Tìm hiểu và xây dựng hệ hỗ trợ quyết định dựa trên hệ thống thông tin địa lý (GIS)

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ ĐÀO XUÂN DŨNG TÌM HIỂU VÀ XÂY DỰNG HỆ HỖ TRỢ QUYẾT ĐỊNH DỰA TRÊN HỆ THỐNG THÔNG TIN ĐỊA LÝ (GIS) LUẬN VĂN THẠC SĨ Hà Nội - 2010 ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CƠNG NGHỆ ĐÀO XN DŨNG TÌM HIỂU VÀ XÂY DỰNG HỆ HỖ TRỢ QUYẾT ĐỊNH DỰA TRÊN HỆ THỐNG THÔNG TIN ĐỊA LÝ (GIS) Ngành: Công nghệ thông tin Chuyên ngành: Các Hệ thống thông tin Mã số: 60 48 05 LUẬN VĂN THẠC SĨ NGƯỜI HƯỚNG DẪN KHOA HỌC: TS Nguyễn Hà Nam Hà Nội - 2010 LỜI CAM ĐOAN Tơi xin cam đoan luận văn “Tìm hiểu xây dựng hệ hỗ trợ định dựa hệ thống thơng tin địa lý (GIS)" cơng trình nghiên cứu thử nghiệm tôi, đơn vị công tác, tham khảo nguồn tài liệu rõ trích dẫn danh mục tài liệu tham khảo Các nội dung công bố kết trình bày luận văn trung thực chưa công bố công trình Hà nội, ngày 25 tháng năm 2010 Học viên Đào Xuân Dũng LỜI CẢM ƠN Em xin chân thành cảm ơn tới TS Nguyễn Hà Nam, thày tận tình hướng dẫn, dạy em hồn thành luận văn Em xin chân thành cảm ơn thày, cô giáo khoa Công nghệ thông tin - Trường Đại học công nghệ - Đại học Quốc gia Hà nội truyền thụ kiến thức cho em suốt q trình học tập vừa qua Tơi xin cảm ơn quan, bạn bè đồng nghiệp, gia đình người thân chia sẻ, giúp đỡ, động viên, tạo điều kiện thuận lợi để hoàn thành nhiệm vụ học tập luận văn MỤC LỤC LỜI CAM ĐOAN LỜI CẢM ƠN MỤC LỤC BẢNG KÝ HIỆU CÁC CHỮ VIẾT TẮT MỞ ĐẦU CHƢƠNG 1: GIỚI THIỆU TỔNG QUAN Giới thiệu chung hệ hỗ trợ định Nhu cầu cần thiết từ thực tiễn Các hƣớng giải có Cấu trúc đóng góp luận văn CHƢƠNG 2: CÁC MƠ HÌNH HỆ HỖ TRỢ QUYẾT ĐỊNH VÀ CÁC PHƢƠNG PHÁP KHAI PHÁ DỮ LIỆU Các mơ hình DSS 1.1 Mơ hình hịa bảng tính 1.2 Mơ hình hóa phân tích định 1.3 Mơ hình hóa quy hoạch tốn 1.4 Mơ hình hóa Heuristic 1.5 Mơ 1.6 Mơ hình hóa đa chiều, xử lý phân tích 1.7 Mơ hình hóa mơ tương tác trực 1.8 Các phần mềm định lượng xử lý ph 1.9 Hệ quản trị sở mơ hình Hệ hỗ trợ định không gian (SDSS) Khai phá liệu 3.1 Tổng quan 3.2 Các kỹ thuật cách tiếp cận khai phá Các kỹ thuật phân lớp liệu 4.1 Phân lớp phương pháp quy nạp 4.1.1 Độ lợi thông tin 4.1.2 Giải thuật random forest (RF) [18] 4.2 Phân lớp phương pháp mạng nơ ron 4.2.1 Khái niệm 4.2.2 Mơ hình mạng nơ-ron nhân tạo 4.2.3 Khả ứng dụng mạng nơ-ron nhân tạo 4.2.4 Thuật toán lan truyền ngược sai số 4.3 Phân lớp phương pháp Naïve Bayes 4.4 Phân lớp phương pháp khác (lu 4.5 Dự báo phân lớp Đánh giá phƣơng pháp phân lớp CHƢƠNG 3: GIỚI THIỆU VỀ HỆ DSS-GIS ÁP DỤNG VÀO VIỆC DỰ BÁO LƢU LƢỢNG NƢỚC Điều kiện địa lý, tự nhiên, khí tƣợng thuỷ văn lƣu vực sơng Đà 1.1 Vị trí địa lý 1.2 Địa hình 1.3 Điều kiện địa chất 1.4 Điều kiện thổ nhưỡng 1.5 Đặc điểm khí hậu 1.6 Đặc điểm chế độ thuỷ văn 1.7 Thống kê liệu thu thập Hƣớng tiếp cận máy học việc xây dựng mơ hình hệ DSS Một số tiêu đánh giá kết dự báo Áp dụng vào xây dựng hệ hỗ trợ định dựa GIS 4.1 Cơ sở liệu địa lý 4.2 Mô hình học máy sử dụng giải thuật Rand 4.3 Giao diện người dùng CHƢƠNG 4: XÂY DỰNG CHƢƠNG TRÌNH CHẠY THỬ NGHIỆM Yêu cầu phần cứng Tiền xử lý liệu huấn luyện mơ hình liệu Kết thực nghiệm 52 KẾT LUẬN VÀ HƢỚNG NGHIÊN CỨU TIẾP THEO .63 TÀI LIỆU THAM KHẢO 64 BẢNG KÝ HIỆU CÁC CHỮ VIẾT TẮT CSDL DSS GIS SDSS OLAP RMSE MỞ ĐẦU GIS công cụ dựa máy tính dùng cho việc thành lập đồ phân tích đối tượng tồn kiện bao gồm đất đai, sơng ngịi, khống sản, người, khí tượng thuỷ văn, mơi trường, nơng nghiệp v.v xảy trái đất Công nghệ GIS dựa sở liệu quan trắc, viễn thám đưa câu hỏi truy vấn, phân tích thống kê thể qua phép phân tích địa lý Những sản phẩm GIS tạo cách nhanh chóng, nhiều tình đánh giá cách đồng thời chi tiết Hiện nhu cầu ứng dụng công nghệ GIS lĩnh vực điều tra nghiên cứu, khai thác sử dụng, quản lý tài nguyên thiên nhiên môi trường ngày gia tăng phạm vi quốc gia, mà phạm vi quốc tế Tiềm kỹ thuật lĩnh vực ứng dụng cho nhà khoa học nhà hoạch định sách, phương án lựa chọn có tính chiến lược sử dụng quản lý tài nguyên thiên nhiên môi trường Việc quản lý hỗtrơ ̣khai thác , sử dung ̣ vàquản lý tổng hợp hiệu nguồn tài nguyên thiên nhiên dựa GIS cần thiết Hệ hỗ trợ định kết hợp với công nghệ GIS xu tất yếu nhằm phát triển hệ thống có tính mơ đối tượng giới thực, truyền đạt hỗ trợ, cung cấp thông tin tốt cho người sử dụng nói chung nhà hoạch định sách nói riêng Mơ hình học máy sử dụng hệ thống nhằm tăng khả khai thác thơng tin, cung cấp thơng tin có ích cho người sử dụng Đề tài hệ hỗ trợ định dựa GIS tìm hiểu vấn đề đưa mạnh dạn xây dựng phần mềm thử nghiệm áp dụng vào dự báo lưu lượng nước lưu vực sông CHƢƠNG 1: GIỚI THIỆU TỔNG QUAN Giới thiệu chung hệ hỗ trợ định Ta biết hệ hỗ trợ định (DSS) lớp xác định hệ thống thông tin máy tính hóa, trợ giúp tở chức nhà doanh nghiệp việc đưa định hành động Một hệ DSS thiết kế hoàn chỉnh hệ thống dựa phần mềm tương tác với mục đích trợ giúp nhà đưa định biên dịch thơng tin có ích từ liệu, tư liệu thô, tri thức cá nhân mô hình doanh nghiệp để giải vấn đề đưa định Một phương pháp tạo chương trình máy tính dựa phân tích tập dự liệu thô đưa thông tin có ích máy học Bài viết với mục đích sử dụng phương pháp máy học, cụ thể giải thuật Random Forest (Breiman, 2001) để xây dựng hệ hỗ trợ định hỗ trợ quản lý tổng hợp tài nguyên nước lưu vực sông Hệ thống tích hợp hệ thống thơng tin địa lý (GIS) để trở thành hệ hỗ trợ hoàn chỉnh Nhu cầu cần thiết từ thực tiễn Trong thực tế, định ln địi hỏi u cầu phải xử lý kiến thức, kiến thức nguyên liệu thành phẩm định, cần sở hữu tích lũy người định Ngồi ra, việc giới hạn nhận thức trí nhớ người có hạn, giới hạn chi phí nhân lực, thời gian áp lực cạnh tranh yếu tố mà dẫn đến cần thiết phải có hệ hỗ trợ định tin cậy trợ giúp nhà quản lý, nhà định Vào thập kỷ 80, 90 kỷ XX, điều tra công ty lớn cho thấy: - Kinh tế thiếu ởn định - Khó theo dõi vận hành doanh nghiệp - Cạnh tranh gay gắt - Xuất thương mại điện tử - Bộ phận IT bận, không giải yêu cầu quản lý - Cần phân tích lợi nhuận, hiệu thơng tin xác, mới, kịp thời - Giảm chi phí hoạt động Xu hướng tính tốn người dùng nay: - Cải thiện tốc độ tính tốn - Tăng suất lao động cá nhân liên đới - Cải tiến kỹ thuật việc lưu trữ, tìm kiếm, trao đởi liệu ngồi tở chức theo hướng nhanh kinh tế - Nâng cao chất lượng định đưa Tăng cường lực cạnh tranh tổ chức - Khắc phục khả hạn chế người việc xử lý lưu trữ thông tin Theo (Keen – 1981 [16]), thuận lợi hệ DSS là: - Tăng số phương án xem xét: Phân tích độ nhạy nhanh hiệu - Hình 4.1 Giao diện DSS 52 Hình 4.2 Giao diện DSS mơ hình dự báo Tham số người dùng nhập vào để huấn luyện bao gồm: - Số rừng - Hệ số lọc liệu giải thuật random forest - Kích thước liệu sử dụng lấy từ liệu để kiểm tra Kết sai số sau lần huấn luyện với số R tốt Phƣơng án 1: Chúng tơi sử dụng số liệu lưu lượng có kích thước 3024 với 146 thuộc tính Bộ số liệu tách làm phần, phần sử dụng để huấn luyện, phần lại sử dụng để kiểm định liệu Để đánh giá ổn định độ hiệu mơ hình, chúng tơi cho chương trình chạy lấy kết 15 lần liên tiếp - Bộ số liệu gồm 3024 mẫu bao gồm 2850 mẫu huấn luyện 174 mẫu kiểm định Sau chạy 15 lần, kết quả, dự báo sai số bảng đây: Tham số Kích thước liệu huấn luyện Kích thước huấn luyện thực Kích thước liệu kiểm định Số thuộc tính Số rừng Hệ số lọc Random Forest 0.84 0.83 số R*R 0.82 Chỉ 0.81 0.8 0.79 0.78 Hình 4.3 Biểu đồ so sánh lần chạy phương án với 174 mẫu kiểm định Bảng 4.2 Kết phương án với 174 mẫu kiểm định Lần thử nghiệm Lần Lần Lần Lần Lần Lần Lần Lần Lần Lần 10 Lần 11 Lần 12 54 Lần 13 Lần 14 Lần 15 Trung bình Chỉ số R2 trung bình sau 15 lần chạy 0.807, sai số bậc trung bình phương (RMSE) 1131.744 - Bộ số liệu gồm 3024 mẫu bao gồm 2706 mẫu huấn luyện 318 mẫu kiểm định Sau chạy 15 lần, kết quả, dự báo sai số bảng đây: Tham số Kích thước liệu huấn luyện Kích thước huấn luyện thực Kích thước liệu kiểm định Số thuộc tính Số rừng Hệ số lọc Random Forest Biểu đồ so sánh lần chạy 0.84 Chỉ số R*R 0.83 0.82 0.81 0.7 0.8 0.79 0.78 Hình 4.4 Biểu đồ so sánh lần chạy phương án với 318 mẫu kiểm định Bảng 4.3 Kết phương án với 318 mẫu kiểm định Lần thử nghiệm Lần 55 Lần Lần Lần Lần Lần Lần Lần Lần Lần 10 Lần 11 Lần 12 Lần 13 Lần 14 Lần 15 Trung bình Chỉ số R2 trung bình sau 15 lần chạy 0.810, sai số RMSE 1284.245 Phƣơng án 2: Cũng liệu đó, chúng tơi tăng số thuộc tính từ 146 lên thành 218 thuộc tính Kích thước liệu gồm 2952 mẫu Kích thước chia làm phần, phần sử dụng để huấn luyện, phần lại sử dụng để kiểm định liệu Để đánh giá ổn định độ hiệu mơ hình, chúng tơi cho chương trình chạy lấy kết 15 lần liên tiếp - Bộ số liệu gồm 2952 mẫu bao gồm 2778 mẫu huấn luyện 174 mẫu kiểm định Sau chạy 15 lần, kết quả, dự báo sai số bảng đây: Tham số Kích thước liệu huấn luyện Kích thước huấn luyện thực Kích thước liệu kiểm định Số thuộc tính Số rừng Hệ số lọc Random Forest 56 0.86 0.85 Chỉ số R*R 0.84 0.83 0.82 0.81 0.8 Hình 4.5 Biểu đồ so sánh lần chạy phương án với 174 mẫu kiểm định Bảng 4.4 Kết phương án với 174 mẫu kiểm định Lần thử nghiệm Lần Lần Lần Lần Lần Lần Lần Lần Lần Lần 10 Lần 11 Lần 12 Lần 13 57 Lần 14 Lần 15 Trung bình Kết cho thấy, số E R tăng lên sau tăng số thuộc tính từ 146 lên 218 Chỉ số R thử nghiệm đạt 0.831 Trong sai số RMSE giảm xuống cịn 920.555 Từ thấy tăng số thuộc tính, độ xác mơ hình tăng lên - Bộ số liệu gồm 2952 mẫu bao gồm 2634 mẫu huấn luyện 318 mẫu kiểm định Sau chạy 15 lần, kết quả, dự báo sai số bảng đây: Tham số Kích thước liệu huấn luyện Kích thước huấn luyện thực Kích thước liệu kiểm định Số thuộc tính Số rừng Hệ số lọc Random Forest 0.86 Chỉ số R*R 0.85 0.84 0.831 0.83 0.82 0.81 0.8 Hình 4.6 Biểu đồ so sánh lần chạy phương án với 318 mẫu kiểm định Bảng 4.5 Kết phương án với 318 mẫu kiểm định Lần thử nghiệm Lần 58 Lần Lần Lần Lần Lần Lần Lần Lần Lần 10 Lần 11 Lần 12 Lần 13 Lần 14 Lần 15 Trung bình Kết thử nghiệm phương án với 318 mẫu kiểm định cho kết tương đương với 174 mẫu kiểm định Chỉ số R2 đạt 0.833 tốt phương án Bảng 4.6 So sánh hai phương án: Phương án tốt phương án Phương án Phương án Phương án Đánh giá so sánh Theo [1], thử nghiệm phương án dự báo với mạng nơ-ron sử dụng phương pháp học kết hợp giải thuật di truyền cải tiến giải thuật lan truyền ngược sai số thì: Phƣơng án [1] Trong phương án việc dự báo lưu lượng nước tương lai trước 10 ngày Q(t+10) dựa vào lưu lượng nước thời điểm khứ Phương án sử dụng ba giá trị lưu lượng làm đầu vào mạng gồm: - Lưu lượng nước tại: Q(t) - Lưu lượng nước trước 10 ngày: Q(t-10) 59 - Lưu lượng nước trước 20 ngày: Q(t-20) Q(t + 10) = f (Q(t ), Q(t − 10), Q(t − 20)) Kết sau học, số dự báo với liệu kiểm tra (test set): - Sai số quân phương RMSE = 102.60 m3/s - Chỉ số R2 = 0.7703 1200 /s) 1000 (m 800 Lưu lượng 600 400 200 Hìn Phƣơng án [1] Theo nghiên cứu thuỷ văn, liệu mưa lưu vực ảnh hưởng lớn đến lưu lượng nước tương lai Việc dự báo cần thông số lượng mưa thời điểm lượng mưa khứ (do ảnh hưởng đến trữ lượng nước ngầm) Trong phương án này, dự báo lưu lượng nước tương lai trước 10 ngày Q(t+10) ( Q(t ), Q (t − 10), Q (t − khứ tại lưu vực (X (t ), X (t − 10), X (t − 20)) Q(t + 10) = f (Q(t ), Q(t − 10), Q(t − 20), X (t ), X (t − 10), X (t − 20)) Kết với liệu kiểm tra xác phương án 1: - Sai số quân phương RMSE = 99.76 m3/s - Chỉ số R2 = 0.7902 60 1200 Lưu lượng (m /s) 1000 800 600 400 200 Phƣơng án [1] Phương án bổ sung thêm giá trị lưu lượng lượng mưa ngày tại: Qng(t), Xng(t) (khác với Q(t) X(t) giá trị lưu lượng lượng mưa trung bình 10 ngày) Do đó: Q(t + 10) = f ( Kết đạt được: - S - C Theo [1], phương án có độ xác tốt với R2 = 0.8742 1200 (m3/s) 1000 800 Lưu lượng 600 400 200 Hình 4.9 Kết dự báo phương án [1] Nhận xét: Trong DSS này, sử dụng giải thuật định random forest, kết R đạt đến 0.833, chí tốt qua lần huấn luyện tăng số thuộc tính số liệu lưu lượng Kết tốt hẳn phương pháp phương pháp [1], độ xác cịn so với phương pháp [1] Qua kết thực nghiệm này, nhận thấy giải thuật Random Forest chạy hiệu số liệu có số thuộc tính lớn Cũng với số liệu này, sử dụng giải thuật mạng nơ-ron hệ thống chạy chậm Nếu tiếp tục tăng số thuộc tính lưu lượng số thuộc tính tham số đầu vào khác lượng mưa ngày tại…thì độ xác cao Sai số RMSE mơ hình lớn, nhiên theo [19] tính chất số liệu lưu lượng có độ biến động lớn, nên sai số RMSE chưa phản ánh mức độ xác Hơn số liệu bao gồm số liệu lưu lượng mùa mưa mùa có độ biến động lưu lượng cao 62 KẾT LUẬN VÀ HƢỚNG NGHIÊN CỨU TIẾP THEO Luận văn định hướng vào nội dung nghiên cứu hệ hỗ trợ định, hệ hỗ trợ định khơng gian Trong đó, việc xây dựng mơ hình hệ hỗ trợ định sử dụng phương pháp học máy định random forest với độ xác cao kết hợp với trình bày GIS nhằm hỗ trợ định người sử dụng Hệ thống áp dụng vào việc dự báo lưu lượng nước trạm thủy văn Hịa Bình với số liệu đo đạc chi tiết hàng ngày hàng năm Các đóng góp luận văn - Hệ thống hóa nội dung hệ hỗ trợ định - Nghiên cứu giải thuật random forest, giải thuật biến đổi phương pháp định - Nghiên cứu sử dụng hệ thống thống thông tin địa lý (GIS) Tuy nhiên hệ thống chưa thực việc biểu diễn kết sau dự báo GIS - Áp dụng vào việc dự báo lưu lượng nước với độ xác cao trạm thủy văn Hịa Bình với số R lớn, > 0,83 Phương pháp có độ xác cao số trường hợp thử nghiệm phương pháp khác áp dụng giải thuật học máy giải thuật di truyền, mạng nơron Với việc dự báo ngày, 10 ngày Hƣớng nghiên cứu Phương pháp có độ xác cao, mong muốn luận văn tiếp tục nghiên cứu phát triển giải thuật xây dựng mơ hình hệ hỗ trợ định dựa số liệu đo đạc chi tiết qua năm trạm Từ đó, hệ thống rút dự báo lưu lượng trạm thủy văn dựa số liệu trạm thủy văn khác dịng chảy Ngồi ra, kết sau dự báo trình bày GIS, thể kết cách trực quan Qua trình áp dụng, nhận rằng, đầy đủ hay không tập số liệu đầu vào ảnh hưởng lớn đến kết dự báo Ví dụ, dự báo thuỷ văn dài hạn, yếu tố đặc điểm khí hậu, hình thái thời tiết ảnh hưởng lớn đến độ xác thời gian dự báo Hoặc với dự báo mùa khô với độ xác cao mùa mưa ảnh hưởng nhiều yếu tố mà kết chưa mong muốn Cũng qua luận văn này, mong muốn áp dụng vào việc xây dựng hệ hỗ trợ định áp dụng vào việc dự báo cụ thể, mong muốn hệ thống trở thành hệ thống có tính ứng dụng cao thực tiễn 63 TÀI LIỆU THAM KHẢO Tiếng Việt Phạm Thị Hoàng Nhung (2007), Dự báo lưu lượng nước sử dụng giải thuật mạng nơ-ron kết hợp với giải thuật di truyền, Đại học Công nghệ - Luận văn thạc sỹ Nguyễn Hà Nam (2009), Bài giảng khai phá liệu, Đại học Công nghệ Tiếng Anh Keen, P G W (1978), Decision support systems: an organizational perspective, Reading, Mass., Addison-Wesley Pub Co ISBN 0-201-03667-3 Henk G Sol et al (1987), Expert systems and artificial intelligence in decision support systems: proceedings of the Second Mini Euroconference, Lunteren, The Netherlands, 17-20 November, 1985 Springer, 1987 ISBN 9027724377 p.1-2 Efraim Turban, Jay E Aronson, Ting-Peng Liang (2008), Decision Support Systems and Intelligent Systems, p 574 "Gate Delays at Airports Are Minimised for United by Texas Instruments' Explorer", Computer Business Review 1987 http://www.cbronline.com/news/gate_delays_at_airports_are_minimised_for_uni ted_by_texas_instruments_explorer Haettenschwiler, P (1999), Neues anwenderfreundliches Konzept der Entscheidungsunterstützung, Gutes Entscheiden in Wirtschaft, Politik und Gesellschaft Zurich, vdf Hochschulverlag AG: 189-208 Power, D J (2002), Decision support systems: concepts and resources for managers, Westport, Conn., Quorum Books Stanhope, P (2002), Get in the Groove: building tools and peer-to-peer solutions with the Groove platform, New York, Hungry Minds 10 Gachet, A (2004), Building Model-Driven Decision Support Systems with Dicodess, Zurich, VDF 11 Power, D J (1997), What is a DSS? The On-Line Executive Journal for DataIntensive Decision Support 1(3) 12 Sprague, R H and E D Carlson (1982), Building effective decision support systems, Englewood Cliffs, N.J., Prentice-Hall ISBN 0-130-86215-0 13 Haag, Cummings, McCubbrey, Pinsonneault, Donovan (2000), Management Information Systems: For The Information Age McGraw-Hill Ryerson Limited: 136-140 ISBN 0-072-81947-2 64 14 Marakas, G M (1999), Decision support systems in the twenty-first century, Upper Saddle River, N.J., Prentice Hall 15 Holsapple, C.W., and A B Whinston (1996), Decision Support Systems: A Knowledge-Based Approach, St Paul: West Publishing ISBN 0-324-03578-0 16 Hackathorn, R D., and P G W Keen (1981, September), "Organizational Strategies for Personal Computing in Decision Support Systems", MIS Quarterly, Vol 5, No 17 Gadomski A.M et al (1998), Integrated Parallel Bottom-up and Top-down Approach to the Development of Agent-based Intelligent DSSs for Emergency Management,TIEMS98, Washington 18 Breiman (2001), Random Forests Website: http://www.stat.berkeley.edu/~breiman/RandomForests/cc_home.htm 19 D.R Legates, G.J McCabe Jr (1998), Evaluating the Use of "Goodness-of-Fit" Measures in Hydrologic and Hydroclimatic Model Validation; Water Resour Res 1998WR900018, 35(1): 233 20 Mark Last, Abraham Kandel & Horst Bunke, Data mining in Time series Database, Vol 57 21 ESRI Geodatabase, Website: http://esri.com 65 ... ĐẠI HỌC CÔNG NGHỆ ĐÀO XUÂN DŨNG TÌM HIỂU VÀ XÂY DỰNG HỆ HỖ TRỢ QUYẾT ĐỊNH DỰA TRÊN HỆ THỐNG THÔNG TIN ĐỊA LÝ (GIS) Ngành: Công nghệ thông tin Chuyên ngành: Các Hệ thống thông tin Mã số: 60 48... Forest (Breiman, 2001) để xây dựng hệ hỗ trợ định hỗ trợ quản lý tổng hợp tài ngun nước lưu vực sơng Hệ thống tích hợp hệ thống thông tin địa lý (GIS) để trở thành hệ hỗ trợ hoàn chỉnh Nhu cầu... xây dựng phần mềm thử nghiệm áp dụng vào dự báo lưu lượng nước lưu vực sông CHƢƠNG 1: GIỚI THIỆU TỔNG QUAN Giới thiệu chung hệ hỗ trợ định Ta biết hệ hỗ trợ định (DSS) lớp xác định hệ thống thông