có tính cấu trúc, nhằm nâng cao hiệu quả việc thực hiện quyết định Nó tận dụng dữ liệu, cung cấp một sự giao tiếp dễ dàng và cho phép phát huy sáng tạo riêng của người sử dụng Hệ hỗ trợ cũng tận dụng mô hình, được tạo ra bởi một tiến trình giao tiếp, nó hỗ trợ tất cả các giai đoạn của việc thực hiện quyết định, và nó cũng chứa đựng một cơ sở kiến thức.

2.2) Các đặc trưng và khả năng của hệ hỗ trợ quyết định

Một hệ hỗ trợ quyết định có thể thường được đặc trưng bởi một số tính chất trong danh sách liệt kê dưới đây :

1) Hệ hỗ trợ quyết định cung cấp sự hỗ trợ cho người ra quyết định chủ yếu để giải quyết các vấn đề không có cấu trúc bằng cách kết hợp giữa sự thẩm định của con người và các thông tin đã được xử lý

2) Sự hỗ trợ của hệ hỗ trợ quyết định dành cho nhiều cấp độ quản lý khác nhau, bao gồm từ nhà quản lý cấp cao đến nhà quản lý cấp tuyến và những người trực tiếp giải quyết các công việc cụ thể

3) Hệ hỗ trợ quyết định cung cấp sự hỗ trợ cho cá nhân cũng như cho nhóm Nhiều vấn đề của cơ quan gắn liền với sự thực hiện quyết định nhóm Những vấn đề kém tính cấu trúc thường đòi hỏi sự tham dự của vài cá nhân từ những lĩnh vực riêng hoặc những cấp độ tổ chức khác nhau

4) Hệ hỗ trợ quyết định cung cấp sự hỗ trợ dành cho các quyết định phụ thuộc đa phương hoặc tuần tự

5) Hệ hỗ trợ quyết định hỗ trợ tất cả các giai đoạn của tiến trình thực hiện quyết định : thu thập thông tin, thiết kế, chọn lọc và áp dụng

6) Hệ hỗ trợ quyết định hỗ trợ nhiều tiến trình và kiểu quyết định khác nhau Luôn luôn có một sự gắn bó lẫn nhau giữa hệ hỗ trợ quyết định và các thuộc tính của người ra quyết định

7) Hệ hỗ trợ quyết định thích nghi theo thời gian Ngoài ra quyết định nên có những đáp ứng thích đáng để đối phó với những điều kiện thay đổi nhanh chóng và làm cho Hệ hỗ trợ quyết định thích nghi với sự thay đổi này Hệ hỗ trợ quyết định rất mềm dẻo, vì thế người dùng có thể bổ sung, xóa bỏ, phối hợp, thay đổi hay sắp xếp lại những phần tử cơ bản Khả năng này làm cho việc quản lý có thể đáp ứng được những đòi hỏi của sự phân tích đặc thù, nhanh và kịp thời

8) Hệ hỗ trợ quyết định dễ dùng Người dùng cảm thấy như ở chung nhà với hệ thống Thân thiện, mềm dẻo, khả năng tạo hình ảnh mạnh hay ngôn ngữ giao tiếp giữa máy và người ở dạng minh ngữ có thể nâng cao hiệu quả của

Hệ hỗ trợ quyết định Việc dễ dàng sử dụng này ngầm chỉ trạng thái giao tiếp của hệ thống

9) Hệ hỗ trợ quyết định nhắm đến việc nâng cao hiệu quả của việc ra quyết định (chính xác, kịp thời và đạt chất lượng tốt) hơn là quan tâm đến sự hữu hiệu của nó (chi phí thực hiện quyết định, kể cả chi phí sử dụng máy tính)

10) Người ra quyết định kiểm soát hoàn toàn tất cả các bước của tiến trình ra quyết định trong khi giải quyết vấn đề Hệ hỗ trợ quyết định đặc biệt nhắm vào sự hỗ trợ chứ không phải thay thế người ra quyết định Người ra quyết định có thể bỏ qua các khuyến cáo của máy tính ở bất kỳ giai đoạn nào trong tiến trình thực hiện quyết định

11) Hệ hỗ trợ quyết định mang lại những nhận thức dẫn đến những đòi hỏi mới để hoàn thiện hệ thống, và do đó cũng mang lại những hiểu biết bổ sung…trong một tiến trình phát triển và nâng cao liên tục hệ hỗ trợ quyết định

12) Một hệ hỗ trợ quyết định thường tận dụng mô hình để phân tích tình trạng quyết định Khả năng mô hình cho phép người sử dụng có thể thực hiện những thí nghiệm khác nhau Những thí nghiệm như vậy có thể tạo ra những phát kiến và nhận thức mới

13) Hệ hỗ trợ quyết định hiện đại được trang bị thêm thành phần tri thức cho phép giải quyết các vấn đề khó một cách hữu hiệu và có hiệu quả.

2.3) Các thành phần chính của hệ hỗ trợ quyết định

Một hệ hỗ trợ quyết định thường gồm những hệ thống con sau :

Hệ quản lý dữ liệu : bao gồm cơ sở dữ liệu chứa tất cả những dữ liệu có liên quan đến lĩnh vực có trong hệ thống và được quản lý bởi hệ quản trị cơ sở dữ liệu(Database Managemant System - DBMS)

1) Hệ quản lý mô hình : bao gồm nhiều mô hình con khác nhau nhằm cung cấp khả năng phân tích, hỗ trợ của hệ thống và một sự quản lý thích hợp

2) Hệ quản lý tri thức : cung cấp những năng lực thực thi và tổng hợp cần thiết của một hệ chuyên gia

3) Hệ thống giao tiếp : người sử dụng có thể trao đổi thông tin với hệ hỗ trợ quyết định thông qua hệ thống này Hệ thống sẽ cung cấp cho người sử dụng một giao diện người dùng thân thiện, dễ dàng sử dụng.

2.5) Hệ thống con quản lý mô hình

Khí tượng là một môn khoa học nghiên cứu các hiện tượng và quá trình vật lý khí quyển, trong mối quan hệ giữa chúng với nhau, giữa chúng với bề mặt trái đất, giữa chúng với vũ trụ và mặt trời, để tìm ra những quy luật chi phối chúng Đồng thời xác định những quy luật phân bố theo thời gian và không gian của chúng một cách tổng quát Dựa vào đó để dự báo trước thời gian, không gian và mức độ chúng sẽ xảy ra Đối tượng nghiên cứu của khoa học khí tượng là khí quyển và những hiện tượng cũng như các quá trình vật lý xảy ra trong khí quyển Đây là một môn khoa học trừu tượng và phức tạp, đối tượng nghiên cứu của nó thường xuyên chịu sự chi phối của nhiều yếu tố, trong đó có những yếu tố rất khó xác định cụ thể như : ảnh hưởng của mặt trời, vũ trụ, cấu trúc địa tầng của vỏ trái đất Chính vì vậy khoa học khí tượng có mối quan hệ rất mật thiết với nhiều ngành khoa học khác như : Toán, vật lý, cơ lý thuyết, cơ chất lỏng, thiên văn học, vật lý địa cầu, địa lý

Trong những năm gần đây với sự giúp đỡ của các trang thiết bị hiện đại như vệ tinh khí tượng, radar thời tiết, đặc biệt công nghệ thông tin Khoa học khí tượng đã đạt được những kết quả rất khả quan trong việc dự báo, cảnh báo các hiện tượng thời tiết nguy hiểm như: dự báo quỹ đạo di chuyển của bão, mưa lớn trên diện rộng Tuy nhiên còn rất nhiều vấn đề khoa học khí tượng vẫn chưa giải quyết được như: nguyên nhân hình thành bão, dự báo chính xác các hiện tượng thời tiết xảy ra đột ngột với cường độ mạnh, đặc biệt là các hiện tượng dông, mưa ở vùng nhiệt đới Một trong những lý do chính của hạn chế đó là: những hiện tượng và các quá trình vật lý khí quyển, cùng với những mối quan hệ qua lại giữa chúng, diễn biến rất phức tạp Cho đến nay các nhà khí tượng học vẫn chưa hiểu hết về đối tượng của mình Những hiện tượng và quá trình vật lý khí quyển có những đặc điểm đáng chú ý sau:

- Phân bố rất không đồng nhất theo không gian và biến đổi mạnh mẽ theo thời gian Điều đó phản ánh mối quan hệ phức tạp giữa các quá trình vật lý khí quyển với mặt đất, mặt trời và vũ trụ

- Liên hệ mật thiết với sự biến đổi của hơi nước

- Hình thành trên toàn bộ khí quyển bao quanh trái đất

- Có những kích thước rất khác nhau từ 10 -6 - 10 -7 m ( như quá trình hình thành các phấn tử mây) đến hàng ngàn Km (như quá trình hình thành Front)

Từ xa xưa con người đã nhận thấy những hiện tượng thời tiết như mưa, dông, bão có ảnh hưởng rất lớn đến cuộc sống của con người Do đó con người đã để ý, quan sát các hiện tượng thời tiết và cố gắng giải thích chúng Tuy nhiên những giải thích đó còn rất thiếu cơ sở khoa học, sơ sài và chủ yếu dựa vào sự tưởng tượng

Người ta đã tìm thấy những số liệu quan trắc khí tượng cổ xưa ở một số nước như: Ai cập, Hi lạp, Ấn độ Trước công nguyên một nhà khoa học cổ Hy lạp là Aristote đã viết cuốn “Khí tượng học” Nội dung cuốn sách rất sơ sài, tuy nhiên tác giả đã cố gắng giải thích một số hiện tượng quan trọng như: mây, mưa Những ý tưởng của ông có những điều rất gần với những quy luật vật lý khí quyển như: “Nước bao quanh trái đất bốc hơi do tia mặt trời và nhiệt từ trên xuống sẽ bốc lên cao, khi đó nhiệt cung cấp cho nó giảm, hơi nước lạnh đi sẽ tụ lại và lại trở thành nước” Ngoài ra còn nhiều tài liệu ghi chép để lại cho thấy: từ trước thế kỷ 17, con người đã biết quan sát bằng mắt các hiện tượng thời tiết và ghi chép lại Tuy nhiên trước thế kỷ 17, khoa học khí tượng vẫn chưa trở thành khoa học định lượng

Năm 1603 Galile chế tạo ra nhiệt kế, năm 1643 Toricenli chế tạo ra khí áp kế Những dụng cụ này, đã giúp khoa học khí tượng trở thành khoa học định lượng Từ cuối thế kỷ 17 một số nước ở châu Âu như: Pháp, Ba lan đã bắt đầu làm quan trắc khí tượng Trong thế kỷ 18, việc nghiên cứu khí quyển đã có những bước phát triển đáng kể, đặc biệt trong lĩnh vực điện khí quyển M.Lomonosov đã có những ý tưởng rất sâu sắc về phương pháp dự báo thời tiết Theo ông, nguyên nhân hình thành các hiện tượng thời tiết là do các dòng khí và ông hy vọng “Một học thuyết về sự chuyển động của không khí và nước bao quanh bề mặt trái đất” sẽ là cơ sở cho các phương pháp dự báo thời tiết Thế kỷ 19, học thuyết “Front“ của các nhà khoa học Na uy là V.Bjerknet ra đời, trở thành cơ sở nền tảng cho việc dự báo các hiện tượng thời tiết

Trong thế kỷ 20 cùng với sự phát triển vượt bậc của nhiều ngành khoa học khác, khoa học khí tượng cũng đã có những bước tiến vượt bậc Cùng với sự trợ giúp của vệ tinh khí tượng, radar, các dụng cụ quan trắc tự động, máy tính Lượng thông tin khí tượng ngày càng tăng nhanh về số lượng và chất lượng Điều đó góp phần giúp cho việc dự báo thời tiết ngày càng chính xác hơn

III.1.3) Khí quyển trái đất

Khí quyển là lớp không khí bao phủ quanh bề mặt trái đất, tham gia vào chuyển động cùng trái đất trong hệ vũ trụ Bề dày của lớp khí quyển ước tíng trung bình khoảng 6.371 Km, khối lượng khoảng 5.157*10 15 tấn Khí quyển là môi trường phát sinh, phát triển của các hiện tượng thời tiết và các quá trình vật lý

Dựa vào kết quả nghiên cứu, người ta nhận thấy khí quyển là hỗn hợp cơ học của ba thành phần gồm không khí khô, hơi nước và bụi

- Không khí khô: là hỗn hợp các chất khí ở dạng nguyên tố (O2, H2, N2, He,

O3 ), dạng hợp chất (CO2, NO2, SO2,…) Mỗi loại khí trong khí quyển chiếm một tỷ lệ khác nhau, kết quả đo đạc như sau:

Các chất khí khác và hơi nước chiếm tỷ lệ khoảng 0,01%

Tuy nhiên, tỷ lệ của các chất khí trong khí quyển không phải hoàn toàn ổn định Trong những điều kiện khác nhau, những tỷ lệ trên có thể thay đổi

- Hơi nước: Lượng hơi nước trong khí quyển khoảng 519.000 Km 3 Lượng hơi nước phần lớn tập trung ở gần mặt đất Khi lên cao, lượng hơi nước giảm nhanh, trên độ cao 1,5 – 2 Km lượng hơi nước giảm đi 2 lần so với lớp gần mặt đất Nước là thành phần quan trọng trong việc hình thành và phát triển của các hiện tượng thời tiết Nước có thể chuyển hóa giữa ba pha: hơi, lỏng, rắn

- Bụi: Trong khí quyển bụi có vai trò rất quan trọng trong việc ngưng kết hơi nước Vì nếu không có bụi làm hạt nhân ngưng kết thì quá trình ngưng kết của hơi nước rất khó thực hiện

- Có nhiều cách phân lớp cấu trúc khí quyển khác nhau, mỗi cách phân lớp dựa trên các tính chất đặc trưng được quan tâm Trong lĩnh vực khí tượng, sự phân lớp khí quyển dựa trên sự phân bố nhiệt độ theo độ cao và tính chất chuyển động của không khí trong khí quyển Cấu trúc mặt cắt thẳng đứng của khí quyển được phân thành các tầng như sau :

Troposphere: Bề dày của tầng này từ mặt đất lên đến độ cao 8 – 18 Km (8 – 10 Km ở vùng địa cực, 10 – 12 Km ở vùng vĩ độ trung bình và 16 – 18

Km ở vùng xích đạo) Đặc trưng của tầng Troposphere là nhiệt độ giảm theo độ cao, trung bình 0,65 o /100 m và có chuyển động đối lưu của không khí Tầng Troposphere chiếm khoảng 75 – 90% khối lượng khí quyển và 90% lượng hơi nước có trong khí quyển Hầu hết các hiện tượng thời tiết đếu xảy ra trong tầng này

Tropopause: Là lớp chuyển tiếp từ Troposphere sang stratosphere, bề dày của lớp này khoảng 1,5 – 2 Km Đặc trưng cơ bản của lớp này là nhiệt độ hầu như không đổi theo độ cao và có giá trị trung bình khoảng –56 o C Khi cắt ngang lớp Tropopause, thường có sự biến đổi đột ngột về nhiệt độ, độ ẩm không khí và vector gió…

Stratosphere: Là tầng tiếp theo lên tới độ cao khoảng 45 – 55 Km Đặc trưng cơ bản của tầng này là nhiệt độ tăng theo độ cao Nguyên nhân của sự tăng nhiệt độ là do sự hấp thụ bức xạ cực tím mặt trời của tầng Ozon Nhiệt độ trung bình lớp biên trên của Stratosphere khoảng O o C – 20 o C

Mesosphere: Là tầng tiếp theo lên tới độ cao 80 – 90 Km Nhiệt độ trong tầng này giảm dần theo độ cao khoảng 0,36 o C/100 m

Thermosphere: Là tầng tiếp theo đến độ cao khoảng 400 Km Đặc trưng của tầng này là nhiệt độ tăng nhanh theo độ cao

Exosphere: Là tầng trên cùng của khí quyển, nhiệt độ trong tầng này hầu như không đổi theo độ cao

Hình 3.1 : Cấu trúc khí quyển theo chiều thẳng đứng

2.6) Hệ thống con tri thức

III.2.5.4) Thư mục mô hình : Vai trò của thư mục mô hình tương đương với vai trò của thư mục cơ sở dữ liệu Nó giống như một quyển sổ chỉ mục ghi nhận tất cả các mô hình trong cơ sở mô hình Nó chứa đựng những định nghĩa và những chức năng chính để có thể trả lời các câu hỏi về sự hiện hữu và khả năng của các mô hình Một câu hỏi được đặt ra là : mô hình nào nên dùng trong hoàn cảnh nào? Sự lựa chọn mô hình như thế không thể thực hiện được với hệ thống quản lý mô hình, bởi nó đòi hỏi khả năng chuyên môn Đây chính là tiềm năng của thành phần tri thức nhằm trợ giúp hệ thống quản lý mô hình

III.2.5.5) Thực thi mô hình, tổng hợp và lệnh : Những hoạt động sau đây thường được kiểm soát bởi hệ quản lý mô hình :

- Thực thi mô hình : kiểm soát sự thực thi thật sự của mô hình

- Tổng hợp mô hình : phối hợp sự điều hành của vài mô hình khi cần

Bộ xử lý lệnh lập mô hình được dùng để tiếp nhận hay thông dịch chỉ thị mô hình khi chúng đi xuyên qua thành phần hội thoại và dẫn đến hệ thống quản lý mô hình, thực thi mô hình hay đến những chức năng tổng hợp

Sự thực hiện tính toán thông qua mô hình đòi hỏi sự truy xuất các mẩu tin dữ liệu từ cơ sở dữ liệu DSS hay từ cơ sở dữ liệu khác Hoạt động này được thực hiện thông qua sự giao tiếp với cơ sở dữ liệu

III.2.6) Hệ thống con tri thức

Rất nhiều bài toán không có tính chất cấu trúc hoặc có tính chất bán cấu trúc khá phức tạp và chúng chỉ có thể được giải bởi việc tăng cường thêm khả năng cho DSS thông thường bằng cách bổ sung kiến thức chuyên môn Những kiến thức chuyên môn như thế có thể được cung cấp bởi một hệ chuyên gia Vì thế một DSS hiện đại thường được trang bị thêm một thành phần, đó là hệ thống quản lý tri thức Thành phần như thế có thể cung cấp những khả năng chuyên môn cần thiết để giải quyết một số khía cạnh của vấn đề hoặc cung cấp tri thức để có thể nâng cao sự điều hành của những thành phần DSS khác

Thành phần quản lý tri thức bao gồm một hay nhiều hệ chuyên gia Cũng như sự quản lý mô hình và quản lý dữ liệu, phần mềm quản lý tri thức cung cấp những năng lực thực thi và tổng hợp cần thiết của hệ chuyên gia Một hệ DSS như thế được gọi là một hệ DSS thông minh hay DSS dựa trên cơ sở tri thức

III.2.7 Hệ thống con giao tiếp

Thành phần giao tiếp của một DSS là phần cứng và phần mềm cung cấp sự giao tiếp giữa người dùng và hệ thống DSS Khái niệm giao tiếp người dùng bao gồm tất cả các khía cạnh của sự trao đổi thông tin giữa nguời sử dụng và hệ thống DSS

Nó không những bao gồm cả phần cứng và phần mềm mà còn cả những nhân tố liên quan đến năng lực tạo thuận lợi cho việc sử dụng, truy cập, giao tiếp giữa người dùng và hệ thống Hệ thống giao tiếp là một thành phần rất quan trọng của hệ thống DSS vì chúng tạo ra nhiều năng lực, khả năng mềm dẻo, và các đặc tính khác cho DSS Hệ thống giao tiếp không thuận tiện, thân thiện là một trong những lý do chính khiến các nhà quản lý không thích dùng máy tính và không tận dụng được những phân tích định lượng ở mức độ cao nhất của công nghệ này

Hệ thống con hội thoại được quản lý bởi phần mềm được gọi là hệ quản lý và tạo lập hội thoại, nó bao gồm một số chương trình cung cấp những khả năng như sau:

- Giao tiếp theo nhiều kiểu khác nhau

- Tiếp nhận, lưu trữ và phân tích việc sử dụng hội thoại, mà điều này có thể được dùng để nâng cao năng lực của hệ thống giao tiếp

- Cho phép người sử dụng dùng nhiều thiết bị nhập khác nhau

- Trình bày dữ liệu dưới nhiều hình thức và các thiết bị xuất khác nhau

- Cho phép người sử dụng dùng khả năng HELP, nhắc nhở, những thường trình đề nghị và xác định lỗi, hay bất kỳ sự hỗ trợ mềm dẻo khác

- Cung cấp sự giao tiếp giữa người dùng và các cơ sở dữ liệu hay cơ sở mô hình

- Tạo cấu trúc dữ liệu để hiển thị kết quả

- Chứa dữ liệu nhập và xuất

- Cung cấp hình ảnh màu, 3D, và vẽ phác thảo dữ liệu

- Có cửa sổ cho phép nhiều chức năng được trình bày đồng thời

- Có thể hỗ trợ sự trao đổi thông tin giữa người sử dụng và người tạo lập DSS

- Cung cấp những thông tin huấn luyện bằng các ví dụ

- Cung cấp sự mềm dẻo và thích nghi sao cho hệ thống DSS có thể dung nạp được những bài toán và công nghệ khác nhau [7]

3.1) Giới thiệu

Khái niệm tính toán có thể hiểu theo nhiều cách Tính toán theo chương trình, trong đó các giải thuật được thiết kế, sau đó được cài đặt bằng cách sử dụng các cấu trúc hiện hành có ưu thế Một khái niệm khác được đưa ra khi xét đến hoạt động tính toán của các hệ sinh học Qua quá trình nghiên cứu người ta nhận ra rằng sự tính toán trong bộ não con người, khác rất nhiều so với tính toán theo chương trình ở chỗ:

- Sự tính toán được phân tán cực đại và song song

- Việc học thay thế sự phát triển chương trình có rất nhiều ưu thế

Theo cách hoạt động này của bộ não, một mô hình tính toán mới có động cơ từ sinh học đã ra đời, đó là neural nhân tạo (Artificial Neural Networks - ANN)

Mạng neural nhân tạo là một cấu trúc gồm các đơn vị kết nối với nhau Mỗi đơn vị có những đặc tính nhập,xuất và được cài đặt một tính toán hay chức năng cục bộ Đầu ra của một đơn vị được xác định bởi các đặc tính nhập, xuất của nó, những mối liên hệ của nó vơi những đơn vị khác, và đầu vào bên ngoài Một mạng thường phát triển một chức năng tổng thể thông qua một hay nhiều dạng đào tạo

Kỹ thuật ANN có tiềm năng trở thành cấu trúc tính toán chiếm ưu thế Công nghệ ANN đang hình thành là một lượng lớn kiến thức và kỹ thuật thường liên quan với nhau Nó thay thế cho các giải pháp tính toán truyền thống và đưa ra một khả năng để tiếp cận nhiều vấn đề hiện tại không giải quyết được ANN là lĩnh vực vừa khoa học vừa kỹ thuật, trong đó khoa học được định nghĩa một cách lỏng lẻo như là kiến thức có cấu trúc và kỹ thuật là khoa học ứng dụng Quá trình tính toán của ANN có một số nét chính như sau:

- Mô hình tính toán tổng thể là sự kết nối những phần tử đơn giản, hay đơn vị và có thể thay đổi cấu hình

- Những đơn vị riêng lẻ cài đặt một chức năng cục bộ và mạng tổng thể của những đơn vị kết nối thể hiện một chức năng tương ứng Việc phân tích chức năng này, ngoại trừ thông qua đào tạo và thử nghiệm, thường là rất khó Hơn nữa ứng dụng thường xác định chức năng, yêu cầu thông qua đặc tả, đó là vai trò của người thiết kế ANN để xác định tham số mạng thỏa mãn những đặc tả này

- Cải biến các mẫu kết nối như một chức năng của dữ liệu đào tạo chủ yếu là tiếp cận học tập Kiến thức hệ thống kinh nghiệm, đào tạo được lưu trữ dưới dạng các kết nối mạng

- ANN phải có khả năng lưu trữ thông tin, tức là phải đào tạo được Mục đích của quá trình đào tạo là làm cho mạng phát triển một cấu trúc bên trong cho phép nó định danh hay phân loại đúng những mẫu mới, tương tự

- ANN là một hệ động, trạng thái của nó thay đổi theo thời gian trong quá trình đào tạo

Một số ưu điểm của ANN :

- Tránh được việc lập trình cấu trúc và dựa vào những luật IF-THEN cụ thể

- Giảm được công sức và không cần nhiều kinh nghiệm trong công việc chuyên môn cần giải quyết

- ANN có sẵn tính thích nghi và không cần phải cập nhật lại khi đầu vào thay đổi

- Không cần phải định nghĩa lại cơ sở tri thức

- ANN là một hệ thống động và tiếp tục tự cải tiến khi sử dụng

- Có khả năng xử lý lỗi, mâu thuẫn và thậm chí dữ liệu không đầy đủ

- Cho phép tổng quát hóa từ những thông tin chi tiết.

3.2) Cấu trúc của ANN

Trong hình 3.18 mạng bao gồm ba phần : tầng nhập, các tầng ẩn và tầng xuất Mỗi nút trong tầng nhập nhận giá trị của một biến độc lập và chuyển vào mạng Dữ liệu từ tất cả các nút trong tầng nhập được chuyển cho tất cả các nút trong tầng ẩn đầu tiên Gọi là các tầng ẩn, vì các nút trong các tầng này chỉ liên hệ với các nút trong tầng nhập hay tầng xuất hoặc giữa chúng với nhau, chỉ có người thiết kế mạng là biết các tầng này (người sử dụng mạng không biết tầng này) Tương tự, các nút trong tầng xuất cũng nhận các tín hiệu từ các nút ẩn Mỗi nút trong tầng xuất tương ứng một biến phụ thuộc ANN chỉ có một tầng nhập và một tầng xuất duy nhất, còn các tầng ẩn có thể không có hoặc có nhiều Số lượng các nút của tầng nhập và tầng xuất do ứng dụng quy định Số lượng các nút của các tầng ẩn do người thiết kế mạng quyết định tùy vào từng ứng dụng dụng cụ thể.

3.3) Mạng nhiều tầng và giải thuật lan truyền ngược

Một mạng lan truyền tổng quát là một mạng có n > 2 tầng : tầng thứ nhất gọi là tầng nhập, tầng thứ n gọi là tầng xuất, và (n – 2) tầng ẩn Trong mạng lan truyền, mỗi nút của tầng thứ i (0 < i < n) liên kết với mọi nút ở tầng thứ (i + 1), và các nút trong cùng tầng không liên kết với nhau Ngoài ra, còn một số cung liên kết trực tiếp từ các nút tầng nhập đến các nút trong tầng xuất; ta gọi mạng này là mạng lan truyền có nối trực tiếp Mỗi cung trong mạng được gắn một trọng số w ∈ R

Mạng lan truyền có thể ở một trong hai trạng thái: ánh xạ hoặc học Trong trạng thái ánh xạ, thông tin lan truyền từ tầng nhập đến tầng xuất và mạng thực hiện ánh xạ để tính giá trị các biến phụ thuộc dựa vào giá trị các biến độc lập được cho

Trong trạng thái học, thông tin lan truyền theo hai chiều nhiều lần để chỉnh lý các trọng số của mạng

Trong trạng thái ánh xạ, mạng xử lý mỗi lần một mẫu để tính kết quả xuất của mạng Trước tiên, giá trị của các biến độc lập được chuyển cho tầng nhập của mạng Các nút nhập không tính toán gì cả Mỗi nút nhập chuyển giá trị của nó cho tất cả các nút ẩn Mỗi nút ẩn tính tổng trọng hoá của tất cả các dữ liệu nhập bằng cách cộng dồn tất cả các tích giữa giá trị nút ẩn với trọng số của cung liên kết giữa nút nhập và nút ẩn Sau đó một hàm truyền được áp dụng trên tổng trọng hoá này cùng với một ngưỡng của nút ẩn đó để cho ra giá trị thực của nút ẩn Hàm truyền chỉ đơn giản nén giá trị vào một miền giới hạn nào đó Sau khi nén tổng trọng hoá của nó, đến lượt mình, mỗi nút ẩn sẽ gửi kết quả đến tất cả các nút xuất Mỗi nút xuất thực hiện các thao tác tương tự như đã thực hiện trong nút ẩn để cho ra giá trị kết xuất của nút xuất Giá trị của các nút xuất chính lá giá trị thực, nghĩa là gía trị của biến phụ thuộc cần xác định

Bản chất ánh xạ do mạng thực hiện tuỳ thuộc vào giá trị các trọng số trong mạng Lan truyền ngược là một phương pháp cho phép xác định tập trọng tốt nhất của mạng giải một bài toán được cho Việc áp dụng phương pháp Lan truyền ngược là một quá trình lặp đi lặp lại nhiều lần hai tiến trình chính : ánh xạ lan truyền ngược sai số Hai tiến trình này được áp dụng trên một tập mẫu xác định, ta gọi chung tiến trình này là luyện mạng hay còn gọi là học

Quá trình luyện mạng được bắt đầu với các giá trị trọng số tuỳ ý, có thể là các số ngẫu nhiên và tiến hành lặp đi lặp lại Mỗi lần lặp được gọi là một thế hệ Trong mỗi thế hệ, mạng hiệu chỉnh các trọng số sao cho sai số giảm dần (sai số là độ lệch giữa các kết xuất thực và kết xuất đích) Tiến trình điều chỉnh nhiều lần giúp cho trọng số dần dần đạt được tập hợp các giá trị tối ưu Thường mạng cần thực hiện nhiều thế hệ trước khi việc luyện mạng hoàn tất Để cập nhật trọng số trong mỗi thế hệ, mạng phải xử lý tất cả mẫu trong tập mẫu Đối với từng mẫu, mạng thực hiện các phép toán sau đây :

Trước tiên, mạng thực hiện quá trình lan truyền tiến, nghĩa là mạng ánh xạ các biến nhập của mẫu hiện hành thành các giá trị xuất, sử dụng các giá trị của các trọng số hiện hành Ở những thế hệ đầu, các kết xuất thường chưa chính xác vì các trọng số ban đầu cũng chưa có gì là đúng Sau đó sai số được tính dựa trên giá trị của kết xuất và giá trị đích Trên cơ sở sai số tính toán được, mạng sẽ cập nhật lại các trọng số theo nguyên tắc lan truyền ngược sai số, gọi là giai đoạn lan truyền ngược

Như vậy, để học mỗi mẫu, mạng thi hành hai bước : lan truyền tiến – thực hiện ánh xạ, và lan truyền ngược sai số, cập nhật các trọng số của mạng Vì thế phương pháp này được gọi tắt là lan truyền ngược Kỹ thuật cơ bản trong lan truyền ngược là cập nhật trọng số theo hướng giảm gradient với thông tin hướng dẫn là đạo

Giảm gradient cũng là kỹ thuật phổ biến trong thống kê học, và lan truyền ngược có thể được xem như một phương pháp mô hình hoá thống kê Ánh xạ được thực hiện trong giai đoạn lan truyền tiến Trong giai đoạn này, mạng tính giá trị các biến phụ thuộc (giỏ trịứ cỏc nỳt xuất của mạng) dựa trờn giỏ trị cỏc biến độc lập là cỏc nút nhập của mạng Các trọng số của mạng là các hệ số của mô hình Phương pháp giảm gradient được dùng để cập nhật những hệ số này sao cho giảm thiểu sai số của mô hình Sai số đo bằng phương pháp sai số trung bình bình phương , đây là phương pháp thường được sử dụng để xây dựng các mô hình

Ta có thể diễn tả quá trình trên qua đoạn chương trình hình thức sau :

FOR n = 1 TO examples // duyệt qua toàn bộ tập mẫu

Back // tính sai số và lan truyền ngược sai số

NEXT n ChangeWeights //Cập nhật trọng số

Như ta thấy, chương trình có một vòng lặp vô tận, vì vậy sau cùng ta phải thêm vào điều kiện dừng Tại mỗi bước lặp, chương trình duyệt qua tất cả các mẫu Với mỗi mẫu, thủ tục forward (Tham khảo phụ lục B) được gọi để thi hành giai đoạn lan truyền tiến – nghĩa là xác định giá trị của ánh xạ dựa trên các hệ số hiện hành Sau đó, thủ tục back được gọi để thi hành giai đoạn lan truyền ngược – nghĩa là xác định lượng thay đổi trong mỗi trọng số dựa trên mẫu này và tích luỹ toàn bộ thay đổi cần thiết của mạng Sau khi xử lý tất cả mẫu, thủ tục changeWeights được gọi thi hành, thủ tục này cập nhật tất cả các trọng số dựa trên các thay đổi đã tích luỹ được Một tiến trình mới lại bắt đầu.

3.4) Hàm truyền

Giá trị các nút trong tầng ẩn và trong tầng xuất là giá trị của hàm truyền với tham số là tổng trọng hoá Về mặt hình học, đồ thị của hàm truyền có dạng chữ S, nên còn được gọi là hàm dạng S

Một hàm s(u) là một hàm truyền dạng – S nếu nó thỏa :

- s(u) là hàm bị chặn Nghĩa là các giá trị của s(u) không bao giờ được vượt quá chặn trên cũng như thấp hơn chặn dưới bất chấp giá trị của u

- s(u) là một hàm đơn điệu tăng Giá trị của s(u) luôn tăng khi giá trị của u tăng, nghỉa là nó phải tăng đều đặn Do tính chất thứ nhất s(u) bị chặn, ta thấy khi u tăng, s(u) cũng lớn dần nhưng không bao giờ vượt quá cận trên, vì thế nó tiệm cận với giới hạn là cận trên Và khi u nhỏ dần, s(u) tiệm cận giới hạn là chặn dưới của hàm

- s(u) là hàm liên tục và trơn Vì hàm s(u) liên tục nên nó không có khe và góc cạnh Do tính liên tục trơn, hàm có đạo hàm và độ dốc của nó rõ ràng và phân biệt tại từng điểm

Mọi hàm thỏa ba tính chất trên đều có thể sử dụng làm hàm truyền trong mạng Tuy nhiên trong thực tế hàm logistic g(u) thường được sử dụng rộng rãi

Về mặt toán học, hàm logistic (sigmoid function) được định nghĩa như sau : e u u g 1

Trong đó e là cơ số của logarit tự nhiên, hằng số e có giá trị khoảng 2.71828

Tuy nhiên hằng e trong mẫu số không phải bắt buộc, bất cứ hằng nào lớn hơn

1 đều có thể được Hằng càng lớn, hàm số g(u) càng mau tiếp cận các cận của nó Ngược lại, hằng càng nhỏ hàm số g(u) càng chậm tiếp cận các cận Đồ thị trong hình sau biểu diễn g(u) và các hàm cấu thành nó Trục hoành trong đồ thị biểu diễn u Hàm g(u) là đường cong đứt nét Nó có vẻ ít dốc hơn so với hình trước vì chỉ biểu diễn các giá trị từ –5 đến 5 và vì ở đơn vị chia trên trục tung và trục hoành như nhau Các đường khác là các đường cong của các thành phần trong g(u)

Hình 3.21: Các thành phần của hàm g(u)

Khi u = 0, e u = 1 (một số có luỹ thừa 0 sẽ là 1) Điều này có nghĩa u e

Khi u tăng, e u tăng Do vậy phân số u e

1 giảm và g(u) tăng Nhưng tốc độ tăng của g(u) sẽ chậm dần khi u lớn Khi u tiến đến dương vô cực (+∞), e u tiến đến dương vô cực (+∞), u e

1 tiến về 0, và g(u) tiếp cận 1

Khi u giảm, e u giảm Do vậy phân số u e

1 tăng và g(u) giảm Khi u tiến đến âm vô cực (- ∞), g(u) tiến về 0

Như vậy hàm logistic cũng có thể viết là u u e g −

( , cách viết này thường được sử dụng hơn

Khi muốn kết xuất có giá trị trong khoảng [-1,1], ta có thể sử dụng một trong hai hàm sau :

- Hàm thứ nhất là hàm hyperbol: u u e u e h −

Hàm hyperbol có liên quan mật thiết với hàm logistic Thực vậy, ta có h(u) = 2g(u)–1

- Hàm thứ hai là hàm tang – hyperbol tanh(u) = u u u u e e e e

Hàm tang–hyperbol tiến đến các giới hạn của nó nhanh hơn hàm h(u)

Tất cả các hàm truyền này đều phục vụ khá tốt cho mục đích của mạng Neuron và chúng có thể thay thế cho nhau Do khác nhau về các giới hạn của chúng, ta có thể chọn hàm này hoặc hàm kia tùy theo khoảng cần thiết của giá trị kết xuất (0 đến 1 hay –1 đến 1), vì kết xuất của mạng phải rơi vào giữa các giới hạn này Tuy vậy, các giới hạn này không quy định khoảng dữ liệu nhập vào mạng, dữ liệu nhập có thể nhận bất cứ giá trị nào, bất kể hàm truyền nào được chọn Và dữ liệu nhập cũng có thể nhập trực tiếp vào mạng mà không cần phải biến đổi tỉ lệ hoặc chuẩn hoá.

3.5) Phương trình kết xuất của mạng ANN

Phương trình tính kết xuất các nút ẩn của mạng có J nút ẩn là: yj = g(uj), j = 1…J

Với g(uj) là hàm logistic,

Trong đó I là số nút nhập, xi là dữ liệu nhập của nút i, aịj là các trọng từ input i đến ẩn j và a0j là trọng ngưỡng của nút ẩn j

Trong không gian (I+1) chiều, kết xuất của nút ẩn j là siêu phẳng-S I-chiều Mặt này biểu diễn tập các điểm thỏa phương trình của yj, khi biết trị đặc biệt các trọng aij và a0j Các trọng aij điều khiển hướng và độ dốc của mặt phẳng nghiêng trong siêu phẳng-S theo từng chiều tương ứng với các biến nhập Trọng ngưỡng a0j điều khiển khoảng cách từ gốc đến mặt phẳng nghiêng

Một nút ẩn với các trọng cụ thể chia không gian nhập I-chiều thành hai vùng, một vùng có kết xuất cao còn vùng kia có kết xuất thấp Biên chia các vùng này là một siêu phẳng (I-1)-chiều trong không gian nhập I-chiều Biên này là hình chiếu trên không gian nhập của mặt cắt của siêu phẳng S của các kết xuất nút ẩn với siêu phẳng trực giao với trục y, và cắt nó tại trung điểm của các biên Đối với mỗi trục i của không gian nhập, giao điểm của biên là: i i a x = −a 0 i = 1,…,I Phương trình kết xuất của mạng với K nút xuất là: zk = g(vk), k = 1,…K

Trong đó g(vk) là hàm logistic theo vk

1 0 có J nút ẩn với các kết xuất yj, bjk là các trọng trên các cung liên kết từ nút ẩn j đến nút xuất thứ k, còn b0k là trọng ngưỡng của nút xuất thứ k

Các phương trình này được giải thích theo thuật ngữ mạng như sau Mỗi nút trong J nút ẩn chuyển giá trị kết xuất yj của nó đến từng nút xuất Mỗi nút trong K nút xuất tính tổng trọng hoá theo J và cộng với ngưỡng b0k Kết xuất zk là giá trị hàm logistic của tổng này.

GIẢI QUYẾT VẤN ĐỀ THỰC TẾ

XÂY DỰNG HỆ THỐNG THÔNG TIN THỰC THI

Hệ thống thông tin thực thi phục vụ lĩnh vực khí tượng hàng không được xây dựng với hai mục đích :

- Thứ nhất : Tự động hóa việc cập nhật và dễ dàng truy xuất các thông tin

- Thứ hai : Tạo dữ liệu đầu vào cho chương trình AnnForMet.

1.1) Giới thiệu

Những thông tin dự báo viên khí tượng hàng không cần truy xuất được phân làm hai loại :

- Thông tin cung cấp cho tổ bay và các cơ quan liên quan :

• Các bản đồ dự báo gió và nhiệt độ không khí trên các mực đẳng áp chuẩn 850hPa, 700hPa, 500hPa, 300hPa, 250hPa,200hPa

• Bản đồ dự báo các hiện tượng thời tiết trên đường bay do các trung tâm khí tượng thế giới hoặc cơ quan khí tượng tại các sân bay phát hành

• Các bản tin METAR và TAF của sân bay đi, sân bay đến và sân bay dự

• bị Các bản tin WARNING, SIGMET về các hiện tượng thời tiết nguy hiểm trên đường bay và tại các khu vực lân cận sân bay liên quan như bão, gió giật, tro núi lửa…

• Ảnh mây vệ tinh và ảnh radar thời tiết

- Thông tin phục vụ cho việc phân tích trạng thái của khí quyển, từ đó làm ra các bản tin bản tin dự báo TAF, WARNING, SIGMET như :

• Các bản đồ dự báo gió và nhiệt độ không khí, độ ẩm tương đối, đường dòng, trên các mực đẳng áp chuẩn 850hPa, 700hPa, 500hPa, 300hPa, 250hPa, 200hPa

• Các bản đồ giá trị thực của gió và nhiệt độ không khí, nhiệt độ điểm sương, độ cao địa thế vị của các mực đẳng áp chuẩn 850hPa, 700hPa, 500hPa, 300hPa, 250hPa,200hPa

• Bản đồ hình thế khí áp mặt đất

• Bản đồ các trường DIVERGENT, VORTICITY, THTA, … giản đồ thiên khí

• Bản đồ dự báo các hiện tượng thời tiết trên đường bay

• Các bản tin METAR và TAF của sân bay liên quan

• Các bản tin WARNING, SIGMET về các hiện tượng thời tiết nguy hiểm trên đường bay và tại các khu vực lân cận sân bay liên quan như bão, gió giật, tro núi lửa…

• Ảnh mây vệ tinh và ảnh radar thời tiết

• Các số liệu thống kê khí hậu

Các thông tin này được thu từ nhiều nguồn khác nhau, vào những thời điểm khác nhau Do vậy việc theo dõi, xử lý chúng phục vụ cho công việc cung cấp các thông tin cho tổ bay và làm dự báo gặp rất nhiều khó khăn và tốn nhiều thời gian, công sức Ngoài ra việc cung cấp thông tin cho các tổ bay và các cơ quan liên quan cũng gặp nhiều khó khăn và nhiều khi không kịp thời Đặc biệt trong trường hợp có các hiện tượng thời tiết nguy hiểm xảy ra đột ngột Một yêu cầu rất quan trọng nữa đối với các thông tin này là việc lưu trữ chúng một cách có hệ thống và dễ dàng truy xuất phục vụ cho quá trình nghiên cứu khí hậu Chính vì vậy việc xây dựng một hệ thống thông tin thực thi (EIS) phục vụ cho việc tự động cập nhật và cung cấp toàn bộ các thông tin là một việc rất có ý nghĩa trong hoạt động hàng không

Các thông tin trong hệ thống EIS được cập nhật theo các khoảng thời gian như sau :

- Ảnh Radar thời tiết được cập nhật tức thời

- Các bản tin METAR và SPECI được cập nhật sau từng 3 phút một

- Các bản tin TAF và WARNING được cập nhật sau từng 5 phút một

- Các thông tin khác thì dựa vào giờ thu nhận được từ các đầu cuối để cập nhật

Hệ thống thông tin thực thi phục vụ yêu cầu cập nhật và truy xuất các thông tin khí tượng một cách tự động được xây dựng trên hệ điều hành Linux Đây là hệ điều hành có độ ổn định và bảo mật cao Ngoài ra hệ điều hành Linux còn rất tương thích với hệ điều hành Unix Điều này cũng rất cần thiết vì nhiều chương trình liên quan tới khí tượng được viết trên hệ điều hành Unix Các chương trình của hệ thống thông tin thực thi được viết bằng ngôn ngữ ANSI C và PHP trên Linux Để dễ dàng cho các đối tượng truy xuất dữ liệu, không cần huấn luyện nhiều đối với người sử dụng, không phụ thuộc vào cấu hình của các máy đầu cuối Ở đây chọn giải pháp thiết kế các trang WEB phục vụ cho việc cập nhật và truy xuất các thông tin.

1.2) Hệ thống các chương trình và chức năng

- Các chương trình xử lý ảnh Radar : Giao diện như hình C.2

1 copyradar.c : Copy các file ảnh Radar về máy Server

2 radar.c : Liệt kê và hiển thị ảnh Radar theo yêu cầu

3 radar-parse.c : Chuyển đổi tên từ mã số thành minh ngữ

4 radarloop.c : Loop các ảnh Radar

- Các chương trình xử lý ảnh mây thu từ vệ tinh : Giao diện như hình C.4

1 copygms.c : Copy các file ảnh mây vệ tinh về máy Server

2 gms.c : Liệt kê và hiển thị ảnh mây vệ tinh theo yêu cầu

3 gms-parse.c : Chuyển đổi tên từ mã số thành minh ngữ

4 gmsloop.c : Loop các ảnh mây vệ tinh

- Các chương trình xử lý dữ liệu dạng TEXT thu từ AFTN : Giao diện như hình

1 Analysic.vba : Phân tích những dữ liệu cần thiết ghi vào file

2 ftpfile.c : Truyền các file về máy Server

3 processmetar.c : Xử lý dữ liệu METAR phục vụ việc hiển thị và in

4 selectmetar.c : Hiển thị METAR theo yêu cầu

5 processtaf.c : Xử lý dữ liệu TAF phục vụ cho việc hiển thị và in

6 selecttaf.c : Hiển thị TAF theo yêu cầu

7 processwarn.c : Xử lý dữ liệu WARNING phục vụ việc hiển thị và in

8 selectwarn.c : Hiển thị WARNING theo yêu cầu

9 selectsig.c : Hiển thị SIGMET theo yêu cầu

10 checkmetar.c : Hiển thị METAR và SPECI của từng sân bay của

Việt Nam theo yêu cầu

- Các chương trình xử lý dữ liệu dạng TEXT thu từ vệ tinh SADIS : Giao diện như hình C.13

1 processmetars.c: Xử lý dữ liệu METAR phục vụ việc hiển thị và in

2 selectmetars.c : Hiển thị METAR theo yêu cầu

3 processtafs.c : Xử lý dữ liệu TAF phục vụ cho việc hiển thị và in

4 selecttafs.c : Hiển thị TAF theo yêu cầu

5 processwarns.c : Xử lý dữ liệu WARNING phục vụ cho việc hiển thị và in

6 selectwarns.c : Hiển thị WARNING theo yêu cầu

7 selectsigs.c : Hiển thị SIGMET theo yêu cầu

- Chương trình hiển thị các bản tin cảnh báo cho các chuyến bay : Giao diện như hình C.20

1 showwar.php : Hiển thị các bản tin cảnh báo theo yêu cầu

- Các chương trình lọc và hiển thị các bản đồ phục vụ bay : Giao diện như hình

1 copychart.c : Chọn và copy nhửng bản đồ cần thiết về máy

2 chartpg.c : Hiển thị các bản đồ theo yêu cầu

3 chartpg-parse : Chuyển đổi tên từ mã số thành minh ngữ

- Các chương trình tự động tạo và hiển thị sản phẩm GRID : Giao diện như hình

1 createGRIDs.c : Tạo các sản phẩm GRID dưới dạng các bản đồ

2 showchart.php : Liệt kê và hiển thị các sản phẩm theo yêu cầu

- Chương trình truy vấn các hiện tượng thời tiết nguy hiểm : Giao diện như hình C.25

1 createdbmetar.c : Tạo cơ sở dữ liệu, dùng SQL

2 climatereport.php : Liệt kê các hiện tượng thời tiết nguy hiểm

- Chương trình lưu trữ và hiển thị các bản tin METAR/SPECI theo từng phút :

1 ASOSdata.vba : Ghi dữ liệu theo từng phút vào file

2 ASOStranf.c : Truyền các file dữ liệu ASOS về máy Server

3 showASOS.php : Xử lý và hiển thị thông tin theo yêu cầu.

1.3) Giao diện của hệ thống thông tin thực thi

Giao diện của hệ thống Thông tin thực thi tham khảo phụ lục C

IV.2) XÂY DỰNG PHẦN MỀM HỖ TRỢ DỰ BÁO THỜI TIẾT

IV.2.1 GIỚI THIỆU VỀ AnnForMet :

AnnForMet được xây dựng và hiện thực bằng ngôn ngữ lập trình VB.6 AnnForMet là một phần mềm về lãnh vực trí tuệ nhân tạo , mà mô hình toán học chính là ANN theo thuật giải lan truyền ngược – BPNN

Người sử dụng có thể dùng phần mềm AnnForMet để thiết lập dữ liệu học, thông số mạng, dữ liệu kiểm tra và qua AnnForMet, người sử dụng có thể thực hiện các giai đoạn cơ bản với ANN là : huấn luyện, kiểm tra trên mô hình trọng số mạng vừa được huấn luyện , và với kết quả độ chính xác cho phép qua hai giai đoạn trên, mô hình trọng số mạng này có thể được sử dụng để dự báo dữ liệu kết xuất dựa theo dữ liệu nhập và theo bộ trọng số mạng

Sau khi khởi động, giao diện của chương trình AnnForMet như hình 4.1: Để tiện lợi cho người sử dụng, giao diện của AnnForMet được thiết kế thành từng phần riêng biệt, tương ứng với các quá trình huấn luyện, kiểm tra và dự báo Sau đây sẽ giới thiệu từng phần của chương trình

Quá trình huấn luyện mạng:

Nút lệnh “New File” cho phép người sử dụng tạo lập một file dữ liệu, trong đó bao gồm đầy đủ các thông số về mạng và các dữ liệu đầu vào, phục vụ cho quá trình huấn luyện mạng

Nút lệnh “ Open File” cho phép người sử dụng mở tập tin dữ liệu và tập tin ghi kế quả, phục vụ cho quá trình huấn luyện mạng

Nút lệnh “Init Weight” cho phép khởi tạo tập trọng số ban đầu phục vụ cho quá trình huấn luyện mạng hình 4.1 : Giao diện của chương trình AnnForMet

Nút lệnh “Learnning” cho phép người sử dụng bắt đầu quá trình huấn luyện mạng

Nút lệnh “Drawing” cho phép người sử dụng vẽ biểu đồ kết quả của quá trình huấn luyện mạng

Hộp thoại “Accuracy” cho phép người sử dụng nhập vào độ chính xác cần thiết của quá trình huấn luyện mạng

Thanh tiến trình “Trainning Process” cho phép người sử dụng theo dõi tiến trình huấn luyện mạng

Dòng thông báo “ Time of Trainning” cho phép người sử dụng biết thời gian huấn luyện mạng

Dòng thông báo “ Correct” cho phép người sử dụng biết độ chính xác trong quá trình huấn luyện mạng

Quá trình kiểm tra mạng :

Giao diện của quá trình kiểm tra mạng như hình 4.2

Hình 4.2 : Giao diện của quá trình kiểm tra mạng

Nút lệnh “New File” cho phép người sử dụng tạo lập một file dữ liệu, phục vụ cho quá trình kiểm tra mạng

Nút lệnh “Open File” cho phép người sử dụng mở tập tin trọng số, tập tin dữ liệu và tập tin ghi kết quả, phục vụ cho quá trình kiểm tra mạng

Nút lệnh “Start” cho phép người sử dụng bắt đầu quá trình kiểm tra mạng

Nút lệnh “Drawing” cho phép người sử dụng vẽ biểu đồ kết quả của quá trình kiểm tra mạng

Thanh tiến trình “% of Testing Progress” cho phép người sử dụng theo dõi tiến trình kiểm tra mạng

Dòng thông báo “ Time of Trainning” cho phép người sử dụng biết thời gian kiểm tra mạng

Dòng thông báo “ Correct” cho phép người sử dụng biết độ chính xác trong quá trình kiểm tra mạng

Quá trình dự báo của mạng :

Giao diện của quá trình dự báo của mạng như hình 4.3

Hình 4.3 : Giao diện của quá trình dự báo của mạng

Nút lệnh “New File” cho phép người sử dụng tạo lập một file dữ liệu, phục vụ cho quá trình dự báo của mạng

Nút lệnh “Open File” cho phép người sử dụng mở tập tin trọng số, tập tin dữ liệu và tập tin ghi kết quả, phục vụ cho quá trình dự báo của mạng

Nút lệnh “Start” cho phép người sử dụng bắt đầu quá trình dự báo của mạng

Nút lệnh “Send” cho phép người sử dụng thực hiện việc gửi kết quả dự báo của mạng tới vị trí cần thiết

Thanh tiến trình “% of Forecasting Progress” cho phép người sử dụng theo dõi tiến trình dự báo của mạng

Dòng thông báo “ Time of Forecasting” cho phép người sử dụng biết thời gian thực hiện quá trình dự báo của mạng

VI.2.2 CÁC LOẠI TẬP TIN SỬ DỤNG TRONG AnnForMet :

Chương trình AnnForMet sử dụng các loại tập tin sau :

- *.ITR : Tập tin dữ liệu dùng trong quá trình huấn luyện mạng

- *.ITS : Tập tin dữ liệu dùng trong quá trình kiểm tra mạng

- *.IFC : Tập tin dữ liệu dùng trong quá trình dự báo của mạng

- *.OTR : Tập tin kết quả sau khi huấn luyện

- *.OTS : Tập tin kết quả sau khi kiểm tra mạng

- *.OFC : Tập tin kết quả sau khi dự báo của mạng

- *.WGT : Tập tin trọng số mạng sau giai đoạn huấn luyện, dùng cho quá trình kiểm tra mạng và dự báo của mạng

Thí dụ : Các tập tin được tạo khi thực hiện bài toán XOR với các thông số mạng như sau :

- Number of unit of hidden layer : 3

Quá trình huấn luyện mạng

- XOR.ITR : Tập tin dữ liệu

- XOR.OTR : Tập tin kết quả

- XOR.WGT : Tập tin trọng số sau khi huấn luyện mạng

Quá trình kiểm tra mạng

- XOR.WGT : Tập tin trọng số dùng để kiểm tra mạng

- XOR.ITS : Tập tin dữ liệu

- XOR.OTS : Tập tin kết quả

Quá trình dự báo của mạng

- XOR.WGT : Tập tin trọng số dùng dự báo của mạng

- XOR.IFC : Tập tin dữ liệu

- XOR.OFC : Tập tin kết quả

Nội dung của các tập tin như sau :

Quá trình huấn luyện mạng

- XOR.ITR : Tập tin dữ liệu

- XOR.OTR : Tập tin kết quả

- XOR.WGT : Tập tin trọng số sau khi huấn luyện mạng

Quá trình kiểm tra mạng

- XOR.ITS : Tập tin dữ liệu

ANN INTPUT FILE FOR TRAINING

3 NUMBER OF UNIT OF EACH LAYER

OUTPUT DATA OF TRAINNING PROCESS Output Obs Cal

THE WEIGHT VALUES OF TRAINNING PROCESS ([layer] and [layer-1]) Layer : 2

- XOR.OTR : Tập tin kết quả

Quá trình dự báo của mạng

- XOR.IFC : Tập tin dữ liệu

ANN INTPUT FILE FOR TESTING PROCESS

3 NUMBER OF UNIT OF EACH LAYER

OUTPUT DATA Output Obs Cal

ANN INTPUT FILE FOR TESTING PROCESS

3 NUMBER OF UNIT OF EACH LAYER

VI.2.3 LƯU ĐỒ CHƯƠNG TRÌNH

• QUÁ TRÌNH HUẤN LUYỆN MẠNG

Lưu đồ VI.2.3.1 : QUÁ TRÌNH HUẤN LUYỆN MẠNG

Bắt đầu Đọc dữ liệu trong tập mẫu (*.ITR)

Gọi thủ tục trainning() : (Tính E)

Tạo tập kết quả (*.OTR)

Và tập tin trọng số (*.WGT) Gọi thủ tục changeWeights

FOR i = 1 to n //n là số mẫu dùng huấn luyện mạng Call forward()

• QUÁ TRÌNH KIỂM TRA MẠNG SAU KHI HUẤN LUYỆN

Lưu đồ VI.2.3.2 : Quá trình kiểm tra mạng

FOR i = 1 to n //n là số mẫu dùng kiểm tra mạng Call forward()

Bắt đầu Đọc dữ liệu trong tập tin (.ITS) và các trọng số trong tập (.WGT)

Gọi thủ tục kiểm tra test()

Tạo tập tin kết quả (.OTS)

Lưu đồ VI.2.3.3 : Quá trình dự báo của mạng

VI.2.4 SỬ DỤNG PHẦN MỀM AnnForMet

Quy trình sử dụng phần mềm AnnForMet sẽ được trình bày qua bài toán

QUÁ TRÌNH HUẤN LUYỆN MẠNG

Bước 1 : Khởi tạo dữ liệu cho quá trình huấn luyện mạng

- Nhấp chuột vào nút lệnh “New File”, sẽ xuất hiện hộp thoại “Create Input Data Files For Trainning” như hình 4.4 Sau đó thực hiện các bước nhập dữ liệu như sau :

- Trong khung “Running Case”, chọn một trong các kiểu “Trainning”,

Bắt đầu Đọc dữ liệu trong tập tin (*.IFC) và các trọng số trong tập (.WGT)

Gọi thủ tục dự báo forecast()

Tạo tập tin kết quả(*.OFC)

- Trong khung “ANN Structure”, nhập vào :

- Tổng số lớp của mạng (Number of Layer)

- Số lượng nút của đầu vào (Number of Input Nodes)

- Số lượng nút của từng lớp ẩn (Number of Hidden Nodes)

- Số lượng nút của tầng xuất (Number of Output Nodes)

- Số lượng mẫu cho huấn luyện (Number of Pattern)

Hình 4.4 : Giao diện nhập các thông số mạng

- Sau đó nhấp chuột vào nút “Next >>”, sẽ xuất hiện hộp thoại “Input Data For Trainning“ như hình 4.5, cho phép người sử dụng nhập dữ liệu, theo những thông số đã khai báo Đối với bài toán XOR dữ liệu mẫu nhập và xuất là :

- Sau khi nhập dữ liệu vào như hình vẽ, nếu muốn tạo tập tin mới, nhấp chuột vào nút lệnh “Save”, sẽ mở ra hộp thoại mới cho phép đặt tên tập tin Trong ví dụ này tập tin được đặt tên “XOR.ITR”, đặt trong thư mục “c:\AnnForMet\InputData\”

Hình 4.5 : Giao diện nhập dữ liệu huấn luyện mạng

Hình 4.6 : Ví dụ nhập dữ liệu cho bài toán XOR

Bước 2 : Quá trình huấn luyện mạng

- Sau khi đã tạo xong tập tin dữ liệu phục vụ cho quá trình huấn luyện mạng, nếu thấy cần thay đổi các thông cố về số vòng lặp và độ chính cần thiết, thì nhập lại các thông số Nhấp chuột vào nút lệnh “Open File”, Hộp thoại “Open Input File For Trainning” xuất hiện như hình 4.7, cho phép người sử dụng chọn tên tập tin dữ liệu Sau khi chọn tên tập tin, nhấp chuột vào nút lệnh “Open” hộp thoại

“Open Output File For Trainning” xuất hiện, cho phép người sử dụng chọn tên tập tin đã có hoặc nhập tên mới vào Sau đó nhấp chuột vào nút lệnh “Save”

Hình 4.7 : Giao diện nhập tên tập tin huấn luyện mạng

Hình 4.8 : Giao diện nhập tên tập tin kết quả huấn luyện mạng

Sau khi nhấp chuột vào nút lệnh “Save”, hộp thoại chính của chương trình xuất hiện lại, nút lệnh “Init Weight” được bật lên như hình 4.9, cho phép khởi tạo tập

“Init Weight”, nút lệnh “Learnning” được bật lên như hình 4.10 Nhấp chuột vào nút lệnh “Learnning”, mạng bắt đầu quá trình huấn luyện Các thanh tiến trình cho phép theo dõi quá trình huấn luyện mạng

Hình 4.9 : Giao diện cho phép khỏi tạo trọng số huấn luyện mạng

Sau khi quá trình huấn luyện kết thúc, nút lệnh “Drawing” được bật lên, cho phép người sử dụng vẽ đồ thị kết quả của quá trình huấn luyện Nhấp chuột vào nút lệnh “Drawing”, sẽ hiển thị đồ thị kết quả như hình 4.12 Kết thúc quá trình huấn luyện mạng

Hình 4.10 : Giao diện cho phép khởi động quá trình huấn luyện mạng

Hình 4.11 : Giao diện cho phép vẽ đồ thị của quá trình huấn luyện mạng

Hình 4.12 : Đồ thị kết quả của quá trình huấn luyện mạng

QUÁ TRÌNH KIỂM TRA MẠNG

Sau khi chạy chương trình, nhấp chuột vào “Testing”, giao diện của quá trình kiểm tra mạng như hình 4.2

Bước 1 : Khởi tạo dữ liệu cho quá trình kiểm tra mạng

- Nhấp chuột vào nút lệnh “New File”, sẽ xuất hiện hộp thoại “SHOW THE FILE

TO GET A NETWORK STRUCTURE” như hình 4.13., cho phép chọn tập tin đã dùng để huấn luyện mạng và cần kiểm tra Mục đích của việc chọn này để chương trình lấy các thông số về mạng của tập tin đã dùng huấn luyện Chọn tập tin cần thiết, sau đó nhấp chuột vào nút lệnh “Open”, sẽ xuất hiện hộp thoại “Create Input Data Files For Testing” như hình 4.14 Sau đó thực hiện các bước nhập dữ liệu như sau nếu thấy cần:

- Trong khung “Running Case”, chọn một trong các kiểu “Trainning”,

“Testing”, “Forecasting”, để tạo tập tin dữ liệu

- Trong khung “ANN Structure”, nhập vào :

- Tổng số lớp của mạng (Number of Layer)

- Số lượng nút của đầu vào (Number of Input Nodes)

- Số lượng nút của từng lớp ẩn (Number of Hidden Nodes)

- Số lượng nút của tầng xuất (Number of Output Nodes)

- Số lượng mẫu cho huấn luyện (Number of Pattern)

Hình 4.13 : Giao diện nhập tên tập tin huấn luyện để lấy thông số mạng

Hình 4.14 : Giao diện nhập thông số cho quá trình kiểm tra mạng

Sau khi đã thay đổi thông số theo yêu cầu, nhấp chuột vào nút lệnh

2.2) Giao diện AnnForMet

Sau khi khởi động, giao diện của chương trình AnnForMet như hình 4.1: Để tiện lợi cho người sử dụng, giao diện của AnnForMet được thiết kế thành từng phần riêng biệt, tương ứng với các quá trình huấn luyện, kiểm tra và dự báo Sau đây sẽ giới thiệu từng phần của chương trình

Quá trình huấn luyện mạng:

Nút lệnh “New File” cho phép người sử dụng tạo lập một file dữ liệu, trong đó bao gồm đầy đủ các thông số về mạng và các dữ liệu đầu vào, phục vụ cho quá trình huấn luyện mạng

Nút lệnh “ Open File” cho phép người sử dụng mở tập tin dữ liệu và tập tin ghi kế quả, phục vụ cho quá trình huấn luyện mạng

Nút lệnh “Init Weight” cho phép khởi tạo tập trọng số ban đầu phục vụ cho quá trình huấn luyện mạng hình 4.1 : Giao diện của chương trình AnnForMet

Nút lệnh “Learnning” cho phép người sử dụng bắt đầu quá trình huấn luyện mạng

Nút lệnh “Drawing” cho phép người sử dụng vẽ biểu đồ kết quả của quá trình huấn luyện mạng

Hộp thoại “Accuracy” cho phép người sử dụng nhập vào độ chính xác cần thiết của quá trình huấn luyện mạng

Thanh tiến trình “Trainning Process” cho phép người sử dụng theo dõi tiến trình huấn luyện mạng

Dòng thông báo “ Time of Trainning” cho phép người sử dụng biết thời gian huấn luyện mạng

Dòng thông báo “ Correct” cho phép người sử dụng biết độ chính xác trong quá trình huấn luyện mạng

Quá trình kiểm tra mạng :

Giao diện của quá trình kiểm tra mạng như hình 4.2

Hình 4.2 : Giao diện của quá trình kiểm tra mạng

Nút lệnh “New File” cho phép người sử dụng tạo lập một file dữ liệu, phục vụ cho quá trình kiểm tra mạng

Nút lệnh “Open File” cho phép người sử dụng mở tập tin trọng số, tập tin dữ liệu và tập tin ghi kết quả, phục vụ cho quá trình kiểm tra mạng

Nút lệnh “Start” cho phép người sử dụng bắt đầu quá trình kiểm tra mạng

Nút lệnh “Drawing” cho phép người sử dụng vẽ biểu đồ kết quả của quá trình kiểm tra mạng

Thanh tiến trình “% of Testing Progress” cho phép người sử dụng theo dõi tiến trình kiểm tra mạng

Dòng thông báo “ Time of Trainning” cho phép người sử dụng biết thời gian kiểm tra mạng

Dòng thông báo “ Correct” cho phép người sử dụng biết độ chính xác trong quá trình kiểm tra mạng

Quá trình dự báo của mạng :

Giao diện của quá trình dự báo của mạng như hình 4.3

Hình 4.3 : Giao diện của quá trình dự báo của mạng

Nút lệnh “New File” cho phép người sử dụng tạo lập một file dữ liệu, phục vụ cho quá trình dự báo của mạng

Nút lệnh “Open File” cho phép người sử dụng mở tập tin trọng số, tập tin dữ liệu và tập tin ghi kết quả, phục vụ cho quá trình dự báo của mạng

Nút lệnh “Start” cho phép người sử dụng bắt đầu quá trình dự báo của mạng

Nút lệnh “Send” cho phép người sử dụng thực hiện việc gửi kết quả dự báo của mạng tới vị trí cần thiết

Thanh tiến trình “% of Forecasting Progress” cho phép người sử dụng theo dõi tiến trình dự báo của mạng

Dòng thông báo “ Time of Forecasting” cho phép người sử dụng biết thời gian thực hiện quá trình dự báo của mạng

VI.2.2 CÁC LOẠI TẬP TIN SỬ DỤNG TRONG AnnForMet :

Chương trình AnnForMet sử dụng các loại tập tin sau :

- *.ITR : Tập tin dữ liệu dùng trong quá trình huấn luyện mạng

- *.ITS : Tập tin dữ liệu dùng trong quá trình kiểm tra mạng

- *.IFC : Tập tin dữ liệu dùng trong quá trình dự báo của mạng

- *.OTR : Tập tin kết quả sau khi huấn luyện

- *.OTS : Tập tin kết quả sau khi kiểm tra mạng

- *.OFC : Tập tin kết quả sau khi dự báo của mạng

- *.WGT : Tập tin trọng số mạng sau giai đoạn huấn luyện, dùng cho quá trình kiểm tra mạng và dự báo của mạng

Thí dụ : Các tập tin được tạo khi thực hiện bài toán XOR với các thông số mạng như sau :

- Number of unit of hidden layer : 3

Quá trình huấn luyện mạng

- XOR.ITR : Tập tin dữ liệu

- XOR.OTR : Tập tin kết quả

- XOR.WGT : Tập tin trọng số sau khi huấn luyện mạng

Quá trình kiểm tra mạng

- XOR.WGT : Tập tin trọng số dùng để kiểm tra mạng

- XOR.ITS : Tập tin dữ liệu

- XOR.OTS : Tập tin kết quả

Quá trình dự báo của mạng

- XOR.WGT : Tập tin trọng số dùng dự báo của mạng

- XOR.IFC : Tập tin dữ liệu

- XOR.OFC : Tập tin kết quả

Nội dung của các tập tin như sau :

Quá trình huấn luyện mạng

- XOR.ITR : Tập tin dữ liệu

- XOR.OTR : Tập tin kết quả

- XOR.WGT : Tập tin trọng số sau khi huấn luyện mạng

Quá trình kiểm tra mạng

- XOR.ITS : Tập tin dữ liệu

ANN INTPUT FILE FOR TRAINING

3 NUMBER OF UNIT OF EACH LAYER

OUTPUT DATA OF TRAINNING PROCESS Output Obs Cal

THE WEIGHT VALUES OF TRAINNING PROCESS ([layer] and [layer-1]) Layer : 2

- XOR.OTR : Tập tin kết quả

Quá trình dự báo của mạng

- XOR.IFC : Tập tin dữ liệu

ANN INTPUT FILE FOR TESTING PROCESS

3 NUMBER OF UNIT OF EACH LAYER

OUTPUT DATA Output Obs Cal

ANN INTPUT FILE FOR TESTING PROCESS

3 NUMBER OF UNIT OF EACH LAYER

2.3) lưu đồ chương trình

• QUÁ TRÌNH HUẤN LUYỆN MẠNG

Lưu đồ VI.2.3.1 : QUÁ TRÌNH HUẤN LUYỆN MẠNG

Bắt đầu Đọc dữ liệu trong tập mẫu (*.ITR)

Gọi thủ tục trainning() : (Tính E)

Tạo tập kết quả (*.OTR)

Và tập tin trọng số (*.WGT) Gọi thủ tục changeWeights

FOR i = 1 to n //n là số mẫu dùng huấn luyện mạng Call forward()

• QUÁ TRÌNH KIỂM TRA MẠNG SAU KHI HUẤN LUYỆN

Lưu đồ VI.2.3.2 : Quá trình kiểm tra mạng

FOR i = 1 to n //n là số mẫu dùng kiểm tra mạng Call forward()

Bắt đầu Đọc dữ liệu trong tập tin (.ITS) và các trọng số trong tập (.WGT)

Gọi thủ tục kiểm tra test()

Tạo tập tin kết quả (.OTS)

Lưu đồ VI.2.3.3 : Quá trình dự báo của mạng

2.4) sử dụng phần mềm AnnForMet

Quy trình sử dụng phần mềm AnnForMet sẽ được trình bày qua bài toán

QUÁ TRÌNH HUẤN LUYỆN MẠNG

Bước 1 : Khởi tạo dữ liệu cho quá trình huấn luyện mạng

- Nhấp chuột vào nút lệnh “New File”, sẽ xuất hiện hộp thoại “Create Input Data Files For Trainning” như hình 4.4 Sau đó thực hiện các bước nhập dữ liệu như sau :

- Trong khung “Running Case”, chọn một trong các kiểu “Trainning”,

Bắt đầu Đọc dữ liệu trong tập tin (*.IFC) và các trọng số trong tập (.WGT)

Gọi thủ tục dự báo forecast()

Tạo tập tin kết quả(*.OFC)

- Trong khung “ANN Structure”, nhập vào :

- Tổng số lớp của mạng (Number of Layer)

- Số lượng nút của đầu vào (Number of Input Nodes)

- Số lượng nút của từng lớp ẩn (Number of Hidden Nodes)

- Số lượng nút của tầng xuất (Number of Output Nodes)

- Số lượng mẫu cho huấn luyện (Number of Pattern)

Hình 4.4 : Giao diện nhập các thông số mạng

- Sau đó nhấp chuột vào nút “Next >>”, sẽ xuất hiện hộp thoại “Input Data For Trainning“ như hình 4.5, cho phép người sử dụng nhập dữ liệu, theo những thông số đã khai báo Đối với bài toán XOR dữ liệu mẫu nhập và xuất là :

- Sau khi nhập dữ liệu vào như hình vẽ, nếu muốn tạo tập tin mới, nhấp chuột vào nút lệnh “Save”, sẽ mở ra hộp thoại mới cho phép đặt tên tập tin Trong ví dụ này tập tin được đặt tên “XOR.ITR”, đặt trong thư mục “c:\AnnForMet\InputData\”

Hình 4.5 : Giao diện nhập dữ liệu huấn luyện mạng

Hình 4.6 : Ví dụ nhập dữ liệu cho bài toán XOR

Bước 2 : Quá trình huấn luyện mạng

- Sau khi đã tạo xong tập tin dữ liệu phục vụ cho quá trình huấn luyện mạng, nếu thấy cần thay đổi các thông cố về số vòng lặp và độ chính cần thiết, thì nhập lại các thông số Nhấp chuột vào nút lệnh “Open File”, Hộp thoại “Open Input File For Trainning” xuất hiện như hình 4.7, cho phép người sử dụng chọn tên tập tin dữ liệu Sau khi chọn tên tập tin, nhấp chuột vào nút lệnh “Open” hộp thoại

“Open Output File For Trainning” xuất hiện, cho phép người sử dụng chọn tên tập tin đã có hoặc nhập tên mới vào Sau đó nhấp chuột vào nút lệnh “Save”

Hình 4.7 : Giao diện nhập tên tập tin huấn luyện mạng

Hình 4.8 : Giao diện nhập tên tập tin kết quả huấn luyện mạng

Sau khi nhấp chuột vào nút lệnh “Save”, hộp thoại chính của chương trình xuất hiện lại, nút lệnh “Init Weight” được bật lên như hình 4.9, cho phép khởi tạo tập

“Init Weight”, nút lệnh “Learnning” được bật lên như hình 4.10 Nhấp chuột vào nút lệnh “Learnning”, mạng bắt đầu quá trình huấn luyện Các thanh tiến trình cho phép theo dõi quá trình huấn luyện mạng

Hình 4.9 : Giao diện cho phép khỏi tạo trọng số huấn luyện mạng

Sau khi quá trình huấn luyện kết thúc, nút lệnh “Drawing” được bật lên, cho phép người sử dụng vẽ đồ thị kết quả của quá trình huấn luyện Nhấp chuột vào nút lệnh “Drawing”, sẽ hiển thị đồ thị kết quả như hình 4.12 Kết thúc quá trình huấn luyện mạng

Hình 4.10 : Giao diện cho phép khởi động quá trình huấn luyện mạng

Hình 4.11 : Giao diện cho phép vẽ đồ thị của quá trình huấn luyện mạng

Hình 4.12 : Đồ thị kết quả của quá trình huấn luyện mạng

QUÁ TRÌNH KIỂM TRA MẠNG

Sau khi chạy chương trình, nhấp chuột vào “Testing”, giao diện của quá trình kiểm tra mạng như hình 4.2

Bước 1 : Khởi tạo dữ liệu cho quá trình kiểm tra mạng

- Nhấp chuột vào nút lệnh “New File”, sẽ xuất hiện hộp thoại “SHOW THE FILE

TO GET A NETWORK STRUCTURE” như hình 4.13., cho phép chọn tập tin đã dùng để huấn luyện mạng và cần kiểm tra Mục đích của việc chọn này để chương trình lấy các thông số về mạng của tập tin đã dùng huấn luyện Chọn tập tin cần thiết, sau đó nhấp chuột vào nút lệnh “Open”, sẽ xuất hiện hộp thoại “Create Input Data Files For Testing” như hình 4.14 Sau đó thực hiện các bước nhập dữ liệu như sau nếu thấy cần:

- Trong khung “Running Case”, chọn một trong các kiểu “Trainning”,

“Testing”, “Forecasting”, để tạo tập tin dữ liệu

- Trong khung “ANN Structure”, nhập vào :

- Tổng số lớp của mạng (Number of Layer)

- Số lượng nút của đầu vào (Number of Input Nodes)

- Số lượng nút của từng lớp ẩn (Number of Hidden Nodes)

- Số lượng nút của tầng xuất (Number of Output Nodes)

- Số lượng mẫu cho huấn luyện (Number of Pattern)

Hình 4.13 : Giao diện nhập tên tập tin huấn luyện để lấy thông số mạng

Hình 4.14 : Giao diện nhập thông số cho quá trình kiểm tra mạng

Sau khi đã thay đổi thông số theo yêu cầu, nhấp chuột vào nút lệnh

“NEXT>>”, xuất hiện hộp thoại “Create the Input File For Testing” Hộp thoại này cho phép người sử dụng nhập trực tiếp dữ liệu cho việc kiểm tra tin mới Hộp thoại “ANN INPUT DATA FILE FOR TESTING” xuất hiện như hình 4.15, cho phép nhập tên mới cho tập tin mới tạo, sau đó nhấp chuột vào nút lệnh “Save” Việc tạo tập tin dữ liệu phục vụ cho quá trình kiểm tra kết thúc

Hình 4.15 : Giao diện nhập tên tập tin cần tạo để kiểm tra mạng

Bước 2 : Quá trình kiểm tra mạng

- Sau khi đã tạo xong tập tin dữ liệu phục vụ cho quá trình kiểm tra mạng, nhấp chuột vào nút lệnh “Open File”

Hình 4.16 : Giao diện nhập tên tập tin để lấy thông số kiểm tra mạng

- Hộp thoại “SHOW THE FILE TO GET A NETWORK STRUCTURE” như hình 4.16 xuất hiện, cho phép chọn tập tin đã dùng trong quá trình huấn luyện để lấy các thông số của quá trình huấn luyện

- Chọn tên tập tin cần thiết, sau đó nhấp chuột vào nút lệnh “SAVE” Hộp thoại

“Open Input File For Testing” như hình 4.17 xuất hiện, cho phép người sử dụng chọn tên tập tin dữ liệu Chọn tên tập tin, sau đó nhấp chuột vào nút lệnh “Open” hộp thoại “Open Output Data File For Testing” như hình 4.18 xuất hiện, cho phép người sử dụng chọn tên tập tin đã có hoặc nhập tên mới vào Các thông số về tập tin nhập, tập tin xuất và các thông số về mạng được cập nhật Sau đó nhấp chuột vào nút lệnh “Save” Nút lệnh “Start” được bật lên, cho phép khởi động quá trình kiểm tra mạng Nhấp chuột vào nút lệnh “Start”, quá trình kiểm tra mạng bắt đầu thực thi Thanh tiến trình cho biết quá trình kiểm tra đang thực hiện Sau khi thực thi xong, kết quả về thời gian thực thi và độ chính xác được cập nhật trên giao diện nhử hỡnh 4.19

Hình 4.17 : Giao diện nhập tên tập tin dữ liệu kiểm tra mạng

Hình 4.19 : Giao diện kết quả kiểm tra mạng

QUÁ TRÌNH DỰ BÁO CỦA MẠNG

Sau khi chạy chương trình, nhấp chuột vào “Forecasting”, giao diện của quá trình dự báo như hình 4.3

Bước 1 : Khởi tạo dữ liệu cho quá trình dự báo của mạng

- Nhấp chuột vào nút lệnh “New File”, sẽ xuất hiện hộp thoại “SHOW THE FILE

TO GET A NETWORK STRUCTURE” như hình 4.20, cho phép chọn tập tin đã dùng để huấn luyện mạng và cần kiểm tra Mục đích của việc chọn này để chương trình lấy các thông số về mạng của tập tin đã dùng huấn luyện Chọn tập tin cần thiết, sau đó nhấp chuột vào nút lệnh “Open”, sẽ xuất hiện hộp thoại “Create Input File For Forecasting” như hình 4.21 Sau đó thực hiện các bước nhập dữ liệu như sau nếu thấy cần:

- Trong khung “Running Case”, chọn một trong các kiểu

“Trainning”, “Testing”, “Forecasting”, để tạo tập tin dữ liệu

- Trong khung “ANN Structure”, nhập vào :

- Tổng số lớp của mạng (Number of Layer)

- Số lượng nút của đầu vào (Number of Input Nodes)

- Số lượng nút của từng lớp ẩn (Number of Hidden Nodes)

- Số lượng nút của tầng xuất (Number of Output Nodes)

- Số lượng mẫu cho huấn luyện (Number of Pattern)

Sau khi đã thay đổi thông số theo yêu cầu, nhấp chuột vào nút lệnh

“NEXT>>”, xuất hiện hộp thoại “Create Input Data File For Forecasting” như hình 4.22 Hộp thoại này cho phép người sử dụng nhập trực tiếp dữ liệu cho quá trình dự báo của mạng Sau khi nhập xong dữ liệu, nhấp chuột vào nút lệnh “Save” để tạo tập tin mới Hộp thoại “ANN INPUT DATA FILE FOR FORECASTING” như hình 4.23 xuất hiện, nhập tên mới cho tập tin mới tạo, sau đó nhấp chuột vào nút lệnh “Save” Việc tạo tập tin dữ liệu phục vụ cho quá trình dự báo của mạng kết thúc

Hình 4.20 : Chọn file huấn luyện phục vụ quá trình dự báo của mạng

Hình 4.21 : Chọn cấu hình phục vụ quá trình dự báo của mạng

Hình 4.22 : Giao diện nhập file phục vụ quá trình dự báo của mạng

Hình 4.23 : Giao diện nhập tên file dùng để dự báo

Bước 2 : Quá trình dự báo của mạng

- Sau khi đã tạo xong tập tin dữ liệu phục vụ cho quá trình dự báo của mạng, nhấp chuột vào nút lệnh “Open File” của giao diện hình 4.3 Hộp thoại “SHOW THE FILE TO GET NETWORK STRUCTURE” xuất hiện như hình 4.20, cho phép chọn tập tin đã dùng trong quá trình huấn luyện để lấy các thông số của quá trình huấn luyện Chọn tên tập tin cần thiết, sau đó nhấp chuột vào nút lệnh “Save” Hộp thoại “Open Input File For forecasting” xuất hiện như hình 4.24, cho phép người sử dụng chọn tên tập tin dữ liệu Chọn tên tập tin, sau đó nhấp chuột vào nút lệnh “Open” hộp thoại “Open Output Data File For Forecasting” xuất hiện như hình 4.25, cho phép người sử dụng chọn tên tập tin đã có hoặc nhập tên mới vào Các thông số về tập tin nhập, tập tin xuất và các thông số về mạng được cập nhật Sau đó nhấp chuột vào nút lệnh “Save” Nút lệnh “Start” của giao diện hình 4.3 được bật lên, cho phép khởi động quá trình dự báo của mạng Nhấp chuột vào nút lệnh “Start”, quá trình dự báo của mạng bắt đầu thực thi Thanh tiến trình cho biết quá trình dự báo đang thực hiện Sau khi thực thi xong, kết quả về thời gian thực thi và kết quả dự báo được cập nhật trên giao diện như hình 4.26

Hình 4.24 : Giao diện nhập tên tập tin dùng cho quá trình dự báo của mạng

Hình 4.25 : Giao diện nhập tên file xuất dùng cho quá trình dự báo của mạng

Hình 4.26 : Giao diện kết quả của quá trình dự báo

IV.2.5 KẾT QUẢ ĐẠT ĐƯỢC

2.5) kết quả đạt đươc

KẾT LUẬN - NHẬN XÉT -HƯỚNG PHÁT TRIỂN

V.1.1) Hệ thống thông tin thực thi phục vụ truy xuất CSDL khí tượng

Hiện nay, hầu hết các trung tâm khí tượng đều có các trang WEB khí tượng, hỗ trợ việc truy xuất các thông tin khí tượng Trong mỗi trang WEB, các thông tin khí tượng cũng khá phong phú Tuy nhiên, các trang WEB này không nhằm mục đích phục vụ riêng cho lĩnh vực hàng không, mà phục vụ chung cho mọi đối tượng, cho mọi lĩnh vực có liên quan đến khí tượng Ngoài ra phần lớn thông tin trên các trang WEB này thường có những dữ liệu mang tính toàn cầu, hoặc riêng cho một khu vực nào đó Chính vì vậy, việc khai thác các thông tin trên các trang WEB này chủ yếu mang tính tham khảo đối với các trung tâm khí tượng ở các quốc gia khác Nếu chỉ dựa vào những trang WEB này sẽ không thể đáp ứng yêu cầu phục vụ bay tại các khu vực khác nhau, đặc biệt đối với những chuyến bay nội địa Ở Việt Nam

Cơ quan khí tượng quốc gia và một số cơ quan khác như cơ quan phòng chống bão lụt, cũng có trang WEB khí tượng Nhưng những trang WEB này nhằm mục đích khác và phục vụ cho nhiều đối tượng, nên chỉ có thể tham khảo một số thông tin trong một số trường hợp cụ thể như khi cơ quan khí tượng Tân Sơn Nhất không thu được ảnh mây từ tinh

Ngoài cơ quan khí tượng quốc gia, trong lĩnh vực hàng không cũng có các cơ quan khí tượng của mình, nhằm mục đích phục vụ riêng cho lĩnh vực hàng không Tại mỗi cụm cảng hàng không như: cụm cảng hàng không Miền Bắc, Miền Trung, Miền Nam đều có một cơ quan khí tượng riêng

Các trang thiết bị khí tượng tại mỗi cơ quan này cũng không giống nhau Hiện tại, tại cơ quan khí tượng thuộc cụm cảng hàng không Miền Nam được trang bị đầy đủ nhất bao gồm: Radar thời tiết; Hệ thống thu, xử lý và phân tích các ảnh mây thu từ vệ tinh; Hệ thống thu, xử lý và phân tích số liệu GRIB từ vệ tinh; Hệ thống quan trắc tự động; Hệ thống thu số liệu trên mạng AFTN; Đường truyền ADSL

Cho tới hiện nay, ngoài cơ quan khí tượng Tân Sơn Nhất, hai cơ quan khí tượng còn lại không có trang WEB khí tượng phục vụ việc truy xuất dữ liệu phục vụ hoạt động bay Việc trao đổi thông tin tại 2 cơ quan khí tượng đó với các cơ quan khác, hoàn toàn dựa vào điện thoại, mạng AFTN và trực tiếp Chính vì vậy việc phục vụ bay thường gặp một số khó khăn trong việc cung cấp các thông tin như: không tiện lợi, không kịp thời và không đầy đủ, đặc biệt trong tình huống thời tiết có những đột

Ngày đăng: 25/09/2024, 01:02

Nguồn tham khảo

Tài liệu tham khảo Loại Chi tiết
[3] В.П. Исаченко. Теплообмен приконденсации – Москва “Энергия” 1977 Sách, tạp chí
Tiêu đề: Энергия
[1] Matвeeв Ленидо Тихонович. Ocнoвы Oбщей Meteoрοлοгии – Физикa Atмосферы Гидpoмeteopoлοгичecкoe издateльctвo 1965 Khác
[2] Ф.Т.М. Ньистадта и Х. Ван Дона. Atмосферная турбулентность и моделировоние роспространения примесей – Ленинград Гидpoмeteoиздat 1985 Khác
[4] Maj Gary, D. Atkinson. Forecasters’ guide to Tropical Meteorology – Air Weather Service, United Sates Air Force 1971 Khác
[5] Phạm Ngọc Toàn, Phan Tất Đắc. Khí hậu Việt Nam. Nhà xuất bản Khoa học Kỹ thuật 1993 Khác
[6] Trần Tân Tiến. Dự báo thời tiết bằng phương pháp số trị. Nhà xuất bản Giáo dục 1997 Khác
[7] George M.Marakas. Decision Support Systems in the twenty-first century. Prentice-Hall 1999 Khác
[8] TS. Nguyễn Đình Thúc. Trí tuệ nhân tạo: Mạng Nơron – Phương pháp và ứng dụng. Nhà xuất bản Giáo dục 2000 Khác
[9]TS. Lê Minh Trung. Giáo trình mạng Nơron nhân tạo. Nhà xuất bản Thống kê 1999 Khác
[10] Marco Verdecchia, Anna Rita Pantaleo and Guido Visconti. An attempt to apply Artificial Neural Networks to Metetorology. Dipartimento di Fisica dell’Universita’dell’Aquila, Italy, 1997 Khác
[11] Jim Murtha. Applications of fuzzy logic in operational meteorology. Scientific Services and Professional Development Newsletter, Canadian Forces Weather Service, 42-54, 1995 Khác

TÀI LIỆU CÙNG NGƯỜI DÙNG

  • Đang cập nhật ...

TÀI LIỆU LIÊN QUAN