I NHU CẦU ỨNG DỤNG PHƯƠNG PHÁP NẮN MÔ PHỎNG VÀDỰ BÁO TRONG LĨNH VỰC MTTN Quan trắc môi trường thu thập liệu định kỳ theo quảng thời gian cách Các liệu này, cần phải xử lý để biến thành thông tin môi trường, giúp cho dự báo đưa định ngăn ngừa ô nhiễm môi trường Nhu cầu ứng dụng phương pháp nắn mô dự báo môi trường thường là: Dữ liệu khí hậu, thời tiết Dữ liệu thủy văn Dữ liệu dao độngcủa tiêu chấtlượng mơi trường đất, nước, khơng khí Chương nghiên cứu phương pháp xử lýdữ liệu chuỗi thời gian dự báo, giúp xử lý liệu quan trắc môi trường II NGUYÊN LÝ, KHÁI NIỆM CƠ BẢN CỦA NẮN MÔ PHỎNG VÀ DỰ BÁO Một chuỗi thời gian số liệu mà thứ tự hay chuỗi thứ tự số có ý nghĩa quan trọng ví dụ yêu cầu khứ Phân tích chuỗi thời gian phân tích kiểu biểu thị chuỗi thời gian Khi kiểu xác định, chúng dùng để xây dựng dự báo: - Trung bình chuyển dịch đơn giản (Simple moving average) Trung bình chuyểndịch có trọngsố ( Weighted moving average) Nắn mơ theo hàm mũ hay trung bình chuyển dịch có trọng số theo hàm mũ (Exponential smoothing (exponentially weighted moving average) bao gồm: - Nắn mô theo hàmmũ với dao động ngẫu nhiên (Exponential smoothing with random - fluctuations) Nắn mô theo hàm mũ với chiềuhướng, ngẫu nhiên (Exponential smoothing with - random and trend) Nắn mô theo hàm mũ với thành phần ngẫu nhiên theo mùa (Exponential smoothing with random and seasonal component) Số liệu thu thập nhiều lần nơi với quảng thời gian cách đều) Các kiện thống kê thường gọi làsố liệu chuổi thời gian (time series) Cần nghiên cứu phương pháp dự báo (forecasting), nắn mô (smoothing) phương pháp phân tích chuổi thời gian (Time series analysis) Ví dụ số liệu chuổi thời gian 1970 1972 1974 1976 1978 1980 1982 1984 1986 1988 1990 1992 12,1 13,2 11,8 11,2 12,9 13,5 14,6 15,7 12,8 16,8 18,9 19,1 Nắn mô (smoothing ) phương pháp áp dụng để xử lý với số liệu chuổi thời gian Các kiện chuổi thời gian thường biến thiên lớn, cần phải nắn mô cho tối thiểu hóa tác động bất thường biến thiên ngẫu nhiên Kỹ thuật nắn mô STATGRAPHICS cho phép ta ước lượng hàm số hay chuẩn bị số liệu cho phương pháp thống kê khác Sau nắn mô phỏng, số liệu qua nắn dùng vào phân tích thống kê khác Mục đích nắn mơ loại bỏ trị bất thường chuổi số liệu, tránh kết luận sai trị bất thường III CÔNG CỤ XỬ LÝ DỮ LIỆU QUAN TRẮC THEO THỜI GIAN Nắn mô theo hàm mũ Brown (Brown’s exponential smoothing) Phương pháp sử dụng kỹ thuật nắn mô đơn giản (simple smoothing), mô tuyến tính (linear smoothing) nắn mơ bậc hai (quadratic) để kết xuất: - Các tiêu thống kê tổng hợp Số liệu nắn mô Số liệu dự báo cho thời điểm sở kết nắn mô phỏng, Vẽ đồ thị dự báo Các tiêu thống kê tổng hợp gồm có: - Sai số trung bình (mean error = M.E) bé, mơ dự báo xác Sai số trung bình bình phương (Mean square error = M.S.E) Sai số trung bình tuyệt đối (Mean Absolute error = M.A.E) dùng để so sánh phương pháp dự báo khác Một cách tổng quát, M.S.E M.A.E nhỏ , phương pháp dự báotừ dự kiện khứ - tốt Sai số phần trăm trung bình tuyệt đối (Mean absolute percentage error = M.A.P.E) sai số phần trăm trung bình (mean percentage error = M.P.E) tính từ sai số chia cho ố quan sát Chúng thể tất số quan sát có tham gia lớn Nắn mô theo hàm mũ tuyến tính Holt (Holt’s linear exponential smoothing) Phương pháp nắn mơ tương tự Brown’s Exponential Smoothing, khác sử dụng hai số nắn mô khác nhau: alpha dùngnắn mô ước lượng bậc beta dung nắn ước lượng chiều hướng thay đổi (estimate of the trend) Các kết xuất tương tự phương pháp Phương pháp nắn liệu quan trắc theo hàm mũ tuyến tính Holt Tương tự phương pháp nắn liệu quan trắc theo hàm mũ Brown dùng đến số nắn: alpha beta Hệ thống sử dụng alpha để nắn ước lượng bậc, dung hệ số beta để ước lượng chiều hướng Phương pháp cho phép bạn gạn lọc dao động cục liệu chuỗi thời gian để giúp bạn dự báo trị kiện xác Nắn mơ liệu theo mùa theo phương pháp Winter WINTER’S SEASONAL SMOOTHING Thích hợp cho chuổi thời gian có nhịp điệu theo mùa Các kết xuất tương tự phương pháp Sử dụng ba hằngsố nắn phân biệt để nắn số liệu chuỗi thời gian Hệ thống sử dụng alpha để nắn ước lượng bậc, dung hệ số beta để ước lượng chiều hướng tuyến tính số nắn Gamma để nắn yếu tố nhân bội theo mùa Qui trình thích hợp với liệu chuỗi thời gian theo mùa Phân tích chiều hướng (trend analysis) Cho phép mô số liệu chuổi thời gian theo đường thẳng (tuyến tính), đường cong hàm parabol (quadratic) hay hàm mũ (exponential power curve) hay S-curve Các hàmtương ứng sau: Đường thẳng (tuyến tính) : Y - a + b t Đường cong hàm parabol (quadratic) : Y = a + b.t + c.t2 Hàmmũ (exponential power curve) : Z = Exp( a + b.t) S-curve : Z = Exp (a + b / t) Các kết xuất gồm: tiêu thống kê, vẽ đồ thị dự báo, lực trị dự báo vàlưu trị nắn mơ Phương pháp phân tích chiều hướng liệu Lập mơ hình diễn đạt liệu chuỗi thời gian theo dạng: Tuyến tính (Linear) : Z(t) = a + bt Bậc (Quadratic) : Z(t) = a + bt + ct^2 Hàmmũ (Exp Power) : Z(t) = exp (a + bt) Hàm S (S-Curve) : Z(t) = exp (a + b/t) Nắn liệu quan trắc theo hàm đa thức (polynomial smoothing) Nắn biến chuỗi thời gian đa thức Hệ thống nắn liệu chuỗi thời gian đa thức bậc k phương pháp bình phương tối thiểu Hệ thống STATGRAPHICS vẽ số liệu gốc đường cong nắn Nắn liệu đa thức dùng cần xây dựng mơ hình mơ Từ mơ hình nắn liệu thực, kết xuất trị đầu vào mà với trị đó, ta khảo sát động thái đáp ứng hệ thống Nắn đa thức dùng lĩnh vực điện tử để phân biệt tín hiệu với tiếng ồn Khảo sát phù hợp đường cong nắn vẽ liệu chuỗi thời gian nhằm xác định bậc đa thức mà ta cần tìm cho mơ hình xác liệu ... thuật nắn mô STATGRAPHICS cho phép ta ước lượng hàm số hay chuẩn bị số liệu cho phương pháp thống kê khác Sau nắn mơ phỏng, số liệu qua nắn dùng vào phân tích thống kê khác Mục đích nắn mô loại... lớn Nắn mơ theo hàm mũ tuyến tính Holt (Holt’s linear exponential smoothing) Phương pháp nắn mô tương tự Brown’s Exponential Smoothing, khác sử dụng hai số nắn mô khác nhau: alpha dùngnắn mô ước... kê tổng hợp Số liệu nắn mô Số liệu dự báo cho thời điểm sở kết nắn mô phỏng, Vẽ đồ thị dự báo Các tiêu thống kê tổng hợp gồm có: - Sai số trung bình (mean error = M.E) bé, mô dự báo xác Sai số