Mục tiêu nghiên cứu

- Mục tiêu tổng quát : thiết lập ma ̣ng lưới các tra ̣m quan tr ắc bụi PM10 cho tỉnh Vĩnh Phúc trên cơ sở đánh giá sự biến đ ộng theo không gian của số liệu quan trắc.

- Mục tiêu cụ thể:

+ Đánh giá hiê ̣n tra ̣ng ô nhiễm bu ̣i PM10 tỉnh Vĩnh Phúc. + Xây dựng bản đồ hiện trạng bu ̣i PM10 thổ tỉnh Vĩnh Phúc + Thiết lập ma ̣ng lưới điểm quan trắc sơ bộ

+ Tối ưu hóa số lượng và vị trí của các điểm quan trắc bụi PM10.

2.3. Phƣơng phá p nghiên cƣ́u

2.3.1. Phƣơng phá p thu thâ ̣p, kế thƣ̀a

Thu thập, tổng hợp, phân tích, đánh giá các tài liệu từ các nghiên cứu khác, kế thừa có chọn lọc những tài liệu này. Kết quả của phương pháp này là đánh giá được hiện trạng tài liệu (phương thức nghiên cứu, cách tiếp cận, phạm vi nghiên cứu, kỹ thuật sử dụng, kết quả đạt được,...) theo các giai đoạn khác nhau để xây dựng kế hoạch khảo sát, nghiên cứu bổ sung hợp lý.

2.3.2. Phƣơng phá p điều tra, khảo sát, phân tích

Tiến hành khảo sát thực đi ̣a , điều tra chung về hiê ̣n tra ̣ng môi trường không khí, hiê ̣n tra ̣ng ô nhiễm bu ̣i PM10, đo đa ̣c và lấy kết quả hà m lượng bu ̣i PM10 trong

30

không khí. Quá trình đo đạc giá trị nồng độ bụi được thực hiện bằng máy đo bụi cầm tay Kanomax . Tiến hành đo đa ̣c nồng đô ̣ bu ̣i ta ̣i 60 điểm cùng mô ̣t thời điểm , đảm bảo tính đồng bô ̣ của số liê ̣u đo đa ̣ c ta ̣i các điểm . Quá trình đo đạc và thu thập dữ liê ̣u được tiến hành trong năm 2011, với 2 đợt quan trắc: đợt 1 vào tháng 4/2011 và đợt 2 vào tháng 10/2011.

2.3.3. Phƣơng phá p nô ̣i suy

Trong bài toán này, để xác định các điểm xây dựng trạm quan trắc , chúng tôi tiếp câ ̣n bài toán theo phương pháp nô ̣i suy và giải bài toán bằng phương pháp tối ưu bầy kiến. Theo đó, viê ̣c thiết lâ ̣p ma ̣ng quan trắc sẽ tiến hành trên cơ sở viê ̣c lựa chon loại bỏ m điểm quan trắc trong mạng lưới quan trắc sơ bô ̣ ban đầu để kết quả nô ̣i suy từ ma ̣ng quan trắc mới giống với kết quả nô ̣i suy từ ma ̣ng quan trắc ban đầu nhất. Các bước tiến hành có thể tóm tắt như sau:

- Đầu tiên , tiến hành đo đa ̣c ta ̣i 60 điểm quan trắc và xây dựng bản đồ ô nhiễm bu ̣i cho tỉnh Vĩnh Phúc trên cơ sở phương pháp nô ̣i suy.

- Sử du ̣ng thuâ ̣t toán tối ưu bầy kiến xác đi ̣nh viê ̣c loa ̣i bỏ m điểm quan trắc nào sẽ cho ra sai số nội suy so với mạng lưới quan trắc ban đầu là thấp nhất.

- Tổng hợp kết quả những ma ̣ng lưới quan trắc tối ưu nhất với từng giá tri ̣ m cụ thể.

- Lựa cho ̣n ma ̣ng lưới tối ưu nhất về số lượng tra ̣m quan trắc (60-m) cũng như vi ̣ trí đă ̣t 60-m tra ̣m quan trắc này.

Nội suy Kriging

Kriging là một nhóm các kỹ thuật sử dụng trong địa thống kê để nội suy một giá trị của trường ngẫu nhiên tại điểm không được đo đạc thực tế từ những điểm được đo đạc gần đó.

Hiê ̣n nay, có rất nhiều các phươn g pháp nô ̣i suy đã được phát triển , với đô ̣ chính xác và các trường hợp sử dụng khác nhau . Tuy nhiên , nghiên cứ u này lựa

31

chọn phương pháp nội suy Kriging bởi các lý do như: (1) Kriging là phương pháp có độ chính xác cao khi nô ̣i suy số liê ̣u từ tâ ̣p hợp các điểm phân bố rời ra ̣c , phân cụm hoặc phân tuyến ; đa số các trường hợp này đều sử du ̣ng Kriging là phương pháp nội suy hiệu quả nhất . (2) Trong các đánh giá chất lượng môi trường hiê ̣n nay ở Việt Nam và trên thế giới, Kriging là phương pháp nô ̣i suy được sử du ̣ng phổ biến nhất. Vì vậy, tiếp câ ̣n bài toán thiết lâ ̣p ma ̣ng quan trắc bằng phương pháp nô ̣i suy sẽ đảm bảo cho những đánh giá dựa vào dữ liệu từ các mạng lưới quan trắc (sau khi đươ ̣c thiết lâ ̣p) sẽ ít sai lệch với hiện trạng môi trường nhất.

Kriging thuộc nhóm thuật toán bình phương tối thiểu tuyến tính. Mục đích của phương pháp kriging là ước tính giá trị của một hàm số thực chưa biết f tại một điểm x* cho ra các giá trị của hàm tại các điểm khác x1,…xn. Cách tính theo kriging được gọi là tuyến tính vì giá trị phỏng đoán 𝑓 (x*) là một tổ hợp tuyến tính được biểu diễn như sau:

𝑓 (x*) = 𝑛 𝑖 𝑥∗

𝑖=1 𝑓(𝑥𝑖)

Các trọng số 𝑖 là các đáp án của hệ các phương trình tuyến tính, được tạo ra bằng phương pháp cộng mà f là sample-path củ a mô ̣t quá trình ngẫu nhiên F(x), và sai số

(x) = F(x) - 𝑛𝑖=1𝑖(𝑥)𝐹(𝑥𝑖)

được giảm đến mức tối thiểu trong một số trường hợp. Ví dụ, tính theo Simple Kriging có nghĩa là tính trung bình và hiệp phương sai của F(x) đã biết và sau đó phương pháp suy đoán kriging là công cụ để tối thiểu hóa hiệp phương sai của sai số dự đoán.

2.3.4. Phƣơng phá p tối ƣu bầy kiến

Tối ưu bầy kiến (Ant Colony Optimization ) tuy không phải là mô ̣t phương pháp hoàn toàn mới , tuy nhiên , đây la ̣i là phương pháp đang rất được quan tâm vì

32

những hiê ̣u quả nổi trô ̣i của nó so với các p hương pháp khác trong viê ̣c giải các bài toán tối ưu hóa tổ hợp (Combinatorial optimization proplems).

a. Hành vi của đàn kiến trong tự nhiên:

Quá trình nhận thức đặc biệt của đàn kiến trong tự nhiên chỉ đơn giản là quá trình nhận thức ngẫu nhiên và hoàn toàn mò mẫm . Trong thực tế, khi nghiên cứu về loài kiến, con người đã nhâ ̣n ra rằng điều quan tro ̣ng nhất ta ̣o n ên thành công và ưu thế vươ ̣t trô ̣i của cuô ̣c sống bầy đàn so với từng cá thể đơn lẻ là hành vi liên l ạc giữa các con kiến với những cá thể trong đàn d ựa trên việc sử dụng pheromones - mô ̣t phương pháp ta ̣o dựng và trao đổi thông tin hiê ̣u quả.

Quá trình tiết ra vết mùi pheromones và hành vi của một số loài kiến đã được điều tra có kiểm soát trong các thử nghiệm của một số nhà nghiên cứu. Vấn đề được đem ra xem xét là quá trình lựa cho ̣n đường đi trong quá trình tìm k iếm thức ăn của đàn kiến . Kiến luôn phải chọn con đường ngắn nhất vì chất dịch pheromone mà chúng tiết ra để đánh dấu sẽ bốc hơi theo thời gian. Một trong những thí nghiệm nổi bật nhất là thí nghiệm về chiếc cầu đôi củ a và các đ ồng nghiệp. trong thí nghiệm của mình, Deneubourg đã s ử dụng một cây cầu nối tổ của đàn kiến với nguồn thức ăn. Họ chạy các thử nghiệm với tỉ lệ r = ll/ls khác nhau (vớ i ll là chiều dài của nhánh cầu dài và ls là chiều dài của nhánh cầu ngắn hơn.

33

Hình 3: sơ đồ thí nghiê ̣m chiếc cầu đôi của Deneubourg

Kết quả là, với chỉ số r càng lớn thì quá trình cho ̣n lo ̣c nhánh cầu càng nhanh và càng hiệu quả . Khi bắt đầu, trên 2 nhánh của cây cầu đều chưa có pheromones. Do đó, các con kiến có thể chọn một trong các nhánh với cùng một xác suất. Tuy nhiên, do sự lựa chọn là ngẫu nhiên nên trong cùng mô ̣t khoảng thời gian , số lượng các con kiến đi trên nhánh ls sẽ nhiều hơn số lượng kiến đi trên nhánh ll. Thêm nữa, vì những con ki ến sẽ tiết pheromones trong khi di chuy ển cùng với sự bay hơi của pheromones theo thời gian , dần dần mâ ̣t đô ̣ pheromones trên nhánh ls sẽ càng cao hơn so với trên nhánh ll. Điều này dẫn tới viê ̣c gia tăng số lượng các cá thể kiến l ựa chọn nhánh có lượng mùi pheromones lớn, và như vậy đến một thời gian nào đó tất cả đàn kiến sẽ hội tụ về cùng một nhánh ls.

b. Phương phá p tối ưu bầy kiến

Nhâ ̣n thấy những ưu điểm vượt trô ̣i trong hành vi bầy đàn của kiến , từ những năm 90 của thế kỉ trước, các nghiên cứu đã cố gắng xây dự ng những mô hình phỏng sinh ho ̣c nhằm ứng du ̣ng hành vi của các đàn kiến trong tự nhiên để giải quyết

những bài toán khó tìm ra lời giải bằng các phương pháp thông thường . Mô ̣t trong những bài toán như thế là bài toán người đi du li ̣ch - TSP.

Tổ kiến Thức ăn

ls

34

Trong bài toán TSP, mục đính là tìm đường đi ngắn nhất giữa các thành phố . Mỗi mô ̣t cá thể kiến ta ̣i thành phố i là mô ̣t tác nhân câ ̣p nhâ ̣t pheromones trên mỗi đoa ̣n đường nó đi qua và sau đó cho ̣n lựa thành phố j tiếp theo với một xác suất phụ thuô ̣c vào khoảng cách d ij (từ thành phố i tớ i thành phố j) và mật độ pheromones trên đoa ̣n đường đó (τij). τij trên mỗi đoạn i-j được câ ̣p nhâ ̣p theo công thức:

Trong đó, 1-ρ biểu thị sự bay hơi của pheromones giữa lần câ ̣p nhâ ̣p thứ t và t+1;

Trong đó, ∆𝜏(𝑖𝑗 )𝑘 là sự thay đổi pheromones do kiến k di chuyển từ thành phố

i-j; còn m là tổng số lượng kiến trong một đàn. ∆𝜏(𝑖𝑗 )𝑘 được cho bởi công thức:

∆𝜏(𝑖𝑗 )𝑘 = 𝑄

𝐿𝑘 𝑛ê 𝑢 𝑘𝑖ê 𝑛 𝑘 đ𝑖 𝑞𝑢𝑎 𝑐𝑎 𝑛𝑕 𝑖𝑗 𝑡𝑟𝑜𝑛𝑔 𝑙â 𝑛 𝑡 0, 𝑡𝑟𝑜𝑛𝑔 𝑡𝑟ươ 𝑛𝑔 𝑕ơ 𝑝 𝑘𝑕𝑎́𝑐

Trong đó , Q là hê ̣ số liên quan đến lượng các vê ̣t mùi đã đi qua của kiến ; 𝐿𝑘 là tổng chiều dài tuyến đường mà kiến k đi qua.

e • ∆𝜏(𝑖𝑗 )𝑒 là chiến lược kiến ưu thế ; trong đó , e là hê ̣ số pheromones ưu thế , nó là một số nguyên ; ∆𝜏(𝑖𝑗 )𝑒 là chỉ số pheromone củ a những con kiến tốt nhất mỗi lần lă ̣p, ∆𝜏(𝑖𝑗 )𝑒 = Q/𝐿𝑒 , trong đó 𝐿𝑒 là chiều dài đường đi của kiến ưu thế . Điều này sẽ định hướng đàn kiến tới giải pháp tốt nhất với xác suất lớn nhất.

Tiếp theo, những con kiến quyết đi ̣nh thành phố j tiếp theo sẽ đến từ thành phố i theo xác suất đươ ̣c tính bởi công thức:

35 𝑃𝑖𝑗𝑘(t) = 𝜏𝑖𝑗(𝑡) 𝛼 𝜂𝑖𝑗 𝛽 𝜏𝑖𝑙(𝑡) 𝛼 𝜂𝑖𝑙 𝛽 𝑙∈𝑁 𝑙𝑘 vớ i j𝑁𝑖𝑘

Trong đó, ηij = 1/dij, vớ i dij là khoảng cách giữa hai thành phố ; 𝛼 và β là hệ số điều chỉnh mối tương quan giữa pheromone và ηij (nếu 𝛼 = 0 thì các thành phố gần nhất sẽ có khả năng được cho ̣n cao nhất ; nếu β = 0 thì chỉ có các thông tin về pheromone đươ ̣c sử du ̣ng và xác suất 𝑃𝑖𝑗𝑘(t) không phụ thuộc vào khoảng cách giữa các thành phố , điều này làm cho các kết quả tìm kiếm được nghèo nàn và bài toán dễ rơi vào trường hợp cực tiểu đi ̣a phương ). 𝑁𝑖𝑘 là các thành phố láng giềng có thể đi qua của kiến k khi nó ở thành phố i (là tập hợp các thành phố chưa được kiến k đi qua).

Tóm lại , với viê ̣c phân tích nồng đô ̣ pheromones trên các đoa ̣n đường nối giữa các thành phố và quy luâ ̣t xác suất trên , thì xác suất lựa chọn đoạn đường (i, j)

tăng lên khi mà mùi 𝜏𝑖𝑗 và chỉ số ηij tương ứng của đường đi đó tăng lên. Như vâ ̣y, chỉ cần xác định đươ ̣c điểm khởi đầu, điểm kết thúc của kiến , số lượng và vi ̣ trí các thành phố mà kiến sẽ đi qua , các thông số về pheromone là có thể tìm được đường đi ngắn nhất qua các thành phố.

2.3.4. Thiết lập ma ̣ng lƣới quan trắc trên cơ sở tối ƣu hóa sai số nô ̣i suy bằng phƣơng pháp tối ƣu bầy kiến

Trong nghiên cứu này, viê ̣c ước lượng nồng đô ̣ ta ̣i mô ̣t điểm bất kì được xác đi ̣nh bằng phương pháp nô ̣i suy Kriging

Với mu ̣c đích làm giảm số lượng điểm quan trắc mà sai số dữ liê ̣u đo đa ̣c so với ma ̣ng lưới quan trắc ban đầu là nhỏ nhất nghiên cứu này đã tiếp câ ̣n trực tiếp vào nguyên nhân làm xuất hiện sai số khi giảm số lượng các điểm quan trắc : chính là việc nội suy số liê ̣u vùng nghiên cứu dựa trên mô ̣t số lượng nhỏ hơn các điểm quan trắc so với 60 điểm ban đầu

36

Khi loa ̣i bỏ mô ̣t điểm quan trắc sơ bô ̣ i bất kì trong ma ̣ng lưới quan trắc ban đầu, số liê ̣u ta ̣i điểm i sẽ được nội suy từ các điểm khác trong ma ̣ng lưới quan trắc mới. Và quá trình này sẽ làm xuất hiện sai số khi so sánh kết quả nội suy tại điểm i

(trong mạng lưới quan trắc mới) với kết quả quan trắc ta ̣i điểm i trong mạng lưới ban đầu. Mức chênh lê ̣ch được tính theo công thức:

d = 𝐶𝑛𝑠 ,𝑖 − 𝐶𝑖 Trong đó:

 d là chênh lệch giữa nồng độ quan trắc trực tiếp với nồng độ nội suy từ các điểm khác;

 𝐶𝑛𝑠 ,𝑖 là nồng độ tại điểm i được nô ̣i suy từ các điểm còn la ̣i;

 𝐶𝑖 là nồng độ quan trắc được tại điểm i trong mạng lưới ban đầu.

Tuy nhiên, nếu chỉ sử du ̣ng công thức này sẽ không thể đánh giá được mức đô ̣ biến thiên của dữ liê ̣u ở những điểm có nồng đô ̣ khác nhau . Chẳng ha ̣n, sự thay đổi 0.05mg/m3

ở điểm có nồng độ 0,1mg/m3 sẽ có ý nghĩa hơn rất nhiều so với điểm có nồng đô ̣ 1mg/m3. Từ đó, đề tài đã tính sai số nội suy tại từng điểm bằng cách sử dụng công thức:

ηi = 𝐶𝑛𝑠 ,𝑖−𝐶𝑖 min ⁡(𝐶𝑛𝑠 ,𝑖,𝐶𝑖)

Trong đó, ηi là sai số dữ liê ̣u khi loa ̣i bỏ mô ̣t điểm quan trắc sơ bô ̣ i bất kỳ - hay cũng có thể go ̣i là sai số nô ̣i suy tương đối.

Nếu sai số nô ̣i suy ηi càng lớn thì có nghĩa là không thể nội suy nồng độ tại điểm i từ các điểm xung quanh; ngược la ̣i, nếu sai số nô ̣i suy ηi càng nhỏ thì chứng tỏ nồng độ tại điểm i có thể nội suy từ các điểm xung quanh và đây là một trong những điểm bi ̣ loa ̣i bỏ tiềm năng

37

Khi tiến hành loa ̣i bỏ m điểm quan trắc sơ bô ̣, sự mất mát thông tin (hay sai lê ̣ch so với kết quả ban đầu ) có thể được định lượng dựa trên sai số nội suy trung bình (AIE - average interpolation error)

AIE = ( 𝐶𝑛𝑠 ,𝑖−𝐶𝑖 min ⁡(𝐶𝑛𝑠 ,𝑖,𝐶𝑖)2 𝑚 𝑖=1 𝑚 Trong đó:

 AIE là sai số dữ liê ̣u của toàn bô ̣ khu vực nghiên cứu khi nô ̣i suy nồng đô ̣ ta ̣i

60-m điểm dựa trên giá tri ̣ quan trắc ta ̣i các điểm còn la ̣i so với dữ liê ̣u quan trắc ta ̣i toàn bô ̣ 60 điểm.

 𝐶𝑛𝑠 ,𝑖 là nồng độ tại điểm i được nội suy từ các điểm còn la ̣i.

 𝐶𝑖 là nồng độ quan trắc được tại điểm i.

Mục tiêu tổng thể của quá trình xây dựng mạng lưới các điểm quan trắc tối ưu là giảm sự mất mát dữ liê ̣u hay giảm tối đa sai số dữ liê ̣u khi chỉ quan trắc ta ̣i một số điểm nhất định so với dữ liệu tại 60 điểm ban đầu . Vì thế , vị trí các điểm quan trắc bi ̣ loa ̣i bỏ được xác đi ̣nh ta ̣i giá tri ̣ AIE nhỏ nhất tức min AIE.

Viê ̣c xác đi ̣nh lựa cho ̣n các điểm loa ̣i bỏ để AIE nhỏ nhất tươ ng tự như viê ̣c lựa cho ̣n những điểm nào để quãng đường đi là ngắn nhất trong bài toán TSP . Vì vâ ̣y, chúng tôi đã sử dụng thuật toán tối ưu bầy kiến để giải bài toán tìm các điểm quan trắc tối ưu.

Để có thể sử du ̣ng thu ật toán tối ưu bầy kiến , cần phải xác đi ̣nh trước số lươ ̣ng điểm cho mô ̣t lần đi của kiến . Vì vậy, khi giải bài toán bằng phương pháp tối ưu bầy kiến cần tiến hành lần lượt với những giá tri ̣ m cụ thể.

38

Chƣơng 3 - KẾT QUẢ NGHIÊN CỨU 3.1. Thiết lập ma ̣ng lƣới quan trắc sơ bô ̣

Mạng lưới quan trắc bụi sơ bộ được thiết lập với 60 điểm quan trắc; các điểm này phân bố đồng đều trên toàn bộ diện tích tỉnh Vĩnh Phúc (hình 4). Viê ̣c phân bố đều các điểm quan trắc sơ bộ đảm bảo tính chính xác và khả năng đánh giá toàn diê ̣n mức đô ̣ ô nhiễm bu ̣i PM 10 trên địa bàn tỉnh Vĩnh Phúc . Vị trí các điểm nghiên cứu được cho trong phụ lục 1.

39

3.2. Đá nh giá hiê ̣n tra ̣ng ô nhiễm bu ̣i PM10 trong môi trƣờng không khí tỉnh Vĩnh Phúc

Viê ̣c đo đa ̣c giá tri ̣ của bu ̣i PM10 được tiến hành 2 đợt trong năm 2011, đợt 1 tiến hành vào tháng 4/2011, đợt 2 đo vào tháng 10/2011. Các số liệu sau khi đo đạc