LUẬN ÁN TIẾN SĨ PHÂN TÍCH DỮ LIỆU CHUỖI THỜI GIAN TRONG CÁC BÀI TOÁN ĐÁNH GIÁ VÀ DỰ BÁO (Hệ Thống Hỗ Trợ Học Tập Thích Nghi dựa trên Ontology của Mô Hình Người Học)

TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN Chuyên ngành: KHOA HỌC MÁY TÍNH Mã số: 62.48.01.01 LUẬN ÁN TIẾN SĨ PHÂN TÍCH DỮ LIỆU CHUỖI THỜI GIAN TRONG CÁC BÀI TOÁN ĐÁNH GIÁ VÀ DỰ BÁO (Hệ Thống Hỗ Trợ Học Tập Thích Nghi dựa Ontology Mơ Hình Người Học) NCS: Đặng Kiên Cường CBHD: TS Trần Tích Phước TS Dương Tôn Đảm NỘI DUNG LÝ DO, MỤC TIÊU CỦA LUẬN ÁN TỔNG QUAN NGHIÊN CỨU PHƯƠNG PHÁP, DỮ LIỆU, PHẠM VI KẾT QUẢ NGHIÊN CỨU KẾT LUẬN 01 LÝ DO, MỤC TIÊU Tính cấp thiết Luận án  Dữ liệu chuỗi thời gian ▻ Quản lý thiên tai, Dự báo thiên tai (Khí tượng thủy văn) ▻ Khí tượng thủy văn liệu lớn (>= 30 năm) ▻ Dữ liệu thiếu, khuyết trình quan trắc ▻ Trong năm gần vấn đề thiên tai xảy với cường độ tần suất lớn  Trong QL Khí tượng Thủy văn chưa có nghiên cứu liên quan để giải vấn đề  Luận án giải toán vấn đề khí tượng thủy văn MỤC TIÊU  Mục tiêu tổng quát: Phân tích, đánh giá dự báo chuỗi thời gian KTTV nhằm hỗ trợ quản lý  Mục tiêu cụ thể: ▻ Nghiên cứu tập liệu biến động theo thời gian, để tìm quy luật đặc tính tập liệu ▻ Xây dựng mơ hình dự báo sở quy luật đặc tính tập liệu thực tế tiến hành huấn luyện, kiểm tra thuật tốn phù hợp ▻ Phân tích tập liệu phương pháp mới, việc tích hợp tốn thống kê kinh điển đại 02 TỔNG QUAN NGHIÊN CỨU PHÂN TÍCH, ĐÁNH GIÁ, DỰ BÁO  Một vấn đề quan trọng liệu phân tích dự báo liệu Hướng nghiên cứu kinh điển xác suất thống kê Lý thuyết tương quan hồi quy với phương pháp ARMA, ARIMA, phân tích PCA, phân tích phương sai,… nghiên cứu ban đầu Pearson, Bayes, Holt-Winters Phát triển Box-Jenkins Van der Vaart, Chen H, mở rộng sang dạng tiệm cận toán mờ thống kê PHÂN TÍCH, ĐÁNH GIÁ, DỰ BÁO (1) Cạnh phương pháp thống kê Bootstrap để khắc phục khiếm khuyết thu thập liệu mẫu từ khái niệm lặp có hồn B Efron (1990) Phương pháp Bootstrap trở nên công cụ hữu ích nghiên cứu chuỗi thời gian, đặc biệt dạng Bootstrap khối Trong phải kể đến: ▻ Thuật toán tổng hợp – bootstrap aggregating Breiman giới thiệu vào năm 1996; ▻ Phương pháp Bergmeir C (2016) tạo lập bootstrap từ phần lại qua phân hủy STL “Seasonal and Trend decomposition using Loess” ▻ Phương pháp Laurinec P (2019) tạo lập boostrap dựa K-means clustering Định hướng nghiên cứu Trên sở nghiên cứu Quy luật đặc tính liệu ngẫu nhiên chuỗi thời gian (Luật phân phối cực trị EVD đặc tính nó)  Dữ liệu thủy văn ĐBSCL qua dịng chảy với biến động dị thường (bão, lũ, ngăn dòng, xây đập) xu biến đổi khí hậu hiên  Bài tốn dự báo chuỗi thời gian sử dụng phương pháp Thống kê toán để nâng cao hiệu hạn chế tác hại Qua nâng giá trị xử lý liệu mặt lý thuyết thực tiễn  Nghiên cứu thu đươc kết phù hợp với mục tiêu theo định hướng NGHIÊN CỨU CÓ LIÊN QUAN  Nguyễn Văn Thắng, “Nghiên cứu xây dựng hệ thống dự báo, cảnh báo hạn hán cho Việt Nam với thời hạn đến tháng”; 2016  Phan Văn Tân (dịch), NXB ĐHQG HN, 2005 Lý thuyết xác suất, thống kê, lý thuyết hàm ngẫu nhiên, tốn học quan trọng sử dụng khí tượng, thủy văn  Nguyễn Văn Thu, Nguyễn Đức Phương (2008), Ứng dụng phương pháp Bootstrap để nhận biết mức độ nguy hiểm bệnh lỗng xương  Hồng Thị Diệp (2017), bootstrap tiến hóa kĩ thuật phổ biến để xác định độ tin cậy tiến hóa, đề xuất phương pháp giải quyết: thời gian, độ xác, ảnh hưởng vi phạm mơ hình tượng đa phân, mở rộng cho liệu 10 Phương pháp tách nghiệm  Phương trình vi phân ngẫu nhiên khuếch tán-nhảy tuyến tính, theo dạng: dX(t) = α t X t − + A t dt + β t X t − + B t dW t + R0 γ t, z X t − + G t, z N dt, dz (1) với tập hàm liên tục ngẫu nhiên 𝛼, 𝛽, 𝛾, 𝐴, 𝐵, 𝐺 giả sử trình Poisson bù N t, z độc lập với trình Wiener W(t)  Xuất phát từ cơng thức Ito-Hermite cho q trình Ito-Hermite cho lớp trình Ito-Levy, nghiên cứu trình bày kết tích hợp vi phân ngẫu nhiên đa chiều cho trình Ito-Hermite Đưa phương pháp tách nghiệm để giải phương trình vi phân khuếch tánnhảy tuyến tính 41 Phương pháp tách nghiệm Giải tách theo dạng tích X t = X1 t − X t − (2) X1 t nghiệm phương trình tuyến tính tương ứng, xác định (3) X2 t nghiệm phương trình: dX2 t = A∗ t dt + B∗ t dW t + R0 G∗ t, z N dt, dz A∗ t ; B∗ t ; G∗ t, z hàm xác định (4) 42 Phương pháp tách nghiệm  Phương trình vi phân ngẫu nhiên tuyến tính có dạng: 𝑑𝑋 𝑡 = 𝑋 𝑡 − 𝛼 𝑡, 𝜔 𝑑𝑡 + 𝛽 𝑡, 𝜔 𝑑𝑊 𝑡 + 𝑅0 𝛾 𝑡, 𝑧, 𝜔 𝑁 𝑑𝑡, 𝑑𝑧  Nghiệm có dạng 𝑡 𝑋 𝑡 = 𝑒𝑥𝑝 + (3) 𝛼 𝑠, 𝜔 − 𝛽 𝑠, 𝜔 𝑙𝑜𝑔 + 𝛾 𝑠, 𝑧, 𝜔 − 𝛾 𝑠, 𝑧, 𝜔 𝑣 𝑑𝑧 𝑑𝑠 𝑅0 + 𝛽 𝑠, 𝜔 𝑑𝑊 𝑠 + 𝑙𝑜𝑔 + 𝛾 𝑠, 𝑡, 𝜔 𝑁 𝑑𝑠, 𝑑𝑧 𝑅0 43 Phương pháp tách nghiệm A∗ t, ω = X1 t− A t, ω − B t, ω β t, ω − B∗ t, ω = G∗ t, z, ω = γ t,z,ω G t,z,ω R0 1+γ t,z,ω v dz B t,ω X1 t− G t,z,ω X1 t− 1+γ t,z,ω (4) [CT3] Dang Kien Cuong, Duong Ton Dam, Duong Ton Thai Duong, Du Thuan Ngo, “Solutions to the jump-diffusion linear stochastic differential equations”, Science And Technology Development Journal, Vol No 2019, Page 115-119 44 CƠNG TRÌNH KHOA HỌC CỦA TÁC GIẢ Dang Kien Cuong, Duong Ton Dam, Duong Ton Thai Duong, Nguyen Kim Loi, Nguyen Son Vo, and Ayse Kortun, “Extreme Value Distributions In Hydrological Analysis In The Mekong Delta: Case Study In Ca Mau, An Giang Provinces”, EAI Endorsed Transactions on Industrial Networks and Intelligent Systems Journal, 45 ISSN: 2410-0218, Vol 6, June 2019 CÔNG TRÌNH KHOA HỌC CỦA TÁC GIẢ Dang Kien Cuong, Duong Ton Dam, Duong Ton Thai Duong, and Du Thuan Ngo, “Applications of Bootstrap in Analyze General Extreme Value Distributions”, Journal of Mechanics Engineering and Automation, ISSN: 21595275 Vol 9, No 7, 2019 46 CƠNG TRÌNH KHOA HỌC CỦA TÁC GIẢ Dang Kien Cuong, Duong Ton Dam, Duong Ton Thai Duong, Du Thuan Ngo, “Solutions to the jump-diffusion linear stochastic differential equations”, Science And Technology Development Journal, Vol No 2019, Page 11547 119 CƠNG TRÌNH KHOA HỌC CỦA TÁC GIẢ Dang Kien Cuong, Duong Ton Dam, and Duong Ton Thai Duong, “Extreme value distributions in hydrological analysis of some areas in the Mekong Delta“, Second Vietnam international Applied Mathematics Conference (VIAMC 2017), Information and Communications Publishing House, ISBN: 978-604-80-0608-2 48 05 KẾT LUẬN KẾT LUẬN Luận án phân tích liệu chuỗi thời gian đánh giá dự báo, với kết đạt cụ thể 1) Phân tích liệu chuỗi thời gian theo phương pháp kinh điển lý thuyết Xác suất Thống kê, theo dạng mô hình hồi quy trung bình trượt tích hợp phối hợp với dạng phân phối cực trị chuỗi 50 KẾT LUẬN 2) Phân tích liệu chuỗi thời gian theo phương pháp lý thuyết Xác suất Thống kê Tốn học, là: Phương pháp tốn mờ, theo mơ hình khác tính đa dạng toán thường gặp thực tế (kinh tế, xã hội, công nghệ…) Kết lý thuyết ứng dụng liệu khí tượng thủy văn vùng Tây Nam 3) Phân tích liệu chuỗi thời gian theo hướng rộng tổng quát quan điểm Giải tích ngẫu nhiên, từ giải triệt để toán phức hợp thực tế sinh liệu ngẫu nhiên (như toán vật lý lượng tử vấn đề kinh tế vĩ mô,…) 51 CHÂN THÀNH CẢM ƠN Q THẦY CƠ 52 Góp ý Phản biện Hội đồng Những điểm chưa rõ luận án, chưa thể rõ trình bày: đóng góp LA, nghiên cứu LA - NCS: thực theo ý kiến Các cơng trình cơng bố, có nội dung giống nhau, có liên quan trực tiếp đến luận án, CT6, CT1, nội dung gần giống nhau, CT3 khơng có liên quan đến luận án - NCS: chọn lọc lại CT Tập danh mục cơng trình chưa chọn lọc, chưa đầy đủ minh chứng, theo quy định, chưa xếp thứ tự - NCS: làm lại tập DMCT theo quy chuẩn Tài liệu tham khảo chưa cập nhật khai phá liệu, khai phá liệu chuỗi thời gian, xếp tài liệu tham khảo chưa chuẩn, chưa có trích dẫn, thiếu danh mục - NCS: bổ sung TLTK 53 Góp ý Thầy Cơ, Chun gia Tổng quan toán, xác định mục tiêu nghiên cứu, mô tả liên quan đến liệu, làm bật vấn đề nghiên cứu, tài liệu tham khảo - NCS: thể lại tổng quan, mục tiêu nghiên cứu, bổ sung thêm TLTK: 05 chuỗi thời gian, 08 bootstrap So sánh phương pháp nghiên cứu với phương pháp khác - NCS: giải số vấn đề Machine learning Cluster Analys (K-mean, Clustering Algorithms,…), PCA (Independent Component, Dimension Reduction,…) 54 Góp ý Thầy Cơ, Chun gia Điều chỉnh lại thuật tốn, theo hướng cơng nghệ thơng tin, thực cách trình bày liên quan đến khoa học máy tính - NCS: thể lại thuật tốn Tinh gọn thêm cơng bố - NCS: đưa 02 CT khơng cịn liên quan LA Thể rõ kết nghiên cứu - NCS: thể rõ kết 55