Xây dựng hệ thống dự báo nhiệt độ sau 1 giờ dựa trên mô hình huấn luyện train test

Chuyên ngành: Công nghệ phần mềm Tên đề tài: Xây dựng hệ thống dự báo nhiệt độ sau 1 giờ dựa trên mô hình Họ và tên giảng viên hướng dẫn: Huỳnh Nam NHẬN XÉT 1. Về nội dung đề tài và khối lượng thực hiện ……………………………………………………………………………………………… ……………………………………………………………………………………………… ……………………………………………………………………… 2. Ưu điểm ……………………………………………………………………………………………… ……………………………………………………………………………………………… ……………………………………………………………………… 3. Khuyết điểm ……………………………………………………………………………………………… ……………………………………………………………………………………………… ……………………………………………………………………… 4. Đánh giá loại: ………………………………………………………………………….................... 5. Điểm: ……………………………………………………………………………………… TP. Hồ Chí Minh, ngày…tháng…năm 2020 Giảng viên hướng dẫn (Ký & ghi rõ họ tên) Nhóm thực hiên LỜI CẢM ƠN đề tài xin chân thành cảm ơn Thầy Huỳnh Nam – giảng viên môn học Điện toán đám mây (Cloud Computing), đã giúp đỡ chúng em rất nhiều trong viêc lựa chọn đề tài, hướng dẫn thực hiên, nêu ý kiến nhân xét, cung cấp tài liêu tham khảo trong quá trình thực hiên đề tài. Chúng em còn gửi lời cảm ơn đến quý thầy cô khoa Công nghê ̣ thông tin trường đã giúp đỡ, giải đáp thắc mắc trong quá trình thực hiêṇ . Đồng thời cảm ơn các anh chị khóa trước đã cung cấp nhiều thông tin, tài liêu tham khảo; các bạn cùng khóa cùng nhau trao đổi kinh nghiêm để thực hiên đề tài tốt hơn. Nhóm chúng em rất mong nhân được những ý kiến đóng góp của thầy và các bạn để đề tài ngày càng hoàn thiêṇ . Xin chân thành cảm ơn! Nhóm thực hiên đề tài. TP.HCM, ngày 05 tháng 07 năm 2020 Nhóm SV thực hiêṇ Mục lục PHIẾU NHẬN XÉT CỦA GIẢNG VIÊN HƯỚNG DẪN 3 LỜI CẢM ƠN 4 1. Kế hoạch làm việc 6 2. Bản đánh giá các thành viên và tỉ lệ đóng góp 7 3. Mô tả bài toán 8 4. Kiến trúc tổng quát của hệ thống 9 5. Quá trình xây dựng 9 a. Module IoT 9 i. Mô tả thiết bị 9 ii. Mô hình triển khai 11 iii. Mã nguồn 12 iv. Cài đặt và vận hành 15 v. Kết quả 17 b. Mô đun AI 18 i. Mô tả phương pháp xử lý, xây dựng dữ liệu huấn luyện 18 ii. Mô hình huấn luyện 18 iii. Mã nguồn 20 iv. Kết quả 21 c. Module Restful API 22 i. Giới thiệu về Restful API 22 i. Mô tả 23 ii. Mô hình triển khai 24 iii. Mã nguồn 24 iv. Cài đặt và vận hành 29 v. Kết quả 32 b. Module Mobile (React) 36 i. Mô tả 36 ii. Mô hình triển khai 37 iii. Mã nguồn 37 iv. Cài đặt và vận hành 40 v. Kết quả 44 6. Kết quả hệ thống 44 7. Ưu điểm và nhược điểm 45 8. Kết luận 46 9. Phương hướng phát triển 47 10. Tham khảo 48 1. Kế hoạch làm việc Thời gian Công việc 21/04/2020-29/05/2020 (Phase 1) - Tìm hiểu kiến thức về lập trình Arduino. - Tìm và đặt mua thiết bị cần thiết. - Tiến hành cài đặt, triển khai, nạp code cho thiết bị để lấy và đưa dữ liệu cảm biến lên Firebase. 30/05/2020-04/06/2020 (Phase 2) - Chuẩn bị kiển thức về lập trình Python. - Sử dụng ngôn ngữ Python để viết chương trình lấy và xử lí dữ liệu từ Firebase. 05/06/2020-21/06/2020 (Phase 2 – tiếp tục) - Xử lí dữ liệu để phù hợp với module AI. - Cài đặt module AI để phục vụ cho đề tài. 22/06/2020-28/06/2020 - Chuẩn bị kiến thức về restful API. - Nghiên cứu module AI trường hợp 2 biến. - Tiến hành cài đặt restful API. - Chuẩn bị kiến thức về React Native để tạo ứng dụng mobile sử dụng API hiển thị và dự báo thời tiết. 29/06/2020-05/07/2020 - Chỉnh sửa các module để phù hợp với mô hình 2 biến. - Hoàn thiện module API và deploy lên AWS. - Tạo ứng dụng mobile bằng React Native sử dụng API để hiển thị và dự báo nhiệt độ. - Viết báo cáo.

TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP.HCM KHOA CÔNG NGHỆ THÔNG TIN - - BÁO CÁO ĐỒ ÁN CUỐI KÌ ĐIỆN TỐN ĐÁM MÂY ĐỀ TÀI: XÂY DỰNG HỆ THỐNG DỰ BÁO NHIỆT ĐỘ SAU GIỜ DỰA TRÊN MƠ HÌNH HUẤN LUYỆN TRAIN-TEST Giảng viên hướng dẫn: Huỳnh Nam TP HỒ CHÍ MINH – THÁNG 07 NĂM 2020 ĐH SƯ PHẠM KỸ THUẬT TP.HCM KHOA CƠNG NGHỆ THƠNG TIN ****** CỘNG HỊA XHCN VIỆT NAM Độc lập – Tự – Hạnh phúc ****** PHIẾU NHẬN XÉT CỦA GIẢNG VIÊN HƯỚNG DẪN Họ tên Sinh viên 1: MSSV 1: Họ tên Sinh viên 2: MSSV 2: Họ tên Sinh viên 3: MSSV 3: Chuyên ngành: Công nghệ phần mềm Tên đề tài: Xây dựng hệ thống dự báo nhiệt độ sau dựa mơ hình H ọ v t ê n g i ả n g v i ê n h n g …………………………………………… ………………………… Khuyết điểm d ẫ n : …………………………………………… …………………………………………… …… …………………………………………… …………………………………………… …… …………………………………………… ………………………… Đánh giá loại: …………………………………………… …………………………… Điểm: …………………………………………… ………………………………………… H u ỳ n h N a m N H Ậ N X É T Về nội dung đề tài khối lượng thực …………………………………………… …………………………………………… …… …………………………………………… …………………………………………… …… …………………………………………… ………………………… Ưu điểm …………………………………………… …………………………………………… …… …………………………………………… …………………………………………… …… TP Hồ Chí Mi nh, ngà y… thá ng … nă m 202 Giảng viên hướng dẫn (Ký & ghi rõ họ tên) LỜI CẢM ƠN Nhóm thực hiên đê tài xin chân thành cảm ơn Thầy Huỳnh Nam – giảng viên mơn học Điện tốn đám mây (Cloud Computing), đa giúp chúng em rất nhiêu viêc lựa chọn đê tài, hướng dẫn thực hiên, nêu ý kiến nhân xét, cung cấp tài liêu tham khảo trình thực hiên đê tài Chúng em còn gửi lơi cảm ơn đến quý thầy cô khoa Công nghê ̣ thông tin trương đa giúp đơ, giải đáp thắc mắc trình thực hiên Đồng thơi cảm ơn anh chi khóa trước đa cung cấp nhiêu thông tin, tài liêu tham khảo; bạn cùng khóa cùng trao đổi kinh nghiêm đê thực hiên đê tài tốt Nhóm chúng em rất mong nhân được những ý kiến đóng góp của thầy bạn đê đê tài ngày hoàn thiên Xin chân thành cảm ơn! Nhóm thực hiên đê tài TP.HCM, ngày 05 tháng 07 năm 2020 Nhóm SV thực hiên Mục lục PHIẾU NHẬN XÉT CỦA GIẢNG VIÊN HƯỚNG DẪN LỜI CẢM ƠN Kế hoạch làm việc Bản đánh giá thành viên tỉ lệ đóng góp Mơ tả tốn Kiến trúc tổng quát hệ thống Quá trình xây dựng Module IoT a i Mô tả thiết bị ii Mơ hình triển khai 11 iii Mã nguồn 12 iv Cài đặt vận hành 15 v Kết 17 b Mô đun AI 18 i Mô tả phương pháp xử lý, xây dựng liệu huấn luyện 18 ii Mơ hình huấn luyện 18 iii Mã nguồn 20 iv Kết 21 Module Restful API 22 c i Giới thiệu Restful API 22 i Mô tả 23 ii Mơ hình triển khai 24 iii Mã nguồn 24 iv Cài đặt vận hành 29 v Kết 32 Module Mobile (React) 36 b i Mô tả 36 ii Mơ hình triển khai 37 iii Mã nguồn 37 iv Cài đặt vận hành 40 v Kết 44 Kết hệ thống 44 Ưu điểm nhược điểm 45 Kết luận 46 Phương hướng phát triển 47 10 Tham khảo 48 Kế hoạch làm việc Thời gian 21/04/2020-29/05/2020 (Phase 1) - 30/05/2020-04/06/2020 (Phase 2) - 05/06/2020-21/06/2020 (Phase – tiếp tục) 22/06/2020-28/06/2020 - 29/06/2020-05/07/2020 - Cơng việc Tìm hiểu kiến thức lập trình Arduino Tìm đặt mua thiết bị cần thiết Tiến hành cài đặt, triển khai, nạp code cho thiết bị để lấy đưa liệu cảm biến lên Firebase Chuẩn bị kiển thức lập trình Python Sử dụng ngơn ngữ Python để viết chương trình lấy xử lí liệu từ Firebase Xử lí liệu để phù hợp với module AI Cài đặt module AI để phục vụ cho đề tài Chuẩn bị kiến thức restful API Nghiên cứu module AI trường hợp biến Tiến hành cài đặt restful API Chuẩn bị kiến thức React Native để tạo ứng dụng mobile sử dụng API hiển thị dự báo thời tiết Chỉnh sửa module để phù hợp với mơ hình biến Hoàn thiện module API deploy lên AWS Tạo ứng dụng mobile React Native sử dụng API để hiển thị dự báo nhiệt độ Viết báo cáo Bản đánh giá thành viên tỉ lệ đóng góp Tên thành viên Cơng việc Xây dựng module API Viet báo cáo phần module API Hoàn thiện báo cáo Xây dựng ứng dụng mobile Phát triển mơ hình hồi quy tuyến tính đa biến Viết báo cáo phần hồi quy tuyến tính Hỗ trợ chỉnh sửa module cho phù hợp Hỗ trợ hoàn thiện báo cáo Xây dựng module AI Viết báo cáo phần module AI Xây dựng module IoT Viết báo cáo phần module IoT Hoàn thiện báo cáo Đánh giá Tỉ lệ đóng góp Hồn thành 30% Hồn thành 40% Hồn thành 30% Mơ tả tốn Mơ tả toán: - Xây dựng hệ thống dự báo nhiệt độ sau đựa mơ hình + Dữ liệu ghi lại 5s, thuật toán AI trả phương trình hồi quy tuyến tính đa biến, Mo đun API dùng để hiển thị tính tốn dự báo nhiệt độ sau Yêu cầu hệ thống phải giải vấn đề sau - - - Vấn đề thiết bị IoT + Khoảng thời gian lần ghi giữ liệu + Định dạng liệu + Mất liệu cách giải liệu Vấn đề Mo đun AI + Thuật toán để xử lý liệu Vấn đề Restful API + Deploy + Trả liệu nhiệt độ tại, dự báo nhiệt độ Vấn đề Mo đun Mobile + lấy liệu từ Restful API hiển thị lên cho người dùng Kiến trúc tổng quát hệ thống DB (firebase) AI RESTful API Mobile (REACT) IoT - Hệ thống bao gồm mơ đun • IoT: ghi giữ liệu vào DB firebase • AI: nhận định dạng liệu, tính tốn liệu để trả phương trình • Restful API: Thiết kế để ứng dụng web, mobile giao tiếp với nhau, chuẩn hóa liệu từ DB • Mobile(React): Ứng dụng hiển thị nhiệt độ dự báo nhiệt độ sau Quá trình xây dựng a Module IoT Nhóm chúng em thiết kế module IoT với mục đích đo nhiệt độ độ ẩm thời điểm sau lưu trữ liệu đo lên Firebase – dịch vụ sở liệu hoạt động tảng đám mây – cloud cung cấp Google Module bao gồm: o Bộ cảm biến độ ẩm nhiệt độ DHT11 đóng vai trò đo nhiệt độ độ ẩm o Module thu phát wifi ESP8266 nạp mã nguồn viết ngôn ngữ lập trình Arduino, có nhiệm vụ kết nối wifi đưa liệu lên Firebase http://flask-env7.eba-bqcfxpm6.us-west-2.elasticbeanstalk.com/iot Để lấy nhiệt độ dự đoán sau đồng hồ truyền vào hai giá trị nhiệt độ, độ ẩm (ví dụ ta truyền nhiệt độ 35 độ ẩm 0.8) http://flask-env7.eba-bqcfxpm6.us-west-2.elasticbeanstalk.com/iot/predict? temp=35.0&humid=0.8 b Module Mobile (React) i Mơ tả Tìm hiểu React Native: React Native framework công ty công nghệ tiếng Facebook phát triển nhằm mục đích giải tốn hiệu Hybrid tốn chi phí mà phải viết nhiều loại ngôn ngữ native cho tảng di động React Native cho phép build ứng dụng Native đa nên tảng cách dễ dàng, khác với Mobile Web App, HTML5 App Hybrid App Cách hoạt động React Native: Bằng cách tích hợp thread Main Thread JS Thread cho ứng dụng mobile Với Main Thread đảm nhận vai trò cập nhật giao diện người dùng(UI) Sau xử lý tương tác người dùng Trong đó, JS Thread thực thi xử lý code Javascript Hai luồng hoạt động độc lập với Để tương tác với hai Thread sử dụng Bridge(cầu nối) Cho phép chúng giao tiếp mà không phụ thuộc lẫn nhau, chuyển đổi liệu từ thread sang thread khác Dữ liệu từ hai Thread vận hành tiếp nối liệu cho Ưu điểm: • Tối ưu thời gian • Hiệu ổn định • Tiết kiệm chi phí • Đội ngũ phát triển ứng dụng khơng q lớn • Ứng dụng tin cậy, ổn định • Xây dựng ứng dụng native code cho nhiều hệ điều hành khác • Trải nghiệm người dùng tốt so sánh với ứng dụng Hybrid Nhược điểm: • Yêu cầu Native code • Hiệu so với Native App • Bảo mật chưa thật tốt dùng JS • Quản lý nhớ • Tùy biến chưa thật tốt số module Về ứng dụng: Xây dựng ứng dụng React Native (Android) hiển thị thông tin nhiệt độ thời tiết thời điểm khu vực TP.HCM dự báo nhiệt độ sau ii Mơ hình triển khai deployment Nodes Application Server «device» Client: Mobile GET Method return Json iii Restful API Get Data from Firebase • Từ ứng dụng React Native Android, luồng xử lý UI tải giao diện lên ứng dụng, đồng thời luồng xử lý Javascript gửi request với phương thức GET đến Application Server chứa Restful API deploy lên trước • Restful API hoạt động lấy liệu từ Firebase xử lý, sau xử lý xong phản hồi lại request ứng dụng React Native, trả liệu có dạng json để ứng dụng hiển thị lên Mã nguồn • App.js: có nhiệm vụ hiển thị giao diện Import thành phần import React from giao 'react'; diện import { StyleSheet, View, ImageBackground, Text, KeyboardAvoidingView, Platform, ActivityIndicator, StatusBar, Button, Alert, } from 'react-native'; // Utils import { getLocationId, getWeather, getCurrentTemperature, getNextTemperature} from './utils/api'; import getImageForWeather from './utils/getImageForWeather'; import getIconForWeather from './utils/getIconForWeather'; Xử lý giao diện dựa vào thay đổi liệu, cụ thể thông tin địa điểm, nhiệt độ handleUpdateLocation = async city => { if (!city) return; this.setState({ loading: true }, async () => { try { const ID = await getLocationId(city); const { location, weather, temperature, created } = await getWeather(ID); const { current, timeupdate } = await getCurrentTemperature(); const next = (await getNextTemperature()).next; this.setState({ loading: false, error: false, location, weather, current, timeupdate, next }); } catch (e) { this.setState({ loading: false, error: true, }); } }); }; • api.js: có nhiệm vụ xử lý kiện thay đổi liệu Lấy id thành phố dựa vào tên thành phố truyền export const getLocationId vào = async city => { const response = await fetch( `https://www.metaweather.com/api/location/search/?query=${city}`, ); const r = await response.json(); return r[0].woeid; }; Dựa vào id thành phố lấy thông tin thời tiết thành phố đó: export const getWeather = async woeid => { const response = await fetch( `https://www.metaweather.com/api/location/${woeid}/` ); let { title, consolidated_weather } = await response.json(); let { weather_state_name, the_temp, created } = consolidated_weather[0]; return { location: title, weather: weather_state_name, temperature: the_temp, created: created }; Kết nối đến Restful API lấy nhiệt độ tại: export const getCurrentTemperature = async () => { const response = await fetch( `http://flask-env7.eba-bqcfxpm6.us-west-2.elasticbeanstalk.com/` ); const r = await response.json(); let { current, timeupdate } = r; return { current: current, timeupdate: timeupdate }; }; Kết nối đến Restful API lấy nhiệt độ dự báo sau giờ: export const getNextTemperature = async () => { const response = await fetch( `http://flask-env7.eba-bqcfxpm6.us-west-2.elasticbeanstalk.com/iot` ); const r = await response.json(); let {current, next} = r; return { current: current, next: next }; iv Cài đặt vận hành • Cơng cụ cần thiết:  Máy ảo chạy hệ điều hành Android  Cài đặt React Native theo bước:  Cài đặt NodeJS (tải đây)  Cài đặt React Native: Mở console sử dụng câu lệnh npm install -g create-react-native-app • Chạy chương trình:  Mở Command Prompt, dẫn đến thư mục chứa Project gõ dòng lệnh: react-native run-android  Sau build thành cơng hình bên  Đồng thời NodeJS khởi chạy  Màn hình máy ảo ứng dụng khởi động  Khi chọn vào button Get Current Temperature, ứng dụng refresh lại thông tin hiển thị Khi chọn button Get Weather Future, ứng dụng xuất thơng báo bên v Kết • • Ứng dụng hiển thị thông tin theo yêu cầu Dự báo nhiệt độ Kết hệ thống Ta có hệ thống hồn chỉnh đáp ứng yêu cầu toán đặt giải công đoạn cần thiết như: - - Thu thập liệu: ta có mơ hình thiết bị gồm ESP thiết bị cảm biến nhiệt độ, độ ẩm DHT11 sử dụng nguồn trực tiếp từ dây cáp USB-Type B để đo nhiệt độ, độ ẩm trực tiếp từ môi trường lưu liệu đo lên CSDL đám mây Firebase để sử dụng cho cơng đoạn sau Xử lí phân tích liệu thu thập: ta có module AI Ưu điểm nhược điểm Ưu điểm: - - Mô đun IoT đơn giản, dễ cài đặt sử dụng Dữ liệu IoT mô đun xử lý việc missing, liên tục, chuẩn hóa liệu ngày, độ ẩm để xử lý Ứng dụng xây dựng phương pháp dự báo nhiệt độ dựa phương trình hồi quy tuyến tính đa biến, cụ thể biến giúp việc dự báo xác hơn, chức AI làm việc xác hơn, Ứng dụng REACT hoạt động tốt, mượt mà, thể tính yêu cầu + Giao diện trực quan, thân thiện với người dùng + Tự động tuỳ biến hình theo thời tiết + Thơng tin đo đạc dự báo đạt độ xác cao - Hệ thống hoàn thiện, trơn tru, khối hoạt động thống nhất, mô đun liên kết với chặt chẽ Nhược điểm: - - - Dữ liệu lấy từ mô đun IoT bị ảnh hưởng từ nhiều yếu tố khác đường truyền, tốc độ mạng, hiệu măng, môi trường, … dễ gây tượng missing Khi muốn lấy nhiệt độ mơ đun Restful, tồn độ liệu phải tải xuống để lấy liệu Việc deploy RESTful API lên AWS yêu cầu file cấu hình phải tuân thủ nguyên tắc nghiêm ngặt, dẫn đến việc deploy gặp nhiều khó khăn Trong mô đun REACT việc hiển thị liệu phụ thuộc vào tốc độ mạng nên chậm Tuy nhiên cải thiện cách thay đổi server có khả truyền tải tốt Kết luận  Về kiến thức ky năng: Qua trình thực hiên đề tài Quản lý quán cà phê, nhóm sinh viên tích lũy kiến thức kinh nghiêm vơ bổ ích: - Làm quen với nhiều tảng công nghệ ngôn ngữ mới, cụ thể python REACT - BIết cách xây dựng hệ thống điện toán đám mây - Biết cách phân tích xử lý liệu - Làm quen sử dụng dịch vụ bên thứ ( AWS) - Phát triển kỹ lập trình, làm việc nhóm  Về đề tài: Hệ thống hoàn thiện chức sau: - Đọc xử lý liệu mơ đun IoT Hồn thiện Mơ đun AI Phân tích liệu, sử dụng thuật toán để dự đoán nhiệt độ tương lai Xây dựng chức (hiển thị nhiệt độ, tính nhiệt độ tương lai) RESTful API Deploy RESTful API lên dịch vụ AWS Phát triển ứng dụng REACT mobile để demo Hoàn thiện Hệ thống đám mây Phương hướng phát triển Trong suốt thời gian thực đề tài, nhóm chúng em cố gắng để tạo sản phẩm hồn thiện Mặc dù cố gắng, chúng em thấy cần có chi tiết cần tiếp tục phát triển sau: Hiện Module AI chạy local Việc liên kết module AI Restful API phải dựa vào làm thủ cơng Nhóm muốn module AI sửa lại để chạy server khác Sau thời gian cụ thể module tiến hành training cung cấp liệu cho Restful API hoạt động, nhằm tự động hóa, khơng cần can thiệp người Việc đọc liệu từ Firebase Restful API đọc tất liệu Nếu liệu lớn dẫn đến hiệu suất phản hồi Restful API bị chậm Nhóm tiếp tục phát triển, nghiên cứu chi đọc dòng liệu nhằm tăng hiệu giảm thời gian chờ API phản hồi Việc dự báo chưa xác, nhiều lúc chênh lệch thực tế dự báo cao Cần nghiên cứu lại module AI cho tỷ lệ xác cao 10 Tham khảo Hướng dẫn Arduino Link: https://advancecad.edu.vn/gui-du-lieu-cam-bien-nhiet-do-va-do-am-den-co-so-dulieu-thoi-gian-thuc-google-firebase-bang-nodemcu-esp8266/ Link: https://mlab.vn/index.php?_route_=8836-hoc-arduino-bai-1-gioi-thieu-vearduino.html Link: http://arduino.vn/bai-viet/198-hoc-arduino-can-nhung-gi Hướng dẫn Python Link: https://www.w3schools.com/python/ Link: https://www.dataquest.io/blog/python-api-tutorial/ Link: https://techtalk.vn/xay-dung-mot-restful-api-don-gian-voi-python-va-flask.html Link: https://www.tutorialspoint.com/artificial_intelligence_with_python/index.htm Hướng dẫn deploy ứng dụng Flask lên AWS Link: https://docs.aws.amazon.com/elasticbeanstalk/latest/dg/create-deploy-pythonflask.html? fbclid=IwAR01TqZiriGsIUw_XcXfx_HhVMdc9EnBOHb9b8KM_UZGHt1zGSTuEow DG0M Hướng dẫn React https://www.tutorialspoint.com/react_native/index.ht m Hướng dẫn React Native Link: https://wiki.matbao.net/react-native-la-gi-bat-dau-lap-trinh-app-voi-reactnative/#hybrid-app-la-gi Link: https://cungdev.com/cai-dat-react-native/#Cai_dat_React_Native ... dự đoán giá trị nhiệt độ, độ ẩm để có giá trị nhiệt độ dự đốn ii Truyền vào giá trị nhiệt độ, độ ẩm trả giá trị nhiệt độ dự đoán 60 phút sau cách áp dụng thuật tốn dự đốn cho giá trị nhiệt độ, ... tốn: - Xây dựng hệ thống dự báo nhiệt độ sau đựa mơ hình + Dữ liệu ghi lại 5s, thuật toán AI trả phương trình hồi quy tuyến tính đa biến, Mo đun API dùng để hiển thị tính tốn dự báo nhiệt độ sau. .. trị nhiệt độ thời gian Chức năng: dự đoán nhiệt độ sau Nhiệt độ độ ẩm lấy tương tự chức lấy nhiệt độ thời gian tại, ta truyền biến vào phương trình hồi quy kết nhiệt độ dự đoán sau Chức năng: dự